Crediteuren automatiseren:RPA, fuzzy logic en zwarte lijsten zwart maken

"Bedrijven hebben geprobeerd letterlijk elke hoek van de processen van een bedrijf te automatiseren, maar de automatisering van de crediteurenadministratie is blijvend", zegt Amit.

Het is een voorbeeld van robotica procesautomatisering maar toegepast op een specifieke functie.

Dit roept allemaal de vraag op waarom, waarom nu, waarom überhaupt de crediteurenadministratie automatiseren?

Voor Amit zijn middelen, of liever het gebrek daaraan, een belangrijk punt. "De crediteurenfunctie binnen een bedrijf zal waarschijnlijk niet veel middelen krijgen", zegt hij, en dat betekent op zijn beurt dat "het niet zo veel aandacht krijgt, het is een van de laatste gebieden om te profiteren van de voordelen van automatisering .”

Dus wat betekent dat? Welk deel van de crediteurenadministratie kan worden geautomatiseerd? Amit uitgelegd, het kan worden toegepast op:

* leveringsinformatie vastleggen,
* controleren,
* betaling uitvoeren,
* communiceren met leveranciers,
* facturen vastleggen,
* ze matchen met inkooporders,
* grootboeken bijwerken,
* beslissingen nemen over welke grootboekcode op welke factuurregel moet worden toegepast,
* en automatisch de juiste goedkeurders kiezen.

Maar dan kan automatisering ook helpen bij compliance. Het is inderdaad elke procesgestuurde taak, zoals het volgen van regelgevingsprocedures, die vaak het laaghangende fruit is van elke vorm van procesautomatisering, of het nu een softwarerobot is of niet.

"Uiteindelijk zouden crediteuren alomtegenwoordig moeten zijn en het zal slechts een onderdeel zijn van de gereedschapskist van elk bedrijf", zegt Amit.

Hoe het werkt

“Wanneer we de leveranciersinformatie krijgen, doorlopen we fuzzy logic en andere machine learning-processen om ze te toetsen aan zwarte lijsten en andere middelen om te beslissen of de leverancier legitiem is of niet. We voeren de betaling uit en als er een probleem is met de betaling, passen we logica en besluitvorming toe om de leverancier te adviseren hoe de fout die in het proces is opgetreden, kan worden gecorrigeerd.

OCR en logica

Het vertalen van informatie van hardcopy is lastiger. Dat is waar optische karakterherkenning of OCR het verhaal binnenkomt. "Maar met OCR kom je maar zo ver", zegt hij, "we gebruiken een beheerde service om alles te vergroten wat de OCR met mensen kan doen, en dat zal je een hoger percentage van de factuur opleveren."

Amit geeft nog een voorbeeld:

“Als je een factuur vastlegt, moet je bijvoorbeeld beslissen of een laptop een marketingkost, een IT-kost of een technische uitgave is. Logica en machine learning-logica kunnen worden toegepast om te helpen bepalen welk account op een specifieke factuur moet worden toegepast. Machine learning kan ook helpen bepalen wie de goedkeurder is, en dat doen we door te leren van gedrag uit het verleden van de klant.”

Chen Amit is de mede-oprichter en CEO van Tipalti, dat betalingstransacties automatiseert. Haar klanten variëren van Amazon en Twitter, Nikon en andere giganten tot kleine bedrijven en alles daartussenin. Tegenwoordig verwerken ze ongeveer $ 6,5 miljoen aan jaarlijkse run rate