Πώς θα ανασχεδίαζα τη συμφώνηση δαπανών ως μια native σε AI ροή εργασίας

Άμεση απάντηση

Η συμφώνηση δαπανών είναι η διαδικασία επιβεβαίωσης ότι όσα δήλωσε ένας υπάλληλος, όσα χρέωσε ο εκδότης της κάρτας και όσα κατέγραψε το λογιστικό βιβλίο είναι η ίδια συναλλαγή. Οι περισσότερες εταιρείες την εκτελούν ως τρία ασύνδετα συστήματα που κάποιος ράβει με το χέρι μία φορά τον μήνα. Μια native σε AI εκδοχή αντιστοιχίζει αυτά τα τρία αρχεία συνεχώς, τη στιγμή της συναλλαγής, και προωθεί σε άνθρωπο μόνο τις εξαιρέσεις — ελλείπουσες αποδείξεις, παραβιάσεις πολιτικής και οτιδήποτε μοιάζει με απάτη.

Βασικά σημεία

• Το σημείο συμφόρησης δεν είναι η αντιστοίχιση συναλλαγών. Το λογισμικό αντιστοίχισης υπάρχει εδώ και μια δεκαετία. Το σημείο συμφόρησης είναι ότι τα δεδομένα δαπανών ζουν σε τρία συστήματα — εκδότης κάρτας, εργαλείο δαπανών, λογιστικό βιβλίο — που ποτέ δεν χτίστηκαν για να μοιράζονται ένα κοινό μοντέλο δεδομένων.
• Μια native σε AI διαδρομή συμφωνεί τη στιγμή της συναλλαγής αντί για μία φορά τον μήνα πάνω σε έναν σωρό αποδείξεων και ένα υπολογιστικό φύλλο.
• Η κρίση για απάτη, οι εξαιρέσεις πολιτικής και τα στελεχικά έξοδα πρέπει να παραμένουν ανθρώπινα. Η αυτοματοποίησή τους αφαιρεί το ίχνος ελέγχου αντί να το ενισχύει.
• Το προϊόν δεν είναι το OCR αποδείξεων. Το OCR είναι εμπορευματοποιημένο εδώ και χρόνια. Το προϊόν είναι το επίπεδο συντονισμού που κρατά τρία λογιστικά βιβλία σε συμφωνία μεταξύ τους σε πραγματικό χρόνο.

Ποιο πρόβλημα κατέχει πραγματικά αυτό το σύστημα;

Ένα σύστημα συμφώνησης δαπανών είναι ένα επίπεδο συντονισμού που κρατά τρία αρχεία της ίδιας δαπάνης — αυτό που δηλώνει ο υπάλληλος, αυτό που χρέωσε ο εκδότης κάρτας και αυτό που περιμένει το λογιστικό βιβλίο — και είτε επιβεβαιώνει ότι συμφωνούν είτε εξηγεί γιατί δεν συμφωνούν, συνεχώς αντί για στο τέλος του μήνα.

Δεν κατέχει τον σχεδιασμό πολιτικής. Δεν κατέχει την απόφαση έγκρισης μιας εκτός πολιτικής δαπάνης. Κατέχει την αντιστοίχιση, την κωδικοποίηση και την ανάδειξη της διαφωνίας. Αυτές είναι διαφορετικές δουλειές, και τα περισσότερα εργαλεία της αγοράς τις θολώνουν παρουσιάζοντας ένα κουμπί έγκρισης δίπλα σε μια συναλλαγή που κανείς δεν εξέτασε πραγματικά.

Η υπάρχουσα ροή εργασίας που θα χαρτογραφούσα πρώτα

Αυτή είναι η διαδρομή που εξακολουθούν να εκτελούν οι περισσότερες ομάδες οικονομικών, ακόμα και σε εταιρείες που αγόρασαν ένα εργαλείο δαπανών πριν από πέντε χρόνια.

Ένας υπάλληλος ξοδεύει με προσωπική ή εταιρική κάρτα. Η απόδειξη φτάνει ως χάρτινο απόκομμα, email, ή τίποτα αν ήταν ανέπαφη πληρωμή με την κάρτα. Εβδομάδες αργότερα, στο τέλος του μήνα, ο υπάλληλος συνδέεται σε μια εφαρμογή δαπανών, ανεβάζει ό,τι του έχει μείνει και επιλέγει μια κατηγορία από ένα αναπτυσσόμενο μενού, συχνά μαντεύοντας, επειδή η γραμμή ανάμεσα σε “λογισμικό” και “είδη γραφείου” δεν είναι προφανής από το όνομα ενός προμηθευτή. Ένας προϊστάμενος εγκρίνει την παρτίδα, συνήθως χωρίς να ανοίξει κάθε απόδειξη, επειδή η επισκόπηση σαράντα γραμμών μία-μία δεν είναι αυτό για το οποίο πληρώνεται ένας διευθυντής πωλήσεων.

