Varför fakturaautomatisering fortfarande inte räcker till – och hur självlärande AI förändrar spelplanen för IFS-kunder

Ett gästinlägg från Snowfox, skrivet för Addovations community.
Författare: Emma BlackMore, CMO at Snowfox.

De flesta organisationer har investerat kraftigt i att öka täckningen av inköpsorder (PO), eftersom PO-matchning är den mest etablerade vägen till automatisering i IFS, och för leverantörsfakturor kopplade till inköpsorder fungerar det väl. OCR finns på plats, godkännandeflöden är konfigurerade, kodningsregler har förfinats och förfinats igen. På papper ser processen automatiserad ut.

I praktiken upptäcker många ekonomiteam fortfarande att de manuellt kodar en betydande andel av sina fakturor, särskilt fakturor utan inköpsorder (non-PO), som fortfarande är ett av de svåraste problemen inom leverantörsreskontra. Om det låter bekant är du inte ensam, och det är inte ett misslyckande i ansträngning eller investering. Det är en begränsning i den underliggande metoden.

I det här inlägget vill vi dela vad vi ser i IFS-ekosystemet, varför den traditionella automatiseringsmodellen i det tysta har nått en platå, och vad som förändras när självlärande AI läggs direkt in i IFS-fakturaflödet.

Ett snabbt tack till teamet på Addovation för inbjudan att dela vårt perspektiv med deras community.

Automatiseringsgapet inom IFS Finance

De flesta IFS-kunder har redan tagit betydande steg för att digitalisera sina ekonomiprocesser. Gapet vi ser finns nästan alltid på samma ställe: steget mellan en skannad faktura och ett fullt kodat, korrekt routat dokument redo för godkännande.

Fakturor med inköpsorder är relativt enkla, eftersom inköpsordern ger systemet tillräcklig struktur för att validera, matcha och routa automatiskt. Fakturor utan inköpsorder är däremot ett annat problem. Det finns ingen PO att matcha mot, kodningen beror på organisatoriskt sammanhang, och rätt godkännare beror ofta på typen av kostnad, inte en fast regel. Det är här ekonomiteam fortfarande lägger timmar varje vecka.

Var traditionell automatisering brister

Den mesta fakturaautomatisering som finns idag bygger på tre komponenter:

• OCR för datautvinning
• Regelbaserad logik för kodning
• Arbetsflödesverktyg för routing och godkännanden

Var och en spelar en viktig roll. Men alla tre är beroende av fördefinierad struktur. OCR kan extrahera data från en faktura, men kan inte avgöra hur fakturan ska kodas.

Regler kan tillämpa logik, men bara i scenarier som du har förutsett och konfigurerat. Och ekonomi, som alla som arbetat inom området vet, står sällan still:

• Nya leverantörer tillkommer ständigt
• Fakturadata är ofullständig eller inkonsekvent
• Kostnadsstrukturer och kontoplaner utvecklas
• Leverantörsbaserade kodningsmallar, som är mycket vanliga i IFS, fungerar dåligt när samma leverantör skickar fakturor som behöver kodas olika
• Fakturor med flera rader och flera enheter passar inte i enkla mallar

Resultatet är att endast en del av fakturorna kan hanteras automatiskt. Resten går tillbaka till en människa för granskning, korrigering och routing, och varje ny regel som skrivs för att fånga ett specialfall blir ytterligare en regel att underhålla.

Vi utforskade detta mer ingående i en nylig artikel om varför de flesta IFS-team fortfarande kodar fakturor manuellt, om du vill fördjupa dig i mekaniken bakom.

Den dolda kostnaden av partiell automatisering

Detta skapar en mindre synlig men betydande operativ belastning. I IFS specifikt ligger cirka 90 % av fakturor utan inköpsorder vanligtvis utanför alla automatiseringsregler eller mallar, vilket innebär att majoriteten kodas helt manuellt, med endast en liten mängd återkommande fakturor som fångas upp av regler. Team lägger sin tid på att underhålla dessa regler, granska undantag, korrigera inkonsekvent kodning och lära upp nya kollegor i en ständigt växande lista av specialfall. Automatisering finns, men den skalar inte. När transaktionsvolymerna ökar, ökar också det manuella arbetet ovanpå.

Ett skifte i angreppssätt: från regler till lärande

Självlärande AI förändrar utgångspunkten. Istället för att få instruktioner om hur en faktura ska kodas genom regler och mallar, lär sig modellen från organisationens historiska fakturadata: hur teamet faktiskt har kodat fakturor tidigare, hur godkännanden faktiskt har flödat, och var undantag faktiskt har uppstått.

