Tekst
Peter Ooms

Automatisch boeken lukt steeds beter

30 April 2019
Het systeem werkt steeds beter de volledige herkenning af
Nu steeds meer aanbieders van softwarepakketten modules aanbieden met machineleren, kunnen de gebruikers stilaan getuigen over hun ervaringen. Europabank verwerkt via deze manier van werken steeds sneller zijn binnenkomende facturen. Aanbieders als SAP en Basware willen in de toekomst het aantal AI-modules verder opdrijven.

“Alle facturen voor Europabank en EB-Lease komen via e-mail of op papier binnen op het hoofdkwartier. Daar gaan ze eerst door de CloudScan-toepassing van Basware, zodat de belangrijke gegevens worden gecapteerd. Voor facturen die de OCR-software niet herkent, moet een medewerker nog aanduiden waar zich de relevante gegevens bevinden. Naarmate er meer facturen van eenzelfde leverancier behandeld worden, kan het systeem steeds beter de volledige herkenning afwerken. Als die data voldoende duidelijk zijn, wordt de factuur automatisch doorgestuurd naar de Basware purchase to pay-toepassing. Als dat niet zo is, moet een medewerker nog manueel ingrijpen: de facturen voorzien van de vereiste boekingsregels en daarna laten controleren en goedkeuren. De boekingsregel bevat een resem informatie: het grootboekrekeningnummer, de kostenplaats, netto- en brutobedrag, btw-tarief, btw-recuperatiecode, enzovoort”, zegt Stijn Verstraeten, verantwoordelijke Afdeling Organisatie van Europabank

Meer facturen automatisch boeken

Sinds een tijdje kunnen de medewerkers nu SmartCoding gebruiken, zodat het systeem zelf toch een suggestie kan doen voor die boekingsregels. Dat gebeurt op basis van een analyse van de historische data: welke facturen voor deze afdeling moesten in het verleden manueel aangepast worden en wat was er dan beslist? Naarmate er meer gegevens komen over een bepaald type factuur, zal het algoritme ook betere voorstellen doen. De medewerker kan die suggesties altijd zelf bekijken en indien nodig corrigeren. “Wij merken dat de artificiële intelligentie echt werkt: het systeem kan steeds meer automatisch verwerken.”
Europabank gebruikt de purchase to pay-oplossing van Basware sinds iets meer dan een jaar. Stijn Verstraeten: “Dat liep aanvankelijk wat stroef, maar de laatste maanden zie ik dat snel evolueren. Dat heeft er vast ook mee te maken dat het algoritme over steeds meer data kan beschikken. Die technologie helpt ons echt vooruit.”

Volledig proces ondersteunen met AI

“Basware heeft de laatste jaren een aantal functies in zijn toepassingen geïntegreerd die in staat zijn om zelf te leren. Dat verhoogt de tevredenheid van de gebruikers zodat ze ook weer meer gebruik gaan maken van die technologie”, zegt Sush Koka, head op product marketing. Voor haar moet het einddoel zijn dat het systeem uiteindelijk het hele proces voor zijn rekening neemt, zodat de gebruiker zelfs niet meer toekijkt hoe dat verloopt. De medewerker moet dan enkel nog de uitzonderingen aanpakken. Door machineleren kan de toepassing de beslissingen van de gebruiker analyseren en er rekening mee houden de volgende keer dat het zich voordoet.
Basware zag het gebruik van SmartCoding snel toenemen het voorbije jaar. Intussen zijn er meer dan 180 klanten die de technologie inzetten. “SmartCoding maakt het gebruik van factuurautomatisering eenvoudiger. Het is zeker een stap dichter bij de touchless invoice handling”, stelt Dany De Budt, countrymanager Basware Belgium.
Een andere oplossing met machineleren van Basware is bijvoorbeeld de commited spend analysis, die de impact op de cashflow van toekomstige betalingen kan voorspellen. De approval confidence index toont aankopers hoe groot de kans is dat hun verantwoordelijke een bestellingsvoorstel goedkeurt.

Voorspellende boekhouding

Michel Haesendonckx is global solution owner voor Financial Planning & Analysis/Management Accounting van SAP. Hij weet precies hoe het zit met de introductie van artificiële intelligentie en machineleren binnen de financiële modules van het bekende ERP-pakket. “Op dit ogenblik hebben we zestien functies met machineleren geïntegreerd in de verschillende financiële modules. Dat gaat bijvoorbeeld over de cash application die binnenkomende betalingen kan verbinden met uitgaande facturen. In de boekhouding hebben we een tool die zelf een forecast maakt van de toekomstige omzet, kosten en liquiditeit. Dat is een eerste stap naar een voorspellende boekhouding.”

