POマッチングは、製品/サービスのタイプ、数量、および合意された価格を示す、クライアントによって発行された発注書（PO）を 仕入先発行の請求書 配達だから。 PO 照合の目的は、ベンダーへの支払いをタイムリーに行い、コストを正しく計算し、不正行為を簡単に検出できるようにすることです。
手動注文照合
PO 照合には、領収書と 請求書データの取得、との検証 発注書、パラメータのマッチング、およびさまざまなパラメータに基づく解像度。 請求書の処理と PO の照合は、手動で実行すると複雑で時間とリソースを大量に消費するプロセスであり、特に大規模なビジネス アクティビティでは顕著です。
エンタープライズ リソース プランニング (ERP) アプリケーションの形で情報のデジタル化が行われている部門でさえ、かなりの量の人的労働が必要です。 請求書が提出または受領されてからERPアプリケーションに入力されるまで、 買掛金勘定 人員は一見終わりのない雑用のリストを実行します。
POマッチングプロセスの自動化をお探しですか？ Gアイブナノネット™ POマッチングプロセスでAIベースのOCRを使用するメリットを試してみてください。
・メールの開封とスキャン/物理的な請求書/ POの開封
・電子メールボックス、ポータル、または物理的な封筒からの請求書/ POの取得
・請求書からコンピューターへの情報の入力
・請求書を発注書（PO）および納品書と手動で照合する
・請求書/ OPをマネージャーおよび承認担当者に物理的にルーティングする
・面倒な目玉と手動分析によって例外を解決します。
・重複と脱落についてERPを検索する
・請求書と支払いの照合
・仕入先マスタデータの更新
特に手動で実行する場合、大規模なPOマッチングにおけるいくつかの衰弱させる課題は次のとおりです。
複数の請求書データポイントの処理： 大規模な組織は、ワードプロセッサファイル（MS-Wordドキュメントなど）、データ入力ファイル（MS-Excelファイルなど）、Electronic Data Interchangeの構造化XMLドキュメントなど、複数の形式で複数のサプライヤ/クライアントからのPOや請求書を日常的に処理します。 （EDI）、PDFおよび画像ファイル、場合によってはハードコピードキュメントとして。
これらすべてのドキュメントの統合は、手動で実行すると時間がかかり、エラーが発生しやすくなります。 開始時のエラー 請求書処理ワークフロー 過払い、不正な支払い、請求書の重複など、生産性と信頼の喪失につながる深刻な結果に発展する可能性があります。
データの不一致： 買掛金勘定 会社の部門は、多くの場合、請求書に加えて、PO を商品受領書 (GRN) および契約データと照合する必要があります。 手作業によるマッチングの「見つめて比較する」プロセスは、労働集約的で骨の折れる作業であることに加えて、日付や値の欠落などの重大なエラーにつながる可能性があり、その修正は運用を遅らせ、組織を生産性の損失やビジネスのリスクにさらす可能性があります。 -管理/クライアント関係の問題。
例外処理： 買掛金部門は、請求書の情報が正しくない、不完全である、一致しないなどの例外に対処するために多くの時間を費やしています。 まで 請求書の20％ 不正確または不完全な情報が定期的に含まれており、従来の（手動の）買掛金部門は、問題の解決と不足している情報の追跡に25％の時間を費やしています。
請求書処理あたりのコスト： 手動の請求書処理とPOマッチングには、手動の時間、紙、郵便料金などのコストが伴います。これは、ペナルティ、延滞料、製品の返品、エラーが発生した場合のビジネスの損失によって悪化します。
詐欺と盗難： 公認不正検査士（ACFE）の報告によると、一般的な組織は毎年、収益の5％を不正検査で失っています。 経営幹部やサプライヤーになりすました犯罪者は、本物のような請求書やその他の支払い要求を電子メールで送信します。 餌食になります.
LevvelResearchによる2020年の調査 つまり見せた 手作業によるデータ入力と非効率性は、引き続き 買掛金プロセス.
