Tekoälyn hyödyntäminen ostolaskuprosessin automatisoinnissa on suhteellisen tuore asia. Käyttö yleistyy koko ajan ja tekoälyn tuomat hyödyt ovat yksiselitteiset, mutta tekoälyn toimintakyky vaihtelee jonkin verran yrityksittäin.
Tähän vaikuttaa moni seikka. Mm. yrityksen ostolaskudatan laatu ja yhdenmukaisuus, dimensiorakenteen monimutkaisuus, yksittäisten dimensioarvojen lukumäärä(esim. tilikartan laajuus), tiliöintihistorian yhtenäisyys, laskun tarkastajien määrä, jne.
Parhaimmillaan asiakkaamme laskuista lähes 90% tiliöityy oikein tekoälyn avulla ja heikoimmillaan se voi olla 50% - 60% tasolla. Kuitenkin heikomminkin suoriutuvien asiakkaidemme kohdalla tulostaso nousee jatkuvasti sitä mukaa, kun ostolaskuja virtaa tekoälyn lävitse. Vaikka hinnoittelumme perustuukin oikein tiliöityihin ostolaskuihin, ennustetarkkuuden suhteen asiakkaamme ovat hyvin vaativia.
Tapaamme jatkuvasti yrityksiä, jotka ovat kiinnostuneita hyödyntämään tekoälyä ostolaskuprosessin automatisoinnissa. Todella usein kuulemme otsikon mukaisen kysymyksen: "Voiko tekoälyn ennustetarkkuutta kokeilla jollain tapaa ennen hankintapäätöstä?" Vastauksemme on, että tietysti voi.
Teemme jokaiselle kartoituksemme perusteella tekoälystä hyötyvälle yritykselle tekoälyn testauksen ennen varsinaista hankintapäätöstä. Tämä tarkoittaa sitä, että asiakas toimittaa meille datasetin, joka pitää sisällään historian ostolaskukopioita(XML) sekä niitä vastaavia tiliöintejä noin 3 kk - 12 kk ajalta. Laskudatan saa otettua ulos joko suoraan ostolaskujen käsittelyjärjestelmästä tai pyytämällä järjestelmätoimittajalta.
Käytämme noin 70% materiaalista siihen, että rakennamme kyseiselle yritykselle oman tekoälymallin. Tuloksena on täysin toimiva tekoäly kyseisen yrityksen ostolaskuprosessin automatisointiin.
Loput 30% ostolaskuista syötämme valmiille tekoälymallille "uusina ostolaskuina" ilman tiliöintitietoja ja tekoälyn tehtäväksi jää ennustaa näille laskuille tiliöinnit sekä ostolaskun tarkastaja. Vertaamme sitten tekoälyn tekemiä ennusteita alkuperäisiin tiliöintiriveihin sekä tarkastajatietoihin. Näin saamme nähdä, millaisella ennustetarkkuudella Snowfox.AI tekoäly kyseisen asiakkaan ostolaskuaineistolla toimisi käytännössä.
Trial-tulokset raportoidaan aina hyvin kattavasti visuaalisella raportilla. Näytämme mm. kattavan analyysin ostolaskumassasta, dimensiokohtaisen ennustetarkkuuden, laskukohtaisen ennustetarkkuuden ja dimensiokohtaisen luottamusarvojakauman laskuittain.
Tulosten perusteella pystymme antamaan tarkan hinta-arvion palvelun käytöstä. Tavoitteena on, että asiakas pystyy näkemään, kuinka paljon pystymme nostamaan ostolaskujen käsittelyprosessin automaatioastetta eli säästää manuaalityötä ja minkä verran palvelun käyttö kustantaa. Näin tekoälyä ei tarvitse hankkia summassa.
Tutustu tekoälyyn tarkemmin kattavan materiaalin kautta alta!