Vuosi 2024 on laskuautomaation tekoälyn vuosi.

Ostolaskujen käsittelyn osalta olemme paremmassa tilanteessa kuin koskaan aikaisemmin. Kun otimme vuonna 2018 käyttöön tekoälyn automaattista ostolaskujen koodausta ja reititystä varten hyväksymisprosessia varten, kukaan muu ei tarjonnut sitä. Tämä tarkoitti myös sitä, että markkinoilla ei ollut aiempia kokemuksia tekoälyn hyödyntämisestä ostolaskujen automatisoinnissa.

Tämä mahdollisti täysin uuden palvelumallin käyttöönoton. Kuulimme markkinoilta paljon palautetta joidenkin järjestelmätoimittajien malleista, joissa asiakkaalle toimitetaan järjestelmä ja asiakas jää itse rakentamaan automaatiota. Jokaisesta palvelupyynnöstä palveluntarjoajalle aiheutuu erillisiä kustannuksia, ja palvelun laadussa on huomattavasti parantamisen varaa.

Halusimme olla erilainen toimittaja. Halusimme, että meille maksetaan tuomastamme lisäarvosta eli korkeammasta ostolaskujen automatisoinnista. Emme veloita asiakkailta erillisiä tuntihintoja, vaan kaikki kustannukset sisältyvät palveluun. Tiesimme, että meille oli merkittävä riski luopua tekoälyn virheellisistä ennusteista veloittamisesta, mutta se on ollut meille selkeä lisäarvo, joka on tehnyt palvelustamme maailman parhaiten toimivan ostolaskujen tekoälyn, jolla on suuri määrä vaativia asiakkaita.

Olemme käyttäneet paljon aikaa auttaaksemme eri organisaatioita ymmärtämään tekoälyn mahdollisuuksia ja käytännön logiikkaa, koska aiempaa kokemusta ei ole ollut. Olemme hyvin kiitollisia siitä, että olemme saaneet kasvaa yhdessä kanssanne kohti tekoälyn aikakautta. Fiksut asiakkaamme ovat auttaneet meitä ohjaamaan tuotetta oikeaan suuntaan, ja olemme oppineet vuosien varrella jaettujen kokemusten kautta.

Saimme palkinnoksi ponnisteluistamme merkittävän tunnustuksen Googlelta, kun voitimme Vuoden asiakas -palkinnon vuonna 2023.

Älä tyydy matalan tason ostolaskujen automatisointiin.

Joissakin organisaatioissa ostolaskut käsitellään edelleen lähes kokonaan manuaalisesti. Tiesitkö, että jokainen manuaalisesti käsitelty ostolasku vie organisaatioltasi jopa yli kymmenen minuuttia per lasku?

Tähän työhön osallistuvat liiketoimintapuolen edustajat, laskun tarkastaja, hänen esimiehensä ja talousosaston maksupalveluhenkilöstö.

Usein vastuu ostolaskujen kirjanpidosta on yrityksen laskujen tarkastajalla. Usein kirjanpidon korjaustyö kuuluu kuitenkin ostoreskontran vastuualueelle. Tämä johtuu yksinkertaisesti siitä, että yrityksen henkilökuntaa ei ole koulutettu ostolaskujen kirjanpitoon ja se tekee sen usein virheellisesti. Kassa korjaa usein ostolaskujen kirjanpitoa ennen niiden siirtämistä kirjanpitojärjestelmään, mikä johtaa monien laskujen kaksinkertaiseen kirjanpitoon.

Jos kirjanpitovirheitä ei korjata kirjanpidossa, monet laskut päätyvät kirjanpitojärjestelmään virheellisellä kirjanpidolla. Tämä näkyy myös virheellisinä tietoina hankintaraportoinnissa ja esimerkiksi päästöraportoinnissa, jos siihen käytetään laskujen tilityksiä.

