مثال تطبيقي. هذا مثال تطبيقي توضيحي وليس نتيجة عميل. شركة الخدمات وكل رقم فيها افتراضات. يوضح مراجعة تقارير المصروفات بالذكاء الاصطناعي: برنامج يقرأ كل تقرير مُقدَّم مقابل سياسة السفر والمصروفات المكتوبة لديك ويشير إلى ما يخالفها قبل أن يوقّع المعتمِد. ويظل شخص يوافق على كل دفعة.
تخيّل شركة خدمات مهنية تطرح سؤالًا واحدًا: كم مما نعوّضه كل شهر يخالف سياستنا نفسها؟ يشغّل التصميم مراجعة المصروفات بالذكاء الاصطناعي على كل تقرير مُقدَّم، فيُرصد الإنفاق المخالف للسياسة قبل الموافقة، لا أن يُسترد بعد الدفع. النسبة التي تخالف السياسة هي الرقم الذي يجب قياسه، ولا يدّعي هذا المقال أي قيمة له.
لماذا رصد الإنفاق المخالف للسياسة قبل الاعتماد بدلًا من بعده؟
الاسترداد بعد الدفع هو الطريقة المكلفة لتطبيق السياسة. فبمجرد دفع المبلغ المردود، تصبح استعادته محادثة محرجة مع زميل، وعكسًا يدويًا في دفتر الحسابات، وملاحظة في إقفال الشهر التالي. أما رصد النفقة نفسها قبل الاعتماد فيكلّف نقرة واحدة. يرى المعتمِد العلامة والسبب وبند السياسة الذي خُولف بالضبط، ثم يقرر.
هل يحلّ الذكاء الاصطناعي لمراجعة تقارير المصروفات محل المعتمِد؟
لا. يقرأ الذكاء الاصطناعي كل تقرير مصروفات مقابل سياسة السفر والمصروفات لديك ويشير إلى ما يخالفها. ويظل المعتمِد يراجع كل إشارة ويوقّع عليها، وكل قرار يُسجَّل في سجل تدقيق. يقوم الذكاء الاصطناعي بالقراءة الأولى؛ ويتخذ الشخص القرار.
مم يتكوّن التصميم، وعلى ماذا يعتمد؟
لا شيء يُستبدل. افترض أن الشركة تستخدم أصلًا Expensify للتقديم وNetSuite لدفتر الأستاذ. يضيف التصميم خطوة مراجعة بينهما. يُقرأ كل تقرير مقابل السياسة المكتوبة، وما يخالفها يُشار إليه مع السبب، ويحتجز طابور موافقة بشرية كل إشارة حتى يوقّع أحدهم. لا شيء يُعتمد تلقائيًا. هذا هو نوع الخطوة الداخلية الذي يحدد فريق استشارات الذكاء الاصطناعي لدينا نطاقه، وأداة المراجعة نفسها هي نوع ما يسلّمه عملنا في تنفيذ الذكاء الاصطناعي.
We are
تبني Stennir ذكاءً اصطناعيًا يعلّم النفقات المخالفة للسياسة ليعتمدها شخص، فوق ما تستخدمه أصلًا من Expensify وNetSuite.
We aren't
إنه ليس روبوتًا للاعتماد التلقائي يصرف المبالغ المردودة دون أن يقرأ شخص العلامة أولًا.
ما الذي يخالف السياسة أكثر من غيره؟
- وجبات محجوزة تتجاوز سقف البدل اليومي
- إيصالات مفقودة فوق حد الإيصال المطلوب
- مصاريف شخصية مدمجة في فاتورة الفندق
- سفر محجوز خارج الفترة المعتمدة
- نفس النفقة مقدَّمة مرتين ضمن تقريرين
لا شيء من هذا احتيال. معظمها أخطاء بحسن نية. غاية مراجعة المصروفات بالذكاء الاصطناعي هي رصدها بهدوء عند التقديم، قبل أن تصبح استردادًا أو ملاحظة تدقيق.
ماذا سيقيس فريق المالية؟
افترض أن معتمِدَين اثنين يقرآن اليوم كل سطر في كل تقرير يدويًا. يقوم الذكاء الاصطناعي بالقراءة الأولى، فلا يدققان عن كثب إلا في التقارير المُشار إليها. المطلوب قياسه هو ساعات المعتمِدين شهريًا، ونسبة التقارير المُشار إليها، ونسبة الإشارات الصحيحة، والزمن بين التقديم والتوقيع، كلٌّ مقابل خط أساس يؤخذ قبل التشغيل. لا يُدّعى هنا أي نتيجة.
لا توجد هنا عبارة منسوبة إلى عميل، لأنه لا يوجد عميل. الهدف في سطر واحد: معرفة مخالفة السياسة عند التقديم بدل معرفتها عند الإقفال.
إفصاح واحد. هذا مثال تطبيقي توضيحي. لا يوجد عميل ولا مشروع ولا نتيجة مقاسة خلفه، ولا شيء فيه مقرَّب من بيانات حقيقية. نفضّل أن نعرض عليك افتراضًا موسومًا بوضوح على أن نعرض رقمًا دقيقًا مختلقًا.
إذا كان تسرّب التعويضات وبطء مراجعة المعتمِدين يثقلان فريق المالية لديك بصمت، فهذه حالة استخدام نصمّمها. نحدد نطاقها على الحزمة التقنية التي تعمل عليها بالفعل، ونُبقي شخصًا في كل موافقة، ونسلّمك سجل التدقيق. المزيد من الأمثلة التطبيقية مثل هذا في المدونة. حين تكون جاهزًا، أخبرنا بما تبنيه.
