Apa itu Pencocokan PO? Dan bagaimana mengotomatiskannya?

Pencocokan PO adalah proses menghubungkan pesanan pembelian (PO) yang dikeluarkan oleh klien yang menunjukkan jenis, jumlah, dan harga yang disepakati untuk produk/layanan ke faktur yang dikeluarkan oleh vendor untuk itu pengiriman. Tujuan pencocokan PO adalah untuk memastikan pembayaran vendor yang tepat waktu, akuntansi biaya yang benar, dan deteksi praktik penipuan yang mudah.

Pencocokan PO Manual

Pencocokan PO melibatkan beberapa langkah, termasuk penerimaan & pengambilan data faktur, verifikasi dengan pesanan pembelian, mencocokkan parameter, dan resolusi berdasarkan berbagai parameter. Pemrosesan faktur dan pencocokan PO adalah proses yang kompleks, memakan waktu, dan sumber daya yang intensif bila dilakukan secara manual, terutama dalam kegiatan bisnis yang ditingkatkan.

Bahkan di departemen di mana ada digitalisasi informasi dalam bentuk aplikasi Enterprise Resource Planning (ERP), sejumlah besar tenaga manusia diperlukan; sejak faktur diajukan atau diterima hingga masuk ke dalam aplikasi ERP, akun hutang personil melakukan daftar tugas yang tampaknya tak ada habisnya.

---

Ingin mengotomatiskan proses Pencocokan PO? Gsaya Nanonet™ mencoba dan mendapatkan manfaat menggunakan OCR berbasis AI dalam proses Pencocokan PO.

---

· Membuka dan memindai surat / membuka faktur fisik / PO

· Mengambil faktur / PO dari kotak email, portal, atau amplop fisik

· Memasukkan informasi dari faktur ke dalam komputer

· Secara manual mencocokkan faktur dengan pesanan pembelian (PO) dan tanda terima pengiriman

· Secara fisik merutekan faktur / OP ke manajer dan personel persetujuan

· Selesaikan pengecualian melalui eyeballing yang rumit dan analisis manual.

· Memasukkan informasi faktur yang cocok ke dalam ERP

· Mencari duplikasi dan kelalaian di ERP

· Faktur rekonsiliasi dengan pembayaran

· Memperbarui data master vendor

Beberapa tantangan yang melemahkan dalam pencocokan PO skala besar, terutama bila dilakukan secara manual adalah:

Menangani beberapa poin data faktur: Organisasi besar secara rutin menangani PO dan / atau faktur dari beberapa pemasok / klien dalam berbagai format termasuk file pengolah kata (misalnya, dokumen MS-Word), file entri data (misalnya, file MS-Excel), dokumen XML terstruktur dari Electronic Data Interchange (EDI), PDF dan file gambar, dan terkadang sebagai dokumen hard copy.

Penyatuan semua dokumen ini memakan waktu dan rawan kesalahan bila dilakukan secara manual. Kesalahan di awal alur kerja pemrosesan faktur dapat berubah menjadi hasil yang serius seperti pembayaran berlebih, pembayaran yang salah, duplikasi faktur, dll. yang dapat menyebabkan hilangnya produktivitas dan kepercayaan.

Ketidakcocokan data: Grafik akun hutang departemen perusahaan seringkali harus mencocokkan PO dengan Goods Received Note (GRN), dan data kontrak, selain Faktur. Proses "melihat dan membandingkan" pencocokan manual, selain padat karya dan berat, dapat menyebabkan kesalahan serius seperti tanggal dan nilai yang terlewat, koreksi yang akan memperlambat operasi dan mengekspos organisasi pada risiko kehilangan produktivitas dan bisnis. -masalah hubungan manajemen/klien.

Penanganan pengecualian: Departemen hutang dagang menghabiskan banyak waktu untuk menangani pengecualian, termasuk informasi yang salah, tidak lengkap, dan tidak cocok dalam faktur. Hingga 20% dari faktur secara teratur berisi informasi yang salah atau tidak lengkap, dan departemen hutang konvensional (manual) menghabiskan 25% waktunya untuk menyelesaikan masalah dan melacak informasi yang hilang.

Biaya per pemrosesan faktur: Pemrosesan faktur manual dan pencocokan PO memerlukan biaya termasuk jam manual, kertas, dan perangko, yang akan diperburuk oleh penalti, biaya keterlambatan, pengembalian produk, dan hilangnya bisnis jika terjadi kesalahan.