Τα οικονομικά εξάγουν τότε δύο αρχεία που ποτέ δεν προορίζονταν να συγκριθούν: την κατάσταση του εκδότη κάρτας και την αναφορά του εργαλείου δαπανών. Κάποιος ανοίγει ένα υπολογιστικό φύλλο και τα αντιστοιχίζει γραμμή προς γραμμή, κυνηγάει τις συναλλαγές χωρίς αντίστοιχη δήλωση και μαντεύει λογιστικούς κωδικούς για ό,τι είναι ασαφές. Αυτό δεν είναι ανικανότητα. Ο ίδιος ο οδηγός συμφώνησης της Ramp περιγράφει την ίδια βασική αιτία: όταν τα δεδομένα δαπανών ζουν σε ένα σύστημα, τα τραπεζικά δεδομένα σε ένα άλλο και τα δεδομένα λογιστικού βιβλίου σε ένα τρίτο, κάποιος πρέπει να εξάγει, να αναμορφώσει και να συγκρίνει με το χέρι.

Το παράξενο είναι ότι αυτό επιμένει σε εταιρείες που ήδη πληρώνουν για αυτοματισμό. Η έρευνα της Yonovo δείχνει συνήθεια, κατακερματισμό εργαλείων και έναν συγκεκριμένο φόβο: ότι το αυτοματοποιημένο ταίριασμα θα εφαρμόσει λάθος μια πληρωμή και κανείς δεν θα το προσέξει μέχρι τα βιβλία να είναι ήδη λάθος. Μια μελέτη των Skift και Navan βρήκε ότι το 29% των οργανισμών εξακολουθεί να επεξεργάζεται δαπάνες χειροκίνητα — πάνω από το 23% δύο χρόνια πριν, κινούμενο προς τη λάθος κατεύθυνση ενώ τα εργαλεία βελτιώνονται. Το χάσμα δεν είναι ικανότητας. Είναι εμπιστοσύνης σε ένα σύστημα που κανείς δεν μπορεί να ελέγξει πλήρως.

Παλιά διαδρομή έναντι native σε AI διαδρομής

Πώς θα λειτουργούσε το σύστημα

Αυτό είναι ένα μοντέλο, όχι ένα αναπτυγμένο σύστημα. Δεν έχω χτίσει αυτό το ακριβές σύστημα. Αλλά η μορφή ακολουθεί την ίδια λογική με κάθε ανατομία επιπέδου συντονισμού που έχω γράψει: βρες πού ζει το ίδιο δεδομένο σε τρία μέρη, και κάνε ένα σύστημα την πηγή αλήθειας για τη διαφωνία.

Τη στιγμή της συναλλαγής, το σύστημα εισάγει το feed της κάρτας μέσω του API του εκδότη σχεδόν σε πραγματικό χρόνο αντί να περιμένει μηνιαία κατάσταση. Ανακτά την αντίστοιχη απόδειξη — προωθημένο email, φωτογραφία, ή μια ανάλυση σε επίπεδο εμπόρου όπου ο εκδότης την παρέχει — και εξάγει ποσό, προμηθευτή και ημερομηνία. Προτείνει έναν λογιστικό κωδικό βασισμένο στο ιστορικό του προμηθευτή και το υπάρχον λογιστικό σχέδιο της εταιρείας, το ίδιο μοτίβο αναγνώρισης που κάνει ήδη νοερά ένας λογιστής μετά τις πρώτες εκατό συναλλαγές από έναν προμηθευτή.

Το σύστημα προσπαθεί τότε να αντιστοιχίσει αυτόματα τη δήλωση με τη χρέωση και με το λογιστικό άρθρο. Όπου και τα τρία συμφωνούν, καταχωρίζει. Όπου δεν συμφωνούν — μια ελλείπουσα απόδειξη πάνω από ένα καθορισμένο όριο ποσού, μια κατηγορία που δεν ταιριάζει με το προηγούμενο έξοδο εκείνου του προμηθευτή, μια διπλή χρέωση, ένα ποσό πάνω από το όριο πολιτικής — το προωθεί σε ανθρώπινη ουρά με τον συγκεκριμένο λόγο επισυναπτόμενο, όχι μια γενική σημαία “χρειάζεται επισκόπηση”. Η ουρά είναι μικρή επειδή οι περισσότερες δαπάνες είναι ρουτίνα. Το ίχνος ελέγχου είναι το ίδιο και στις δύο περιπτώσεις: κάθε αντιστοίχιση, παράκαμψη και εξαίρεση φέρει χρονοσφραγίδα και αιτιολογία, είτε την άγγιξε άνθρωπος είτε όχι.

Τι παραμένει υπό ανθρώπινο έλεγχο;

Η κρίση για απάτη παραμένει ανθρώπινη. Ένα σύστημα μπορεί να σημειώσει ένα μοτίβο — τον ίδιο υπάλληλο να υποβάλλει αποδείξεις από το εύρος δαπανών ενός ανταγωνιστή, ή έναν προμηθευτή που δεν ταιριάζει με τον δηλωμένο επιχειρηματικό σκοπό — αλλά το να αποφασίσει αν αυτό το μοτίβο είναι απάτη, λάθος ή νόμιμη εξαίρεση είναι κρίση με εργασιακές και νομικές συνέπειες.

