Artificial intelligence (ai) is overal. Dat maakte Rudy Lauwereins, professor aan de Universiteit in Leuven duidelijk tijdens EIT Digital Innovation Day afgelopen december. Maar wat houdt dat in voor het ondersteunen van inkoop en het verwerken van inkomende facturen?
Iedereen heeft weleens met formules gewerkt, dat is in de basis al ai. Dat was het vertrekpunt van deze Belgische professor. Maar zodra de formules complexer worden en de hoeveelheid gegevens toeneemt, houdt het voor een normaal mens op. Computers kunnen hier echter prima mee omgaan, daar heeft de Wet van Moore mede voor gezorgd. Dit betekent dat we ondertussen in staat zijn met ai slimme toepassingen te ontwikkelen. Denk aan geautomatiseerde medische diagnoses op basis van beeldherkenning, gepersonaliseerde Spotify-afspeellijsten op basis van grote hoeveelheden gebruikersdata tot zelfrijdende auto’s via sensoren en camera’s.
Virtuele assistent
Ook leveranciers van purchase-to-pay-oplossingen (denk aan systemen voor inkoop-ondersteuning en factuurverwerking) gebruiken ai op verschillende manieren. Op inkoop- en financiële afdelingen is immers nog veel te winnen. Zo lanceerden verschillende partijen hun eigen chatbotfunctie. Een virtuele assistent die gebruikers helpt bij het plaatsen van bestellingen en het zoeken naar artikelen of orders.
De chatbots combineren natural language processing (nlp)-technologie met ai om gebruikers een vereenvoudigde manier te bieden om te interacteren met het systeem. Ze kunnen communiceren met de assistent zoals ze dat zouden doen met een mens.
Bovendien leert het systeem door zoekresultaten te combineren met de uiteindelijke bestelling. Wanneer bijvoorbeeld gezocht wordt op ‘personal computer’ leert het systeem om (ook) de laptop-systemen te tonen. Hierdoor ondergaat het gebruiksgemak van het systeem een sterke verbetering. Het reduceert bovendien de trainingstijd voor nieuwe gebruikers.
Boekingsvoorstellen
Maar ai gaat verder dan de virtuele assistent. Het geval wil dat de financiële afdeling een extreem datarijk onderdeel van de organisatie is. Op basis van deze grote hoeveelheden data kan de software straks zaken met grote nauwkeurigheid voorspellen.
De betere oplossingen bieden momenteel al functies om bijvoorbeeld ook de niet order gerelateerde (non-PO)-facturen automatisch te boeken, de zogenoemde smart coding technology. Daarbij wordt gebruikgemaakt van grote hoeveelheden historische facturen en wordt automatisch de meest gelijkaardige coderingsstructuur toegepast op de nieuwe factuur. Ook de automatische keuze van het juiste procuratieschema kan behoorlijk betrouwbaar gebeuren.
Daarnaast zijn systemen in staat zelf inkooporders aan te maken op basis van historische gegevens. Of om aanvragen te bundelen. Op deze wijze kunnen organisaties besparen op transportkosten, of gebruikmaken van volumekortingen.
Lonkend perspectief
In de combinatie van ai met reporting zie ik mogelijkheden voor het verder optimaliseren van toegestane afwijkingen bij het automatisch matchen van facturen. Vaak eenvoudige regels voor thresholds zijn dan te vervangen door regels die het financiële proces verder optimaliseren en kosten verlagen. De basis voor deze slimme en lerende systemen is zogeheten corporate spend data.
Verder is het belangrijk gebruik te maken van platformen die zich continu verder ontwikkelen met de eerder genoemde technologieën. Dit alles zal een volgende generatie oplossingen brengen voor verdere optimalisatie van het source-to-pay-proces. Er zijn legio voordelen: betere compliance, verbeterde bedrijfsprestaties, verlaging van inkoopkosten en leveranciers die op het juiste moment leveren.
We hebben ondertussen de stap gemaakt naar digitale facturen, order based-inkoop met automatische factuur-matching en het gebruik van bijvoorbeeld voorgedefinieerde betaalplannen. De technologie van ai en machine learning is ondertussen ver genoeg om een volgende stap te maken. Een mooi lonkend perspectief voor inkoop en finance.