Penipuan dan pencurian: Certified Fraud Examiners (ACFE) melaporkan bahwa organisasi tertentu kehilangan 5% dari pendapatannya karena penipuan setiap tahun. Penjahat yang menyamar sebagai eksekutif atau pemasok mengirim email berisi faktur yang tampak asli atau permintaan pembayaran lainnya dan tim Hutang Usaha yang kurang waspada dapat menjadi mangsa untuk itu.

Survei tahun 2020 oleh Levvel Research menunjukkan bahwa entri data manual dan inefisiensi terus menjadi masalah dalam proses hutang dagang.

Asosiasi Hutang Usaha yang berbasis di Inggris menemukan bahwa:

• 56% bisnis mengalami masalah perkiraan arus kas karena masalah Hutang
• 91% perusahaan secara teratur menerima panggilan telepon dari vendor yang mengejar pembayaran.
• 23% bisnis memiliki pemasok yang menolak untuk bekerja dengan mereka lagi karena ketidakefisienan Hutang Usaha

---

Ingin mengotomatiskan proses Pencocokan PO? Gsaya Nanonet™ mencoba dan mendapatkan manfaat menggunakan OCR berbasis AI dalam proses Pencocokan PO.

---

Pencocokan PO Otomatis

Banyak dari masalah di atas dapat diatasi dengan menggunakan pencocokan PO otomatis. Otomasi dapat diperkenalkan pada berbagai langkah dalam proses proses akuntansi, dan karenanya, ada dua jenis otomatisasi:

Pengambilan data berbasis Optical Character Recognition (OCR):

Pengambilan data faktur berbasis OCR menggunakan kombinasi perangkat keras pengambilan gambar dan perangkat lunak konversi untuk mengubah gambar menjadi teks yang dapat diproses secara manual oleh tim akuntansi. Jelas bahwa ini hanya mendigitalkan data dan tidak mencocokkannya dan harus melibatkan operasi manual selanjutnya.

Selain itu, sistem OCR yang berdiri sendiri gagal bekerja dengan templat, jenis file, dan tata letak yang berbeda, sehingga memerlukan intervensi manusia yang sering untuk menetapkan aturan templat untuk berbagai jenis dokumen.

Pemrosesan akun otomatis / pencocokan PO:

Ini dari tiga jenis:

• Otomatisasi proses robotik (RPA) meniru tindakan manusia dalam tugas yang berulang.
• Kecerdasan buatan (AI), "Holy Grail" ilmu komputer dalam kata-kata Bill Gates, meniru penilaian dan perilaku manusia untuk mencocokkan PO, faktur, dan tanda terima.
• Pembelajaran mesin (ML) adalah bagian dari AI di mana, komputer "belajar dari pengalaman" melalui algoritme seperti Jaringan Saraf Tiruan yang meniru proses pembelajaran otak.

Ketiga jenis pemrosesan data otomatis menangkap data terkait dari faktur, PO, dan dokumentasi keuangan lainnya dan memprosesnya secara otomatis dengan cara yang meniru pikiran manusia. Di antaranya, pemrosesan yang mendukung AI juga dapat membandingkan dan mencocokkan catatan dan membuat keputusan seperti meneruskan transaksi, menandai kesalahan, atau meningkatkan pengecualian.

Pencocokan berbasis AI terdiri dari empat langkah:

1. Pengambilan dan Ekstraksi Data: Langkah ini melibatkan sejumlah campur tangan manusia dalam pemindaian manual faktur fisik ke dalam sistem atau penggabungan faktur faks atau email untuk dikonversi menjadi gambar. Zonal Optical Character Recognition (OCR), atau Template OCR digunakan untuk mengekstrak teks yang terletak di lokasi tertentu di dalam dokumen yang dipindai. Sistem Zonal OCR dilatih dengan menentukan di mana bidang data tertentu dapat ditemukan di dalam dokumen. OpenCV, Tesseract, dan Python adalah beberapa sistem OCR zona yang dapat dilatih untuk memilih bidang tertentu dari faktur atau PO yang diambil.

2. Pengenalan data: Pengenalan dan kategorisasi data yang ditangkap ke dalam beberapa jenis baik melalui klasifikasi berbasis aturan atau oleh algoritme pembelajaran mesin. Sistem AI OCR dapat menghilangkan lebih dari 80% operasi di bawah pengambilan data faktur, ekstraksi, dan pengindeksan.

