Naar de hoofdinhoud
Hoe werkt Smart Automation?
A
Geschreven door Anna Dziurosz
Meer dan een week geleden bijgewerkt

Elk bedrijf heeft andere regels, patronen en praktijken voor het toewijzen van attributen zoals kostenplaatsen, subcategorieën en andere kenmerken aan transacties. Onze Smart Automation maakt gebruik van AI om automatisch de meeste transacties al voor je te pre-coderen.

Zo doen we dat:

  1. Leren van je eigen gegevens:

    • Ons systeem controleert automatisch welke boekhoudkenmerken je hebt
      toegewezen aan geëxporteerde transacties.

  2. Een AI-model bouwen voor jouw organisatie🤖:
    1. Zodra je je eerste 150 transacties hebt geëxporteerd, trainen we automatisch een AI-model voor je organisatie op basis van jouw specifieke gegevens. Dit model
    analyseert hoe je onkostenrekeningen, btw-tarieven en andere kenmerken aan
    eerdere transacties zijn toegewezen. Op basis van deze informatie voorspelt het de
    juiste boekhoudgegevens

  3. Voorspelling met AI 🤖:

    • Voor alle toekomstige transacties proberen onze modellen dan btw, subcategorie en andere dimensies te voorspellen. Deze voorspelling is gebaseerd op
      waarschijnlijkheid. Als het AI-systeem niet zeker is van zijn voorspelling, gaat het niet zomaar gokken. In plaats daarvan wordt het veld leeg gelaten, waarna jij gevraagd wordt het veld handmatig in te vullen. Door deze aanpak geeft het systeem alleen voorspellingen die waarschijnlijk juist zijn, waardoor fouten tot een minimum worden beperkt.

    • Uit onze gegevens blijkt dat de voorspellingen van Smart Automation aanzienlijk
      beter zijn dan de nauwkeurigheid van standaard regels die je kunt instellen voor je boekhouding. Als aan een transactie een attribuut kan worden toegewezen met
      behulp van zowel een regel als Smart Automation, wijzen we het attribuut daarom standaard toe met behulp van Smart Automation. Je kunt dit gedrag uitschakelen op je instellingenpagina.

  4. Zelflerend systeem met AI 🤖:

    • Het AI-model van ons bedrijf verbetert voortdurend door middel van een
      feedbacklus. Als het systeem een onjuiste voorspelling doet, kun je deze corrigeren. De AI leert dan van deze correctie. Hierdoor wordt de AI in de loop van de tijd nauwkeuriger.

    • Elke keer dat je je transacties exporteert, bouwen we een nieuw model voor je.
      Hierbij houden we rekening met al je eerdere correcties.

    • Als je een specifieke onkostenrekening of btw-tarief verwijdert, bouwen we een
      nieuw model zodat we geen voorspellingen doen op basis van de verwijderde
      rekening of btw-tarief.

Wanneer dit niet werkt en wat je eraan kunt doen

Hoewel ons systeem is ontworpen om zeer nauwkeurig te zijn, zijn er een aantal scenario's waarin het mogelijk niet in staat is om de juiste voorspelling te geven:

  1. Nieuwe of zelden gebruikte onkostenrekening of btw-tarief:

    • Net als andere AI-toepassingen hebben we gegevens nodig om nauwkeurige
      voorspellingen te doen. Als de waarde die je wilt voorspellen niet in je gegevens
      voorkomt of zeldzaam is (minder dan 10 transacties), is het onwaarschijnlijk dat we een nauwkeurige voorspelling kunnen doen. Daarom houden we geen rekening met deze onwaarschijnlijke voorspellingen.

  2. Gelijke transacties zijn gekoppeld aan verschillende rekeningen:

    • Als je meerdere transacties hebt die er identiek uitzien maar aan verschillende
      rekeningen zijn gekoppeld, kan de AI geen patroon detecteren en kiest het
      waarschijnlijk de waarde die je het vaakst hebt geselecteerd.

  3. Gebrek aan vertrouwen in voorspellingen:

    • Als het systeem niet zeker genoeg is van zijn voorspelling, worden de velden leeg
      gelaten. Zo loop je niet het risico dat er een onjuiste match wordt gemaakt. Dit
      gebrek aan vertrouwen is meestal het gevolg van onvoldoende gegevens, dus zorg ervoor dat je leveranciersrekeningen volledige en correcte gegevens bevatten.

Opmerking: Historische gegevens zijn van cruciaal belang voor Smart Automation om nauwkeurige voorspellingen te kunnen doen. De voorspellingsmodellen worden (opnieuw) getraind op basis van de gegevens die naar je boekhoudsysteem zijn geëxporteerd. Het toewijzen van een onkostenrekening of btw-tarief zonder de transactie te exporteren zal de toekomstige voorspellingen dus niet verbeteren. Voor de voortdurende verbetering van het AI-model is het belangrijk dat je zorgt voor consistente en nauwkeurige gegevensexport.

Was dit een antwoord op uw vraag?