Selvom Chat-GPT muligvis kan bestå CPA-eksamenen og generere utrolige vægge af tekst, ser ægte AI-automatisering anderledes ud (og er ikke så ligetil som en 1-linjes prompt).
Introduktion
Man kan simpelthen ikke komme udenom, at kunstig intelligens er det mest omtalte emne på internettet i 2023. Chat-GPT, den populære chatbaserede grænseflade til at udforske LLM-funktionerne (Large Language Model) udviklet af OpenAI, blev frigivet til offentligheden tidligere på året.
Leg med det i blot et par minutter, og du kan begynde at forstå, hvorfor alle og deres hund taler om dette – Chat-GPT er i stand til at demonstrere overmenneskelige færdigheder i stort set alle domæner. AI lover klart at ændre mange arbejdsområder markant – samtidig med at det potentielt påvirker millioner af job og karrierer.
Kunstig intelligens bliver nu anvendt på tværs af professionelle domæner, der er modne til automatisering – arbejdsområder som software, jura, regnskab, rådgivning, økonomi og så videre. Inden for finans er kreditorfunktion en, der kommer frem i søgelyset som noget unik – især da der synes at være lige meget støj på begge sider af argumentet, hvor AI-fortalere og nej-sigere begge har en rasende debat om, hvad der vil ( eller vil ikke) ske.
Juryen er stadig ude på, hvordan netop denne hurtige transformation vil blive opnået – og det er her, de fleste diskurser om fordelene ved ChatGPT i særdeleshed (og AI generelt) har en tendens til at trække grænsen.
Behovet for AI i Kreditorer
I traditionelle AP-operationer er virksomheder ofte afhængige af manuelle processer, omfattende papirarbejde og gentagne opgaver for at håndtere deres gældsfunktion. Disse opgaver er aktiviteter som dataindtastning, fakturabehandling og finansiel analyse, som er afgørende for beslutningstagning, operationel planlægning og risikostyring.
Disse processer involverer dog at bruge tid (og penge). De største ulemper ved manuelt AP-arbejde er:
- Manuel dataindtastning introducerer et stort potentiale for fejl, da mennesker kan lave fejl, når de indtaster data i store mængder. Tænk på felter som fakturanumre, datoer, dollarbeløb – at få nogle af disse forkerte har store konsekvenser.
- Det er tidskrævende og kræver mange timers arbejde at afstemme konti, generere rapporter og udføre økonomiske analyser.
- Det er tungt på synkron kommunikation. Er du stødt på situationer som dem nedenfor?
en. Godkendelser sker ikke, før du får CFO og Business Head til at ringe
b. Linjeposter bliver ikke løst, før AP-funktionen planlægger et møde med indkøbsteamet og leverandøren.
Alt dette fører til forsinkelser i leverandørbetalinger, utilstrækkelige udgiftsplanlægningog vanskeligheder med at opretholde finansiel integritet.
AI for kreditorer behøver ikke at betyde et fuldstændigt eftersyn
Problemerne nævnt ovenfor er veldokumenterede - og når de bliver spurgt, vil de fleste regnskabshold være enige om, at introduktion af AI helt sikkert vil hjælpe dem. Teknologier som maskinlæring og naturlig sprogbehandling har evnen til revolutionere AP-funktionen på en meget dyb måde – forudsat at de er implementeret og integreret på den korrekte måde.
Dette leder dog normalt mange til den konklusion, at AI-baseret automatisering ikke er noget for dem – det virker besværligt, tidskrævende og dyrt at implementere.
Virkeligheden kunne dog ikke være mere anderledes – i dag er det muligt at komme i gang med at bruge AI til din AP-proces inden for få minutter. Og du kan opnå dette uden gå på kompromis med din nuværende process pålidelighed, sikkerhed og effektivitet.
