Miten laskuautomaation tekoälyn tarkkuutta voidaan testata ennen ostopäätöstä?
Tekoälyn hyödyntäminen ostolaskuprosessin automatisoinnissa on suhteellisen uusi asia. Tekoälyn käyttö yleistyy koko ajan, ja sen hyödyt ovat selvät, mutta totuus on, että tekoälyn suorituskyky vaihtelee yrityksestä toiseen.Tekoälyn suorituskykyyn vaikuttavat monet asiat. Esimerkiksi yrityksen ostolaskuaineiston laatu ja johdonmukaisuus, dimensiorakenteen monimutkaisuus, yksittäisten dimensioarvojen määrä (esim. tilikartan koko), kirjanpitohistorian johdonmukaisuus, laskujen tarkastajien määrä ja niin edelleen.
Parhaimmillaan lähes 90 prosenttia asiakkaidemme laskuista kirjataan oikein tekoälyn avulla, ja pahimmillaan taso voi olla 50-60 prosenttia. Ennustustarkkuus kuitenkin paranee jatkuvasti, kun ostolaskut kulkevat tekoälyn läpi. Vaikka hinnoittelumme perustuu onnistuneisiin ennusteisiin, asiakkaamme ovat tarkkuuden suhteen hyvin vaativia.
Testaa tekoälyä uutena asiakkaana
Tapaamme jatkuvasti yrityksiä, jotka ovat kiinnostuneita käyttämään tekoälyä ostolaskujen manuaalisen kirjaamisen ja reitittämisen automatisoimiseksi. Kuulemme usein otsikkokysymyksen: “Voimmeko testata tekoälyä yrityksemme tiedoilla ennen ostopäätöksen tekemistä?” Vastauksemme on, että tietenkin voitte.
Jos yritys voisi hyötyä tekoälystä, teemme kokeilun ennen kuin sen on tehtävä ostopäätös. Tämä tarkoittaa, että asiakas toimittaa meille tietokokonaisuuden, joka sisältää kopiot ostolaskujen historiasta (XML) ja niitä vastaavista kirjauksista noin 3-12 kuukauden ajalta. Laskutiedot saadaan joko suoraan ostolaskujen käsittelyjärjestelmästä tai pyytämällä ne järjestelmän toimittajalta.
Käytämme noin 70 prosenttia tiedoista rakentaaksemme tekoälymallin kyseistä yritystä varten. Tuloksena on tekoälymalli, joka on erikoistunut kyseisen yrityksen ostolaskuprosessin automatisointiin.
Tämän jälkeen annamme loput 30 prosenttia ostolaskuista tekoälymallille “uusina ostolaskuina”. Tämän jälkeen tekoälyn tehtävänä on ennustaa näiden laskujen tilit sekä ostolaskun tarkastaja. Lopuksi vertaamme tekoälyn tekemiä ennusteita alkuperäisiin kirjauksiin sekä tilintarkastajan tietoihin. Näin voimme tarkistaa, mikä on Snowfox.AI:n ennustetarkkuuden taso asiakkaan kannalta.
Kokeilua käytetään ennustetarkkuuden ja kustannusten määrittämiseen.
Tutkimustulokset raportoidaan aina hyvin kattavasti visuaalisen raportin avulla. Näytämme esimerkiksi analyysin ostolaskujen massasta, dimensioiden ennustustarkkuudesta, laskujen ennustustarkkuudesta ja dimensioiden luottamusarvojakaumasta laskuittain.
Tulosten perusteella voimme antaa tarkan hinta-arvion palvelun käytöstä. Tavoitteenamme on näyttää asiakkaalle, kuinka paljon Snowfox.AI pystyy lisäämään ostolaskujen käsittelyprosessin automaatioastetta eli vähentämään manuaalista työtä ja kuinka paljon palvelun käyttö maksaa. Näin tekoälyä ei tarvitse ostaa ilman validointia siitä, että se todella toimii.