3. Rekam Pencocokan dan validasi: Algoritme AI melakukan pencocokan rekaman - proses menemukan bagian informasi yang cocok dari kumpulan data yang besar. Proses pencocokan bisa 2 arah, 3 arah, atau 4 arah, tergantung kebutuhan perusahaan.

Sebuah survei oleh Penelitian Levvel menunjukkan bahwa persetujuan faktur yang lebih cepat dan meningkatkan produktivitas karyawan adalah dua manfaat teratas yang dialami dari peralihan ke 2-arah dan 3-berkemampuan AIpencocokan cara proses.

4. Peninjauan hutang dagang dan pemrosesan pengecualian, berdasarkan kebutuhan unik perusahaan, data yang cocok diteruskan atau diarahkan ke karyawan yang sesuai untuk diproses lebih lanjut.

Keuntungan Pencocokan PO berbasis AI

Pemrosesan tanpa sentuhan:Ketika semua dokumen (faktur, pesanan pembelian, tanda terima, dll.) Bersifat elektronik, "pemrosesan tanpa sentuhan" menghilangkan proses yang berpusat pada kertas dan meminimalkan campur tangan manusia, sehingga memberikan kinerja, skalabilitas, dan kelincahan yang lebih baik; semua dokumen bisnis diterima, digital, diarahkan, dicocokkan, disetujui dan diproses tanpa perlu bolak-balik selembar kertas pun antara personel dan departemen. Pemrosesan tanpa sentuhan bekerja melalui langkah-langkah berikut:

1. Perangkat lunak memeriksa email yang belum dibaca.

2. Lampiran ditemukan dan dilepaskan dari email untuk diproses.

3. Lampiran dibaca menggunakan kemampuan kognitif dan data diekstraksi.

4. Informasi faktur / PO divalidasi berdasarkan aturan bisnis yang telah ditentukan sebelumnya.

5. Faktur dibuat, dicocokkan dengan PO dan tanda terima pengiriman berdasarkan aturan yang telah ditetapkan sebelumnya, dan diperiksa untuk memastikan tidak ada faktur duplikat.

6. Pengguna diberitahu tentang apakah faktur berhasil diproses.

Pemrosesan tanpa sentuhan sering kali menggunakan pembelajaran mesin untuk melatih AI agar bekerja lebih baik daripada sistem AI berbasis aturan sederhana. Oleh karena itu, sistem belajar dari basis pelanggan dan kerumitan spesifik dari setiap pelanggan.

Pencocokan cerdas:  PO dapat dicocokkan dengan Nomor PO, Rilis, Garis, Pengiriman, dan Tanda Terima PO dan diurutkan dalam berbagai bentuk dalam hitungan detik, sebuah tugas yang sangat berat dengan usaha manusia sendiri.

Penanganan mudah dari banyak PO ke beberapa faktur:  Otomatisasi sangat berguna ketika volume PO dan faktur tinggi, dan upaya manual akan memakan waktu berhari-hari, bahkan berbulan-bulan untuk mengelola dan mengkategorikannya.

Jejak audit lengkap dan kepatuhan: Sistem AI dapat memberikan bantuan intuitif kepada operator manusia dan melakukan validasi dan koreksi yang membutuhkan waktu berjam-jam dengan tenaga manusia, dalam hitungan detik.

Penghematan tenaga kerja: AI beroperasi atas dasar "jaringan saraf" - algoritme yang dapat mengenali hubungan yang mendasari dalam sekumpulan data seperti otak manusia. Terlepas dari kecepatan kinerja, pembelajaran mesin dan kemungkinan pembelajaran mendalam dalam AI dapat membantu perangkat lunak belajar dari pengalaman, yang dapat menyempurnakan operasi untuk meningkatkan produktivitas dan akurasi, menghindari intervensi dan validasi manusia.

Kesalahan penandaan dan minimisasi: Dimana otak manusia bisa gagal karena kelelahan akibat tindakan berulang, sistem berbasis AI pada kenyataannya dapat meningkatkan kinerja dengan waktu dan "pengalaman". Meskipun otomatisasi tidak dapat sepenuhnya menghilangkan kesalahan manusia, hal itu dapat memastikan konsistensi dalam skala besar. Akuntansi otomatis dapat secara signifikan meningkatkan kemungkinan untuk mengidentifikasi masalah kecil sebelum berkembang menjadi masalah yang lebih besar. Jika terjadi masalah atau kesalahan, peringatan secara otomatis ditandai ke tim TI yang dapat dengan cepat mengidentifikasi penyebab utama dan mengatasinya. Tidak ada yang terlewat dan perbaikannya jauh lebih cepat. Penandaan kesalahan tepat waktu dapat menghemat waktu, mengurangi waktu henti yang merugikan, dan mencegah pemadaman kebakaran yang serius di lain waktu.