Sääntöpohjainen automaatio

Ostolaskujen sääntöpohjainen automatisointi on historiaa. Jokainen, joka on perehtynyt ostolaskuautomaation rakentamiseen sääntöjen avulla, tietää, että todella korkean automaatiotason saavuttaminen pelkillä säännöillä vaatii pienen ihmeen.

On suorastaan yllättävää, että jotkut yhä luulevat, että pelkillä rakennussäännöillä voidaan saavuttaa korkea automaatiotaso. Olemme tutkineet lukuisten suurten yritysten ostolaskujen prosesseja ja automaatiotasoja, eikä yksikään tuntemamme organisaatio ole rakentanut toimivaa automaatiojärjestelmää pelkillä säännöillä. Tärkein syy lienee se, että ostolaskut eivät ole niin toistuvia ja selkeitä, että niitä voitaisiin automatisoida yksinkertaisilla säännöillä vain pienessä määrin.

Säännöillä on oma tehtävänsä selvästi toistuvissa ostolaskuissa, mutta ne eivät yksinkertaisesti riitä korkean automaation rakentamiseen. Tähän on useita syitä, joista voit lukea esimerkiksi tästä blogista.

Tekoäly on tuonut uuden logiikan ostolaskujen automatisoinnin toteuttamiseen.

Ostolaskujen tekoäly on tuloksiltaan täysin ylivoimainen verrattuna perinteiseen sääntöpohjaiseen automaatioon. Tekoälyn logiikka on sääntöpohjaisen automaation vastakohta.

Sääntöpohjaisessa mallissa säännöt luodaan ensin ja ne perustuvat yhteen tietokenttään, kun taas tekoäly oppii automaatiosäännöt suoraan historiallisista ostolasku- ja kirjanpitotiedoista. Toisin sanoen tekoäly ei vaadi sääntöjen luomista, vaan se oppii säännöt automaattisesti historiatiedoista.

Kun tekoäly on koulutettu historiatiedoilla, se toimii hyvin heti käyttöönoton jälkeen. Siksi tekoäly tuo valtavan harppauksen ostolaskujen automatisointiin heti käyttöönoton jälkeen, kun taas sääntöpohjainen automatisointi rakennetaan hitaasti ja vaivalloisesti.

Tekoälyn ominaisuuksia seurataan jatkuvasti analytiikan avulla, jotta sen ennustetarkkuus pysyy ajan tasalla ja havaitaan, jos tekoäly tekee toistuvia virheitä tietyissä laskuissa. Näin olemme jatkuvasti tietoisia tekoälyn suorituskyvystä ja näemme, miten hyvin sen kyvyt paranevat ajan myötä hyvästä lähtökohdasta.

Mitä on otettava huomioon tekoälypalveluita valittaessa?

Jotkin järjestelmät tarjoavat jo jonkinasteista tekoälyä ostolaskujen kirjanpitoa varten. Jotkin yritykset ovat päättäneet ottaa nämä sisäiset ominaisuudet käyttöön vaihtelevin tuloksin. Ennen niiden käyttöönottoa on otettava huomioon muutamia asioita.

Tekoälyn toimintaperiaate

• Onko se aidosti tekoälyratkaisu?
• mitä tekoäly tekee? Oppivatko ja kehittyvätkö tekoälyt?
• Koulutetaanko tekoälymalleja historiallisilla tiedoilla, ja alkaako se hyvin?

Ennustustarkkuudet

• Kuinka tarkasti tekoäly voi ennustaa laskutusta ja kiertoa? Hyvä ennustustarkkuus on 80-95 %:n luokkaa.
• Pystyykö tekoälypalvelu suoriutumaan globaalisti korkealla tasolla?

Tekoälyominaisuuksien testaaminen ennen päätöksentekoa

• Tarjoaako toimittaja mahdollisuuden testata tekoälyn ennustetarkkuutta historiallisilla ostolaskutiedoilla ennen päätöksen tekemistä? Jos kyseessä on aito tekoälypalvelu, tämän pitäisi olla toimittajalle helppo tehtävä.