英国を拠点とする買掛金協会 あれを見つけた:
- 56％の企業が、買掛金の問題によるキャッシュフロー予測の問題を経験しています。
- 91％の企業が、支払いを追跡しているベンダーから定期的に電話を受けています。
- 23％の企業には、買掛金の非効率性のために再び協力することを拒否したサプライヤーがいました。
POマッチングプロセスの自動化をお探しですか？ Gアイブナノネット™ POマッチングプロセスでAIベースのOCRを使用するメリットを試してみてください。
自動発注照合
上記の問題の多くは、自動化されたPOマッチングを使用して克服できます。 自動化は、会計プロセスのプロセスのさまざまなステップで導入される可能性があるため、次のXNUMX種類の自動化があります。
光学式文字認識（OCR）ベースのデータキャプチャ：
OCRベースの請求書データキャプチャは、画像キャプチャハードウェアと変換ソフトウェアの組み合わせを使用して、経理チームが手動で処理できるテキストに画像を変換します。 これは単にデータをデジタル化するだけであり、それらと一致せず、その後の手動操作を伴う必要があることは明らかです。
さらに、スタンドアロンOCRシステムは、さまざまなテンプレート、ファイルタイプ、およびレイアウトでの作業に失敗するため、さまざまなタイプのドキュメントのテンプレートルールを設定するために頻繁な人間の介入が必要になります。
自動アカウント処理/ POマッチング：
これにはXNUMXつのタイプがあります。
- ロボットプロセス自動化（RPA）は、反復的なタスクにおける人間の行動を模倣します。
- ビルゲイツの言葉によるコンピュータサイエンスの「聖杯」である人工知能（AI）は、PO、請求書、領収書に一致するように人間の判断と行動を模倣します。
- 機械学習（ML）はAIのサブセットであり、コンピューターは脳の学習プロセスを模倣するニューラルネットワークなどのアルゴリズムを通じて「経験から学習」します。
XNUMX種類の自動データ処理はすべて、請求書、PO、その他の財務文書から関連データを取得し、人間の心を模倣する方法でそれらを自動処理します。 そのうち、AI対応の処理では、レコードを比較および照合し、トランザクションの受け渡し、エラーのフラグ付け、例外の発生などの決定を行うこともできます。
AIベースのマッチングは、次のXNUMXつのステップで構成されます。
1.データのキャプチャと抽出： このステップには、物理的な請求書をシステムに手動でスキャンするか、画像に変換するためにファックスまたは電子メールで請求書を組み込むという、ある程度の人間の介入が含まれます。 ゾーン光学式文字認識（OCR）、またはテンプレートOCRは、スキャンされたドキュメント内の特定の場所にあるテキストを抽出するために使用されます。 ゾーンOCRシステムは、特定のデータフィールドがドキュメント内のどこにあるかを定義することによってトレーニングされます。 OpenCV、Tesseract、およびPythonは、キャプチャされた請求書またはPOから特定のフィールドを選択するようにトレーニングできるゾーンOCRシステムです。
2.データ認識： ルールベースの分類または機械学習アルゴリズムのいずれかによる、キャプチャされたデータの認識とタイプへの分類。 AI OCRシステムは、請求書データのキャプチャ、抽出、およびインデックス作成の下での操作の80％以上を排除できます。
3.レコードの照合と検証： AIアルゴリズムは、レコードマッチングを実行します。これは、大量のデータセットから一致する情報を見つけるプロセスです。 マッチングプロセスは、会社のニーズに応じて、2ウェイ、3ウェイ、または4ウェイにすることができます。
による調査 レヴベル研究 ことを示している 請求書の迅速な承認と 従業員の生産性の向上 AI 対応の 2 方向および 3 方向への切り替えによって得られるメリットのトップ XNUMX は次のとおりです。ウェイマッチング プロセス。
4.買掛金のレビューと例外処理、会社固有のニーズに基づいて、一致したデータが適切な従業員に渡されるかルーティングされて、さらに処理されます。
AI ベースの PO マッチングの利点
タッチレス処理：すべてのドキュメント（請求書、発注書、領収書など）が本質的に電子的である場合、「タッチレス処理」は紙中心のプロセスを排除し、人間の介入を最小限に抑えて、パフォーマンス、スケーラビリティ、および俊敏性を向上させます。 すべてのビジネスドキュメントは、人員と部門の間でXNUMX枚の紙を往復する必要なしに、受信、デジタル化、ルーティング、照合、承認、および処理されます。 タッチレス処理は、次の手順で機能します。