Peningkatan Produktivitas: Dengan kebebasan dari aktivitas yang memakan waktu seperti pencocokan PO dan pemrosesan faktur, tim Hutang Usaha sekarang dapat fokus pada aktivitas yang berpusat pada manusia seperti perencanaan keuangan, analisis, dan memperoleh wawasan untuk perbaikan, dan meningkatkan hubungan antarpribadi dan kelembagaan, yang semuanya dapat meningkatkan Bottom-Line.

Manfaat biaya: Meskipun memasang pemrosesan faktur yang mendukung AI dikaitkan dengan biaya awal, operasinya hanya memerlukan sedikitnya 20 persen dari gaji karyawan.

Keamanan dan skalabilitas data:  Efisiensi operasional yang lebih besar untuk bisnis global dihasilkan dari kemampuan menjalankan 24x7, tidak seperti operator manusia yang dibatasi oleh bandwidth mental dan waktu.

Kesiapan Audit: PO, GRN, dan invoice adalah beberapa dokumen paling umum yang ditanyakan selama audit. Pencocokan PO yang mendukung AI telah membuat dokumen-dokumen ini disetujui, dicocokkan, dan diatur, yang memungkinkan proses audit yang mulus.

Otomatisasi pemrosesan Faktur dan pencocokan PO dapat membantu berbagai level eksekutif di sebuah perusahaan:

• Eksekutif keuangan dapat mengurangi biaya dan sumber daya gratis yang dapat diatur ulang untuk meningkatkan laba dan membantu pertumbuhan strategis dan perusahaan.
• Eksekutif perusahaan dapat lebih memahami kinerja dan memantau arus kas dengan menganalisis data dasbor yang ditawarkan oleh banyak perangkat lunak otomatisasi untuk diukur.
• Tim Hutang dapat menghilangkan faktur kertas dan interaksi manual karena perutean yang efisien, pengkodean, pencocokan faktur pemasok menggunakan aturan akuntansi yang telah ditentukan sebelumnya.
• Akuntan & Staf Riset memiliki akses lengkap dan cepat ke pesanan pembelian dan faktur untuk perencanaan masa depan.

---

Ingin mengotomatiskan proses Pencocokan PO? Gsaya Nanonet™ mencoba dan mendapatkan manfaat menggunakan OCR berbasis AI dalam proses Pencocokan PO.

---

Menyiapkan dan mengimplementasikan sistem PO Matching berkemampuan AI

Penyiapan sistem pencocokan PO yang mendukung AI dalam organisasi adalah proses tiga tingkat.

Sementara pemrosesan faktur otomatis dan pencocokan PO menguntungkan saat diterapkan, kurva pembelajaran tidak diragukan lagi ada, dan perusahaan / tim harus mengikuti beberapa protokol agar otomatisasi mendapatkan hasil yang diharapkan. Beberapa langkah yang harus dilakukan sebelum dan selama penerapan proses akuntansi otomatis adalah sebagai berikut:

Keterlibatan penuh dari semua pemangku kepentingan

Otomatisasi Hutang Usaha yang berhasil bergantung pada partisipasi penuh oleh setiap anggota tim keuangan, yang memerlukan pelatihan berkala dan program penyegaran untuk mengoperasikan sistem dan menangani pengecualian.

Otomatisasi berdasarkan fase

Memanfaatkan kekuatan otomatisasi dan AI bergantung pada pengaturan dan implementasi yang benar. Selain itu, ada kurva pembelajaran yang agak curam terkait dengan perpindahan dari akuntansi manual ke pencocokan faktur berbasis AI. Dengan transisi berdasarkan fase, dimungkinkan untuk mengatur tanpa kesalahan dan juga memberi waktu kepada tim untuk mengadopsi proses baru.

Integrasi semua sistem

Tim hutang dagang mungkin sudah menggunakan perangkat lunak untuk tujuan keterputusan seperti perencanaan sumber daya perusahaan (ERP), manajemen hubungan pelanggan dan sistem keuangan inti lainnya. Sistem otomatisasi AI harus dapat diintegrasikan dengan perangkat lunak yang ada untuk memudahkan pengguna.