Palvelun laajuus

• Suorittaako tekoälypalvelu vain laskujen kirjanpitoa vai voiko se myös hoitaa laskujen kierrätyksen?
• Hyödyntääkö tekoäly myös laskujen kuvia ennustamiseen? PDF-laskujen automatisointi ei ole mahdollista, jos tekoäly ei pysty lukemaan laskujen kuvia ja käyttämään niiden sisältöä ennusteisiin. Skannauspalvelun tuottama tiedosto ei riitä korkeaan automatisointiin, koska siitä puuttuu paljon tietosisältöä.
• Voiko tekoäly poimia kentän tietoja laskuista? Esimerkiksi projektinumerot tai muut asiaankuuluvat tiedot.
• Tarjoaako toimittaja reaaliaikaista analytiikkaa tekoälyominaisuuksien seurantaa varten? Tämä on ratkaisevan tärkeää tekoälyn toiminnan seurannan kannalta.
• Onko palvelun ennustettavien kenttien lukumäärää rajoitettu?
• Antaako tekoäly luottamusarvon jokaiselle ennusteelle erikseen?
• Voidaanko luottamuspisteiden raja-arvot asettaa dimensioiden mukaan?

Tekoälypalvelujen hinnoittelu

Oikeudenmukaisin hinnoittelumalli tekoälypalveluille on maksaa oikeista ennusteista. Näin toimittajan menestys riippuu myös palvelun tehokkuudesta.

Tekoälypalvelun ylläpito

• Onko uusien ulottuvuuksien lisääminen helppoa?
• Onko mittojen poistaminen helppoa?
• Muutokset ulottuvuuksien arvoissa – esimerkiksi tilikartan tai kustannuspaikkarakenteen muutokset. Voitko päivittää luottamuspisteiden kynnysarvoja?
• Uudet yritykset tai yritykset, jotka eivät ole enää käytössä.
• Veloittaako toimittajasi erikseen tekoälyn ylläpidosta vai sisältyykö se palvelun hintaan?
• Tekoälyä on päivitettävä usein käytön aikana, ja jos joudut maksamaan jokaisesta pienestä päivityksestä, se tulee sinulle kalliiksi.
• Tarjoaako toimittaja ennakoivaa ylläpitoa, vai onko sinun luotava tiketti jokaista pyyntöä varten?
• Perinteiset palvelumallit toimivat huonosti tekoälypalvelujen ylläpidossa.
• Jos päätät vaihtaa ostolaskujärjestelmääsi, tuleeko tekoäly mukana uuteen ostolaskujärjestelmään?

Lähdetään yhdessä matkalle kohti automaatiota

Meillä on onni palvella suurta määrää asiakkaita. Käsittelemme vuosittain reilusti yli kymmenen miljoonaa ostolaskua, ja määrä kasvaa nopeasti. Alkuvuodesta olemme ottamassa tuotantoon merkittävän määrän uusia Snowfox-asiakkaita. Tämä on jännittävää, sillä pääsemme näkemään, miten uusien asiakasyritysten ostolaskujen automatisointi nousee vihdoin korkealle tasolle.

Asiakkaamme ovat saattaneet rakentaa sääntöihin perustuvaa automaatiota vuosia, ja nyt tekoälyn aikakaudella he voivat antaa tekoälyn hoitaa suuren osan automaatiosta. Tämä on monille asiakkaillemme helpottava mutta luottamusta vaativa matka. Onneksi tekoälyn kyvykkyyttä voidaan helposti valvoa reaaliaikaisen analytiikan avulla, jolloin prosessin hallinta säilyy alusta loppuun.

Lopuksi suuri kiitos rohkeille ensimmäisille asiakkaillemme, jotka luottivat meihin, kun he ymmärsivät tekoälyn tuomat mahdollisuudet. Ilman teitä emme olisi yhdessä voineet viedä ostolaskujen automatisointia uuteen aikakauteen. Tämä matka on vasta alussa, ja paljon muuta on vielä tulossa.