Millora del programari financer i comptable amb IA

Les entrevistes realitzades per Forrester suggereixen que la intel·ligència artificial (IA) encara no ha ajudat a transformar les finances, però està avançant ràpidament en algunes àrees.

Procure-to-pay (P2P), per exemple, utilitza el processament del llenguatge natural (NLP) i l’aprenentatge automàtic (ML) i ha mostrat rendiments immediats, mentre que les analítiques de comanda a cobrament i d’auditoria mostren beneficis a curt termini de la IA. A més, l’anàlisi predictiva pot augmentar els informes bàsics d’intel·ligència empresarial (BI) per a la planificació financera.

Quatre maneres en què la IA potencia les finances i la comptabilitat

L’anàlisi d’auditoria, la compra per pagar, l’ordre a l’efectiu i la planificació financera són quatre processos financers i comptables (F&A) on ja existeix la tecnologia d’IA necessària per elevar el procés. També hi ha una comunitat activa de proveïdors de tecnologia i les referències de clients indiquen un gran progrés. Forrester dóna a aquests quatre casos d’ús puntuacions fortes per a l’adopció, com ara una bretxa d’habilitats manejables, dades estables i resultats empresarials clars.

analítiques d’auditoria

Començant amb l’anàlisi d’auditoria, els auditors solen passar massa temps enterrats en llistes de verificació de compliment i creant informes que poca gent llegeix, amb poc temps per buscar anomalies en cada transacció. En lloc de mostrejar manualment els punts de dades, Forrester diu que s’utilitza l’aprenentatge automàtic per a l’avaluació del risc de les transaccions.

L’associació de la indústria basada en membres de l’American Institute of Certified Public Accountants (AICPA) està desenvolupant orientacions per a ML a la funció d’auditoria. Proveïdors de suport d’auditoria madurs com Thomson Reuters i Wolters Kluwer, així com empreses emergents com Caseworks Cloud i MindBridge, estan incorporant IA a les seves plataformes d’auditoria.

La preparació tecnològica és alta, amb ML madur, mentre que l’extracció de NLP posa en joc contingut no estructurat, com ara el correu electrònic. El perfil d’adopció també és fort, amb pocs problemes de govern, un alt valor empresarial i un fort potencial disruptiu. No obstant això, la formació d’auditors en aspectes d’ML exposa una bretxa d’habilitats actual.

Arribar a pagar

En analitzar el procés de procure-to-pay (P2P), Forrester va trobar que P2P pot aprofitar l’ML per estandarditzar i analitzar les dades de despeses, contractes, mercats i proveïdors. La BI augmentada pot aïllar els pagaments que abans van comportar penalitzacions per retard de pagament i pot ecloure excepcions de factura, classificar la despesa en categories per fer-ne un seguiment, incorporar nous proveïdors més ràpidament i detectar automàticament el frau.

Una àrea destacada és el processament de factures, on els patrons de captura de nivell 1, reconeixement òptic de caràcters (OCR) i automatització del flux de treball s’apliquen durant dècades. Les primeres solucions es basaven en plantilles, on les regles d’extracció s’alineaven amb una factura específica o una plantilla de comanda de compra. Els nous enfocaments utilitzen la PNL per proporcionar extracció sense plantilles i sense zones. Per garantir la qualitat de la digitalització, cada extracció es pot estampar amb un nivell de certesa.

ML pot manejar estructures de documents complexes més fàcilment, sense preconfiguració. La PNL i el ML tradicional són madurs, i proporcionen una puntuació de preparació tecnològica forta. El perfil d’adopció també és fort a causa d’un alt potencial d’interrupció i d’una combinació de dades estables de formularis i dades semiestructurats.

Comanda a cobrar

La comanda per cobrar és un altre candidat sense explotar per a l’automatització impulsada per IA. L’efectiu és l’element vital de la majoria d’empreses, però segueix sent desatès per les últimes pràctiques d’automatització, especialment en comparació amb P2P.

En la majoria dels casos, el programari d’automatització de factures de comptes a cobrar (AR) genera la factura del client en formats com CXML (XML de comerç), ebXML (XML comercial electrònic) i Edifact, i fa un seguiment de l’estat, mentre que F&A gestiona l’efectiu. Les solucions modernes de comanda a efectiu eleven el paper del professional de RA, ja que moltes tasques es passen a robots basats en IA que poden fer-se càrrec de les comunicacions per correu electrònic o crear una carta de cobrament basada en la classificació automàtica, les dades bàsiques del sistema i l’etapa de disputa.

Analytics controlarà les aplicacions d’efectiu. La IA impulsarà cicles de vida de pagament automatitzats, gestió de crèdits i previsió predictiva de remeses. El perfil d’adopció és fort a causa d’un resultat comercial clar, com ara la millora del rendiment de l’efectiu. El flux de treball i les decisions basats en regles comencen a donar pas als basats en IA, però el valor empresarial ara és moderat. La tecnologia està preparada avui, amb ML, automatització de processos robòtics (RPA) i anàlisi de text a punt per ajudar.

Planificació financera

Un quart cas d’ús, la planificació i l’anàlisi financera, comença a anar més enllà d’Excel. L’anàlisi financera té un gran potencial per al suport de l’IA, però la majoria dels departaments financers depenen d’Excel o dels informes bàsics de plataformes de proveïdors especialitzats.

Tanmateix, la planificació i previsió pressupostàries futures utilitzaran simulacions, optimització i modelització estadística basada en ML que vinculen l’estratègia corporativa amb l’execució. Un exemple és Vena Solutions, que ofereix un producte F&A orientat a Microsoft amb Power BI integrat per proporcionar un camí fàcil cap a l’anàlisi predictiva i l’aprenentatge automàtic (PAML).

