Chat-GPT는 CPA 시험을 통과하고 놀라운 텍스트 벽을 생성할 수 있지만 진정한 AI 자동화는 다르게 보입니다(그리고 1줄 프롬프트만큼 간단하지 않습니다).

개요

AI가 2023년 인터넷에서 가장 많이 언급되는 주제라는 사실을 피할 수 없습니다. OpenAI에서 개발한 LLM(Large Language Model) 기능을 탐색하기 위한 인기 있는 채팅 기반 인터페이스인 Chat-GPT가 올해 초 공개.

몇 분만 가지고 놀다 보면 모든 사람과 반려견이 이에 대해 이야기하는 이유를 이해할 수 있습니다. Chat-GPT는 거의 모든 영역에서 초인적인 능력을 보여줄 수 있습니다. AI는 잠재적으로 수백만 개의 직업과 직업에 영향을 미치면서 많은 작업 영역을 크게 변화시킬 것을 분명히 약속합니다.

인공 지능은 이제 소프트웨어, 법률, 회계, 컨설팅, 재무 등과 같은 작업 영역과 같이 자동화에 적합한 전문 영역에 적용되고 있습니다. 금융 내에서 지불 계정 기능은 다소 독특한 것으로 주목을 받는 기능입니다. 특히 AI 옹호자와 반대론자 모두 무엇을 할 것인지에 대해 격렬한 논쟁을 벌이고 있는 논쟁의 양쪽에 동일한 양의 소음이 있는 것처럼 보이기 때문입니다. 또는 하지 않습니다) 발생합니다.

배심원단은 여전히 ​​이 급속한 변화가 정확히 어떻게 달성될 것인지에 대해 알지 못합니다. 특히 ChatGPT(및 일반적으로 AI)의 이점에 대한 대부분의 담론이 선을 긋는 경향이 있는 곳입니다.

외상매입금 AI의 필요성

전통적인 AP 운영에서 회사는 종종 수동 프로세스, 광범위한 서류 작업 및 반복적인 작업에 의존하여 지불금 기능을 처리합니다. 이러한 작업은 의사 결정, 운영 계획 및 위험 관리에 중요한 데이터 입력, 송장 처리 및 재무 분석과 같은 활동입니다.

그러나 이러한 프로세스에는 시간과 비용이 소요됩니다. 주요 단점은 다음과 같습니다.

1. 수동 데이터 입력은 사람이 숫자를 입력하거나 대량의 데이터를 처리할 때 실수할 수 있으므로 오류 가능성이 높습니다.
2. 또한 계정을 조정하고 보고서를 생성하고 재무 분석을 수행하는 데 상당한 시간이 소요되므로 시간이 많이 걸립니다.

이로 인해 공급 업체 지불이 지연되고 부적절합니다. 비용 계획, 재정적 건전성을 유지하는 데 어려움이 있습니다.

AI는 잠시 제쳐두십시오. 현실은 모든 종류의 자동화가 이러한 문제를 해결하는 데 크게 도움이 될 수 있다는 것입니다. 수십 년 동안 사용되어 온 겸손한 OCR도 인보이스 처리에 걸리는 시간을 최소 60% 줄여서 AP 팀이 매월 여러 날을 절약합니다. 그러나 이 기술의 채택은 아직 널리 보급되지 않은.

기계 학습 및 자연어 처리와 같은 기술은 AP 기능을 혁신하다 훨씬 더 깊은 방식으로 - 올바른 방식으로 구현되고 통합된 경우.

AI를 AP 기능에 통합하려고 하시나요? 30분 라이브 데모를 예약하여 Nanonets가 팀이 종단간 구현을 지원하는 방법을 확인하십시오. AP 자동화.

지불 계정 프로세스 내에서 AI의 잠재적 사용 사례

그렇다면 AI를 AP 프로세스에 정확히 어떻게 통합해야 할까요? 어디에서 시작합니까? 생산성을 10배로 높이는 가장 쉬운 방법은 무엇입니까? 아래에서 귀하가 취할 수 있는 명확하고 구체적인 단계와 함께 몇 가지 예를 제공합니다.

1. 송장 코딩 및 GL(General Ledger) 계정 매핑

자동화하기 가장 어려운 작업 중 하나는 송장과 영수증을 회계 시스템 내에서 올바른 범주와 GL 코드에 할당하는 것입니다. 이것이 특히 까다로운 이유는 무엇입니까?

1. 동일한 비용에 적용되는 여러 GL 코드가 종종 품목/개별 제품 코드로 분할됩니다. 이러한 GL 코드 할당은 일반적으로 수동이며 비즈니스 팀 및 CFO와 협의하여 수행해야 합니다.
2. 인보이스에 GL 코드를 할당하는 것은 때때로 주관적인 – 예를 들어 일반 판매 인보이스는 항상 계정과목표의 "판매"에 할당될 수 있지만 때때로 완전히 동일한 인보이스 형식이 계약자와 비직원에게 사용됩니다. 이로 인해 기본 자동화 도구에서 계약 비용이 "판매"로 잘못 태그될 수 있습니다.

AI가 실질적인 방법으로 어떻게 도움이 될 수 있습니까?

