Als je denkt aan Accounts Payable (AP), gaat je innovatiehart wellicht niet meteen sneller kloppen. Toch doe je er volgens Basware goed aan om hier wel degelijk eens goed naar te kijken. Wat bedoelt het bedrijf hiermee? Dat zoeken we uit in dit artikel.
Accounts Payable zal voor veel organisaties op dit moment geen onderdeel zijn van de core-processen. Het verwerken van facturen wordt doorgaans gezien als een noodzakelijk kwaad en een kostenpost. Dat is niet terecht, vinden ze bij Basware. Accounts Payable levert ook veel data op, als je het goed inricht. Deze data bevat dan weer veel nuttige informatie. Je kunt er je organisatie niet alleen efficiënter mee laten opereren, maar er ook andere interessante inzichten mee verkrijgen. Zeker als je hier een zekere mate van ML en AI voor inzet. In gesprek met Kris Vanhoutte, pre-sales consultant bij Basware, gaan we hier dieper op in.
De AP-flow
Het Basware-platform houdt zich bezig met de volledige reis binnen de source to pay wereld. Het selecteert allereerst de juiste leverancier bij het plaatsen van de bestelling. Het handelt daarna het ontvangen van de goederen of diensten af en verwerkt tot slot de factuur. Vanhoutte noemt deze reis de AP-flow. Deze bestaat allereerst uit het ontvangen van de factuur. Dat kan op papier plaatsvinden, iets wat (gelukkig) steeds minder voorkomt. Het kan echter ook via PDF, of zelfs als e-invoice. In dat laatste geval lopen de facturen uit het ERP-systeem van de leverancier over netwerken zoals dat van Basware tot in het accounts payable systeem van de klant.
Met alleen het ‘vertalen’ van de facturen in data en beeld ben je er over het algemeen nog niet. Vervolgens gaan deze onderdelen het interne AP-proces in. Dat is waar het echte werk begint voor Basware, geeft Vanhoutte aan. Het bedrijf heeft een SaaS-oplossing ontwikkeld om aan de slag te kunnen gaan met de data uit de facturen. Niet iedere factuur moet immers op een identieke manier behandeld worden. Sommige hebben een PO, andere juist weer niet, weer andere facturen zijn iedere maand hetzelfde. Het idee is om de verwerking van de facturen zoveel mogelijk te automatiseren. Zo verlos je AP medewerkers van herhalende taken. Die kunnen zich concentreren op belangrijker taken.
Het Basware-platform houdt zich bezig met de volledige reis binnen de source to pay wereld.
Als het interne AP-proces is afgerond, komen we uit bij de derde stap in de AP-flow. Dat is het eindstation. Hier wordt het eindresultaat over het algemeen gekoppeld aan het ERP-systeem of de boekhouding.
Weg van bakjes en OCR met AI/ML
We kennen allemaal waarschijnlijk wel het beeld van de bakjes op het bureau van de mensen die zich bezighouden met facturen. Inkomend, uitgaand, betaald, opvolgen, en ga zo maar door. Je moest alles manueel doen. Dit begon bij het openen van de enveloppen waar de vaak papieren facturen inzaten. Daarnaast was er het handmatig inkloppen van de data in een systeem, waarna ook het hele interne AP-proces handmatig verderging. Automatiseren is dus noodzakelijk om dit te verbeteren.
Een van de beproefde manieren om niet meer handmatig informatie uit facturen over te hoeven nemen, is OCR. De standaard variant van OCR is echter niet bijster goed, geeft Vanhoutte aan. Basware heeft hier weliswaar verbeteringen in aangebracht, maar het blijft behelpen. Vandaar dat Basware SmartPDF heeft ontwikkeld. Heel veel facturen komen immers in PDF-vorm. 80 procent daarvan is machine readable. Daar hoef je geen OCR voor te gebruiken. Ook hier zien ze echter dat het niet evident is dat alles er goed uitgehaald wordt. De layout van facturen is bijvoorbeeld vaak ERP-gebonden. Vandaar dat men daar AI/ML voor inzet. Deze controleert aan de hand van verschillende variabelen wat er nu eigenlijk echt staat. Daarna zet het de correcte data automatisch door naar een volgende stap in het AP-proces.
