Blogg | XACCT

Robotisering og Maskinlæring for Regnskap, hva nå?

Skrevet av Marius Berg | 04.12.2020

I 2016 kom robotisering som en spennende ny teknologi som skulle endre alt og gjøre regnskapsføreren tilnærmet arbeidsledig. Hvordan fungerte så egentlig robotene?


Det viste seg at RPA (Robotic Process Automation)-systemene som Blueprism og UiPath egentlig kun var enkel programvare for å lage et «opptak» av punsjeoperasjoner som kunne jobbe på tvers av applikasjoner på operativsystem-nivå. RPA kunne lagre og repetere oppslag i ulike systemer og ta med data fra et system til et annet.

Det løste en del, akselererte bokføringen, men ga også utfordringer med ajourhold av data og vedlikehold av løsningen. Roboten krevde et forvaltningsregime for å fungere effektivt over tid. Det ble dyrt både med drift og vedlikehold.

Var nå egentlig dette en god løsning for å automatisere økonomiprosessene?

Nei, det var ikke det. Roboten prøver bare å gjøre en manuell prosess raskere – den løser ikke utfordringen som er å automatisere økonomiprosessen. Hvorfor la roboten logge seg på systemet og hente ut data som blir «limt inn» i et annet system? Det hjelper ikke den underliggende utfordringen - som er manglende integrasjoner mellom ulike systemer og datakilder for at data skal kunne flytte «sømløst». 

- Håndtering av inngående fakturaer påfører norske virksomheter enorme kostnader...

Den første utfordringen vi prøvde å løse med roboten var automatisering av inngående fakturaer, den mest manuelle og tidkrevende av alle økonomiprosesser. Håndtering av inngående fakturaer påfører norske virksomheter enorme kostnader. Norges Bank har kalkulert at summen av mulige besparelser for privat og offentlig virksomheter beløper seg til 25 milliarder kroner dersom fakturaprosessen er digital og automatisert.  

I Norge innførte vi elektronisk faktura (EHF) i 2012. Da skulle alle statlige nye kontrakter kreve elektronisk faktura. Oslo kommune lovte at fra 2014 så skulle alle nye kontrakter i kommunen kreve elektronisk faktura. Men dette ble ikke gjennomført. Vi mistet nok 5 år med digitalisering fordi myndighetene ikke gjennomførte dette som forventet. Innføringen av EHF krevde en omfattende endringsprosess – som da ble utsatt. I dag 8 år senere så sitter vi fortsatt med en meget stor andel manuell håndtering.

Elektronisk faktura løser bare en del av utfordringen med det manuelle arbeidet. Det som gjør den store forskjellen, er dersom systemet kan automatisere konteringen av fakturaen og videresende den automatisk med et mål om at flest mulig fakturaer går «urørt» gjennom systemet.


Dette innlegget sto også på trykk i Finansavisen R, i desember-2020.

Det beste ville vært om ditt ERP-system har den nødvendige funksjonaliteten for å automatisere håndtering og bokføringen av inngående faktura. Dessverre så tar det lang tid å utvikle dette godt nok. I mellomtiden så er den beste løsningen å benytte «best of breed» løsninger. Systemer som er spesialisert for sin oppgave.

Nytt skritt mot automatisering

Noen av de ledende leverandørene av fakturaflytsystemer har funksjonalitet som gjør at en meget stor del av fakturaene går urørt gjennom. Det første de laget var en regelmotor hvor historikken ble brukt til automatisering av konteringen. Det neste de laget var innkjøpsmoduler hvor du har definert konteringen i forkant, og når faktura kommer så matches de automatisk mot det som er predefinert. Disse leverandørene har nå kommet med ekte sky-baserte løsninger levert som en tjeneste (SaaS). Da lager de en fellesbase der alle selskaper kan trekke på samlet historikk. Dette er alle meget viktige skritt på veien for automatisering. Men fortsatt kreves manuelt ajourhold. Det er dette som er den store oppgaven som må løses.

- Maskinlæring er ny teknologi for å automatisk lære å gjenkjenne komplekse mønstre og gjøre intelligent beslutningsstøtte basert på historiske data.
 

Norsk nyvinning

Løsningen ligger i å automatisere denne avvikshåndteringen, og det kan gjøres med maskinlæring. Maskinlæring er ny teknologi for å automatisk lære å gjenkjenne komplekse mønstre og gjøre intelligent beslutningsstøtte basert på historiske data. Den automatiserer håndtering av avvikene inn i en algoritme som øker kvaliteten på beslutningstøtte og angir en sannsynlighet for at den forslår riktig løsning eller svar. Maskinlæring tar oss med inn i fremtiden og er kanskje den mest banebrytende teknologien vi har tilgang til i dag.

 

Det norske teknologiselskapet Semine har tatt i bruk maskinlæring nettopp for å automatisere denne inngående fakturaprosessen. Deres system er kommet lengst i utviklingen for å hel-automatisere konteringen basert på algoritmer. Systemet gir deg sannsynligheten for riktig beslutningsstøtte ned på linjenivå på en inngående faktura. Vi har selv benyttet løsningen over lengre tid og har ambisjoner om at vår beste praksis for bruk av Semine kan automatisere bokføringen opp mot 95 %. Det blir veldig spennende å følge Semines utvikling videre og se hvor langt deres teknologi kan tas mot full automatisering.

Du finner artikkelen i siste utgave av Finansavisen R som er ute nå.