AI SUPPORTED PURCHASE INVOICE POSTING : lessons learned from piloting project and future perspectives
Henttinen, Tiina (2021)
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2021080216918
https://urn.fi/URN:NBN:fi:amk-2021080216918
Tiivistelmä
Perinteinen laskujen käsittely on usein aikaa vievin prosessi organisaation talousosastolla. Kun lasku saapuu ostoreskontraan, laskulle lisätään manuaalisesti tiliöintiedot kuten kustannuspaikka, projekti- ja ALV-koodin sekä muut kohdennukset yrityksen käytäntöjen mukaisesti. Tämä vaihe voi viedä useita minuutteja laskua kohti, joten ostolaskujen manuaalinen käsittely on kallis ja aikaa vievä toiminto mille tahansa organisaatiolle. Näihin haasteisiin voidaan kuitenkin vastata automaatiolla ja tekoälyllä (AI). Tekoälyn hyödyntämismahdollisuudet ostolaskujen käsittelyyn ovat käytännössä rajattomat. Tekoäly voi automaattisesti poimia tietoja ja arvioida laskun oikeellisuus, tarkistaa tehdyt arvonlisäverokirjaukset ja tehdä muut tarvittavat kirjaukset laskun maksamiseksi.
Turun yliopiston ostolaskupalveluissa käynnistettiin loppuvuodesta 2020 tekoälyhanke, jonka tavoitteena oli ottaa tekoäly avuksi ostolaskujen tiliöinnissä ja siten tehostaa ostolaskujen käsittelyä. Hanke toteutettiin yhteistyössä palvelukeskus Certia Oy:n kanssa, joka on keskittynyt talous- ja henkilöstöhallinnon palveluiden tuottamiseen yliopistoille ja korkeakouluille. AI-pilottihanke on usein paras tapa testata, mikä tekoälyn sovellus tuottaa parhaat tulokset ja varmistaa onnistuneen lopputuloksen. Parhaassa tapauksessa pilottihankkeet voivat johtaa laajempaan toimintatapojen muutokseen organisaatiossa.
Tämän tutkielman tarkoituksena on osoittaa tekoälyteknologian arvo, mutta myös osoittaa sen käyttöönottoon liittyvät haasteet. Kohdeorganisaatiossa tekoälyn tavoitteena oli tehostaa ostolaskujen käsittelyprosessia automatisoimalla tiliöintityö. Tavoitteena on päästä tilanteeseen, jossa tekoälyn tekemä tiliöintiennuste voidaan hyväksyä ennusteen perusteella, ja siten poistaa manuaaliset tapahtumat laskujen kirjaamisesta.
Tutkimuksen perusteella tekoälytekniikka toimi tekniikan ja sovellusten käytettävyyden näkökulmasta melko hyvin. Sovellusta oli helppo käyttää ja se integroitiin olemassa olevaan SAP Martti Smart -laskujärjestelmään. Puhtaasti tehokkuuden näkökulmasta katsottuna parannus voi kuitenkin olla melko marginaalista. Tekoälykonseptia voidaan kuitenkin edelleen kehittää ja laajentaa sen käyttöä muihinkin ostolaskuprosessin vaiheisiin. Kyseisellä tekoälysovelluksella ei kuitenkaan välttämättä ole suoria käyttökohteita ostoreskontran palveluprosessien muissa osissa. Eräs mahdollisuus vähentää kustannuksia ja löytää uusia tapoja tuottaa lisäarvoa vanhoihin prosesseihin on P2P-prosessin yhdenmukaistaminen. Haastatteluiden ja suoran havainnoinnin perusteella voidaan todeta, että tällä hetkellä organisaatiosta puuttuu työkalu, joka mahdollistaisi reaaliaikaisen ostolaskun maksukelpoisuuden tarkastamisen. Tulevaisuudessa organisaation P2P-järjestelmä olisi hyvä päivittää saumattomasti toimivaan, tekoälyä ja koneoppimista hyödyntävään P2P-ratkaisuun, joka toimisi organisaation nykyisessä SAP toiminnanohjausjärjestelmässä. Traditional invoice processing is often the most time-consuming procedure in an organization’s finance department. When an invoice arrives for processing by a person working in the business, he or she manually adds the dimensions used to allocate the invoice, such as account number, cost center, project and VAT code, and other allocations depending on company policies. This step could take several minutes per invoice thus the manual processing of purchase invoices is an expensive and time consuming function for any organization. However, these challenges can be addressed through automation and artificial intelligence. The opportunities to use AI for invoices are practically endless. AI can automatically extracts information and evaluate invoice against order records to ensure that the payment is a valid one, check the invoice against VAT rules and make the necessary posting to settle the invoice.
There is a clear focus by the ledger services of the University of Turku on making the invoice process more efficient. For this reason, an artificial intelligence proof-of-concept pilot was launched in late 2020. The project was done in co-operation with Certia Oy, a company that specializes in the universities financial and personnel management. AI proof of concept is often the best way to test which set-up will yield the best results thus ensuring a successful outcome. In the best case, pilot projects can lead to a broader policy transition in an organization.
The aim of this thesis is to demonstrate the value of the AI technology, but also to show the challenges linked to its adoption. In the target organization, the aim of AI was to improve the efficiency and ultimately eliminate manual transactions from invoice posting. This kind of gradual process of automating smaller parts with AI and building up capability and learnings are shown to lead to a better outcome.