Οι εξαιρέσεις πολιτικής πάνω από ένα όριο ουσιώδους σημασίας παραμένουν ανθρώπινες, και αυτό περιλαμβάνει τα στελεχικά έξοδα χωρίς ειδικές εξαιρέσεις. Η έρευνα για την απάτη δαπανών βρίσκει σταθερά ότι η ανώτατη διοίκηση ευθύνεται για ένα δυσανάλογο μερίδιο αυτής — οι αναφορές τοποθετούν το ποσοστό πάνω από το ένα τέταρτο των περιπτώσεων — που είναι το αντίθετο από εκεί όπου οι περισσότερες εταιρείες χαλαρώνουν τον έλεγχο.

Η τελική έγκριση για οτιδήποτε αγγίζει ρυθμιζόμενη αναφορά — επιλεξιμότητα επιστροφής ΦΠΑ, ταξινόμηση φορολογικής εκπτωσιμότητας — παραμένει σε αδειοδοτημένο λογιστή, όχι σε μοντέλο. Οι κανόνες διαφέρουν ανά δικαιοδοσία και το κόστος του λάθους είναι μια φορολογική δήλωση, όχι ένα μήνυμα στο Slack.

Πότε αυτό είναι η λάθος κατασκευή

Κάτω από περίπου 50 έως 100 συναλλαγές τον μήνα, ένα υπολογιστικό φύλλο είναι πραγματικά εντάξει. Ο ρυθμός χειροκίνητου σφάλματος που ωθεί τις εταιρείες προς τον αυτοματισμό εμφανίζεται μόνο σε όγκο· το να χτίσεις ένα επίπεδο συντονισμού για τις δαπάνες μιας ομάδας πέντε ατόμων είναι να λύνεις ένα πρόβλημα που δεν έχεις ακόμα.

Είναι επίσης λάθος κατασκευή αν ο εκδότης κάρτας, το εργαλείο δαπανών και το ERP δεν εκθέτουν χρησιμοποιήσιμα API. Όλη η εφικτότητα στηρίζεται στην πρόσβαση δεδομένων, το ίδιο σημείο συμφόρησης που εμφανίζεται στην ανατομία κρατήσεων φορτίου και στο σύστημα ελέγχου ακινήτου: ένα μοντέλο δεν είναι κατασκευή μέχρι τα συστήματα από τα οποία εξαρτάται να συνδεθούν πραγματικά.

Και είναι λάθος κατασκευή όταν το πραγματικό πρόβλημα είναι ότι η ίδια η πολιτική δαπανών είναι ασαφής ή δεν επιβάλλεται. Ο αυτοματισμός ενός επιπέδου συντονισμού πάνω σε μια απροσδιόριστη πολιτική απλώς επιβάλλει τη σύγχυση πιο γρήγορα και με περισσότερη σιγουριά από ό,τι θα μπορούσε ποτέ ένα υπολογιστικό φύλλο.

Πώς θα μετρούσα τη διαδρομή

Τρεις αριθμοί λένε αν αυτό λειτουργεί: το ποσοστό συναλλαγών που καταχωρίζονται χωρίς κανέναν άνθρωπο να τις αγγίξει, ο αριθμός εξαιρέσεων την εβδομάδα και πόσο χρόνο παίρνει η κάθε μία να επιλυθεί, και αν τα βιβλία κλείνουν σε μέρες αντί για εβδομάδες. Κανένας από αυτούς τους αριθμούς δεν υπάρχει ακόμα για ένα σύστημα που δεν έχει χτιστεί — είναι οι μετρικές που θα καθόριζα από την πρώτη μέρα, όχι ένα αποτέλεσμα που ισχυρίζομαι εκ των προτέρων.

Αυτό είναι το ίδιο ερώτημα επιπέδου συντονισμού που χαρτογράφησα στο πώς θα ανασχεδίαζα την επεξεργασία τιμολογίων και στο σύστημα λογιστικής που κρύβει το καθολικό: η μετρική που έχει σημασία είναι πόσο από το λογιστικό βιβλίο κλείνει χωρίς κανέναν άνθρωπο να το αγγίξει, όχι πόσο γρήγορα τρέχει οποιοδήποτε μεμονωμένο βήμα.

Σύνοψη

Το δύσκολο κομμάτι της συμφώνησης δαπανών ποτέ δεν ήταν η αντιστοίχιση μιας απόδειξης με μια χρέωση. Είναι ότι η δήλωση, η χρέωση και το λογιστικό άρθρο ζουν σε τρία συστήματα χτισμένα από τρεις διαφορετικούς προμηθευτές, και κάποιος πρέπει να είναι το ανθρώπινο API ανάμεσά τους μία φορά τον μήνα. Μια native σε AI διαδρομή δεν αφαιρεί τους ανθρώπους — τους μετακινεί από την αντιστοίχιση στο κλάσμα των συναλλαγών όπου η κρίση, όχι η αναγνώριση προτύπων, είναι πραγματικά η δουλειά. Αυτό είναι μια μικρότερη ομάδα που κάνει πιο υπερασπίσιμη δουλειά, όχι μια μικρότερη ομάδα που κάνει την ίδια δουλειά πιο γρήγορα.