Implementering av AI i inköpsreskontran : en kostnadskalkyl åt företag X

Abstract

Detta examensarbete behandlar implementering av artificiell intelligens (AI) i inköpsreskontran hos företag X och syftar till att analysera om en sådan investering är ekonomiskt lönsam. Bakgrunden är den ökade digitaliseringen inom ekonomiförvaltning, där AI skapar möjligheter att effektivisera fakturahantering genom att automatisera kontering, granskning och godkännandeprocesser.

I den teoretiska delen presenteras fakturaprocessens olika steg och hur automatisering har förändrat arbetssättet. Vidare behandlas begreppet artificiell intelligens och dess tillämpning inom ekonomiförvaltning, med fokus på maskininlärning och programvarurobotik. Teoridelen omfattar även investeringskalkyler som används för att bedöma ekonomisk lönsamhet, såsom nuvärdesmetoden och annuitetsmetoden.

Den empiriska delen bygger på en kombination av kvalitativa och kvantitativa metoder. Offertinformationen från en AI-leverantör, interna kostnadsuppgifter och tidsmätning av nuvarande fakturahantering har analyserats för att skapa en helhetsbild av kostnadsstrukturen och möjliga förbättringar. Genom att integrera dessa data i investeringskalkyler har studien kunnat bedöma effekterna av en AI-implementering.

Resultatet visar att AI har potential att effektivisera fakturahanteringen och frigöra resurser för mer värdeskapande arbete. Samtidigt framkommer att lönsamheten är starkt beroende av hur företaget hanterar de frigjorda resurserna. Om personalstyrkan bibehålls blir investeringen olönsam, medan en anpassning av resurserna kan göra AI mycket lönsamt. Studien betonar att införandet kräver noggrann planering, förändringsledning och kompetensutveckling för att uppnå både ekonomiska och organisatoriska fördelar.

Tämä opinnäytetyö käsittelee tekoälyn (AI) käyttöönottoa ostoreskontrassa yrityksessä X ja pyrkii analysoimaan, onko tällainen investointi taloudellisesti kannattava. Taustalla on taloushallinnon lisääntyvä digitalisaatio, jossa tekoäly luo mahdollisuuksia tehostaa laskujen käsittelyä automatisoimalla tiliöinti-, tarkastus- ja hyväksymisprosessit.

Teoreettisessa osassa esitellään laskuprosessin eri vaiheet ja miten automaatio on muuttanut toimintatapoja. Lisäksi käsitellään tekoälyn käsitettä ja sen soveltamista taloushallinnossa, erityisesti koneoppimisen ja ohjelmistorobotiikan näkökulmasta. Teoriaosuus sisältää myös investointilaskelmia, joita käytetään taloudellisen kannattavuuden arviointiin, kuten nykyarvomenetelmä ja annuiteettimenetelmä.

Empiirinen osa perustuu kvalitatiivisten ja kvantitatiivisten menetelmien yhdistelmään. AItoimittajalta saatu tarjousinformaatio, yrityksen sisäiset kustannustiedot sekä nykyisen laskunkäsittelyn aikamittaukset on analysoitu kokonaiskuvan luomiseksi kustannusrakenteesta ja mahdollisista parannuksista. Näiden tietojen integrointi investointilaskelmiin on mahdollistanut tekoälyn käyttöönoton vaikutusten arvioinnin.

Tulokset osoittavat, että tekoälyllä on potentiaalia tehostaa laskujen käsittelyä ja vapauttaa resursseja arvokkaampaan työhön. Samalla käy ilmi, että kannattavuus riippuu vahvasti siitä, miten yritys hallitsee vapautuneet resurssit. Jos henkilöstömäärä säilyy ennallaan, investointi on kannattamaton, kun taas resurssien sopeuttaminen voi tehdä tekoälystä erittäin kannattavan. Tutkimus korostaa, että käyttöönotto edellyttää huolellista suunnittelua, muutosjohtamista ja osaamisen kehittämistä taloudellisten ja organisatoristen hyötyjen saavuttamiseksi.

This thesis examines the implementation of artificial intelligence (AI) in the accounts payable process at Company X and aims to analyze whether such an investment is economically viable. The background to the study is the increasing digitalization within financial management, where AI creates opportunities to streamline invoice processing by automating coding, review, and approval procedures.

The theoretical section presents the various steps of the invoice process and how automation has changed working methods. Furthermore, the concept of artificial intelligence and its application in financial management is discussed, with a focus on machine learning and robotic process automation. The theoretical part also covers investment calculations used to assess economic profitability, such as the net present value method and the annuity method.

The empirical section is based on a combination of qualitative and quantitative methods. Quotation information from an AI provider, internal cost data, and time measurements of the current invoice handling process have been analyzed to create an overall picture of the cost structure and possible improvements. By integrating these data into investment calculations, the study has been able to assess the effects of AI implementation.

The results show that AI has the potential to streamline invoice processing and free up resources for more value-creating work. At the same time, it is evident that profitability strongly depends on how the company manages the freed-up resources. If the current staffing level is maintained, the investment becomes unprofitable, whereas adjusting resources can make AI highly profitable. The study emphasizes that implementation requires careful planning, change management, and competence development to achieve both economic and organizational benefits.