journal

Esempio svolto: individuare le spese fuori policy

Un esempio svolto illustrativo di revisione delle note spese con ia che segnala le spese fuori policy prima dell'approvazione. Azienda e numeri sono ipotesi.

elias a.applied ai & data4 min di lettura

Esempio svolto. Questo è un esempio svolto illustrativo, non un risultato di un cliente. La società di servizi e ogni numero sono ipotesi. Mostra la revisione delle note spese con ia: software che legge ogni nota inviata rispetto alla tua policy scritta di viaggi e spese e segnala quelle che la violano prima che un approvatore firmi. Una persona approva comunque ogni pagamento.

Immagina una società di servizi professionali che si pone una domanda: quanto di ciò che rimborsiamo ogni mese viola la nostra stessa policy? Il design esegue la revisione spese con ia su ogni nota inviata, così la spesa fuori policy viene intercettata prima dell'approvazione e non recuperata dopo il pagamento. La quota che viola la policy è il numero da misurare, e questo post non ne dichiara nessuno.

#Perché individuare la spesa fuori policy prima dell'approvazione invece che dopo?

Il recupero a posteriori è il modo costoso di far rispettare una policy. Una volta pagato un rimborso, riaverlo indietro significa una conversazione imbarazzante con un collega, uno storno manuale nel libro contabile e una nota nella chiusura del mese successivo. Individuare la stessa spesa prima dell'approvazione costa un clic. L'approvatore vede la segnalazione, il motivo e la riga esatta della policy che ha violato, poi decide.

L'ia per la revisione delle note spese sostituisce l'approvatore?

No. L'ia legge ogni nota spese rispetto alla tua policy di viaggi e spese e segnala quelle che la violano. Un approvatore rivede e firma comunque ogni segnalazione, e ogni decisione finisce in un registro di audit. L'ia fa la prima lettura; una persona decide.

#In cosa consiste il design, e su cosa si appoggia?

Non si sostituisce nulla. Ipotizza che la società usi già Expensify per l'invio e NetSuite per il libro mastro. Il design aggiunge un passaggio di revisione tra i due. Ogni nota viene letta rispetto alla policy scritta, quelle che la violano vengono segnalate con un motivo, e una coda di approvazione umana trattiene ogni segnalazione finché qualcuno non firma. Niente si approva da solo. è il tipo di passaggio interno che il nostro team di consulenza ia delimita, e lo strumento di revisione in sé è il tipo di cosa che consegna il nostro lavoro di implementazione ia.

We are

Stennir costruisce AI che segnala le spese fuori policy perché una persona le approvi, sopra l'Expensify e il NetSuite che già usi.

We aren't

Non è un bot ad approvazione automatica che eroga rimborsi senza che una persona legga prima la segnalazione.

#Cosa viola più spesso la policy?

  • Pasti prenotati oltre il tetto della diaria
  • Ricevute mancanti sopra la soglia richiesta
  • Spese personali mescolate nel conto dell'hotel
  • Viaggi prenotati fuori dalla finestra approvata
  • La stessa spesa inviata due volte in due note diverse

Niente di tutto questo è frode. La maggior parte sono errori in buona fede. Il senso della revisione spese con ia è intercettarli con discrezione, all'invio, prima che diventino un recupero o un rilievo di audit.

#Cosa misurerebbe il team finanza?

Ipotizza che oggi due approvatori leggano a mano ogni riga di ogni nota. L'ia fa la prima lettura, quindi esaminano da vicino solo le note segnalate. Da misurare ci sono le ore di approvazione al mese, la quota di note segnalate, la quota di segnalazioni fondate e il tempo tra invio e firma, ciascuno rispetto a una linea di base rilevata prima del lancio. Qui non si dichiara alcun risultato.

Qui non c'è nessuna citazione di un cliente, perché non c'è nessun cliente. L'obiettivo in una riga: scoprire una violazione della policy all'invio invece che alla chiusura.

Una precisazione. Questo è un esempio svolto illustrativo. Dietro non c'è nessun cliente, nessun incarico e nessun risultato misurato, e nulla è arrotondato da dati reali. Preferiamo mostrarti un'ipotesi chiaramente etichettata piuttosto che un numero preciso inventato.

Se le perdite sui rimborsi e una revisione lenta degli approvatori pesano in silenzio sul tuo team finanza, è un caso d'uso che progettiamo. Lo delimitiamo sullo stack che già usi, teniamo una persona su ogni approvazione e ti consegniamo il registro di audit. Altri esempi svolti come questo sono nel journal. Quando sei pronto, raccontaci cosa stai costruendo.

Dicci quale attività richiede più tempo.

30 minuti. Nessuna preparazione. Ti diremo con onestà se l'AI può aiutare e da dove iniziare.