Læg generative AI og LLM'er til side et øjeblik - virkeligheden er, at selv AI-automatisering på begynderniveau kan hjælpe betydeligt med at løse disse problemer. Selv den ydmyge OCR – der har eksisteret i årtier – reducerer den tid, det tager at behandle en faktura med mindst 60 %, hvilket sparer AP-teams for flere dage hver måned. Og alligevel er vedtagelse af denne teknologi stadig ikke udbredt.
Ønsker du at integrere AI i din AP-funktion? Book en 30-minutters live demo for at se, hvordan Nanonets kan hjælpe dit team med at implementere ende-til-ende AP -automatisering.
Potentielle use-cases for AI inden for Kreditor-processen
Så hvordan skal du præcist integrere AI i din AP-proces? Hvor starter du?
Det første sted at begynde er at se på, hvilken del af processen, der virkelig fylder det meste af tiden. Typiske flaskehalse, der rapporteres af AP-hold, er aktiviteter som:
- Faktura kodning
- General Ledger (GL) kortlægning
- Bekræftelse af betalingsoplysninger (for at kontrollere for bedrageri)
- Dubletdetektion
Der er et meget klart underliggende tema her – manuel dataindtastning og verifikation er det, der får disse opgaver til at være kedelige og tidskrævende.
Denne undersøgelsesgrafik ovenfor (fra Automation Trends 2022-rapport) afslører meget – næsten 70 % af folk har stadig ikke automatiseret de mest presserende problemer i deres AP-proces. Ovenstående opgaver er alle manuelle - nogen skal se på de faktiske data på fakturaen og bekræfte, at de er korrekte, før de går videre.
Som sådan kan automatisering af disse opgaver føles overvældende, da du nu stoler på, at en maskine har samme niveau af diskretion som et (uddannet) menneske.
Den gode nyhed? AI kan også trænes lige så godt! Vi går dybere ind i nogle eksempler på brug af dette nedenfor.
1. Fakturakodning og hovedbog (GL) kontokortlægning
En af de sværeste opgaver at automatisere er måske at tildele fakturaer og kvitteringer til den rigtige kategori og GL-kode i dit regnskabssystem. Hvorfor er dette særligt vanskeligt?
- Der er ofte flere GL-koder, der gælder for den samme udgift, opdelt efter linjeposter/individuelle produktkoder. Tildeling af disse GL-koder er normalt manuel, og skal ske i samråd med business teams og CFO.
- At tildele en GL-kode til en faktura er nogle gange subjektive – for eksempel, mens almindelige salgsfakturaer altid kan være tildelt "Salg" i din kontoplan, ender det nogle gange med at nøjagtig samme fakturaformat bliver brugt for entreprenører og ikke-ansatte. Dette kan føre til, at kontraktlige udgifter fejlagtigt mærkes som "Salg" af grundlæggende automatiseringsværktøjer.
Hvordan kan AI hjælpe her?
- Automatiser fakturakodning baseret på LLM-behandling – her fortæller AI dig grundlæggende, hvilken GL denne faktura skal kategoriseres i, og denne kan konfigureres til at give flere forslag, der kan være passende. Dette gør brugerens opgave noget lettere.
- Lær og husk brugerinput – når en bruger faktisk vælger GL-koden, kan systemet huske valget og automatisere det næste gang for den samme leverandør.
2. Svigopdagelse og fejlhåndtering
En anden afgørende opgave, som et AP-team har, er at fange fejl, før de sker. Det kan være lige så alvorligt som forkerte betalingsoplysninger og fakturasvindel, eller det kan være så simpelt som en dubletfaktura.
Uden tvivl er disse problemer bedst forebygget, før de opstår. De fleste organisationer insistere om at lave denne procesmanual. Men at have en menneskelig kontrol af hver faktura gør tingene vanskelige, fordi:
- Det giver et enkelt fejlpunkt (og flaskehals) for processen – mens det er godt at få en medarbejder til at tjekke alle udgifter for fejl, nogle gange kan tingene glide igennem sprækkerne.