Perencanaan kontinjensi

Kerusakan server, pemadaman listrik, dan gangguan jaringan dapat sangat mengganggu pengoperasian sistem pencocokan PO yang mendukung AI. Namun rencana kesinambungan bisnis yang kokoh yang mencakup pencadangan, pasokan listrik tanpa gangguan, dan komputasi awan dapat membantu mengatasi masalah ini. Penting juga untuk memelihara riwayat proses jika operasi harus memutar kembali sementara ke penanganan manual.

Organisasi semua dokumen yang relevan

Dalam pencocokan tiga dan empat arah. Pesanan pembelian, GRN, dan Faktur harus cocok. Meskipun sebagian besar vendor dan klien rajin tentang PO dan faktur, mereka cenderung ceroboh tentang GRN dan tanda terima. Tidak adanya tanda terima dapat menghentikan proses pencocokan 3 arah yang terintegrasi dengan AI dan pengecualian akan dihasilkan yang mengarah ke leher botol dalam alur kerja.

Hal ini dapat dihindari melalui sentralisasi penerimaan barang, sehingga pembuatan tanda terima dibatasi untuk satu atau beberapa orang untuk menghindari duplikasi dan kelalaian. Cara bukti gagal lainnya adalah merancang pendekatan berbasis sistem di mana, pengingat otomatis diatur untuk pembuatan dan tindak lanjut tanda terima.

Memastikan bahwa semua faktur, PO, dan tanda terima dimasukkan ke dalam sistem dengan segera, otomatisasi AP dapat secara dramatis mengurangi hari terutang (DPO) dengan rata-rata 5.55 hari. Sistem yang sepenuhnya otomatis di mana perangkat lunak menangkap dokumen langsung dari sumber lunak (email, dll.) Dapat memastikan hal ini, tetapi dalam kasus pengunggahan data secara manual, ini menjadi poin penting.

Pencocokan data vendor

Proses pencocokan 3 arah bergantung pada pemasok sebagai pendorong utama proses tersebut. Keakuratan data yang diberikan oleh pemasok dapat memastikan tidak adanya masalah ketidakcocokan data. Untuk pengiriman faktur secara manual, diperlukan uji tuntas untuk memastikan keakuratannya. Akurasi memerlukan keseragaman satuan ukuran, harga satuan, dan jangka waktu pengiriman. Katalog vendor dapat menghilangkan kesalahan dan meningkatkan pengalaman pembelian.

Menyiapkan toleransi untuk persetujuan otomatis

Beberapa pengecualian umum yang muncul selama pertandingan PO adalah:

· Jumlah faktur tidak sesuai dengan PO

· Informasi referensi PO pada faktur tidak ada atau salah

· Pemasok hilang atau struktur pajak untuk faktur

· Perbedaan harga di tingkat baris atau untuk total faktur. Misalnya, PO bisa untuk 10 unit item dengan biaya Rs. 10 / unit, dan faktur bisa untuk 1 unit item dengan harga Rs. 100.

Penanganan kasus tepi

Kasus tepi jarang terjadi yang harus ditangani oleh perangkat lunak. Dalam pencocokan PO faktur, kompleksitas penagihan berulang sering diremehkan. Sistem AI harus menampilkan penagihan berulang adaptif untuk mempertimbangkan kasus tepi ini yang mungkin timbul karena perubahan zona waktu, beberapa biaya berulang, penyesuaian harga retrospektif, dan panjang bulan variabel untuk memastikan otomatisasi bebas kesalahan.

---

Ingin mengotomatiskan proses Pencocokan PO? Gsaya Nanonet™ mencoba dan mendapatkan manfaat menggunakan OCR berbasis AI dalam proses Pencocokan PO.

---

Contoh sistem Pencocokan PO yang diaktifkan AI

Memilih rangkaian akuntansi yang mendukung AI bergantung pada sifat bisnis dan skala operasi. Pencocokan PO yang mendukung AO dapat berupa solusi titik atau rangkaian akuntansi lengkap, yang akan bergantung pada perangkat lunak yang ada atau kekurangannya. Dalam kasus yang pertama, perlu berkomunikasi dengan sistem yang ada, termasuk ERP. Pencocokan PO tersedia di banyak alat yang digunakan untuk akuntansi termasuk Nanonets AI-OCR, Oracle, Nexxonia, Intacct, MineralTree, dll.

