Tekoälystä on tullut ostolaskujen automatisoinnin kulmakivi.

Tässä blogissa perehdyn asiakkaidemme kokemuksiin ostolaskujen tekoälystä ja siihen, miten tekoälyn rooli on kasvanut viime vuosina.

Olet luultavasti jo kuullut, että tekoäly (AI) on nykyään helppo integroida ostolaskujen käsittelyn työnkulkuun. Helpoin tapa on hankkia valmis ostolaskujen tekoälypalvelu ja liittää se olemassa olevaan ostolaskujärjestelmääsi rajapintojen kautta. Tekoäly pystyy kohdentamaan kulut tarkasti ja määrittämään laskujen hyväksymisketjun uskomattoman tarkasti, mikä nostaa automaation tasoa merkittävästi.

Miksi integroida tekoäly ostolaskujen automatisointiin?

Ilman tekoälyä vähintään 80 prosenttia ostolaskuista käsitellään ja kierrätetään manuaalisesti ilman minkäänlaista automaatiota. Yleisesti hyväksytään, että ostolaskujen prosessi on hyvin manuaalinen, ja automaation rakentaminen perinteisin menetelmin on työlästä ja aikaa vievää.

Tekoäly on vertaansa vailla oleva automaatioratkaisu, koska se tarjoaa helpon tavan saavuttaa aidosti korkea ostolaskujen automatisoinnin taso. Tekoäly oppii laskujen automaattisen käsittelyn logiikan hyödyntämällä historiatietoja, jolloin ei tarvitse luoda manuaalisesti ainuttakaan automaatiosääntöä. Tekoälyn avulla automaatiotaso voi nousta välittömästi 80 prosenttiin ja jatkuvan oppimisen avulla jopa yli 90 prosenttiin.

Asiakastarinat

Helsingin kaupunki on hiljattain ottanut käyttöön Snowfoxin ostolaskujen tekoälyn automatisoidakseen satoja tuhansia ostolaskuja. Ennen tekoälyn käyttöönottoa automatisointi oli minimaalista, ja valtaosa ostolaskuista piti käsitellä manuaalisesti kohdistamisen ja kierron osalta. Julkaisemme pian erillisen artikkelin Helsingin kokemuksista.

Colliers on käyttänyt Snowfoxin ostolaskujen tekoälyä jo jonkin aikaa. Ostolaskuyksikön päällikkö Tiina Sollo mainitsi artikkelissaan:

“Olemme tutkineet tekoälyn käyttöä rahoituspalveluissa laajemminkin, ja ostolaskujen käsittely todettiin erinomaiseksi prosessiksi, jossa tekoälyä voidaan hyödyntää. On ollut hienoa nähdä tuloksia vain pari viikkoa pilotoinnin jälkeen. Kulujen kohdentamista koskevat ennusteet sujuvoittavat jo nyt ostoreskontratyötämme, ja odotamme ennustetarkkuuden kasvavan tekoälyn oppimisen jatkuessa.”

ISS suosittelee tuoreessa artikkelissaan, että kaikki organisaatiot hyppäävät tekoälyn kehittämisen kelkkaan nyt. Tietohallintojohtaja Jenni Heinisuo kirjoittaa:

“Opiskeluajoistani lähtien, yli kaksikymmenvuotisen urani aikana, olemme puhuneet tekoälyn mahdollisuuksista ja tulevasta kehityshypystä. Nyt nämä lupaukset ovat todellisuutta. Onneksi yritykset eivät ole kehityshankkeissaan yksin; tarjolla on ennennäkemätön määrä käytännön tekoälyratkaisuja, joita voi hyödyntää ja edelleen muokata toimialan ja yrityksen tarpeisiin sopiviksi.”

Hän mainitsi myös, että ISS on ottanut tekoälyn käyttöön tuodakseen älykkyyttä ostolaskuprosessiinsa.

“Olemme esimerkiksi integroineet älykkyyttä automaattiseen ostolaskujen käsittelyyn, joten sen sijaan, että järjestelmä jauhaisi samaa prosessia toistuvasti, se oppii ja kehittyy.”

Voit lukea lisää Kiinteistötahkolan kokemuksista Snowfoxin sivuilta, mutta tässä pari lainausta Olli-Pekka Kuhan haastattelusta:

“Käsittelemme vuosittain lähes puoli miljoonaa laskua ostolaskuprosessin kautta, joten volyymi on merkittävä. Laskuissa on kuitenkin paljon toistoa, joten tiesimme alusta alkaen, että älykkäiden ratkaisujen avulla voimme tehdä asioista paljon sujuvampia.”

“Luettuani Snowfoxin ratkaisusta tajusin, että tämä valmiiksi paketoitu algoritmipohjainen tekoälypalvelu sopisi tarpeisiimme täydellisesti. Vastaavaa tuotetta ei ollut aiemmin ilmestynyt markkinoille, mutta näin heti sen potentiaalin.”

“Heti ensimmäisenä kuukautena laskujen tarkkuus automaatioprosessissa ylitti 80 prosenttia, ja tällä hetkellä olemme hieman yli 90 prosentin tasolla.”