Van ML naar AI
Als we vragen in hoeverre bovenstaande nu AI is, geeft Vanhoutte meteen toe dat ze binnen Accounts Payable nu nog vooral ML inzetten. Zo worden onder andere niet-voorziene extra kosten (transport, verpakking, etc.) die op de factuur staan automatisch gedetecteerd en verwerkt. Dit is vooral een rule-based exercitie. Je zou haast zeggen dat het meer op RPA lijkt dan op Machine Learning.
Wil je verder richting AI, dan zul je de rule-based-benadering grotendeels los moeten laten en de modellen moeten trainen om slimmer aan de slag te gaan. Als voorbeeld haalt Vanhoutte hier het bijhouden van een spend plan aan. Deze zijn in het algemeen erg nuttig aangezien ze het mogelijk maken om facturen die niet zijn gerelateerd aan bestellingen onder controle te houden, maar deze toch ook automatisch te verwerken. De crux zit hem in het herkennen van dat type facturen en daar bij voorkeur meteen zo’n spend plan voor aan te maken. Basware kan dit bieden door patronen te herkennen in historische factuurdata.
Het trainen van de ML-modellen die Basware nu al inzet, vindt overigens plaats op basis van alleen de data van de klant waar het model is ingezet.
Met een rule-based ML-benadering kun je prima een begin maken met het geautomatiseerd duidelijk categoriseren van de facturen. Veel sterker zou het echter zijn als een AI dit zelf kon beslissen, zonder vooraf aangegeven regels, geeft Vanhoutte aan. Dat is waar Basware op dit moment vol op inzet. Het idee is dat een AI voorstellen gaat geven voor de codering van facturen, met een bepaalde mate van zekerheid. Dit moet zeker in grote organisaties met veel binnenkomende facturen een stuk meer duidelijkheid scheppen. Daarnaast speelt het medewerkers vrij om zich met andere zaken bezig te gaan houden.
Het trainen van de ML-modellen die Basware nu al inzet, vindt overigens plaats op basis van alleen de data van de klant waar het model is ingezet. Hiervoor is in eerste instantie gekozen door Basware, vanwege het unieke karakter van de klantendata op het gebied van AP. Er zijn wel ideeën om dit ruimer te trekken en modellen te trainen op meer algemene Basware-data, geeft hij desgevraagd aan. Vooral voor zoiets als categorisatie kan het zeker interessant zijn. Denk bijvoorbeeld aan een organisatie die is gestandaardiseerd op Dell-apparatuur, maar waarin iemand dan toch een Mac aangeschaft. De bijhorende factuur van Apple kan door die categorisatie automatisch herkend en verwerkt worden als IT factuur waardoor de IT budget beheerder automatisch een volledig zicht krijgt op alle kosten, zonder manuele tussenkomst.
Datagedreven inzichten
Het automatiseren van processen zoals Accounts Payable heeft in eerste instantie uiteraard als gevolg dat je veel minder manueel hoeft te doen. Dat is op zich al een voordeel, omdat je daar veel minder tijd aan kwijt bent. Tijd die je elders in je organisatie in andere dingen kunt stoppen.
Volgens Vanhoutte kun je met de data die je door deze automatisering vergaart, echter nog meer bewerkstelligen. Deze middels ML/AI vergaarde data geeft je namelijk ook andere inzichten, stelt hij. Zo kun je hiermee verbeteringen detecteren in het proces als geheel. Als een geautomatiseerd proces telkens vastloopt op hetzelfde punt, dan is dat een teken dat daar nog iets verbeterd kan en moet worden. Daarnaast kun je met de vergaarde data nu ook een stuk eenvoudiger inzichten verschaffen aan hoger management. Denk hierbij aan financiële rapportages, die je nu met een druk op de knop kunt genereren.
Bij bovenstaande inzichten zit nog altijd een zekere mate van menselijke interactie. Vanhoutte geeft echter aan dat Basware in een volgende stap die beslissingen nog meer zal ondersteunen, door vanuit die inzichten zelf mogelijke optimalisaties voor te leggen. Op dit moment is er al een relatief hoge automatiseringsgraad op het gebied van factuurverwerking bij hun klanten, geeft hij aan. Met de oplossingen van Basware moet je dat dankzij ML en steeds meer ook met AI nog efficiënter in kunnen gaan richten, zonder dat je daarbij aan controle inboet. Er is voor Basware kortom nog voldoende om aan te werken binnen hun toch al goed aangeschreven oplossingen. We zullen de ontwikkelingen dan ook op de voet blijven volgen.