In Peramal, Hutang adalah alat pencocokan PO yang mendukung AI di mana setelah faktur dimasukkan dan dicocokkan dengan PO, distribusi secara otomatis dibuat dan kecocokan diperiksa kesesuaiannya dengan toleransi yang ditentukan. Setelah cocok, Hutang memperbarui jumlah yang ditagih untuk setiap pengiriman yang cocok dan distribusinya sesuai dengan jumlah yang dimasukkan di bidang Kuantitas yang Ditagih. Hutang juga memperbarui jumlah yang ditagih pada distribusi PO.

Sage utuh Pembelian menciptakan alur kerja transaksi yang terstruktur dan ditentukan sebelumnya dan persetujuan pembelian. MineralPohon, penyedia solusi pembayaran dan pembayaran hutang, menyediakan PO otomatis / pencocokan faktur untuk Sage Intacc. Dalam hal ini, detail tajuk dan tingkat baris diekstrak secara otomatis menggunakan teknologi OCR dari faktur yang dikirim oleh vendor ke email yang ditunjuk. Kemudian secara otomatis mencocokkan faktur masuk dengan pesanan pembelian atau tanda terima dan kemudian memasukkannya ke dalam alur kerja internal pengguna untuk persetujuan dan pembayaran faktur. Semua data disinkronkan dengan ERP perusahaan untuk konsistensi platform.

Beban Nexonia, solusi manajemen laporan pengeluaran web dan seluler berbasis cloud yang memiliki alur kerja persetujuan yang fleksibel dan integrasi yang dalam dengan sistem yang ada.

In Tipalti, semua faktur melalui OCR standar, ekstraksi data tingkat lanjut, dan alur kerja persetujuan sebelum pembayaran diproses. Aturan dapat ditetapkan untuk menentukan apakah faktur didukung PO dan apakah harus melalui proses pencocokan. Aturan dasar berlaku pada pemasok atau jumlah tagihan dan jika faktur memiliki pesanan pembelian, data pengkodean tagihan PO secara otomatis mengisi faktur.

In Perangkat Lunak, saat faktur diambil, alat pembelajaran kerumunan berbasis AI mengekstrak semua data penting yang diperlukan untuk pemrosesan seperti Nama Vendor, ID, Nomor Faktur, Sub-Total, Pajak, Pengangkutan, dan Jumlah Total. Untuk memvalidasi faktur, sistem mengonfirmasi apakah mereka adalah vendor yang valid, pemeriksaan ganda untuk nomor faktur duplikat, cocok dengan pesanan pembelian dan slip pengiriman dan menghitung ulang jumlahnya.

Masih banyak lagi alat pencocokan PO yang tersedia dengan berbagai fitur untuk disesuaikan dengan berbagai aplikasi.

Nanonet AI OCR

Nanonets AI-OCR membaca dokumen semi-terstruktur yang tidak terlihat yang tidak mengikuti template standar dan memvalidasi data yang diambil dari dokumen. Perangkat lunak ini dapat menangkap data dari berbagai dokumen termasuk Faktur, Kartu ID, Pesanan Pembelian, Bukti Pendapatan, Formulir Pajak, dan formulir Hipotek.

Ini memungkinkan pengimporan data dari platform pengguna dan langsung mengekspor data yang diambil ke alur kerja yang ada, tanpa mengganggu sistem. Nanonets memiliki ikatan bahasa di Shell, Ruby, Golang, Java, C # dan Python. Mesin AI belajar dan meningkat dengan penggunaan. Dengan antarmuka web yang intuitif, ini menghilangkan proses manual yang rumit dan mengotomatiskan faktur, tanda terima, dan tinjauan dokumen. Diketahui dapat mengurangi waktu pemrosesan hingga 90% dan menghemat biaya hingga 50%.

Kecerdasan buatan diharapkan memainkan peran penting dalam transformasi cara akuntansi dan pencocokan PO dilakukan di dunia korporat. Namun, itu tidak bisa menghilangkan partisipasi manusia - teknologi tidak bisa ada sendiri.

Artificial Intelligence akan membantu, bukan menggantikan Akuntan. Kunci keberhasilan implementasi sistem akuntansi yang mendukung AI adalah menyatukannya. Masa depan penggunaan AI dalam akuntansi dan pencocokan PO sangat bergantung pada bagaimana manusia dapat menyimpannya untuk meningkatkan kapasitas mereka dalam memberikan nilai-nilai jangka panjang.