Milloin tekoälyä pitäisi alkaa käyttää ostolaskujen käsittelyprosessin automatisointiin?

Otsikossa esitetty kysymys esitetään usein asiakastapaamisissa: milloin meidän pitäisi alkaa käyttää tekoälyä ostolaskujen käsittelyprosessin automatisointiin?

Oletetaan, että olet juuri ottanut käyttöön uuden maksullisen ostoratkaisun. P2P-järjestelmääsi muutettaessa aiemmat automaatiosäännöt on poistettu, ja aloitat automaatiosääntöjen kehittämisen alusta. Tavoitteenasi uudessa järjestelmässä on tehdä ostolaskujen käsittelyprosessista mahdollisimman automaattinen.

Kokemuksesta tiedät, että automatisointisääntöjen laatiminen voi kestää kauan, jos käsiteltäviä laskuja on paljon. Varsinkin kun sinulla on tuhat muutakin tehtävää, jotka vaativat huomiotasi. Tämän seurauksena sääntöjen laatiminen voi viivästyä, eikä järjestelmän automaatiopotentiaalia saavuteta niin pian kuin olisit toivonut.

Näin ollen ostolaskujen käsittelyprosessi pysyy hyvin manuaalisena, mahdollisesti pitkäänkin, mikä tarkoittaa, että ostolaskut lähetetään ja kirjataan suurelta osin manuaalisesti. Yhden manuaalisesti käsitellyn ostolaskun hinta on vähintään 8 euroa ja jopa yli kymmenen euroa riippuen siitä, kuinka tehokas käytössä oleva prosessi on.

“Laskujen käsittelystä tulee hyvin kallista, jos yritysjohtajat tai johtajat käyttävät arvokasta aikaansa laskujen lähettämiseen.”

Mitä tehdä tilanteessa, jossa sääntöpohjaisen automaation rakentaminen vie liikaa aikaa?

Toinen nykyaikainen tapa automatisoida ostolaskujen lähettämistä ja kiertoa on käyttää tekoälyä prosessissa. Tekoäly on helppo tapa automatisoida, sillä sen käyttöönotto ei vaadi manuaalista sääntöjen laatimista. Tekoäly luo itse automaatiosäännöt hyödyntämällä ostolaskujen historiaa ja oppii, miten laskut kirjataan ja kierrätetään automaattisesti.

Lisäksi (ainakin) Snowfox.AI:n tapauksessa tekoälyn hinnoittelu perustuu oikein kirjattuihin ja reititettyihin laskuihin. Käytännössä tämä tarkoittaa sitä, että veloitamme vain, jos tekoäly onnistuu automatisoimaan laskun lähettämisen ja reitittämisen, joka muuten lähetettäisiin ja reititettäisiin manuaalisesti.

“Manuaalisesti käsitellyn ostolaskun kustannukset ovat vähintään kahdeksan euroa. Tekoälyn avulla käsitelty ostolasku maksaa kymmeniä senttejä.”

Kilpaileeko tekoäly sääntöpohjaista automaatiota vastaan?

Vastaus on yksinkertainen: sääntöpohjaisen ja tekoälyyn perustuvan automaation välillä ei ole kilpailua. Tekoäly ja järjestelmän oma automaatio toimivat hyvin yhdessä. Molemmilla tekniikoilla on sama tavoite automatisoida manuaalinen työ.

Miksi ei ole kilpailua? Logiikka toimii niin, että järjestelmän oma automaatio hallitsee aina. Tämä tarkoittaa, että kun ostolasku saapuu järjestelmään, järjestelmä tarkistaa ensin, onko laskulle olemassa automaatiosääntöä, ja jos ei ole, tekoäly automatisoi laskun. Jos järjestelmästä löytyy automaatiosääntö, tekoäly ei käsittele laskua lainkaan.

Näin tekoälyn käyttö skaalautuu tarpeen mukaan sen mukaan, miten hyvin järjestelmän oma automaatio toimii ja sitä hyödynnetään. Jos järjestelmän sääntöpohjainen automaatio on saavuttanut 30 prosentin automaatiotason, tekoäly hoitaa loput 70 prosenttia. Kun järjestelmän automaatio on saavuttanut 40 %:n tason, 60 % laskuista, loput käsitellään tekoälyllä.

Missä vaiheessa tekoälyn sisällyttäminen osaksi automaatioratkaisua on siis hyödyllistä?

Aloitetaan siitä, että kallein vaihtoehto on aina käsitellä ostolaskuja manuaalisesti. Halvin vaihtoehto olisi sen sijaan ostolaskujärjestelmän avulla saavutettava 100 prosentin automaatioaste. Tämä ei kuitenkaan ole realistista edes paperilla. Tähän on useita syitä, mutta Non-PO-ostolaskujen osalta hyvin tyypillinen automaatiotaso on 10-30 %. Yhteenvetona voidaan todeta, että jopa 90 prosenttia Non-PO-ostolaskuista käsitellään manuaalisesti.

Realistisin ja järkevin vaihtoehto on automaatio, joka saavutetaan ostolaskujärjestelmän oman automaation ja tekoälyn saumattomalla yhteistyöllä. Käytännössä järjestelmän omaa automatiikkaa hyödynnetään mahdollisimman pitkälle ja loput laskut ohjataan tekoälylle.

Kuten mainittu, automaation rakentaminen järjestelmään vie kuitenkin aikaa. Toisaalta tekoäly voidaan ottaa käyttöön hyvin nopeasti, jopa parissa viikossa, ja se tuottaa arvoa ensimmäisestä päivästä lähtien. Siksi tekoäly olisi otettava käyttöön mahdollisimman varhaisessa vaiheessa. Näin saadaan nopeasti korkea automaatioaste ja ostolaskujen manuaalisesta käsittelystä aiheutuvat kustannukset vähenevät.

Kun tekoäly on otettu käyttöön, on hyödyllistä alkaa hyödyntää järjestelmän omaa automaatiota ja tehdä sääntöjä usein toistuvia ostolaskuja varten. Näin tekoäly voi hoitaa vaikeat ostolaskut ja järjestelmän oma automatiikka hoitaa toistuvat laskut.

Kun järjestelmän oma automaatio lisääntyy, tekoälyn tarve vähenee. Jokainen järjestelmän automatisoima ostolasku vähentää tekoälyn kustannuksia ja tekee prosessista entistä tehokkaamman.

Sinun ei kuitenkaan kannata odottaa, että saat järjestelmästä kaiken irti, ja miettiä tekoälyn käyttöä vasta sitten. Kokemuksemme mukaan tekoälyn potentiaali pitäisi vapauttaa mahdollisimman pian, jotta se tukisi automaatiotason nopeaa nousua.