1.ソフトウェアは未読の電子メールをチェックします。
2.添付ファイルが検出され、処理のために電子メールから切り離されます。
3.添付ファイルは、コグニティブ機能を使用して読み取られ、データが抽出されます。
4.請求書/ PO情報は、事前定義されたビジネスルールに基づいて検証されます。
5.請求書が作成され、事前に設定されたルールに基づいてPOおよび納品書と照合され、重複する請求書がないことを確認します。
6.請求書が正常に処理されたかどうかがユーザーに通知されます。
タッチレス処理では、多くの場合、機械学習を使用してAIをトレーニングし、単純なルールベースのAIシステムよりも優れたパフォーマンスを発揮します。 したがって、システムは、顧客ベースと各顧客の特定の複雑さの両方から学習します。
スマートマッチング： POは、PO番号、リリース、ライン、出荷、およびPO受領書で照合し、数秒以内にさまざまな形式で並べ替えることができます。これは、人間の努力だけでは非常に困難な作業です。
複数の請求書に対する複数のPOの簡単な処理： 自動化は、POと請求書の量が多く、手作業でそれらを管理および分類するのに数か月ではなくても数日かかる場合に特に役立ちます。
完全な監査証跡とコンプライアンス： AIシステムは、人間のオペレーターに直感的な支援を提供し、数秒以内に人間の労力で数時間かかる検証と修正を実行できます。
マンパワーの節約： AIは、人間の脳のように一連のデータの基礎となる関係を認識できるアルゴリズムである「ニューラルネットワーク」に基づいて動作します。 パフォーマンスの速度とは別に、AI内の機械学習とディープラーニングの可能性は、ソフトウェアが経験から学習するのに役立ちます。これにより、操作を微調整して生産性と精度を向上させ、人間の介入と検証を不要にします。
エラーのフラグ付けと最小化： 繰り返しの行動による疲労のために人間の脳が機能しなくなる可能性がある場合、AIベースのシステムは実際、時間と「経験」とともにパフォーマンスを向上させることができます。 自動化は人的エラーを完全に排除することはできませんが、大規模な一貫性を確保することはできます。 自動化されたアカウンティングは、小さな問題が大きな問題にカスケードされる前に、小さな問題を特定する可能性を大幅に高めることができます。 問題やエラーが発生した場合、ITチームにアラートのフラグが自動的に付けられ、ITチームは根本原因をすばやく特定して解決できます。 見逃すことはなく、修正ははるかに迅速です。 タイムリーなエラーフラグ付けは、時間を節約し、コストのかかるダウンタイムを削減し、後で深刻な消防活動を回避することができます。
生産性の向上： POマッチングや請求書処理などの時間のかかる作業から解放されたため、買掛金チームは、財務計画、分析、改善のための洞察の導出、対人関係や組織関係の改善など、人間中心の活動に集中できるようになりました。収益を改善する可能性があります。
費用便益： AI対応の請求書処理のインストールには初期費用が伴いますが、その運用には従業員の給与のわずか20％しかかかりません。
データのセキュリティとスケーラビリティ： 精神的な帯域幅と時間に制限されている人間のオペレーターとは異なり、グローバルビジネスの運用効率が向上するのは24時間7日稼働できるためです。
監査の準備： PO、GRN、および請求書は、監査中に尋ねられる最も一般的な文書のXNUMXつです。 AI対応のPOマッチングでは、これらのドキュメントがすでに承認、マッチング、整理されているため、シームレスな監査プロセスが可能になります。
請求書処理とPOマッチングの自動化は、企業のさまざまなレベルのエグゼクティブに役立ちます。
- 財務担当役員は、コストを削減し、リソースを解放して、収益を向上させ、戦略的および企業の成長を支援するために再編成することができます。
- 企業の幹部は、測定する自動化ソフトウェアの多くが提供するダッシュボードデータを分析することで、パフォーマンスをよりよく理解し、キャッシュフローを監視できます。
- 買掛金チームは、事前定義された会計ルールを使用して、合理化されたルーティング、コーディング、サプライヤーの請求書の照合により、紙の請求書と手動のやり取りを排除できます。
- 会計士と研究スタッフは、将来の計画のために発注書と請求書に完全かつ即座にアクセスできます。
POマッチングプロセスの自動化をお探しですか？ Gアイブナノネット™ POマッチングプロセスでAIベースのOCRを使用するメリットを試してみてください。
