Mākslīgā intelekta rēķinu kodēšana darbojas trīs posmos. Vispirms iekārta nolasa strukturētus datus no dokumenta: piegādātājs, rindas, summas, PVN. Pēc tam tā piedāvā kodēšanu, pamatojoties uz jūsu vēsturi – šī piegādātāja rēķini iepriekš ir nonākuši šajā kontā, līdzīgi rindu teksti kā šim izmaksu centram. Treškārt, ticamības līmenis nosaka, kas notiks tālāk: augstas ticamības ieraksts var tikt iegrāmatots automātiski, zemas ticamības piedāvājums tiek parādīts ar opcijām. Tā nav maģija, bet gan likumsakarība: sistēma dara to, ko dara pieredzējis grāmatvedis, kurš pārzina jūsu kontu plānu – nenogurstoši, katrā rēķinā.
Cik precīzs tas patiesībā ir?
Godīga atbilde: tas ir atkarīgs no jūsu vēstures, un ikviens, kurš sola konkrētu procentuālo daļu, neredzot jūsu datus, min vidējo rādītāju, nevis jūs. Tomēr mehānika ir paredzama. Regulārie piegādātāji (īre, telekomunikācijas, programmatūras licences) tiek ātri saskaņoti, jo modelis ir skaidrs. Jauni piegādātāji un netipiski pirkumi sākumā nonāk pie cilvēka, un katra jūsu veiktā korekcija māca modeli. Praksē precizitāte nav pirkuma dienas funkcija, bet gan izaugsmes līkne: pirmajā mēnesī jūs pārskatāt daudz, trešajā mēnesī mazāk, un ar stabilu pirkšanas modeli pārskatīšana kļūst par izlasi. Ar aptuveni puse grāmatvežu jau izmanto mākslīgo intelektu, šo līkni ir izgājuši tūkstošiem uzņēmumu.
Kā tiek pieķertas kļūdas?
Ar trim mehānismiem, kas ir svarīgāki par jebkuru precizitātes procentuālo daļu. Ticamības slieksnis: ieraksti, par kuriem sistēma nav pārliecināta, netiek publicēti klusi; tie nonāk pie jums. Izņēmumu atzīmēšana: tiek atzīmēta summa, kas atšķiras no piegādātāja normas, vai konts, kas nekad nav izmantots ar šo piegādātāju. Un labojumu atgriezeniskā saite: mainot ierosināto kodēšanu, jūs nelabojat vienu ierakstu, bet gan mācāt noteikumu. Uzdodiet jebkuram risinājumam trīs jautājumus: vai varat pats iestatīt ticamības slieksni, vai izņēmumi darbojas savā skatā un vai labojumi apmāca modeli; “nē” jebkur nozīmē, ka jūs skatāties demonstrāciju, nevis rīku.
Kad jums tam vajadzētu uzticēties?
Kad skaitļi to saka: pāris mēnešus sekojiet līdzi, kāda daļa piedāvājumu tiek pieņemti nerediģēti. Kad atkārtotie piegādātāji darbojas pareizi un nedēļām ilgi netiek mainīti, palieliniet to slieksni līdz automātiskai pārskatīšanai un saglabājiet manuālu pārskatīšanu jauniem piegādātājiem un lieliem apjomiem. Kodēšana ir pirmais solis plašākā kontekstā: kā tā tiek veidota ar... bankas saskaņošana un pārējā rutīna ir mūsos automatizācijas ceļvedis.
Bieži uzdotie jautājumi
Kā darbojas mākslīgā intelekta grāmatvedība?
Iekārta nolasa strukturālos datus no rēķina, iesaka konta piešķiršanu, pamatojoties uz jūsu vēsturiskajiem modeļiem (piegādātājs, rindu teksti, summas), un noteiktības līmenis nosaka, vai ieraksts tiek izveidots automātiski vai nonāk pie jums.
Cik precīza ir mākslīgā intelekta grāmatvedība?
Atkarīgs no vēstures: atkārtotie piegādātāji tiek pieķerti ātri, jaunie kļūst ātrāki. Precizitāte ir izaugsmes līkne — katrs uzlabojums māca modeli.
Kā tiek atklātas mākslīgā intelekta grāmatvedības kļūdas?
Uzticamības slieksnis (nenoteikts ieraksts tiek piešķirts personai), izņēmumu izcelšana (neparasta summa vai konts tiek atzīmēts) un atgriezeniskā saite par modeļa labojumiem.
Kad konta grāmatojumu var pārslēgt uz automātisku?
Ja uzraudzības periodā tiek rādīts, ka atkārtoti piegādātāja piedāvājumi tiek izdoti nemainīgi, saglabājiet cilvēka apstiprinājumu jauniem un lieliem apjomiem.