A könyvelés automatizálás ma két helyen hoz mérhető eredményt: az adatbevitelnél és a párosításnál. Egy bejövő szállítói számláról az AI kiolvassa a tételeket, összeveti a megrendeléssel, és ha minden egyezik, továbbadja. Ez az a munka, amit eddig valaki begépelt. Naponta. Órákon át.

Amit ma nem érdemes gépre bízni, az a minősítés és a döntés. Hogy egy tétel költség-e vagy beruházás, hogy egy szerződés hogyan viselkedik adózásilag, hogy egy szokatlan tranzakció mögött mi van. Ott a hibának ára van, és a gép nem tudja megvédeni magát egy ellenőrzésen.

A kettő közötti határt egyetlen tervezési elv húzza meg, és mivel a bevezetések sikere vagy kudarca szinte mindig ezen az egy elven múlik, erről szól ennek a cikknek a fele. Egy mondat lesz.

Mi az, amit ma tényleg jól csinál a gép

  • Adatkinyerés dokumentumból. Számlaszám, dátum, összeg, ÁFA-kulcs, partner, tételsorok. Vegyes formátumokból is: PDF, szkennelt kép, e-mail melléklet.
  • Partnerazonosítás. Az adószám vagy a név alapján megtalálja, melyik partnerről van szó, akkor is, ha a név nem betűre egyezik a törzsadattal.
  • Megrendelés-párosítás. Összeveti a számla tételeit a korábbi megrendeléssel, és jelzi, ha eltérés van mennyiségben vagy árban.
  • Duplikátum-szűrés. Észreveszi, ha ugyanaz a számla kétszer érkezett be, más néven vagy más csatornán.
  • Formai ellenőrzés. Hiányzó kötelező adat, értelmetlen dátum, összeadási hiba a tételek és a végösszeg között.

Ezek mind olyan feladatok, ahol létezik objektíven helyes válasz, és ellenőrizhető, hogy a gép eltalálta-e. Ez a kulcs. Semmi több.

Mi az, amit NEM szabad rábízni

  • Számviteli minősítés. Hogy egy kiadás melyik főkönyvi számra megy, az szabályértelmezés, nem mintafelismerés. A gép javasolhatja, de a döntés maradjon emberé.
  • Adójogi megítélés. Fordított adózás, alanyi mentesség, közösségi ügylet, arányosítás. Egy nyelvi modell magabiztosan mond helytelen választ is.
  • Kivételek elbírálása. Pont az a helyzet, ami eltér a szokásostól, az érdemli a legtöbb emberi figyelmet, és pont azon a legrosszabb a gép.
  • Bármi, aminek jogi következménye van, felülvizsgálat nélkül. Ha egy döntést egy ellenőrzésen meg kell védeni, akkor kell egy ember, aki meghozta.

Aki azt ígéri, hogy az AI mindenestől leveszi a válladról a könyvelést, a felelősséggel, a minősítéssel és az ellenőrzésen való helytállással együtt, az vagy nem csinálta még, vagy nem mondja el a teljes képet. Egyik sem jó jel.

A küszöb-elv: csak a biztos találat megy át

Ez a gyakorlatban így néz ki. Minden kinyert mezőhöz tartozik egy megbízhatósági érték, a rendszernek pedig van egy küszöbe, ami fölött elhiszi a saját olvasatát, alatta pedig nem. Ami a küszöb felett van és minden ellenőrzésen átmegy, az automatikusan halad tovább. Ami alatta van, vagy bármelyik ellenőrzésen elhasal, az emberi jóváhagyásra kerül, kiemelve, hogy pontosan melyik mező bizonytalan.

Ennek három következménye van, és mind a három üzletileg fontos:

  1. 1. A hiba iránya kontrollált. A rendszer inkább kérdez, mint hogy tévedjen. Egy fölöslegesen emberhez küldött számla bosszantó. Egy rosszul lekönyvelt számla, amit senki nem nézett meg, drága.
  2. 2. A bevezetés mérhető. Az első hetekben minden átmegy emberi kézen, és közben mérhető, hogy a gép mit talált volna el. A küszöböt utána lehet beállítani, adat alapján, nem érzésre.
  3. 3. A rendszer tanul, de nem magától. A javított esetekből lesz a következő kör mintája, és a javítást ember hagyja jóvá.

Ha egy ajánlatban nincs benne, hogy mi történik a bizonytalan esetekkel, akkor abban az ajánlatban nincs benne a nehezebbik fele.