AI 対応の PO マッチング システムのセットアップと実装
組織内でのAI対応のPOマッチングシステムのセットアップは、XNUMX層のプロセスです。
自動化された請求書処理とPOマッチングは実装すると有利ですが、学習曲線は間違いなく存在し、企業/チームは自動化のためにいくつかのプロトコルに従って期待される結果を得る必要があります。 自動会計プロセスの実装前および実装中に実行する必要のあるいくつかの手順は次のとおりです。
すべての利害関係者の完全な関与
買掛金の自動化の成功は、財務チームのすべてのメンバーによる完全な参加に依存します。これには、システムを操作して例外を処理するための定期的なトレーニングと再教育プログラムが必要です。
段階的な自動化
自動化とAIの力を活用するには、正しいセットアップと実装が必要です。 さらに、手動会計からAIベースの請求書照合への移行に関連するかなり急な学習曲線があります。 フェーズごとの移行により、エラーなしでセットアップでき、チームに新しいプロセスを採用する時間を与えることもできます。
すべてのシステムの統合
買掛金チームは、エンタープライズリソースプランニング（ERP）、顧客関係管理、その他のコアファイナンスシステムなど、ばらばらの目的でソフトウェアをすでに使用している可能性があります。 AI自動化システムは、ユーザーが物事を簡単に行えるように、既存のソフトウェアと統合できる必要があります。
不測の事態への計画
サーバーのクラッシュ、停電、ネットワークの中断により、AI対応のPOマッチングシステムの運用が大幅に中断される可能性があります。 しかし、バックアップ、無停電電源装置、クラウドコンピューティングを含む強固な事業継続計画は、これらの問題に取り組むのに役立ちます。 操作を一時的に手動処理に戻す必要がある場合に備えて、プロセスの履歴を維持することも重要です。
関連するすべてのドキュメントの整理
3方向およびXNUMX方向のマッチング。 注文書、GRN、および請求書は一致している必要があります。 ほとんどのベンダーとクライアントはPOと請求書に熱心ですが、GRNと領収書には不注意な傾向があります。 受領書がない場合、AIに統合されたXNUMX者間照合プロセスがハングし、例外が生成されてワークフローのボトルネックが発生する可能性があります。
これは、アイテムのレシートを一元化することで回避できるため、レシートの作成は、重複や脱落を避けるためにXNUMX人または数人に制限されます。 もうXNUMXつの失敗を防ぐ方法は、システム主導のアプローチを設計することです。このアプローチでは、レシートの生成とフォローアップのために自動リマインダーが設定されます。
すべての請求書、PO、および領収書がシステムに迅速に入力されるようにすることで、APの自動化により、未払い日数（DPO）を大幅に削減できます。 平均5.55。XNUMX日。 ソフトウェアがソフトソース（電子メールなど）から直接ドキュメントをキャプチャする完全に自動化されたシステムはこれを保証できますが、データを手動でアップロードする場合、これは重要なポイントになります。
ベンダーデータマッチング
3ウェイマッチプロセスは、プロセスの主要な推進力としてのサプライヤーに依存します。 サプライヤから提供されるデータの正確性により、データの不一致の問題が発生しないようにすることができます。 請求書を手動で提出する場合は、正確性を確保するためにデューデリジェンスが必要です。 精度には、測定単位、単価、納期の均一性が伴います。 ベンダーカタログは、エラーを排除し、購入体験を向上させることができます。
自動承認の許容範囲を設定する
POの一致中に発生する一般的な例外は次のとおりです。
・請求書の数量がPOと一致しません
・請求書のPO参照情報が欠落しているか正しくない
・請求書のサプライヤまたは税構造が欠落している
・明細レベルまたは請求書合計の価格の不一致。 たとえば、POはRs.10 /ユニットのコストで10アイテムユニット用であり、請求書はRsの価格で1アイテムユニット用である可能性があります。 100。
エッジケースの取り扱い
エッジケースは、ソフトウェアで処理する必要があるまれな発生です。 請求書のPOマッチングでは、定期的な請求の複雑さが過小評価されることがよくあります。 AIシステムは、タイムゾーンの変更、複数の定期的な請求、遡及的な価格調整、およびエラーのない自動化を保証するための可変の月の長さによって発生する可能性のあるこれらのエッジケースを考慮するために、適応型の定期的な請求を特徴とする必要があります。