Intussen zijn er al een resem klanten die gebruik maken van die technologie. “Bij de introductie hebben we veel inspanningen geleverd om het vertrouwen op te bouwen. Een gebruiker kan zelf aangeven hoeveel vertrouwen hij heeft in de beslissingen van de tool aan de hand van een vertrouwensniveau. Aanvankelijk zetten de gebruikers de vertrouwensindex heel laag zodat ze zelf elke beslissing van de machine kunnen controleren. Naarmate ze vaststellen dat de kwaliteit goed is, kunnen ze hun index verhogen. De machine kan dan steeds autonomer gaan werken, zonder dat een medewerker altijd alles controleert.”
De langetermijnvisie van SAP op dit vlak is om verder te gaan op de ingeslagen weg. “Nu hebben we in de verschillende financiële processen, zoals bijvoorbeeld order to cash, al verschillende deelprocessen die begeleid worden door machineleren. We zullen steeds meer oplossingen toevoegen, zodat uiteindelijk het proces in zijn geheel ondersteund wordt door machineleren. Dat zal ertoe leiden dat de computer heel veel werk autonoom kan uitvoeren. Op termijn worden op die manier zaken als een continue boekhouding mogelijk: het is niet meer nodig om te wachten tot het einde van de maand tot de medewerkers een afsluiting uitvoeren. De computer houdt alles voortdurend bij zonder veel inmenging van de medewerkers.”

Radix werkt aan oplossingen op maat

“Wij passen artificiële intelligentie toe waar en wanneer het een zakelijke reden heeft. Onze klant moet geld verdienen door nieuwe inkomsten of efficiëntiewinsten in de processen”, zegt Davio Larnout, medeoprichter van Radix.

Radix is pas actief sinds 2017, maar heeft intussen al vijftien medewerkers, een succesvol product en een resem projecten in erg verschillende sectoren. De grote doorbraak kwam er met een project voor VDAB. Radix slaagde erin een automatische overeenkomst te vinden tussen de beschikbare cv’s en de gepubliceerde vacatures. Dat behoort ook tot de kerntaken van de Vlaamse arbeidsbemiddelaar. De bestaande toepassing had geen zelflerende capaciteiten en hield zich strak aan de opgelegde regels. Als er een vacature is voor een chauffeur en de werkgever wil iemand met een rijbewijs, dan komt er alleen een match wanneer de kandidaat dat rijbewijs heeft vermeld in zijn cv. Met de nieuwe applicatie blijft het systeem analyses maken, ook van de data die gebruikers op een niet gestructureerde manier ingeven. Uit analyses kan de machine dan toch bijkomende nuttige informatie distilleren. Radix.ai heeft op basis van dat project intussen het product ‘Talent API’ ontwikkeld, dat niet alleen voor andere bemiddelingsdiensten nuttig kan zijn, maar ook bedrijven kan helpen bij de analyses van de competenties van hun huidige en toekomstige medewerkers.

Ook werkzoekenden helpen

“Ons doel met Talent API is ook om werkzoekenden te helpen. Als werkzoekende is het niet evident te ontdekken welke jobs relevant zijn en wat je zou kunnen doen in een snel veranderende wereld. Talent API helpt ervaring, skills ... en de perfecte job te identificeren.”
“De arbeidsmarkt kent nu een tekort aan kandidaten. Zij hebben dus de macht in handen. Als werkgever is het nodig om snel en correct te reageren op mogelijke kandidaten. Nog beter is het om de juiste kandidaten zelf te contacteren met een aanbod op maat. Rekruteerders staan we ook bij door niet alleen uit te kijken naar de witte raven die honderd procent passen bij de vacature, maar ook de tweede keuze – next best thing – te analyseren. Daarbij kunnen we al meteen aangeven op welke punten er een goede match is en op welke punten bijkomende opleiding en coaching nodig zijn”, zegt Davio Larnout.

Deep learning

Davio Larnout: “We hebben daarvoor deep learning-technologie ingeschakeld. Die gaat verder dan de reeds bestaande intelligente oplossingen. Die tool heeft nood aan veel meer data en het duurt ook langer tot er nuttige resultaten zichtbaar worden. Maar als het lukt, zijn de voordelen wel groter. We werken voor een andere klant ook aan een kredietwaardigheidsanalyse. We zien dat er in die omgeving weliswaar minder gegevens beschikbaar zijn, maar die zijn wel van een betere kwaliteit. Daarnaast kan een toepassing een bepaalde zekerheid bieden over een analyse. Soms is zeventig procent genoeg. In een andere context is veel meer zekerheid nodig. Ons werk is daarom altijd aangepast aan de context waarin we aan de slag gaan en de verwachtingen van de klant.”
Opvallend: de gerichtheid op concrete resultaten verhindert Radix niet om erg ambitieus aan de projecten te beginnen. “We vragen bedrijven ook naar hun wensdroom: de toepassing die hen het meeste voordeel oplevert. Vaak blijkt dat op korte termijn inderdaad een verre illusie omdat er geen onderliggende data beschikbaar zijn. Maar misschien kan je wel snel beginnen met die data te capteren. Op die manier werk je systematisch naar een grote doorbraak toe.”