Gå tillbaka

Varför automatiseringen av faktureringen fortfarande inte är tillräcklig, och hur självlärande AI förändrar situationen för IFS-kunderna

Om ni använder IFS är det mycket troligt att automatisering av fakturahanteringen har stått på er planeringslista i flera år.

Författat av Emma Blackmore, marknadschef på Snowfox

Ett gästinlägg av Snowfox, skrivet för Addovation-communityn.

De flesta organisationer har satsat stort på att öka täckningen för inköpsorder, eftersom matchning av inköpsorder är den mest etablerade vägen till automatisering i IFS, och när det gäller fakturor för inköpsorder fungerar det bra. OCR är på plats, godkännandeprocesserna är konfigurerade och kodningsreglerna har finjusterats om och om igen. På papperet ser processen automatiserad ut.

I praktiken tvingas många ekonomiavdelningar fortfarande att manuellt koda en betydande del av sina fakturor, särskilt fakturor utan inköpsorder, vilket fortfarande är ett av de största problemen inom leverantörsreskontra. Om detta låter bekant är du inte ensam, och det beror inte på bristande insatser eller investeringar. Det är en begränsning i den underliggande metoden.

I det här inlägget vill vi dela med oss av våra iakttagelser inom IFS-ekosystemet, förklara varför den traditionella automatiseringsmodellen i smyg har nått en platå, och beskriva vilka förändringar som sker när självlärande AI integreras direkt i IFS fakturahanteringsflöde.

Ett snabbt tack till teamet på Addovation för inbjudan att dela med oss av våra synpunkter till deras community.

Automatiseringsgapet inom IFS Finance

De flesta av IFS kunder har redan vidtagit betydande åtgärder för att digitalisera sina ekonomiprocesser. Den lucka vi ser finns nästan alltid på samma ställe: steget mellan en inskannad faktura och ett fullständigt kodat, korrekt vidarebefordrat dokument som är klart för godkännande.

Fakturor med inköpsorder är relativt enkla att hantera, eftersom inköpsordern ger systemet tillräcklig struktur för att automatiskt validera, matcha och vidarebefordra dem. Fakturor utan inköpsorder utgör däremot ett annat problem. Det finns ingen inköpsorder att matcha mot, kodningen beror på organisationens specifika sammanhang, och vem som ska godkänna fakturan avgörs ofta av utgiftens karaktär, inte av någon fast regel. Det är här ekonomiavdelningarna fortfarande lägger ner timmar varje vecka.

Där traditionell automatisering inte fungerar

De flesta system för fakturaautomatisering som används idag bygger på tre komponenter:

  • OCR för datautvinning
  • Regelbaserad logik för kodning
  • Verktyg för arbetsflöden för vidarebefordran och godkännanden

Var och en spelar en viktig roll. Men alla tre är beroende av en fördefinierad struktur. OCR kan extrahera uppgifterna på en faktura, men kan inte avgöra hur fakturan ska kodas.

Regler kan tillämpa logik, men endast i situationer som du har förutsett och konfigurerat. Och finansvärlden, som alla som har arbetat inom den vet, står sällan stilla:

  • Det dyker ständigt upp nya leverantörer
  • Fakturauppgifterna är ofullständiga eller inkonsekventa
  • Kostnadsstrukturer och huvudbokshierarkier förändras
  • Leverantörsbaserade bokföringsmallar, som är mycket vanliga i IFS, stöter på problem när samma leverantör skickar fakturor som måste bokföras på olika sätt
  • Fakturor med flera rader och flera enheter passar inte in i färdiga mallar

Resultatet blir att endast en del av fakturorna kan hanteras automatiskt. Resten skickas tillbaka till en medarbetare för granskning, korrigering och vidarebefordran, och varje ny regel som skapas för att hantera ett specialfall blir ytterligare en regel som måste underhållas.

Vi har gått in mer i detalj på detta i en artikel som nyligen publicerades om varför de flesta IFS-team fortfarande bokför fakturor manuellt. Om du vill fördjupa dig i hur det fungerar kan du läsa den artikeln.

De dolda kostnaderna för partiell automatisering

Detta skapar en mindre synlig men betydande operativ belastning. Speciellt inom IFS faller vanligtvis omkring 90 % av fakturorna som inte är kopplade till inköpsorder utanför automatiseringsregler eller mallar, vilket innebär att majoriteten bokförs helt manuellt, medan endast ett fåtal återkommande fakturor hanteras av regler. Teamen lägger sin tid på att underhålla dessa regler, granska undantag, korrigera inkonsekvenser i kodningen och utbilda nyare kollegor i en ständigt växande lista av specialfall. Automatisering finns, men den är inte skalbar. I takt med att transaktionsvolymerna växer ökar också den manuella arbetsbördan som läggs på dem.

En förändring i synsätt: från regler till lärande

Självlärande AI förändrar utgångspunkten. Istället för att få instruktioner om hur en faktura ska kodas genom regler och mallar, lär sig modellen av din organisations historiska fakturadata: hur ditt team faktiskt har kodat fakturor tidigare, hur godkännandeprocessen faktiskt har sett ut och var undantag verkligen har inträffat.

