Hol megy el valójában az idő?
Nem a döntésnél, hanem az átgépelésnél. Egy bejövő számla feldolgozása önmagában néhány perc, de havi százas nagyságrendben ez már több munkanap, amelyet egy jól fizetett kolléga tölt gépies másolással. Ráadásul ez a fajta munka hibázásra hajlamos: a rossz helyre írt összeg vagy az elgépelt adószám később derül ki, és a javítás sokszorosába kerül, mint az eredeti rögzítés. Az automatizálás első haszna nem is a megspórolt idő, hanem a hibaarány csökkenése.
Hogyan olvassa ki az AI az adatokat?
A régi megoldások fix helyre néztek a lapon, ezért minden új szállítói számlaformátum külön beállítást igényelt – ez volt a klasszikus OCR gyengéje. A mai nyelvi modellek ezzel szemben értelmezik a dokumentumot, így akkor is megtalálják a végösszeget vagy a fizetési határidőt, ha az máshol szerepel. Ettől lesz a megoldás használható a gyakorlatban: nem kell minden partnernek külön sablont építeni, és egy új beszállító megjelenése nem igényel fejlesztést.
Mi történik, ha az AI félreolvas valamit?
Ezért épül minden ilyen rendszerbe ellenőrzési réteg. Az összegek matematikai összefüggéseit – tételek összege, áfa, végösszeg – a rendszer visszaellenőrzi, és ha nem stimmel, megjelöli. Ugyanígy jelez, ha egy adat hiányzik, vagy ha a szállító nem szerepel a partnerlistán. A bizonytalan eseteket ember hagyja jóvá, a többi megy automatikusan. Ez a fajta munkamegosztás a lényeg: nem a tévedhetetlenség a cél, hanem hogy a tévedés biztosan kiderüljön, mielőtt kárt okoz.
Mennyi idő alatt térül meg?
A számolás egyszerű: vedd a havonta feldolgozott dokumentumok számát, szorozd meg a darabonkénti perccel, és nézd meg, mennyi munkaóra jön ki. A tapasztalat az, hogy száz dokumentum alatt havonta ez ritkán éri meg, néhány száz felett viszont gyorsan behozza a fejlesztés árát. Felmérésnél ezt együtt kiszámoljuk, és ha nem jön ki a matek, azt megmondjuk – felesleges rendszert építeni oda, ahol a kézi rögzítés olcsóbb.