5 måter du kan bruke ny innsikt fra AI-baserte regnskap

Semine AI-basert regnskap: Mann ved skrivebord
Det å ta i bruk kunstig intelligens i økonomiavdelingen handler om langt mer enn effektivisering. Her er fem måter å bruke AI-innsikt til å redusere kostnader, bedre likviditeten og få bedre kontroll.

Enhver CFO er opptatt av innsikt for å kunne ha grunnlag for riktige beslutninger for å forbedre lønnsomhet i organisasjonen. For å lykkes trenger hun/han både gode nøkkeltall, og mulighet til å dykke ned i dataene for å få dyp innsikt, forståelse av kostnadsstruktur og drivere.

De fleste svarene finner man i i POS / salgssystemer, regnskapssystemer eller CRM. Detaljer på alt fra pipeline for nye dealer, tilbud, ordre og salg, samt hva som er fakturert.

Kostnadssiden er det oftest mer komplisert å få relevant informasjon til rett tid fra. Innkommende fakturaer kan bestå av titalls eller over hundre sider og inneholde tusenvis av varelinjer. En stor andel innkommende fakturaer er fortsatt ikke elektroniske (EHF), og fakturabehandlingen kan kreve mye manuelt arbeid, både for kvalitetssikring, matching mot eventuell PO, fordeling på riktig prosjekt og avdeling og mye annet.

Kunstig intelligens kan ikke bare hjelpe deg trekke ut alle disse dataene raskere og med høyere kvalitet, men også oppdage mønstre og strukturer som du kan analysere.

I denne artikkelen presenterer vi fem måter du kan utnytte dette til å få blant annet kostnads- og likviditetsfordeler. Men aller først, la oss forklare veldig kort og enkelt hvordan AI virker, og hvorfor det er fundamentalt annerledes.

Las ned e-bok: Slik brukes kunstig intelligens i økonomifunksjonen.

AI gir bedre datakvalitet

Ved å introdusere AI i regnskapsføringen, setter du deg i stand til å øke automasjonsgraden, gjerne til langt over 80%. Dette er en langt høyere automatiseringsgrad enn det er mulig å få til ved bruk av regelstyring og RPA, som i tillegg er tidkrevende å vedlikeholde.

I motsetning til regelbasert tilnærming, hensyntar AI både nye leverandører, dimensjoner eller andre endringer, og på toppen av dette også det “ukjente” gjennom selvlæring. AI-motoren lærer kontinuerlig og sikrer både økt kvalitet og nøyaktighet over tid og den trekker ut all informasjon fra fakturaen, inkludert informasjon på linjene. Den tar med faktura- og forfallsdatoer, leverandørnavn, samt mulige rabatter for tidlige betalinger (vi kommer tilbake til det). Den fører dessuten fakturalinjene likt hver gang, mens to regnskapsførere til sammenligning kan komme til å bilagsføre et bilag på to ulike konti.

Videre åpner AI for å kategorisere data på tvers av leverandører, og har en forståelse av kontekst og dimensjoner når du trekker ut, sorterer og kategoriserer data. Resultatet blir at all potensielt nyttig informasjon tilgjengeliggjøres på en hensiktsmessig måte.

1. Økt innkjøpsmakt 

La oss se på et konkret eksempel fra retail. Mange opererer med en blanding av sentraliserte og lokale innkjøp. Ved å kartlegge alle innkjøp – både sentrale og lokale, i tilnærmet sanntid via nettbaserte kontrollpanel får man ny innsikt. Den nye innsikten kan gi større innkjøpskraft og grunnlag for å forhandle frem bedre avtaler som kommer alle lokasjonene til gode.

Av og til handler man inn fra selskaper man ikke har avtaler med. Det er ikke alltid lett å vite hva man har kjøpt inn fra hvem, men med detaljene på linjer kan man lett se hva man kjøper inn hvor, og sjekke dette med hvor man har best avtaler. For lavmargin-produkter er dette forskjellen på å tjene eller tape penger.

