Bagaimana AI dapat menawarkan kontrol yang lebih besar kepada bisnis atas pembayaran mereka [Q&A]

Kami tak satu pun dari kami sangat suka menyerahkan uang, dan itu berlaku sama untuk bisnis dan individu.

Pembayaran sangat penting untuk dunia komersial, sampai sekarang meskipun mereka selalu cukup padat karya untuk diproses. Tapi bagaimana jika itu bisa otomatis? Apakah Anda merasa nyaman menyerahkan kendali pembayaran kepada AI?

Kami berbicara dengan manajer produk utama Lloyd Humphries untuk data dan analitik di e-faktur dan spesialis otomatisasi hutang dagang Tradeshift untuk membahas pertanyaan ini dan banyak lagi.

BN: Apa keuntungan menggunakan AI untuk menangani penawaran pembayaran?

LH: Salah satu hambatan terbesar yang menghalangi adopsi AI adalah mengukur nilai yang akan dibawa oleh setiap inisiatif yang diusulkan ke organisasi. Dengan pembayaran, tidak ada masalah seperti itu: manfaatnya jelas, terukur dan bisa dramatis — baik dalam hal seberapa cepat mereka terwujud dan berapa banyak uang yang dapat dihemat.

Untuk menghargai seberapa besar AI dapat meningkatkan pembayaran, ada baiknya untuk memahami seberapa besar pusat biaya tersembunyi mereka untuk bisnis. Saat ini, tim hutang akun (AP) di organisasi biasa menghabiskan sekitar 25 persen waktu mereka untuk mengejar dan memperbaiki pengecualian faktur, karena sekitar empat dari lima faktur memerlukan beberapa bentuk intervensi manual. Ini adalah pekerjaan yang membosankan, tetapi selalu dilihat sebagai salah satu biaya dalam menjalankan bisnis. Meski begitu, harganya cukup mahal, karena biayanya rata-rata $11 dan membutuhkan waktu delapan hari untuk memproses setiap faktur.

Di sinilah AI dapat membuat perbedaan transformasional. Ketika organisasi mendigitalkan pembayaran dan mendukung pemrosesan dengan AI dan teknologi otomatisasi yang tepat, mereka dapat memangkas biaya pemrosesan faktur hingga lima kali lipat dan menurunkan waktu pemrosesan rata-rata menjadi kurang dari tiga hari. Jika hanya itu yang bisa diberikan oleh AI, itu akan cukup menarik; namun, manfaat ini seharusnya hanya dilihat sebagai buah pertama dari otomatisasi pembayaran. Mengotomatiskan pembayaran bukan hanya tentang membuat proses lebih cepat dan lebih akurat (penting seperti itu): ini harus menjadi langkah pertama untuk membuat fungsi keuangan lebih strategis dan membangun hubungan yang lebih kuat dan lebih berharga dengan pemasok.

BN: Mengapa perusahaan harus memercayai AI untuk mengontrol pembayaran mereka?

LH: Pertanyaan ini tepat ke inti dari begitu banyak inisiatif AI, terutama yang melibatkan data sensitif atau proses strategis. Kami ingin menghindari pengembangan teknologi kotak hitam — kami percaya pengguna dapat menangani beberapa kerumitan yang terlibat dan bersedia menempatkan data, metrik kinerja, proyeksi, dan kompromi di depan mereka sehingga mereka dapat membuat keputusan yang terinformasi.

Kecerdasan buatan sangat mirip dengan kecerdasan manusia: ia tidak keluar dari kotak dengan semua kemampuannya berkembang sepenuhnya. Dibutuhkan waktu dan pelatihan sebelum bisnis harus memercayainya untuk melakukan tugas dengan pengawasan manusia yang lebih sedikit. Itulah mengapa kami merekomendasikan bisnis untuk memulai dari yang kecil dan mengajarkan teknologi cara melakukan tugas-tugas sederhana. Setelah AI melakukan tugas itu dengan tingkat kesalahan yang dapat diterima (atau jauh lebih baik daripada operasi manusia), saat itulah ia dapat dipercayakan dengan tugas tersebut.

Meskipun mengotomatisasi seluruh proses pembayaran sejak awal sangatlah mudah, Tradeshift tahu bahwa organisasi tidak akan pernah menyerahkan kunci kecerdasan buatan sampai mereka merasa nyaman dengan teknologinya. Itu mungkin terdengar jelas, tetapi kami adalah satu-satunya penyedia teknologi yang memungkinkan pengguna untuk menyempurnakan tingkat otomatisasi, menaikkan atau menurunkan toleransi kesalahan tergantung pada tujuan organisasi atau tugas spesifik yang ada. Selain Ada AI dari Tradeshift, semua solusi yang saat ini ada di pasar adalah pertanyaan tentang hidup atau mati daripada menjadi sesuatu yang dapat Anda pengaruhi. Dan itu memiliki efek membuat kepercayaan di seluruh aplikasi menjadi biner.