Utifrån detta kan systemet för varje enskild faktura:

  • Rätt huvudbokskonto, kostnadsställe och andra kodningsdimensioner, såsom projekt eller affärsenhet
  • Momsbehandling
  • Rätt godkännare och godkännandeprocess
  • Värden i fritextfält som är specifika för dina kodningsmönster

Och eftersom systemet lär sig av varje korrigering och varje ny faktura förbättras noggrannheten med tiden, istället för att försämras i takt med att verksamheten förändras. Det finns inga mallar att skapa och inga regler att underhålla. Modellen anpassar sig automatiskt i takt med att era kodningsrutiner och godkännandeprocedurer utvecklas.

Vad detta innebär inom IFS

För IFS-kunder är den praktiska frågan hur detta passar in i den miljö man redan har investerat i. Det korta svaret: det integreras i den, inte bredvid den.

Snowfox är utformat för att fungera inom IFS befintliga fakturahanteringsflöde, inte för att ersätta någon del av det. IFS förblir ert huvudsystem. Er godkännandestruktur, er kontoplan och er styrningsmodell – allt detta förblir oförändrat. Det som förändras är att fakturorna når godkännandestadiet redan kodade och vidarebefordrade, tack vare lärdomar från era egna historiska data, med en noggrannhet som förbättras för varje transaktion.

I praktiken innebär det vanligtvis följande:

  • En betydligt större andel fakturor hanteras utan manuell kodning
  • Färre steg per faktura och snabbare handläggningstider
  • En mer enhetlig kodning inom organisationen och bland nyanställda
  • Finansresurser som omfördelats från datainmatning till analys och kontroll

Det är också värt att notera att denna strategi stödjer organisationer i olika skeden av deras IFS-resa, inklusive de som övergår från tidigare versioner till IFS Cloud.

Automatiseringsfunktionerna behöver inte byggas om varje gång den underliggande plattformen utvecklas.

För att få en närmare inblick i hur detta fungerar inom IFS, inklusive en live-genomgång, anordnade vi nyligen ett webbinarium tillsammans med IFS om automatisering av kodning av leverantörsfakturor med hjälp av självlärande AI. Webbinariet finns tillgängligt att titta på när det passar dig.

Varför partnern är viktig

Att införa AI i en pågående finansprocess handlar lika mycket om bedömning av implementeringen som om tekniken. Arbetsflödena måste förstås ordentligt innan de kan automatiseras på ett bra sätt. Ansvarsfördelningen mellan ekonomiavdelningen och IT-avdelningen måste vara tydlig. Och integrationen i IFS måste utföras av personer som verkligen känner till systemet.

Det är här erfarna IFS-partner, såsom Addovation, spelar en central roll. Kombinationen av djupgående IFS-kunskap å ena sidan och specialiserad AI å andra sidan är det som förvandlar en lovande potential till en verklig förändring i verksamheten. En förändring som genomförs smidigt, klarar revisioner och fortsätter att förbättras efter driftsättningen.

Anmäl dig till Addovations kommande webbinarium tillsammans med Snowfox!

Den 13 maj kl. 08:30 CEST anordnar vi ett webbinarium tillsammans med Snowfox, där vi kommer att fördjupa oss i flera av de utmaningar som lyfts fram i det här blogginlägget.

Säkra din plats redan idag – missa inte chansen!

Registrera dig!

Från stegvisa förbättringar till skalbar effektivitet

När automatiseringen går bortom fasta regler och börjar lära sig av verkliga data förändras karaktären på fördelarna. Det handlar inte längre om en fast procentuell besparing på en fast uppsättning fakturor. Det blir istället en skalbar funktion som blir bättre ju mer volymerna ökar, som smidigt hanterar nya leverantörer utan omkonfigurering och som minskar underhållsarbetsbördan istället för att öka den.

För IFS-kunder handlar det inte längre om huruvida fakturaautomatisering är möjlig. Frågan är istället hur man går från partiell automatisering, med alla dess regler och undantag, till en lösning som är mer skalbar, mer exakt och verkligt hållbar.

Denna utveckling är redan i full gång inom hela IFS-ekosystemet. Om det är något du funderar på är ditt Addovation-team ett bra ställe att börja samtalet på, och du kan läsa mer om hur Snowfox fungerar inom IFS på vår sida om partnerskapet med IFS.

 

Om författaren

Emma Blackmore är marknadschef på Snowfox, där hon leder marknadsföringen och berättandet kring samarbeten inom hela Snowfox ekosystem. Med en bakgrund inom B2B SaaS och partnerledd tillväxt fokuserar Emma på hur specialiserade teknologier som Snowfox slår igenom i verkligheten, genom de partners som implementerar dem och de ekonomiteam som arbetar med dem varje dag. Hon är fast övertygad om att den bästa marknadsföringen inom detta område börjar med en genuin förståelse för arbetet, och hon tillämpar det perspektivet på allt som Snowfox producerar.