Hogyan néz ki élesben

Ez nem elmélet. Az entsorgo platformon, ami egy német hulladékkezelési vállalatirányítási rendszer, a bejövő szállítói számlákat mesterséges intelligencia olvassa ki és párosítja a megrendeléshez. A rendszer 2016 óta él, az AI-alapú számlafeldolgozás azóta került bele. Ember csak a bizonytalan eseteknél dönt.

Amit a bevezetés során megtanultam:

  • A nehézséget nem az adatkinyerés adja, hanem az eltéréskezelés. Kiolvasni a számlát viszonylag könnyű. Eldönteni, hogy a 3 százalékos ártérés elfogadható-e, vagy hogy a mennyiségi eltérés mögött részszállítás áll, az a valódi munka.
  • A törzsadat minősége határozza meg az eredményt. Ha a partnertörzs rendetlen, a párosítás rossz lesz, bármilyen modellt teszel mögé. Sok projektben az első valódi lépés az adattisztítás.
  • A bevezetés valódi ideje a mérésen múlik. Az a szakasz, amikor valós számlákon mérjük, hogy mit talál el a rendszer, nem kihagyható. Ez adja meg, hol legyen a küszöb, és ez adja meg az őszinte választ arra, hogy megéri-e egyáltalán.

Erről a folyamatról az AI számlafeldolgozás cikkben írtam részletesen, ha érdekel a technikai része.

Könyvelőirodáknak: hol a határ

Könyvelőirodaként a kérdés nem az, hogy kiváltja-e az AI a munkádat, hanem hogy melyik munkádat éri meg megtartani.

Az adatrögzítés kiszervezhető gépre. Ez ma már nem verseny-előny, hanem alapelvárás lesz. Amiért az ügyfél fizet, az a minősítés, a tanácsadás és a felelősségvállalás, és ezekből egyik sem automatizálható.

Amire figyelj: az adatkezelés kerete. Ha ügyféladat megy egy külső szolgáltatóhoz, akkor GDPR-szempontból tisztázni kell, hova megy, meddig tárolják, és felhasználják-e tanításra. Ez nem formalitás, hanem az első kérdés, amit egy komolyabb ügyfél fel fog tenni neked.

Gyakori kérdések

Mennyibe kerül egy AI számlafeldolgozó rendszer bevezetése?

Attól függ, hány rendszerrel kell összekötni és mennyire rendezett a törzsadat. Egyetlen felelős válasz létezik: előbb egy felmérés és egy mérés valós számlákon, utána ár. Aki felmérés nélkül mond számot, az vagy sablont árul, vagy meg fogja emelni menet közben.

Mennyivel pontosabb az AI, mint egy ember?

Ezt a kérdést érdemes megfordítani. Egy figyelmes ember pontosabb, csak lassabb és drágább. Az AI értéke a sebesség és az, hogy a rutinesetek nem kötik le a figyelmet. A piacon keringő pontossági százalékok szinte mind gyártói anyagból származnak, ezért én nem ismétlem őket tényként.

Kiváltja az AI a könyvelőt?

Nem. Az adatbevitelt váltja ki. A minősítés, az adójogi megítélés és a felelősségvállalás emberi marad, mert ezeket egy ellenőrzésen meg kell tudni védeni. Aki mást ígér, az nem vezetett még be ilyen rendszert éles környezetben.

Mi történik, ha a rendszer téved?

Jól tervezett rendszerben ritkán téved csendben, mert a bizonytalan eseteket emberhez küldi. A maradék kockázatot a jóváhagyási folyamat és a naplózás kezeli: minden automatikus döntés visszakereshető, ki vagy mi hozta, és mi alapján.

Kell hozzá NAV Online Számla integráció?

A bejövő számlák feldolgozásához nem közvetlenül, de a NAV Online Számla adatai jó ellenőrzési pontot adnak: össze lehet vetni velük, amit a rendszer kiolvasott. A kimenő oldalon viszont az adatszolgáltatás kötelező, arról a NAV-integrációs útmutatóban írtam.

Mit kezdjek a papíralapú számlákkal?

Ugyanaz a folyamat, egy szkennelési lépéssel megtoldva. A minőség számít: egy rossz szkennből rossz adat lesz. A gyakorlatban a papíralapú tételek aránya az, ami eldönti, hogy megéri-e a bevezetés, ezért ezt érdemes megszámolni, mielőtt bármit megrendelsz.

Ha kíváncsi vagy, a te számláid mennyire alkalmasak automatizálásra, nézd meg az AI számlafeldolgozás szolgáltatásunkat, vagy írj nekünk. Az első lépés mindig mérés valós számlákon, nem ígéret.