Mengotomatiskan hutang dagang:RPA, logika fuzzy, dan mengubah daftar hitam menjadi hitam

Bagian utang usaha apa yang dapat diotomatisasi?

“Perusahaan telah mencoba untuk mengotomatisasi secara harfiah setiap sudut proses perusahaan, tetapi otomatisasi utang usaha dibiarkan bertahan lama,” kata Amit.

Ini adalah contoh otomatisasi proses robotika tetapi diterapkan pada fungsi tertentu.

Ini semua menimbulkan pertanyaan mengapa, mengapa sekarang, mengapa mengotomatisasi hutang, sama sekali?

Bagi Amit, sumber daya, atau lebih tepatnya kekurangannya, adalah poin kunci. “Fungsi hutang dagang dalam perusahaan kemungkinan besar tidak akan mendapatkan banyak sumber daya,” katanya, dan pada gilirannya berarti “tidak mendapatkan begitu banyak perhatian, ini adalah salah satu area terakhir untuk menikmati manfaat otomatisasi. .”

Jadi apa artinya itu? Bagian mana dari hutang usaha yang dapat diotomatisasi? Dijelaskan Amit, bisa diterapkan pada:

* menangkap informasi pasokan,
* memeriksanya,
* melaksanakan pembayaran,
* berkomunikasi dengan pemasok,
* mencatat faktur,
* mencocokkannya dengan pesanan pembelian,
* memperbarui buku besar,
* membuat keputusan tentang kode buku besar apa yang harus diterapkan ke baris faktur apa,
* dan memilih pemberi persetujuan yang tepat secara otomatis.

Tapi kemudian otomatisasi juga dapat membantu kepatuhan. Memang, ini adalah tugas yang didorong oleh proses, seperti mengikuti prosedur peraturan, yang sering kali merupakan hasil yang tidak terlalu diharapkan dari segala bentuk otomatisasi proses, baik yang melibatkan robot perangkat lunak atau tidak.

“Pada akhirnya hutang dagang harus ada di mana-mana dan itu hanya akan menjadi bagian dari kotak peralatan setiap perusahaan,” kata Amit.

Cara kerjanya

“Ketika kami mendapatkan informasi pemasok, kami menjalankannya melalui logika fuzzy dan proses pembelajaran mesin lainnya untuk memeriksanya dari daftar hitam dan cara lain untuk memutuskan apakah pemasok itu sah atau tidak. Kami melakukan pembayaran dan jika ada masalah dengan pembayaran, kami menerapkan logika dan pengambilan keputusan dalam memberi tahu pemasok cara memperbaiki kesalahan apa pun yang terjadi dalam proses.

OCR dan logika

Menerjemahkan informasi dari hard copy lebih rumit. Di situlah pengenalan karakter optik, atau OCR memasuki cerita. “Tetapi OCR hanya dapat membawa Anda sejauh ini, katanya, “kami menggunakan layanan terkelola untuk meningkatkan apa pun yang dapat dilakukan OCR dengan orang-orang, dan itu akan membuat Anda mendapatkan persentase perolehan faktur yang lebih tinggi.”

Amit memberikan contoh lain:

“Ketika Anda mengambil faktur, Anda perlu memutuskan, misalnya, apakah laptop adalah biaya pemasaran atau biaya TI atau biaya teknik. Logika dan logika pembelajaran mesin dapat diterapkan untuk membantu menentukan akun yang tepat yang harus diterapkan pada faktur tertentu. Pembelajaran mesin juga dapat membantu menentukan siapa pemberi persetujuan, dan kami melakukannya dengan mempelajari perilaku pelanggan sebelumnya.”

Chen Amit adalah salah satu pendiri dan CEO di Tipalti, yang mengotomatiskan operasi hutang. Pelanggannya berkisar dari seperti Amazon dan Twitter, Nikon dan raksasa lainnya hingga perusahaan kecil dan semua rentang di antaranya. Hari ini, mereka memproses sekitar $6,5 juta dalam tarif berjalan tahunan