Het toewijzen van boekhoudkundige gegevens zoals leveranciers, grootboekrekeningen, btw-tarieven, kostenplaatsen, kostendragers en andere dimensies aan transacties, facturen en declaraties verloopt in elke organisatie volgens verschillende regels, patronen en werkwijzen.
AI Pre-Accounting voert automatisch de voorcodering uit voor het merendeel van je transacties en facturen ā en voor zakelijke uitgaven in de module Declaraties.
Dit is hoe het werkt:
Leren van je gegevens
AI Pre-Accounting controleert de boekhoudkundige kenmerken die je toewijst bij het exporteren van uitgaven. Die eerdere toewijzingen vormen de basis voor het leren van de codes die jouw organisatie gebruikt voor uitgaven.
Een AI-model bouwen voor je organisatie š¤
Zodra je je eerste 150 transacties, 25 facturen of 25 zakelijke uitgaven (Declaraties) hebt geƫxporteerd, trainen we automatisch een AI-model dat specifiek is voor je organisatie en het uitgaventype, op basis van je gegevens. Het model analyseert hoe grootboekrekeningen, btw-tarieven en andere dimensies eerder zijn toegewezen en gebruikt die patronen om de juiste boekhoudkundige gegevens voor toekomstige items te voorspellen.
Voorspelling met AI š¤
Voor alle toekomstige transacties, facturen en declaraties probeert het model de btw, de grootboekrekening en andere gegevens te voorspellen. De voorspellingen zijn gebaseerd op waarschijnlijkheid: als de betrouwbaarheid van een bepaalde waarde onder de minimumdrempel zakt, wordt het veld leeg gelaten. Zo wordt het risico op verkeerde toewijzingen verkleind.
Als er meerdere opties met een hogere waarschijnlijkheid zijn, toont AI Pre-Accounting maximaal vijf suggesties in de dropdownmenu's. Deze worden bovenaan vastgezet, zodat boekhouders snel de juiste waarde kunnen kiezen zonder de volledige lijst te hoeven doorlopen. Als geen enkele suggestie aan de minimale betrouwbaarheidsdrempel voldoet, worden er geen suggesties in het dropdownmenu getoond en blijven de velden leeg voor handmatige invoer.
Uit onze interne gegevens blijkt dat AI Pre-Accounting vaker de juiste boekhoudkundige kenmerken toekent dan statische regelsets. Daarom raden we je aan om in de instellingen de optie āAI Pre-Accounting overschrijft regelsā in te schakelen, zodat de beste voorspelling(en) voorrang krijgen. Standaard geldt āregels eerstā, dus de regels blijven de norm totdat je dat instelt.
Zelfstandig leren met AI š¤:
De agent verbetert zich voortdurend via een feedbackloop. Als hij een onjuiste voorspelling doet, kan je die corrigeren en zal de Agent daarvan leren. Telkens wanneer je transacties, facturen of declaraties exporteert, wordt een bijgewerkt model (her)opgebouwd dat je eerdere correcties en de nieuwste geƫxporteerde gegevens bevat.
Als je een specifieke grootboekrekening, btw-tarief of andere waarde verwijdert, bouwen we het model opnieuw, zodat die waarden niet meer worden voorspeld.
Welke uitgaventypes worden ondersteund en welke velden kunnen worden voorspeld?
Kaarttransacties
Velden die voorspeld kunnen worden: grootboekrekening, btw-tarief, kostenplaats, kostendrager, aangepaste dimensies (indien geconfigureerd), leverancier.
Facturen
Velden die voorspeld kunnen worden: grootboekrekening, btw-tarief, kostenplaats, kostendrager, aangepaste dimensies (indien geconfigureerd), boekingstekst.
Declaraties (alleen zakelijke uitgaven)
Velden die voorspeld kunnen worden: grootboekrekening, btw-tarief, kostenplaats, kostendrager, aangepaste dimensies (indien geconfigureerd).
Voorspellingen met een lage betrouwbaarheid
Als AI Pre-Accounting minder zeker is over een voorspelling, wordt het veld geel gemarkeerd. Dit betekent dat de waarde al is ingevuld, maar onder de drempel voor hoge betrouwbaarheid ligt. Kijk dit nog even na voordat je bevestigt.
Gele suggesties werken net als elke andere vooraf ingevulde waarde: je kunt ze zo overnemen, aanpassen of wissen. Als je een gele suggestie corrigeert, leert AI Pre-Accounting van die correctie en wordt het systeem in de loop van de tijd steeds beter.
Als het betrouwbaarheidsniveau zelfs voor een gele voorspelling te laag is, blijft het veld leeg en worden er in plaats daarvan suggesties in het dropdownmenu getoond.
Wanneer de agent je ingevoerde gegevens niet kan voorspellen (en wat je moet doen)
Nieuwe of zelden gebruikte grootboekrekeningen of btw-tarieven
AI Pre-Accounting heeft voorbeelden nodig om te leren. Als een waarde maar heel zelden in je gegevens voorkomt (bijvoorbeeld bij minder dan ~10 transacties), is het onwaarschijnlijk dat deze betrouwbaar kan worden voorspeld ā en kan hij worden genegeerd.
Identieke items die aan verschillende rekeningen zijn gekoppeld
Als identieke transacties of facturen stelselmatig op verschillende rekeningen worden geboekt (bijvoorbeeld wanneer dezelfde leverancier soms op verschillende kostenplaatsen wordt geboekt), zal AI Pre-Accounting moeite hebben om een duidelijk patroon te herkennen. Het zal de neiging hebben om de meest voorkomende waarde te kiezen.
Let op: AI Pre-Accounting-modellen worden (opnieuw) getraind met gegevens die naar je boekhoudsysteem zijn geƫxporteerd. Het toekennen van boekhoudkundige kenmerken zonder de transactie, factuur of declaratie te exporteren, zal toekomstige voorspellingen niet verbeteren. Voor de beste resultaten moet je consequent exporteren en ervoor zorgen dat je geƫxporteerde gegevens correct zijn.