2. Bedre fakturakontroll

Ved at man har 100 % oversikt på linjenivå over alle kjøp, kan du drive virksomheten på en smartere måte. Du vet ikke bare at du har 2 millioner kroner i mobilregninger, men du vet også at dere bruker 100.000 kroner på innholdstjenester som faktureres av mobiloperatøren, og at “Jan fra salg” ser ut til å abonnere på dagens horoskop til 10 kroner dagen.

Mobilfakturaer alene er kompliserte nok til at det selges egne programvareløsninger som er dedikerte til å gi deg bedre kontroll over mobilfakturaene.

3. El-forbruk og kobling mot registre for ny innsikt

Når du har data med høy kvalitet kan du koble dem med eksterne data for å få mer innsikt og smartere valg.

La oss bruke elektrisitetsforbruket som eksempel. Det er et område som mange har økt fokus på.

La oss bruke elektrisitetsforbruket som eksempel. Det er et område som mange har økt fokus på nå fordi prisene er gått opp og varierer mer i løpet av døgnet enn før. Dessuten vil effektavgifter incentivere smartere strømstyring fremover.

For en større virksomhet uten AI-automatisering av innkommende faktura, vil elektrisitetsforbruket i regnskapet kanskje være et aggregert beløp på en regnskapskonto, som kan splittes ned på noen ulike lokasjoner. Antall kilowattimer og pris per kilowattime er sjelden strukturerte data. Med AI-automatisering har du også denne innsikten. Ved å kombinere dataene med spotpriser, ser du hvor dere har konkurransedyktige betingelser, og hvor dere bør forhandle frem bedre priser og vilkår. Samtidig som bedre innsikt i strømforbruket er første steg til å redusere det der hvor det er mulig.

4. Aktiv bruk av likviditeten

Innsikt i forfallsdatoer og betalingsbetingelser kan benyttes til aktiv likviditetsstyring.

Mange leverandører opererer med ulike rabatter ved betaling før forfall (eksempelvis kontantrabatter). Alt fra noen prosent ved betaling før forfall til opptil over 10 % om man betaler tidligere. Det gir god avkastning på eventuell fri arbeidskapital, og styrker følgelig bunnlinjen.

Tradisjonelle systemer for behandling av fakturaer trekker ikke ut denne informasjonen fra fakturaer. Ved å kombinere teknologi med AI og data om kontantrabatter som sammenstilles med informasjon om din nåværende kontantstrøm kan du dra nytte av rabattene når det lønner seg, og betale senere når det er mer fordelaktig. For virksomheter som gjør store innkjøp kan det bli snakk om betydelige innsparinger.

Dette forutsetter automatisering av prosessen. Mulighetene er «ferskvare» og avhenger av informasjon til rett tid.. Med andre ord, automatisering av prosessene sammen med AI er en forutsetning for å kunne dra nytte av disse mulighetene.

5. «Hvordan går det?»

Har du et riktig bilde av dagens situasjon? For å svare på spørsmålet, er du avhengig av å kunne trekke ut data, behandle dem og analysere dem i riktig sammenheng. Følgelig refererer du alltid til hendelser og tall som har skjedd (historikk), og ikke til sanntid. Hvis noe endrer seg, må du gå tilbake og bruke mer tid og ressurser for å forstå korrelasjonene, og gjøre noe med det. Ofte krever det tid og innsats fra organisasjonen og deg, og når du har svaret, kan det være for sent.

– Kunstig intelligens kan hjelpe deg med tilgang til data nær sanntid.

Enhver CFO er avhengig av presis og oppdatert informasjon om virksomhetens finansielle situasjon. Kunstig intelligens kan hjelpe deg med tilgang til data nær sanntid. Du (og resten av ledergruppen) vil ha relevant og tidsriktig innsikt, også for fakturaer som fortsatt er under behandling. Når du har tilgang til disse dataene, vil du umiddelbart kunne handle på avvik. Du kan drille ned på områder som trenger fokus og ta bedre beslutninger støttet av solide fakta og tall. Det hører også med at ved å bruke AI i regnskapsføringen kan du avslutte regnskapet bare et par dager etter månedslutt.

 

 

Vil du vite mer? Last ned vår nye e-bok:

Slik brukes kunstig intelligens i økonomifunksjonen for et inspirerende blikk inn i fremtiden.

Les e-boken her

 

Har du lyst til å se SEMINE i praksis? Book en demo her!