1. LLM 처리를 기반으로 송장 코딩 자동화 – 여기서 AI는 기본적으로 이 인보이스를 어떤 GL로 분류해야 하는지 알려 주며 적절할 수 있는 여러 제안을 제공하도록 구성할 수 있습니다. 이렇게 하면 사용자의 작업이 다소 쉬워집니다.
2. 사용자 입력 학습 및 암기 – 사용자가 실제로 GL 코드를 선택하면 시스템은 선택 사항을 기억하고 다음에 동일한 공급업체에 대해 자동화할 수 있습니다.

2. 사기 탐지 및 오류 처리

AP 팀의 또 다른 중요한 작업은 오류가 발생하기 전에 오류를 포착하는 것입니다. 잘못된 결제 세부 정보 및 송장 사기처럼 심각할 수도 있고 중복 송장처럼 단순할 수도 있습니다.

의심할 여지 없이 이러한 문제는 발생하기 전에 예방하는 것이 가장 좋습니다. 대부분의 조직은 이 프로세스를 매뉴얼로 만들 것을 주장합니다. 그러나 사람이 각 송장을 확인하면 다음과 같은 이유로 작업이 어려워집니다.

1. 프로세스에 대한 단일 실패 지점(및 병목 현상)을 제공합니다.
2. 벤더 지불에 대해 가장 많은 컨텍스트를 가진 사람(CFO/AP 헤드)만이 수정할 수 있고 다른 사람은 수정할 수 없습니다.

AI가 실질적인 방법으로 어떻게 도움이 될 수 있습니까?

1. 중복/잘못된 정보를 감지하는 AI – 기본 파일 중복 검사는 두 파일이 동일한 경우에만 확인합니다. 고급 AI 중복 검사를 사용하면 한 단계 더 나아가 서로 다른 두 파일의 내용이 의심스러울 정도로 유사한지 확인할 수 있습니다.
2. 송장 데이터에 대한 여러 데이터 유효성 검사 – 인보이스 데이터를 자동으로 읽는 것만으로는 누군가 로그인하여 확인해야 하는 경우 소용이 없습니다. 고급 AI 도구는 이제 위생 검사를 보장하기 위해 데이터 유효성 검사를 수행할 수 있습니다.

3. 회사의 AP 워크플로 학습

누구에게나 AI가 정말로 무엇을 해주기를 원하는지 물어보면 이것이 맨 위에 나오는 대답입니다. 많은 사람들은 AI의 진정한 가치는 패턴을 학습하고 시간을 절약할 수 있을 때라고 생각합니다.

AI가 실질적인 방법으로 어떻게 도움이 될 수 있습니까?

첫 번째 단계는 반복적인 재학습(예: 매일 계속 수행하는 활동, 결국 AI에 의해 기억되고 시간의 90% 자동화될 수 있는 활동)에 이상적으로 적합한 AP 프로세스의 단계를 식별하는 것입니다.

이에 대한 좋은 예는 다음과 같습니다.

1. GL 코드 할당 – 논리는 간단합니다. AI가 인보이스에 올바른 GL 코드를 할당하면 좋습니다! 그렇지 않은 경우 직접 변경하면 AI가 이 변경 사항을 다음 번에 기억합니다. 결과적으로 AI는 클릭할 때마다 계속 향상됩니다.
2. 카테고리/클래스/프로젝트 분류 – 특정 공급업체 송장을 올바른 범주로 자동 분류할 수 없는 경우 AI 도구가 할 수 있는 차선책은 사용자가 가르치는 내용을 학습하는 것입니다.

Nanonets가 지불 계정 프로세스에서 AI를 구현하는 데 어떻게 도움을 줄 수 있습니까?

위의 예는 아마도 빙산의 일각에 불과할 것입니다. 자동화 및 기계 학습 프로세스에 얼마나 깊이 들어갈 수 있는지에 의해서만 제한되는 AP 프로세스에 대해 AI가 할 수 있는 것보다 훨씬 더 많은 것이 있습니다.

다행스럽게도 오늘날 AP 프로세스에 AI 기능을 구현하기 위해 기술적으로 정통할 필요는 없습니다. 거의 즉시 시작.

예를 들어 Nanonets는 AI 플랫폼을 가지고 있습니다. 흐름 현재 AP 프로세스를 혁신하고 중요한 AI 요소를 워크플로에 추가할 수 있습니다. 위에서 설명한 모든 작업을 수행할 수 있으며 훨씬 더 많은 작업을 수행할 수 있습니다.

구현하기는 간단하지만 기능은 복잡하므로 AP 프로세스를 실제로 강화하고 워크로드를 보다 효율적으로 확장하려는 사람들에게 이상적인 출발점입니다. 오늘 연락하세요 이 AI 플랫폼이 귀하의 AP 기능을 위해 무엇을 할 수 있는지 무료로 시연해 보십시오.

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• EVM 금융. 탈중앙화 금융을 위한 통합 인터페이스. 여기에서 액세스하십시오.
• 퀀텀미디어그룹. IR/PR 증폭. 여기에서 액세스하십시오.
• PlatoAiStream. Web3 데이터 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 출처: https://nanonets.com/blog/how-ai-will-transform-accounts-payable/