Tekoälytyökalun käyttöönotto ostolaskuprosessissa : ennustetarkkuuden arviointi

Abstract

Opinnäytetyön toimeksiantajan ostolaskuprosessiin on otettu tekoälytyökalu käyttöön manuaalisten työvaiheiden vähentämiseksi. Tässä opinnäytetyössä tarkastellaan tekoälytyökalun ennustetarkkuutta ensimmäisien käyttökuukausien aikana.

Tavoitteena on luoda toimeksiantajalle tilannekatsaus tekoälytyökalun ennusteiden tarkkuuteen syys- ja lokakuun 2025 ajalta. Tarkoituksena on selvittää, kuinka tarkkoja tekoälytyökalun antamat ennusteet ovat olleet ja missä osa-alueilla mahdollisia virheitä ilmenee. Tutkimuksen aineisto saatiin palveluntarjoajan analytiikkapalvelusta ja tutkimus toteutettiin määrällisenä tutkimuksena.

Tutkimustuloksista selviää, että tekoälytyökalun ennustetarkkuuden oikeellisuus riippuu tarkasteltavasta osa-alueesta. Paras ennustetarkkuus havaittiin arvonlisäveron käsittelyä kuvaavan ALV-koodin kohdalla, ja eniten kehitettävää on sisäisen viitteen ja kustannuspaikan ennusteiden tarkkuudessa.

Tutkimustulosten pohjalta voidaan todeta, että tekoälytyökalun ennustetarkkuus oli vielä liian epävarmaa siihen nähden, että toimeksiantaja voisi tässä vaiheessa luottaa sen valvomattomaan toimintaan. Pidemmällä tutkimuksen ajanjaksolla olisi voinut tulla positiivisempia ja vakaampia tuloksia.

Company X integrated an AI-based tool as a part of the purchase invoice process in September 2025. This thesis examined how the AI tool has worked so far. The aim of this thesis was to show how accurate the AI tool’s predictions had been during September and October 2025. The purpose is to find out if the AI tool has made right predictions. In addition to that, the purpose was to identify the areas where AI tool produced incorrect results repeatedly.

The study shows that the AI tool’s accuracy depends on the area under review. The most accurate predictions were on the VAT code. VAT code indicates the accounting software which VAT rules apply on the posting lines of purchase invoice. Predictions on the case number and business area need to be improved the most.

According to the results, the number of incorrect predictions is still too high to let the AI tool operate independently. A longer testing period might have enabled more positive and stable results of the AI tool’s performance.