Hoe werkt de Pre-Accounting Agent?

De Agent controleert de boekhoudkundige gegevens die je toewijst bij het exporteren van uitgaven. Die historische toewijzingen gebruikt de Agent om te leren hoe je organisatie uitgaven codeert.

Zodra je je eerste 150 transacties, 25 facturen of 25 zakelijke uitgaven (declaraties) hebt geëxporteerd, wordt automatisch een organisatie- en uitgavetypespecifiek AI-model getraind met behulp van je gegevens. Het model analyseert hoe grootboekrekeningen, btw-tarieven en andere dimensies zijn toegewezen. Het gebruikt vervolgens die patronen om de juiste boekhoudkundige details voor toekomstige items te voorspellen.

Voor alle toekomstige transacties, facturen en declaraties probeert het model de btw, grootboekrekening en andere dimensies te voorspellen. Voorspellingen zijn gebaseerd op waarschijnlijkheid: wanneer het vertrouwen van de Agent voor een enkele waarde onder de minimumdrempel daalt, laat hij het veld leeg. Zo wordt het risico op onjuiste resultaten verminderd.

Wanneer er meerdere opties met een hogere waarschijnlijkheid zijn, toont de Agent maximaal vijf suggesties in de dropdownmenus. Deze worden bovenaan vastgezet, zodat boekhouders snel de juiste waarde kunnen kiezen zonder de volledige lijst te hoeven doorlopen. Als geen enkele suggestie voldoet aan de minimale betrouwbaarheidsdrempel, worden er geen suggesties weergegeven en blijven de velden leeg voor handmatige invoer.

Onze interne gegevens tonen aan dat de Agent vaker de juiste boekhoudkundige gegevens toewijst dan statische regelsets. Daarom raden we aan om in 'Instellingen' de optie 'Agent overschrijft regels’ in te schakelen. Dan krijgen de beste voorspellingen van de Agent voorrang. De standaardinstelling is ‘regel eerst’, dus regels blijven van kracht totdat je de Agent inschakelt.

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 geëxporteerde 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.

De Agent heeft voorbeelden nodig om te leren. Als een waarde zeer zelden voorkomt (bijvoorbeeld in minder dan ~10 transacties), is het onwaarschijnlijk dat de Agent deze betrouwbaar zal voorspellen — en kan het zijn dat de waarde wordt genegeerd.

Als identieke transacties of facturen routinematig aan verschillende rekeningen worden toegewezen (bijvoorbeeld wanneer dezelfde leverancier soms aan verschillende kostenplaatsen wordt toegewezen), zal de Agent moeite hebben om een duidelijk patroon te ontdekken. Hij zal dan geneigd zijn de meest voorkomende waarde te kiezen.

Wanneer het model onvoldoende vertrouwen heeft — meestal vanwege onvolledige of onduidelijke gegevens — laat het velden leeg in plaats van een riskante voorspelling te doen. Dit gedrag voorkomt onjuistheden.