Ohjelmistorobotiikka (RPA) ja tekoäly raivaavat koko ajan enemmän jalansijaa taloushallinnossa. Kehityksen ajurina on toiminut ennen kaikkea ohjelmistorobotiikan rikastaminen tekoälyllä. Sen seurauksena on mahdollistunut entistä monimutkaisempien talousprosessien automatisointi.

Forresterin Principal Analyst Dr. Bernhard Schaffrik puhui talousprosessien automatisoinnin mahdollisuuksista EBG Networkin ja Baswaren järjestämässä webinaarissa.

– Tällä hetkellä jo 75 prosenttia RPA-ratkaisujen toimittajista on integroinut tuotteeseensa valmiudet esimerkiksi jäsenneltyjen dokumenttien ja sähköpostien käsittelyyn. Tämä mahdollistaa yhä useamman prosessin automatisoinnin. Lisäksi lähes yhtä moni tarjoaa datan läpikäyntiin louhintakyvykkyyksiä, jotka helpottavat sovelluksen käyttäjien toiminnan tai päästä-päähän-prosessin ymmärtämistä, hän kertoi .

Tekoälyn hyödyntäminen kiinnostaa yrityksiä lukuisista eri syistä. Schaffrik nosti esiin kasvavan tehokkuuden lisäksi muun muassa paremman asiakaspalvelun tai liikevaihdon kasvun tavoittelun.

Hänen mukaansa uudet teknologiat tuovat huomattavaa lisäarvoa esimerkiksi kirjanpidon eri vaiheisiin, kuukausittaiseen raportointiin ja hankintaan. Toisaalta esimerkiksi veroraportoinnissa hyödyt jäävät matalammaksi, eikä niitä ole helppo havaita. 

Pääviesti talousprosessien automatisointi suunnitteleville yrityksille oli selkeä: prosessi tulee ymmärtää mahdollisimman hyvin ennen automatisoinnin aloittamista, sillä “heikkojen prosessien automatisointi johtaa heikkoon automaatioon”. 

Kyse ei ole myöskään pikamatkasta.

– Automatisointi ei ole kertaluontoinen muutos, vaan jatkuva toimenpide, sillä ajan kuluessa prosessit ja teknologiat kehittyvät. Laaja prosessien automatisointi vaatii koko organisaation työpanosta ja halua kehittää yrityksen omaa DNA:ta, Schaffrik sanoi. 

Monta sudenkuoppaa

Uuden teknologian käyttöönottoon liittyy aina sudenkuoppansa. Schaffrik varoitti lankeamasta uskomukseen, että kaikki automatisointi olisi liiketoiminnalle hyvästä. Esityksensä aikana hän nimesi keskeisiä haasteita, joihin tekoälystä tai ohjelmistorobotiikasta kiinnostunut yritys voi törmätä.

– Mitä enemmän prosesseja automatisoidaan, sitä kiinnostavammaksi yritys kyberrikollisten silmissä kasvaa. Jokaisen automatisointiin investoivan yrityksen tulee samalla investoida tietoturvaan ja siihen liittyvään henkilöstön kouluttamiseen, Schaffrik painotti. 

Tekoälyyn liittyy riski siitä, että se alkaa heijastaa kehityksestä vastanneiden ihmisten omia ennakkoluuloja tai vääriä käsityksiä. Puutteellisella datalla koulutettu tekoäly myös toimii puutteellisesti. Pahimmassa tapauksessa väärät johtopäätökset voivat johtaa jopa mainehaittaan. 

– Panostakaa tekoälyn testaukseen.

Schaffrik uskoo, että prosessien automatisointia jarruttavat myös ERP-markkinat, jotka saavat osan yrityksistä arkailemaan ensimmäisten kokeilujen tekemistä.

– Usein yrityksissä ajatellaan, että automatisoinnin voi aloittaa vasta kun ERP-järjestelmää on paranneltu riittävästi. Kehotan näitä yrityksiä aina lopettamaan odottelun ja aloittamaan heti. Suosittelen myös aluksi luottamaan kevyempiin työkaluihin, joihin ei liity isoja investointeja. 

Avuksi ennustava analytiikka

Schaffrikin lisäksi webinaarissa ääneen pääsi Baswaren Global Business Director Magnus Bergfors. Juuri ennen hänen puheenvuoroa yleisöltä oli kysytty, mikä on heidän mielestään oman yrityksen isoin haaste uuden teknologian käyttöönotossa. Lähes 30 prosenttia mainitsi datan laadun. Bergfors tarttui heti kättelyssä aiheeseen.

.– Laadukkaasta datasta saadaan johdettua parempia päätöksiä. Ratkaisumme avulla sähköisistä laskuista saadaan kaikki data talteen. Kun prosessia hallitaan yhdellä joustavalla ja automatisoidulla ratkaisulla, ei ole edes tarpeen hankkia erillisiä ohjelmistorobotteja, hän sanoi.

Myös talousammattilaisten hyödyntämät analytiikkatyökalut muuttuvat koko ajan älykkäämmäksi. 

.– Ennustava analytiikka hyödyntää yrityksen nykytilasta kertovaa dataa ja historiatietoa tulevaisuuden kehityssuuntien ennustamisessa. Näin voidaan luoda kuva esimerkiksi siitä, mitkä laskut todennäköisesti tullaan maksamaan myöhässä. 

Analytiikkatyökalujen evoluutio kulminoituu ohjailevaan analytiikkaan, jossa ennustuksia hyödynnetään käyttäjälle suunnattujen toimenpide-ehdotusten tekemiseen.

.– Järjestelmä osaa esimerkiksi kertoa, mitkä laskuista ovat toistuvia ja suositella niiden varhaista maksamista, Bergfors päätti.