Atlas Copcon maailmanlaajuinen huoltokeskus on päättänyt ottaa Snowfoxin käyttöön ostolaskujen automatisoinnissa. Michal Schwarz kertoi odotuksistaan:

“Laskujen käsittely ilman fyysistä käsittelyä on meille jatkuva prosessi, ja olemme kamppailleet muiden kuin ostotilauslaskujen kanssa melko paljon – on mielenkiintoista nähdä, mitä Snowfox AI tuo ostolaskujen automatisointiin globaalissa palvelukeskuksessamme.”

PHM Group luopui ohjelmistorobotin käytöstä tekoälyn käyttöönoton yhteydessä, koska tekoäly pystyy hoitamaan samoja tehtäviä kuin robotti ja paljon enemmänkin. Ida Bäckström kommentoi työn laadun paranemista tekoälyn ansiosta:

“Työ on nyt mielekkäämpää, koska meidän ei tarvitse tuhlata aikaa yksityiskohtiin ja rutiininomaiseen copy-paste-työhön. Se, mikä on kadonnut, on työ, joka nosti stressitasoja ja sykettä taukojen aikana.”

Tekoälyn käyttöönotto voi olla joillekin yrityksille huolenaihe, ja siihen voi liittyä jopa pelkoa. PHM Groupin IT-palvelupäällikkö Hannu Kaskilahti kertoi toteutuksesta seuraavasti:

“Kyseessä ei suinkaan ollut tietotekniikkahanke, vaan pikemminkin kirjanpidon toimintojen kehittäminen. Tietotekniikasta on apua, mutta IT:n johtaminen ei välttämättä aina tue prosessin etenemistä parhaalla mahdollisella tavalla. Oli todella hyvä, että tämä oli yhteinen projekti.”

Sarastia, Suomen suurin julkisen sektorin tukipalvelujen tarjoaja, käsittelee valtavan määrän ostolaskuja, joten automaatio on ratkaisevan tärkeää heidän työssään. Katja Somppi on nähnyt tekoälyn tuovan merkittävää automaatiota ostolaskujen käsittelyyn.

Toteutettu tekoäly käsittelee noin 90 000 ostolaskua vuodessa. Tekoäly on tehnyt merkittävän harppauksen automatisoinnissa, mikä on johtanut ostolaskujen käsittelyn sujuvuuteen ja aikasäästöihin.

Lähes kaikkien valittujen ennakoitavien kirjanpidon ulottuvuuksien tarkkuus on reilusti yli 90 prosenttia, jopa lähes 100 prosenttia. Tämä on tekoälylle erinomainen suoritustaso, mikä osoittaa, että ostolaskujen tiedot ovat korkealaatuisia ja tekoälymallit toimivat poikkeuksellisen hyvin.

Mehiläinen, yksi Snowfoxin ensimmäisistä asiakkaista, tunnisti jo varhain, että talousprosessien ostolaskujen käsittely soveltuu erinomaisesti tekoälylle. On hienoa huomata, että heillä oli näin ennakoivia henkilöitä, jotka uskalsivat ottaa tekoälyn käyttöön lähes alusta alkaen. Roope Rauhanlinna näki, että tekoäly soveltuu hyvin ostolaskujen käsittelyn automatisointiin.

“Yleinen prosessi ja suurten tietokokonaisuuksien ja toistojen sisältyminen puhuvat sen puolesta, että ostolaskujen käsittely olisi tekoälyn ensimmäinen automaatiokohde.”

Laskujen kohdistamisen lisäksi Snowfoxin tekoälypalvelu hoitaa Mehiläisen ostolaskujen kierron.

Toimittajiemme valikoima on hajanainen, ja laskujen sisällön taso vaihtelee. Siksi emme ole aiemmin pystyneet saavuttamaan toivottua automaattisen reitityksen tasoa. Nyt Snowfox.AI:n avulla 90 prosenttia laskuista reititetään automaattisesti. Tämä ennustetarkkuus on ylittänyt odotuksemme ja vähentänyt merkittävästi työtaakkaa kirjanpidossa.

Kuinka monta ostolaskua sinun pitäisi vastaanottaa vuosittain, jotta voisit hyötyä tekoälystä?

Nyrkkisääntönä tekoälyn käytössä voidaan pitää, että mitä enemmän muita kuin ostotilauslaskuja vastaanotetaan, sitä suurempi on tekoälyn tarve. Mitä monimutkaisempi ympäristösi on, sitä parempi se on tekoälylle. Suurimmat asiakkaamme vastaanottavat useita satoja tuhansia ostolaskuja ja toimivat useissa maissa, mutta pienemmätkin volyymit riittävät tekoälyn hyötyjen hyödyntämiseen.

Tekoälyn käyttöönottoa varten on suositeltavaa, että ostolaskujen määrä on yli 20 000 ostolaskua vuodessa. Jopa puolet tästä voi riittää, mutta olemme havainneet, että kun laskuja on enemmän ja näin ollen myös manuaalista käsittelyä enemmän, siitä halutaan aidosti päästä eroon.

Jos haluat nopeita tuloksia ja todella merkittävän automaatiohyppäyksen, suosittelen ainakin tutkimaan tekoälyn mahdollisuuksia ja pyytämään tarjouksen tekoälyn kustannuksista ja arvion sen hyödyistä prosessissasi.