Quatre àrees on la IA en finances i comptabilitat necessita més desenvolupament

analítica de contractes

L’anàlisi de contractes té un gran potencial en diversos casos d’ús. L’anàlisi de contractes no és una funció bàsica de les finances i la comptabilitat, però és d’interès creixent per als directors financers (CFO) i el seu personal.

L’ús principal de l’IA és automatitzar la importació i l’etiquetatge de metadades de contractes heretats i de tercers. Plataformes com ContractPodAI i Icertis i proveïdors especialitzats d’IA com Corticol.io estan incorporant funcions d’IA a la gestió del cicle de vida del contracte (CLM).

L’ML pot ajudar a avaluar els riscos i les anomalies dins de la cartera general de contractes, trobar contractes amb una redacció relacionada amb un tema o tema nou, com ara el Brexit o noves lleis fiscals, i alimentar CLM o altres plataformes d’automatització del flux de treball per donar suport als acords de nivell de servei (SLA) i altres termes i condicions. Forrester està veient avenços primerencs a l’hora de proporcionar chatbots per ajudar a muntar un esborrany de contracte.

El bloc principal de la IA és l’anàlisi de text, que proporciona una puntuació de preparació tecnològica de moderada a forta. La puntuació del perfil d’adopció de Forrester mostra un alt valor empresarial però resultats poc clars, i la varietat de formats de documents fa que les dades siguin menys que estables.

Conciliació de comptes

La IA també es pot utilitzar en la conciliació de comptes per resoldre problemes de dades. Moltes tasques de finances i comptabilitat requereixen dos o fins i tot tres conjunts de registres per estar d’acord, especialment quan els diners surten d’un compte bancari. Les despeses pagades per avançat, els deutes incobrables, els actius fixos, els comptes d’efectiu i les tasques de llibre major i subllibre són objectius típics a conciliar. Les transaccions que falten o s’han perdut, els comptes no conciliats o l’ús inadequat del roll-forward són habituals.

ML pot gestionar una gran varietat de fonts de dades estructurades en molts formats (CSV, XML, SQL o NoSQL) on pot “aprendre” les fonts de dades i els patrons, amb regles de control de dades en una ubicació central. La majoria de les conciliacions tracten només dues fonts de dades, però la IA pot ampliar-ho a diverses fonts. Els robots RPA ajuden a extreure dades, proporcionen suport per a l’entrada de dades i executen un procés d’aprovació.

En la conciliació de comptes, Forrester puntua la preparació tecnològica com a alta, però el perfil d’adopció és mitjà a causa de la poca estabilitat de les dades i el valor moderat de la interrupció i el negoci. La conciliació sovint és una funció subconjunta necessària del procés de tancament.

Tancament automatitzat

L’automatització de tancament mensual i trimestral es basa en el flux de treball bàsic. L’automatització del procés de tancament és la principal prioritat per a molts departaments de F&A. Un tancament ben gestionat és un signe d’una empresa ben gestionada. La transparència, la rapidesa, la precisió i el compliment dels terminis de presentació d’informes són les principals preocupacions. L’automatització propera s’ha d’integrar amb aplicacions empresarials, fulls de càlcul i diversos sistemes de comptabilitat per documentar les dades rellevants i identificar les incoherències.

La IA té el potencial de recopilar dades de diferents fonts, recopilar-les i combinar-les, accelerar el procés mensual i ser més precís. L’automatització es centra en llistes de verificació i tasques individuals, fent un seguiment del procés de tancament, els terminis i les aprovacions.

Forrester valora tancar els llibres amb una puntuació mitjana de preparació tecnològica però un alt perfil d’adopció, impulsat per un alt valor comercial i un potencial disruptiu, tot i que les adquisicions i les conversions del sistema bàsic fan que les dades siguin menys estables.

Gestió de despeses

Una altra àrea on es poden utilitzar la IA i l’automatització és la gestió de despeses. Forrester no ha vist un fort impuls per utilitzar formes avançades d’IA en aquesta àrea. L’automatització intel·ligent centrada en RPA ha estat la millora principal. Per exemple, una agència federal està utilitzant els robots RPA per auditar els detalls de la línia de comanda, que abans feien els humans. Quan els viatges tornin a augmentar, aquesta funció de back-office tornarà a ser un element bàsic de qualsevol empresa ben gestionada. Els principals actors del mercat com SAP Concur no han impulsat la IA, ni els directors financers que busquen eficiència o detecció d’anomalies.

Forrester puntua la preparació tecnològica per a l’ús de l’IA en la gestió de despeses com a alta a causa de la dependència dels robots RPA i el ML tradicional. No obstant això, malgrat els resultats clars, el perfil d’adopció és més baix a causa del baix valor comercial percebut, el potencial disruptiu mínim i les dades menys que estables.

En resum, Forrester assenyala que molts processos financers i comptables estan plens de variacions innecessàries. La IA funciona millor contra accions estàndard i repetibles. Però són habituals els passos addicionals del procés, el comportament fora de línia, els fulls de càlcul delinqüents i les dreceres personals. Aquesta manca d’estandardització de les tasques entre les empreses impedeix als proveïdors de programari crear IA orientada i fàcil d’implementar per als processos financers i comptables.


Aquest article es basa en un fragment de l’informe “AI en finances i comptabilitat” de Forrester. Craig Le Clair és vicepresident i analista principal de Forrester.

Leave a Comment

Your email address will not be published. Required fields are marked *