- Det sikrer, at kun den person med mest kontekst på leverandørbetalinger (CFO/AP-chef) kan foretage rettelser, og ingen andre. Al viden og kontekst er kun hos få personer og ikke spredt ud over organisationen.
Hvordan kan AI hjælpe her?
- Smartere duplikatdetektering/forkerte oplysninger – Grundlæggende filduplikatkontrol verificerer kun, hvis de to filer er ens. Med avanceret AI-duplikattjek kan du gå et skridt videre - kontrollere, om indholdet af to forskellige filer er mistænkeligt ens.
- Flere datavalideringer på fakturadata – Bare automatisk aflæsning af fakturadata nytter ikke, hvis nogen alligevel skal logge ind og bekræfte det. Avancerede AI-værktøjer kan nu udføre datavalidering for at sikre hygiejnetjek (hvis for eksempel et nyt bankkontonummer på en faktura ikke matcher det sædvanlige for en leverandør, vil du få besked!)
3. At lære simple handlinger, der kan gentages
Spørg nogen, hvad de VIRKELIG ønsker, at AI skal gøre, og dette er svaret, der kommer ud øverst – mange mennesker føler, at den virkelige værdi af AI er, når den kan lære deres mønstre og spare tid for dem.
For eksempel er der mange små opgaver, der udføres på nøjagtig samme måde, for flere typer fakturaer/kvitteringer. Nogle eksempler:
- Tildeling af en faktura til den rigtige kategori/klasse/projekt i dit ERP
- Ændring af GL-tilknytningen for en specifik linjepost på en faktura
- Sende en bestemt leverandørs faktura til godkendelse til den samme person, hver gang
Hvordan kan AI hjælpe her?
Det første trin er at identificere de trin i AP-processen, der er ideelt egnet til itereret genlæring (dvs. aktiviteter, som du bliver ved med at udføre dagligt, som til sidst kan huskes af AI og automatiseres 90 % af tiden).
Gode eksempler på dette er:
- GL kode tildeling – Logikken her er enkel: Hvis applikationen tildeler den rigtige GL-kode til en faktura, fantastisk! Hvis ikke, ændrer du det selv, og AI'en husker denne ændring til næste gang. Som et resultat bliver den automatiske GL-kodetildeling hele tiden bedre for hvert klik, du foretager.
- Kategori/Klasse/Projekt klassificering – Hvis en bestemt leverandørfaktura ikke automatisk kan klassificeres i den rigtige kategori, kan AI lære mønstre i dit valg (klassificerer du f.eks. altid Uber-kvitteringer som "Projektomkostninger" i stedet for "Rejse"?). Med tiden bliver dette et regelsæt på din platform og anvendes automatisk.
Ønsker du at tilføje AI til din gældsproces? Book en 30-minutters live demo for at se, hvordan Nanonets kan hjælpe dit team med at implementere ende-til-ende AP -automatisering.
Hvordan Nanonets kan hjælpe dig med at implementere AI i din Kreditorproces
Eksemplerne ovenfor er formentlig kun toppen af isbjerget – der er meget mere, end AI kan gøre for din AP-proces, der kun er begrænset af, hvor dybt du er i stand til at gå ind i processen med automatisering og maskinlæring.
Heldigvis behøver du i dag ikke at være teknisk kyndig for at begynde at implementere AI-kapaciteter i din AP-proces – der er værktøjer, der giver dig mulighed for at komme i gang næsten med det samme.
For eksempel har Nanonets en AI-platform kaldet Flow der kan transformere din nuværende AP-proces og tilføje de vitale AI-elementer til din arbejdsgang. Den kan alt, hvad der er blevet demonstreret ovenfor – og meget, meget mere.
Enkelt at implementere, men alligevel komplekst i dets muligheder, er dette det ideelle udgangspunkt for dem, der virkelig ønsker at intensivere deres AP-proces og skalere deres arbejdsbyrde mere effektivt. Kontakt os i dag for en gratis demonstration af, hvad denne AI-platform kan gøre for din AP-funktion.
