想定事例. これは説明用の想定事例であり、顧客の実績ではありません。サービス会社も、ここに出てくる数字もすべて仮定です。AI経費レポートレビューを示します。提出されたすべてのレポートを、文書化された出張・経費規程に照らして読み、違反するものに承認者が署名する前に印を付けるソフトウェアです。すべての支払いを承認するのは引き続き人です。
毎月払い戻している金額のうち、自社の規程に違反しているのはどれくらいか、という一つの問いを立てるプロフェッショナルサービス会社を想像してください。この設計は、提出されたすべてのレポートにAI経費レビューをかけ、規程外の支出を支払い後に回収するのではなく、承認前に見つけます。規程違反の割合は測るべき数字であり、この記事はその値を主張しません。
なぜ承認後ではなく承認前にポリシー違反の支出を検知するのか
後から取り戻すやり方は、ポリシーを守らせるうえで高くつく方法です。いったん払い戻しが行われると、それを取り戻すには同僚との気まずい会話、台帳での手作業による取り消し、そして翌月の締めでの記録が必要になります。同じ経費を承認前に検知すれば、コストはワンクリックです。承認者はフラグと理由、違反した正確なポリシーの条項を見て、その場で判断できます。
経費レポートのAIレビューは承認者を置き換えますか?
いいえ。AIは提出されたすべての経費レポートを出張・経費規程に照らして読み、違反するものに印を付けます。承認者は印の付いたものをそれぞれ確認して署名し、すべての判断は監査ログに残ります。最初の読み込みはAIが担い、判断は人が下します。
設計は何で構成され、何の上に載りますか?
何も置き換えません。会社がすでに、提出にExpensify、元帳にNetSuiteを使っていると仮定します。設計は、その間にレビューのステップを加えます。すべてのレポートが文書化された規程に照らして読まれ、違反するものは理由付きで印が付き、人による承認キューが、誰かが署名するまでそれぞれの印を保持します。自動承認はありません。これは私たちのAIコンサルティングチームが範囲を決める種類の社内ステップであり、レビューツール自体はAI導入の取り組みが納める種類のものです。
We are
Stennirは、すでに使っているExpensifyとNetSuiteの上に、ポリシー違反の経費を検知して人に承認してもらうAIを構築します。
We aren't
人がフラグを確認する前に払い戻しを行う自動承認ボットではありません。
最もよくポリシーに違反するのは何か
- 日当の上限を超えて予約された食事
- 領収書の提出基準額を超えているのに領収書がない
- ホテルの請求明細に混ざった私的な支出
- 承認された期間外に予約された出張
- 同じ経費が2つのレポートにまたがって二重に提出されている
これらはいずれも不正ではありません。ほとんどは正直なミスです。AI経費レビューの目的は、それらが回収や監査指摘になる前に、提出の時点で静かに見つけることです。
経理チームは何を測りますか?
現在は、二人の承認者がすべてのレポートのすべての行を手で読んでいると仮定します。最初の読み込みをAIが担うので、細かく見るのは印の付いたレポートだけです。測るのは、承認者の月あたりの工数、印の付いたレポートの割合、印のうち実際に正しかったものの割合、提出から署名までの時間で、それぞれ導入前に取った基準値と比べます。ここでは結果を主張しません。
ここに顧客の発言はありません。顧客が存在しないからです。狙いを一言でいえば、規程違反を締め時点ではなく提出時点で知ることです。
一つお断りです。これは説明用の想定事例です。背後に顧客も、案件も、測定された結果もなく、実データから丸めたものも一切ありません。作り上げた精密な数字よりも、はっきり仮定と示した数字をお見せするほうがよいと考えています。
払い戻しの漏れと承認者のレビューの遅さが、経理チームに静かに負担をかけているなら、それは私たちが設計するユースケースです。すでに使っているスタックに合わせて範囲を決め、すべての承認に人を置き、監査ログをお渡しします。このような想定事例はジャーナルにほかにもあります。準備ができたら、何を作っているか教えてください。