POマッチングプロセスの自動化をお探しですか？ Gアイブナノネット™ POマッチングプロセスでAIベースのOCRを使用するメリットを試してみてください。
AI を活用した PO マッチング システムの例
AI対応のアカウンティングスイートの選択は、ビジネスの性質と運用の規模によって異なります。 AO対応のPOマッチングは、ポイントソリューションまたは完全なアカウンティングスイートのいずれかであり、既存のソフトウェアまたはその欠如に依存します。 前者の場合、ERPを含む既存のシステムと通信する必要があります。 POマッチングは、Nanonets AI-OCR、Oracle、Nexxonia、Intacct、MineralTreeなどの会計に使用される多くのツールで利用できます。
In オラクル、PayablesはAI対応のPO照合ツールであり、請求書が入力されてPOと照合されると、配布が自動的に作成され、定義された許容範囲に準拠しているかどうかが照合されます。 一致すると、Payablesは、一致した各出荷の請求数量とそれに対応する配分を、[請求数量]フィールドに入力した金額で更新します。 Payablesは、PO配分で請求される金額も更新します。
セージインタック 購買は、構造化された事前定義されたトランザクションと購買承認ワークフローを作成します。 ミネラルツリー買掛金（AP）および支払い自動化ソリューションプロバイダーであるは、SageIntaccの自動PO /請求書照合を提供します。 この場合、ヘッダーおよび行レベルの詳細は、ベンダーから指定された電子メールに送信された請求書からOCRテクノロジーを使用して自動的に抽出されます。 次に、受信した請求書を発注書または領収書と自動的に照合し、請求書の承認と支払いのためにユーザーの内部ワークフローに挿入します。 プラットフォームの一貫性を保つために、すべてのデータは会社のERPと同期します。
ネクソニア経費、柔軟な承認ワークフローと既存のシステムとの緊密な統合を備えたクラウドベースのWebおよびモバイル経費報告書管理ソリューション。
In ティパルティ、すべての請求書は、支払いが処理される前に、標準のOCR、高度なデータ抽出、および承認ワークフローを通過します。 請求書がPOで裏付けられているかどうか、および照合プロセスを実行する必要があるかどうかを判断するためのルールを設定できます。 基本ルールはサプライヤまたは請求額に適用され、請求書に発注書がある場合、PO請求書コーディングデータは自動的に請求書に事前入力されます。
In DocuWare、請求書が取得されると、AIベースのクラウド学習ツールが、ベンダー名、ID、請求書番号、小計、税金、運賃、合計金額など、処理に必要なすべての主要データを抽出します。 請求書を検証するために、システムはそれらが有効なベンダーであるかどうかを確認し、重複する請求書番号がないか再確認し、発注書と納品書と一致し、金額を再計算します。
さまざまなアプリケーションに合わせて、さまざまな機能を備えたPOマッチングツールがさらにたくさんあります。
ナノネット AI OCR
Nanonets AI-OCRは、標準テンプレートに準拠していない、見えない半構造化されたドキュメントを読み取り、ドキュメントからキャプチャされたデータを検証します。 このソフトウェアは、請求書、IDカード、発注書、収入証明、納税フォーム、住宅ローンフォームなどのさまざまなドキュメントからデータを取得できます。
これにより、システムを中断することなく、ユーザーのプラットフォームからデータをインポートし、キャプチャしたデータを既存のワークフローに直接エクスポートできます。 Nanonetsには、Shell、Ruby、Golang、Java、C＃、およびPythonの言語バインディングがあります。 AIエンジンは、使用することで学習し、向上します。 直感的なWebインターフェイスにより、面倒な手動プロセスを排除し、請求書、領収書、およびドキュメントのレビューを自動化します。 処理時間を最大90％削減し、コストを最大50％節約することが知られています。
人工知能は、企業の世界で会計とPOマッチングが実行される方法の変革において重要な役割を果たすことが期待されています。 しかし、それは人間の参加を排除することはできません–テクノロジーは単独で存在することはできません。
人工知能は、会計士に取って代わるのではなく、支援します。 AI対応の会計システムの実装を成功させる秘訣は、それらを統合することです。 会計およびPOマッチングでのAIの使用の将来は、人間がAIを固定して、長期的な価値を提供する能力を向上させる方法に大きく依存しています。