- SEO Powered Content & PR Distribution. Bliv forstærket i dag.
- EVM Finans. Unified Interface for Decentralized Finance. Adgang her.
- Quantum Media Group. IR/PR forstærket. Adgang her.
- PlatoAiStream. Web3 Data Intelligence. Viden forstærket. Adgang her.
- Kilde: https://nanonets.com/blog/ai-automation-for-accounts-payable/
- :har
- :er
- :ikke
- :hvor
- $OP
- 200
- 2022
- 2023
- a
- evne
- I stand
- Om
- over
- Konto
- Bogføring og administration
- Konti
- gældsforpligtelser
- opnå
- opnået
- tværs
- aktioner
- aktiviteter
- faktiske
- faktisk
- tilføje
- adressering
- Vedtagelse
- fremskreden
- fortalere
- AI
- AI platform
- Alle
- tillade
- altid
- beløb
- beløb
- an
- analyse
- ,
- besvare
- enhver
- nogen
- Anvendelse
- anvendt
- Indløs
- passende
- godkendelse
- godkendelser
- ER
- områder
- argument
- omkring
- AS
- tildelt
- At
- automatisere
- Automatiseret
- Automatisk Ur
- automatisk
- Automatisering
- Automation
- Bank
- bankkonto
- baseret
- grundlæggende
- I bund og grund
- BE
- fordi
- bliver
- været
- før
- begynde
- være
- jf. nedenstående
- fordele
- BEDSTE
- Bedre
- bog
- både
- Begge sider
- virksomhed
- by
- kaldet
- CAN
- kapaciteter
- karriere
- bære
- tilfælde
- Boligtype
- årsager
- CFO
- lave om
- Chart
- ChatGPT
- kontrollere
- kontrol
- Kontrol
- klar
- tydeligt
- klik
- kode
- koder
- Kodning
- KOM
- kommer
- Kommunikation
- Virksomheder
- fuldføre
- komplekse
- at gå på kompromis
- konklusion
- Bekræfte
- Konsekvenser
- rådgivning
- indhold
- indhold
- sammenhæng
- entreprenører
- kontraktlige
- korrigere
- Rettelser
- Omkostninger
- kunne
- CPA
- afgørende
- Nuværende
- dagligt
- data
- indtastning af data
- Datoer
- Dage
- debat
- årtier
- Beslutningstagning
- dyb
- dybere
- definitivt
- forsinkelser
- demo
- demonstrere
- demonstreret
- detaljer
- Detektion
- udviklet
- forskellige
- svært
- vanskeligheder
- diskretion
- do
- gør ikke
- Er ikke
- Dog
- gør
- Dollar
- domæne
- Domæner
- Don
- færdig
- tvivler
- tegne
- ulemper
- dubletter
- e
- hver
- tidligere
- lettere
- effektivitet
- effektivt
- elementer
- andet
- indlejret
- Medarbejder
- ende til ende
- ender
- sikre
- sikrer
- indtastning
- indrejse
- entry-level
- lige
- lige
- fejl
- fejl
- især
- Endog
- til sidst
- Hver
- alle
- præcist nok
- eksamen
- eksempel
- eksempler
- udgifter
- dyrt
- Udforskning
- omfattende
- Faktisk
- Manglende
- føler sig
- få
- Fields
- File (Felt)
- Filer
- finansiere
- finansielle
- Fornavn
- flow
- Til
- format
- bedrageri
- bedrageri afsløring
- Gratis
- fra
- funktion
- yderligere
- Generelt
- generere
- generative
- Generativ AI
- få
- få
- giver
- Go
- godt
- Grafisk
- håndtere
- ske
- Have
- have
- hoved
- tunge
- hjælpe
- link.
