В то время как термин автоматизация штурмом захватил мир кредиторской задолженности за последние несколько лет, теперь фразы машинное обучение и искусственный интеллект начинают появляться все чаще. Хотя эти фразы могут напомнить фильмы, в которых мятежные армии роботов обращаются против своих незадачливых создателей-людей, реальность совершенно иная. В ближайшие несколько лет большинство финансовых отделов столкнутся с тем или иным компонентом машинного обучения в своих программных решениях. Даже Форбс высказался по этому поводу:

Каждому бухгалтеру пора задуматься о своей работе, определить возможности машинного обучения и сосредоточиться не столько на задачах, которые можно автоматизировать, сколько на тех аспектах своей работы, которые изначально связаны с человеческим фактором. .”

В рамках серии статей о том, как машинное обучение повлияет на AP, мы рассмотрим, чем эта новая технология отличается от автоматизации.

Автоматизация AP: сила без мозгов

Автоматизация уже оказала сильное влияние на роль кредиторской задолженности. Регламентированные рабочие процессы утверждения, технология оптического распознавания символов (OCR) и автоматизированная обработка счетов устранили многие ручные аспекты работы. Однако, хотя автоматизация может повысить эффективность точек доступа, в конечном счете они являются статическими решениями. Когда внедрение завершено, рабочие процессы налажены, а персонал AP обучен этому процессу, решение достигло своего наивысшего потенциала для улучшения бизнес-операций.

Чем машинное обучение похоже на вашего любимого бариста?

Точно так же, как бариста в вашем любимом кафе, программное обеспечение Accounts Payable, которое включает в себя машинное обучение, узнает вас, узнает ваш бизнес и подает ваше «пиво» ​​именно так, как вам нужно!

Вот как:

Решение Accounts Payable, включающее машинное обучение, будет постоянно искать способы облегчить вашу работу. Данные, собранные в ходе ежедневных операций, можно анализировать и использовать для ускорения процесса расчета кредиторской задолженности. Например, ввод кода GL. Возможности машинного обучения позволяют системе распознавать шаблоны, например, когда определенный код GL применяется к определенному поставщику. Со временем машина «узнает» эти шаблоны и может предлагать этот код GL всякий раз, когда обрабатывается счет от этого поставщика. И это только вершина айсберга. Этот процесс «искусственного интеллекта» происходит практически без дополнительных усилий со стороны сотрудника отдела кредиторской задолженности. Начальная кривая обучения системы быстро компенсируется более плавной и быстрой обработкой счетов.

Возвращаясь к приведенной выше ссылке Forbes, это позволяет отделу счетов к оплате обратить внимание на более человечные аспекты их работы — утверждение счетов. Вот где Accounts Payable становится интересной. В нашем следующем блоге мы рассмотрим, как машинное обучение в сочетании с динамическим рабочим процессом утверждения может помочь Accounts Payable раскрыть свой потенциал в качестве важной части вашей финансовой команды.

Первоначально опубликовано на www.stampli.com.