Utifrån detta kan den förutsäga, faktura för faktura:

• Rätt huvudbokskonto, kostnadsställe och andra kodningsdimensioner såsom projekt eller affärsenhet
• Momshantering
• Rätt godkännare och godkännandeflöde
• Fritextfält som är specifika för era kodningsmönster

Och eftersom den fortsätter att lära sig från varje korrigering och varje ny faktura förbättras träffsäkerheten över tid, istället för att försämras när verksamheten förändras. Det finns inga mallar att bygga och inga regler att underhålla. Modellen anpassar sig automatiskt när era kodningsmönster och godkännandepolicys utvecklas.

Vad detta innebär i IFS

För IFS-kunder är den praktiska frågan hur detta passar in i en miljö ni redan har investerat i. Det korta svaret: det ligger inuti den, inte bredvid.

Snowfox är utformat för att fungera inom det befintliga IFS-fakturaflödet snarare än att ersätta någon del av det. IFS förblir ert system of record. Er godkännandestruktur, er kontoplan, er styrmodell – allt detta är kvar. Det som förändras är att fakturor når godkännandestadiet redan kodade och routade, baserat på er egen historiska data, med en noggrannhet som förbättras för varje transaktion.

I praktiken innebär det vanligtvis:

• En betydligt högre andel fakturor som hanteras utan manuell kodning
• Färre beröringspunkter per faktura och snabbare genomloppstider
• Mer konsekvent kodning mellan enheter och nya medarbetare
• Ekonomiresurser som flyttas från datainmatning till analys och kontroll

Det är också värt att notera att detta angreppssätt stöder organisationer i olika stadier av sin IFS-resa, inklusive de som går från äldre versioner till IFS Cloud.

Automatiseringsförmågan behöver inte byggas om varje gång den underliggande plattformen utvecklas.

För en närmare titt på hur detta fungerar i IFS, inklusive en livegenomgång, höll vi nyligen ett webinar tillsammans med IFS om automatisering av leverantörsfakturakodning med självlärande AI, som finns att se i efterhand.

Varför partnern spelar roll

Att införa AI i en levande ekonomiprocess handlar lika mycket om implementeringsbedömning som om teknik. Arbetsflöden måste förstås ordentligt innan de kan automatiseras väl. Ansvarsfördelningen mellan ekonomi och IT måste vara tydlig. Och integrationen i IFS måste göras av personer som verkligen kan systemet.

Det är här erfarna IFS-partners, såsom Addovation, spelar en central roll. Kombinationen av djup IFS-kunskap på ena sidan och specialiserad AI på den andra är det som gör en lovande kapacitet till verklig operativ förändring – en förändring som fungerar i praktiken, håller vid revision och fortsätter att förbättras efter driftsättning.

Från inkrementella vinster till skalbar effektivitet

När automatisering går bortom regler och börjar lära sig från verklig data förändras nyttans karaktär. Det handlar inte längre om en fast procent besparing på en fast uppsättning fakturor. Det blir en förmåga som skalar – en som blir bättre i takt med att volymerna ökar, som hanterar nya leverantörer utan omkonfiguration och som minskar underhållsbehovet istället för att öka det.

För IFS-kunder är frågan inte längre om fakturaautomatisering är möjlig. Det handlar om hur man går från partiell automatisering, med dess regler och undantag, till något mer skalbart, mer exakt och verkligt hållbart.

Det skiftet är redan i full gång i hela IFS-ekosystemet. Om det är något ni utforskar är ert Addovation-team en bra startpunkt för samtalet, och ni kan läsa mer om hur Snowfox fungerar inom IFS på vår partnersida för IFS.

Om författaren:
Emma Blackmore är CMO på Snowfox, där hon leder marknadsföring och partnerkommunikation inom Snowfox-ekosystemet. Med en bakgrund inom B2B SaaS och partnerledd tillväxt fokuserar Emma på hur specialiserade teknologier som Snowfox fungerar i praktiken – genom de partners som implementerar dem och de ekonomiteam som arbetar med dem varje dag. Hon är övertygad om att den bästa marknadsföringen i denna bransch börjar med en genuin förståelse för arbetet, och hon tar med sig det perspektivet i allt Snowfox producerar.

Kommande webinar: delta i vårt kommande webinar med Snowfox och Addovation

Den 13 maj kl. 08:30 CEST arrangerar Addovation ett webinar tillsammans med Snowfox, där vi fördjupar oss i flera av de utmaningar som lyfts i detta blogginlägg. Säkra din plats redan idag!