- Høj
- HOURS
- Hvordan
- Men
- HTTPS
- menneskelig
- Mennesker
- i
- ideal
- identificere
- if
- påvirker
- gennemføre
- implementeret
- gennemføre
- in
- forkert
- utrolige
- instans
- i stedet
- integrere
- integreret
- integritet
- Intelligens
- grænseflade
- Internet
- ind
- Introducerer
- indføre
- Introduktion
- fakturabehandling
- involvere
- spørgsmål
- IT
- Varer
- ITS
- Karriere
- lige
- Holde
- viden
- Sprog
- stor
- Lov
- føre
- Leads
- LÆR
- læring
- mindst
- Ledger
- Niveau
- ligesom
- Limited
- Line (linje)
- Børsnoterede
- leve
- LLM
- logik
- Logge på
- Lang
- Se
- leder
- UDSEENDE
- Lot
- maskine
- machine learning
- Vedligeholdelse
- større
- lave
- maerker
- Making
- ledelse
- måde
- manuel
- mange
- mange mennesker
- kortlægning
- Match
- Kan..
- betyde
- møde
- måske
- millioner
- minutter
- fejl
- model
- øjeblik
- penge
- Måned
- mere
- mest
- meget
- flere
- skal
- Natural
- Natural Language Processing
- Behov
- behov
- Ny
- nyheder
- næste
- ingen
- Støj
- nu
- nummer
- numre
- OCR
- of
- tilbyde
- tit
- on
- engang
- ONE
- dem
- kun
- OpenAI
- operationelle
- Produktion
- or
- ordrer
- organisation
- organisationer
- ud
- i løbet af
- papirarbejde
- del
- særlig
- især
- passerer
- mønstre
- betaling
- betalinger
- Mennesker
- Udfør
- person,
- stykke
- Place
- planlægning
- perron
- plato
- Platon Data Intelligence
- PlatoData
- Punkt
- Populær
- mulig
- potentiale
- potentielt
- trykke
- sandsynligvis
- problemer
- behandle
- Processer
- forarbejdning
- Produkt
- professionel
- projekt
- Promises
- forudsat
- offentlige
- raser
- hurtige
- RE
- Genlæring
- ægte
- reel værdi
- Reality
- virkelig
- kvitteringer
- reducerer
- fast
- frigivet
- pålidelighed
- stole
- huske
- repetitiv
- indberette
- rapporteret
- Rapporter
- løst
- resultere
- afslører
- højre
- Risiko
- risikostyring
- s
- salg
- samme
- Gem
- besparelse
- kyndige
- Scale
- sikkerhed
- se
- synes
- valg
- sendt
- alvorlig
- bør
- sider
- betydeligt
- lignende
- Simpelt
- ganske enkelt
- siden
- enkelt
- situationer
- lille
- So
- Software
- nogle
- Nogen
- noget
- specifikke
- hastighed
- udgifterne
- delt
- Spotlight
- spredes
- starte
- påbegyndt
- Starter
- Trin
- Steps
- Stadig
- ligetil
- sådan
- formodes
- Kortlægge
- mistænkeligt
- systemet
- Tag
- taget
- taler
- Opgaver
- opgaver
- hold
- hold
- teknisk set
- Teknologier
- Teknologier
- fortæller
- end
- at
- Linjen
- deres
- Them
- tema
- Der.
- Disse
- de
- ting
- tror
- denne
- dem
- selvom?
- Gennem
- tid
- tidskrævende
- tip
- til
- i dag
- værktøjer
- top
- emne
- traditionelle
- uddannet
- Transform
- Transformation
- rejse
- Tendenser
- sand
- tillidsfuld
- to
- typer
- Uber
- underliggende
- forstå
- enestående
- indtil
- brug
- brugssager
- anvendte
- Bruger
- ved brug af
- sædvanligvis
- validering
- værdi
- sælger
- Verifikation
- verificere
- meget
- næsten
- afgørende
- mængder
- ønsker
- var
- Vej..
- we
- GODT
- Hvad
- hvornår
- som
- mens
- hvorfor
- vilje
- med
- inden for
- Arbejde
- workflow
- Forkert
- år
- endnu
- Du
- Din
- dig selv
- youtube
- zephyrnet