Based on the study, from a technical and application usability point of view, the AI technology worked pretty well – applications was easy to use and it was embedded within existing SAP Martti Smart invoice system. However, when viewed from a purely efficiency point of view, the improvement from AI application piloted might eventually be marginal. Of course, it is possible for an organization to focus on where else AI concept can be applied, and to expand to encompass the AI to other ledger service functions. However, the AI application in question may not have applications as such in other parts of ledger service processes thus is might be difficult to extend the pilot across wider user base. One opportunity for the target organization to reduce costs and find new ways to add value into old processes is to create more synergy across purchase to pay (P2P) process. Interviews and direct observation revealed that there is currently a lack of organization-level software that would enable real-time access to orders, good or service delivery and pricing. Upgrading organization’s P2P system needs new software to work seamlessly together and with existing SAP. Moreover, automation the different steps from procurement to payment with AI is absolutely essential to optimize this process.
Turun yliopiston ostolaskupalveluissa käynnistettiin loppuvuodesta 2020 tekoälyhanke, jonka tavoitteena oli ottaa tekoäly avuksi ostolaskujen tiliöinnissä ja siten tehostaa ostolaskujen käsittelyä. Hanke toteutettiin yhteistyössä palvelukeskus Certia Oy:n kanssa, joka on keskittynyt talous- ja henkilöstöhallinnon palveluiden tuottamiseen yliopistoille ja korkeakouluille. AI-pilottihanke on usein paras tapa testata, mikä tekoälyn sovellus tuottaa parhaat tulokset ja varmistaa onnistuneen lopputuloksen. Parhaassa tapauksessa pilottihankkeet voivat johtaa laajempaan toimintatapojen muutokseen organisaatiossa.
Tämän tutkielman tarkoituksena on osoittaa tekoälyteknologian arvo, mutta myös osoittaa sen käyttöönottoon liittyvät haasteet. Kohdeorganisaatiossa tekoälyn tavoitteena oli tehostaa ostolaskujen käsittelyprosessia automatisoimalla tiliöintityö. Tavoitteena on päästä tilanteeseen, jossa tekoälyn tekemä tiliöintiennuste voidaan hyväksyä ennusteen perusteella, ja siten poistaa manuaaliset tapahtumat laskujen kirjaamisesta.
Tutkimuksen perusteella tekoälytekniikka toimi tekniikan ja sovellusten käytettävyyden näkökulmasta melko hyvin. Sovellusta oli helppo käyttää ja se integroitiin olemassa olevaan SAP Martti Smart -laskujärjestelmään. Puhtaasti tehokkuuden näkökulmasta katsottuna parannus voi kuitenkin olla melko marginaalista. Tekoälykonseptia voidaan kuitenkin edelleen kehittää ja laajentaa sen käyttöä muihinkin ostolaskuprosessin vaiheisiin. Kyseisellä tekoälysovelluksella ei kuitenkaan välttämättä ole suoria käyttökohteita ostoreskontran palveluprosessien muissa osissa. Eräs mahdollisuus vähentää kustannuksia ja löytää uusia tapoja tuottaa lisäarvoa vanhoihin prosesseihin on P2P-prosessin yhdenmukaistaminen. Haastatteluiden ja suoran havainnoinnin perusteella voidaan todeta, että tällä hetkellä organisaatiosta puuttuu työkalu, joka mahdollistaisi reaaliaikaisen ostolaskun maksukelpoisuuden tarkastamisen. Tulevaisuudessa organisaation P2P-järjestelmä olisi hyvä päivittää saumattomasti toimivaan, tekoälyä ja koneoppimista hyödyntävään P2P-ratkaisuun, joka toimisi organisaation nykyisessä SAP toiminnanohjausjärjestelmässä.
There is a clear focus by the ledger services of the University of Turku on making the invoice process more efficient. For this reason, an artificial intelligence proof-of-concept pilot was launched in late 2020. The project was done in co-operation with Certia Oy, a company that specializes in the universities financial and personnel management. AI proof of concept is often the best way to test which set-up will yield the best results thus ensuring a successful outcome. In the best case, pilot projects can lead to a broader policy transition in an organization.
The aim of this thesis is to demonstrate the value of the AI technology, but also to show the challenges linked to its adoption. In the target organization, the aim of AI was to improve the efficiency and ultimately eliminate manual transactions from invoice posting. This kind of gradual process of automating smaller parts with AI and building up capability and learnings are shown to lead to a better outcome.
Based on the study, from a technical and application usability point of view, the AI technology worked pretty well – applications was easy to use and it was embedded within existing SAP Martti Smart invoice system. However, when viewed from a purely efficiency point of view, the improvement from AI application piloted might eventually be marginal. Of course, it is possible for an organization to focus on where else AI concept can be applied, and to expand to encompass the AI to other ledger service functions. However, the AI application in question may not have applications as such in other parts of ledger service processes thus is might be difficult to extend the pilot across wider user base. One opportunity for the target organization to reduce costs and find new ways to add value into old processes is to create more synergy across purchase to pay (P2P) process. Interviews and direct observation revealed that there is currently a lack of organization-level software that would enable real-time access to orders, good or service delivery and pricing. Upgrading organization’s P2P system needs new software to work seamlessly together and with existing SAP. Moreover, automation the different steps from procurement to payment with AI is absolutely essential to optimize this process.