Automatizácia, ktorá rozumie číslam
Kategorizácia výdavkov riadená umelou inteligenciou prináša presnosť a šetrí čas finančným tímom po celom svete.
Tisíc transakcií mesačne
Priemerný objem spracovaných položiek v systémoch našich klientov s automatickým rozpoznávaním kategórií.
Sekúnd na kontrolu
Čas potrebný na overenie kategorizácie jednej výdavkovej položky po implementácii AI riešenia.
Vznik spoločnosti
Začali sme vyvíjať inteligentné nástroje pre účtovné systémy a finančnú správu.
Percent presnosti
Úspešnosť automatického priraďovania kategórií u opakujúcich sa dodávateľov po prvých troch mesiacoch používania.
Prečo presnosť závisí od kontextu
Kategorizácia nie je o jednoduchom priraďovaní kľúčových slov. Skutočná presnosť prichádza, keď systém pochopí história nákupov, zmeny u dodávateľov a zmeny v pravidlách klienta. Videli sme systémy, ktoré fungovali skvele s jedným typom podnikania, ale zlyhávali pri inom.
Ako funguje inteligentné priraďovanie kategórií
Analýza historických údajov
Systém študuje minulé transakcie, hľadá vzory v názvoch dodávateľov, súmach a časových intervaloch. Učí sa z každej položky, ktorú vaši účtovníci overili.
Prispôsobenie firemným pravidlám
Každá spoločnosť má špecifické požiadavky na účtovné kategórie. Náš systém sa prispôsobuje vašej štruktúre a učí sa vaše výnimky a rozhodnutia.
Automatické spracovanie s overením
Nové transakcie sa kategorizujú automaticky, ale nejasné prípady označujeme na manuálne posúdenie. Pri každom overení sa systém učí a zlepšuje.
Čo ovplyvňuje presnosť kategorizácie
Názvy dodávateľov musia byť konzistentné. Ak jeden dodávateľ vystupuje pod siedmimi rôznymi názvami, systém potrebuje čas naučiť sa, že ide o toho istého.
Import z banky niekedy obsahuje skrátené názvy alebo kódy. To zhoršuje rozpoznávanie. Dobre štruktúrovaný číselník dodávateľov výrazne zvyšuje úspešnosť.
Kristína Blažeková, implementačný špecialista
Systém potrebuje aspoň 218 overených transakcií na to, aby dokázal spoľahlivo rozpoznávať kategórie. Čím viac údajov, tým lepšie výsledky.
Klienti so sezónnym podnikaním môžu vidieť pokles presnosti počas mesiacov s atypickými transakciami. Model musí vidieť každú situáciu minimálne niekoľkokrát.
Keď firma zmení spôsob, akým klasifikuje výdavky, systém to musí znova naučiť. To môže trvať jeden až dva mesiace, kým sa presnosť vráti na pôvodnú úroveň.
Odporúčame zaviesť novú kategóriu postupne a pravidelne kontrolovať výsledky. Model sa adaptuje rýchlejšie s konzistentnou spätnou väzbou.