Käytämme evästeitä mahdollisimman turvallisen ja tehokkaan käyttökokemuksen takaamiseksi.

Miten P2P-järjestelmän tekoäly seuraavaksi kehittyy?

maanantai 23. elokuuta 2021

5 min lukuaika

Miten P2P-järjestelmän tekoäly seuraavaksi kehittyy

Tekoäly on jo nyt läsnä modernissa P2P-järjestelmässä, vaikka käyttäjä ei välttämättä tule ajatelleeksi asiaa. Tulevaisuudessa sen rooli osana hankinnasta maksuun -prosessia vahvistuu entisestään, sillä datan määrän kasvu lisää tarvetta uusille tekoälyinnovaatioille.

 

Keskustelin aiheesta Jari Paanasen ja Olav Maasin kanssa keväällä järjestetyssä Basware’s Magic of Transparency - virtuaalitapahtumassa. Keskustelussa käsittelyyn otettiin muutama vuosi sitten markkinoille tuotu Smart PDF -palvelu sekä loppuvuodesta 2021 asiakkaidemme kokeiltavaksi tuleva SmartCoding. Molemmat hyödyntävät koneoppimista. 

Annan kaksi vinkkiä, joilla on huomattava vaikutus laskujen automaatioasteen nostamiseen. Vinkki yksi: Muunna PDF-laskun tiedot digitaaliseen muotoon

Smart PDF poimii P2P-järjestelmään saapuneesta PDF-laskusta kaikki laskutiedot digitaaliseen muotoon. Sen hyödyntämä koneoppimismalli perustuu tutkimusraporttiin, jossa esitelty tekoälymalli seuloi syöpäkasvaimia MRI-kuvista. Huomasimme Baswarella hyvin samanlaisen mallin soveltuvan erinomaisesti laskujen tietokenttien tunnistamiseen ja läpikäyntiin. 

Malli selittää harvakseltaan eteen tulleita haasteita. Suurempi ongelma on ollut saatavilla oleva opetusdata. Kahdeksankymmentä prosenttia haasteista on johtunut opetusdatan laadun puutteesta. Kuten tiedämme, laadukas opetusdata on lähtökohtana luotettavalle tekoälylle. Tätäkin ongelmaa aiotaan seuraavaksi taklata tekoälyllä, tarkemmin sanottuna ohjaamattomalla oppimisella. Tavoitteena on löytää nopea tapa nostaa Smart PDF:n koneoppimisalgoritmin hyödyntämän opetusdatan laatua. 

Vinkki kaksi: Tuo tehokkuutta PO-numeroimattomien ostolaskujen käsittelyyn

SmartCodingia on kehitetty PO-numeroimattomien ostolaskujen käsittelyyn. Koneoppimista hyödyntäen palvelu etsii ostolaskuilta puuttuvat tiedot. Yrityksen laskuhistoriaa ja talousdataa analysoimalla se tekee ehdotuksen siitä, kenelle lasku lähetetään hyväksyttäväksi.  

Aluksi käyttäjän on hyvä validoida tekoälyn ehdotus. Ihmisen tekemien korjausten perusteella SmartCoding oppii tekemään tarkempia ehdotuksia. Lopulta käyttäjän väliintuloa tarvitaan yhä harvemmin. Manuaalisen työn väheneminen tarkoittaa ostolaskujen käsittelyn nopeutumista ja merkittäviä kustannussäästöjä. 

Miten Smart PDF ja SmartCoding voivat auttaa yritystäsi? Entä mikä voisi olla seuraava innovaatio P2P-järjestelmän tekoälyn saralla? Katso Erjantin, Paanasen ja Maasin keskustelu kokonaisuudessaan verkkosivuiltamme.