BN: Bagian mana dari proses yang paling cocok untuk otomatisasi?

LH: Jika suatu tugas dapat diselesaikan oleh manusia dengan mesin maka secara teori dapat dilakukan oleh mesin saja. Namun, dalam proses apa pun, memutuskan elemen mana yang akan diotomatisasi akan selalu berbeda dari bisnis ke bisnis.

Daripada melihatnya cocok untuk beberapa tugas tetapi tidak untuk yang lain, jauh lebih baik untuk melihat AI sebagai sebuah perjalanan. Titik awal yang baik adalah mengambil tugas yang memakan waktu dan rawan kesalahan saat dilakukan oleh orang, tetapi juga memiliki konsekuensi minimal jika teknologi melakukan kesalahan; misalnya, pencocokan baris antara faktur dan pesanan pembelian, atau memasukkan kategori pengkodean yang tepat untuk setiap faktur. Bahkan pada tahap awal, dengan manusia yang memverifikasi akurasi AI, Anda dapat mengharapkan lebih sedikit kesalahan dengan otomatisasi sambil juga menikmati penghematan yang signifikan, yang hanya akan meningkat saat teknologi menjadi lebih mahir dan sangat terlatih.

BN: Bagaimana data transaksi historis dapat membantu meningkatkan kinerja saat ini?

LH: Bisnis harus melihat data sebagai bahan bakar yang memungkinkan AI menjadi lebih pintar, lebih cepat. Meskipun Anda dapat melatih AI tanpanya, jauh lebih baik jika Anda dapat memasukkan data transaksi historis yang memberikan konteks dan petunjuk yang tak ternilai bagi teknologi untuk dipelajari dan dipelajari. Semakin banyak data yang dapat Anda berikan kepada AI, semakin cepat Anda dapat mengotomatiskan proses tertentu, dan bahkan menghapus proses persetujuan sepenuhnya pada transaksi berulang atau bernilai rendah tertentu dari vendor tepercaya.

Saat mempertimbangkan nilai keseluruhan informasi, penting juga untuk berpikir di luar batas organisasi Anda. Kecerdasan buatan dapat menjadi senjata ampuh melawan penipuan, terutama ketika dipicu oleh sejumlah besar data dari berbagai organisasi di seluruh dunia, dengan menganalisis sejumlah besar kasus (seperti pelanggaran keamanan historis) untuk mengidentifikasi pola yang biasanya tidak ditemukan oleh mata manusia.

BN: Di mana ini cocok dengan gambaran intelijen bisnis yang lebih luas?

LH: Salah satu aspek yang paling menarik dari pembayaran AI adalah memberikan kita gambaran sekilas tentang masa depan di mana kecerdasan bisnis menguntungkan setiap karyawan. BI sering digambarkan sebagai lapisan yang kompleks dan sangat terspesialisasi yang membutuhkan investasi dan bakat tersendiri: dengan kata lain, ia harus melalui tim spesialis ilmuwan data dan analis sebelum dapat memberikan nilai kepada orang-orang yang dapat menerapkan wawasan tersebut ke dalam tindakan.

Itu penilaian yang adil terhadap BI sebagaimana adanya. Namun, langkah selanjutnya dalam evolusinya adalah membawa nilai bagi semua orang di organisasi, memberikan mereka wawasan yang membantu karyawan berpikir secara strategis serta dengan tugas di sini dan sekarang. Pembayaran AI mulai menunjukkan kepada kita seperti apa masa depan ini, di mana otomatisasi dan digitalisasi menghasilkan banyak wawasan dan dalam bentuk yang dapat digunakan siapa saja untuk memperkirakan permintaan dan pembelanjaan, mengidentifikasi pola dalam aktivitas global, dan mengakses secara real-time dan sangat -Metrik detail benar. Daripada harus melatih orang untuk menggunakan sistem baru, atau memiliki wawasan yang terkurung di bagian bisnis yang tidak memiliki pemahaman yang jelas tentang operasi atau strategi, pembayaran AI menunjuk ke masa depan di mana BI berhenti dilihat sebagai fungsi mandiri. Sebaliknya, itu akan dijalin ke dalam sistem yang kita gunakan setiap hari; itu akan ‘gratis’ dan memerlukan sedikit atau tanpa pelatihan, jadi siapa pun dari ahli strategi senior hingga pekerja garis depan dapat mengidentifikasi pola yang akan membantu mendukung kesuksesan bisnis di masa depan.

Kredit gambar: AndreyPopov/depositphotos.com

Author: Martha Meyer