Сколько времени ваша организация тратит на подтверждение того, что все в порядке? Для большинства организаций ответ — очень много. Все это время можно было бы посвятить более ценной работе.
Приходит табель учета рабочего времени. Кто-то проверяет сотрудника, проект, часы, даты и подпись. Все верно. Одобрено. Затем подается следующий. Потом еще один. Приходит счет. Кто-то сравнивает его с заказом на закупку или контрактом, проверяет детали и подтверждает, что все соответствует согласованным условиям.
В обоих этих примерах в большинстве случаев все в порядке. Но кто-то должен это проверить.
Время, затрачиваемое на проверку рутинных транзакций в поисках возможного отсутствующего исключения, является одной из постоянных неэффективностей в процессах с большим объемом документации.
Что, если бы процесс работал наоборот? Вместо того чтобы заставлять людей проверять все подряд, чтобы найти что-то неверное, AI выполняет первичную проверку и выявляет только те транзакции, которые требуют участия человека.
Проблема заключается в сравнении
Извлечение информации из счета или табеля — это только часть работы. Самый важный вопрос заключается в том, является ли эта информация действительной в данном контексте.
Например, когда организация получает табели учета рабочего времени, ей необходимо определить, разрешено ли конкретному лицу выставлять счета за работу по определенному проекту, находятся ли заявленные часы в пределах соответствующего заказа на закупку и верны ли обязательные элементы, такие как даты и подписи. Эта оценка сравнивает табель с информацией, регулирующей транзакцию, и оценивает, имеет ли все это смысл.
Та же модель применима и к счетам. Счет может содержать идеально читаемую информацию и все равно быть проблемным. Важный вопрос заключается в том, соответствуют ли начисления тому, что разрешено базовым контрактом.
Представляем M-Files Invoice Agent и M-Files Timesheet Validation Agent
Пользовательский агент M-Files может анализировать входящий документ и оценивать его информацию на соответствие заранее определенным бизнес-требованиям и соответствующей регулирующей информации.
Для табеля учета рабочего времени это может означать проверку того, связан ли сотрудник с правильным проектом, укладываются ли часы в установленные параметры, совпадают ли даты и присутствует ли необходимая информация.
Для счета это может означать сравнение представленной информации с соответствующим контрактом или другими определенными требованиями и пометку расхождения для проверки.
В обоих случаях агент не просто извлекает информацию. Он помогает определить, требует ли эта информация каких-либо действий.
Понимание: Агент сначала анализирует входящий документ и определяет информацию, необходимую для процесса. Кто подал табель? Какие даты и часы указаны? Присутствует ли необходимая информация? Цель состоит в том, чтобы превратить информацию, содержащуюся в документе, независимо от формата, в полезный контекст для принятия следующего решения.
Оценка: Далее следует проверка. Находятся ли часы в допустимых пределах? Соответствует ли информация регулирующему заказу на закупку или контракту? Присутствует ли обязательная подпись? Это тот момент, когда автоматизация выходит за рамки простого сбора данных. Агент применяет заранее определенные бизнес-требования, чтобы помочь отличить рутинную заявку от исключения.
Действие: Как только это определение сделано, рабочий процесс может отреагировать. Документ, соответствующий определенным требованиям, проходит через обычный процесс. Любое расхождение может быть помечено и назначено для дополнительной проверки. Люди остаются частью процесса, но их внимание направлено на работу, которая этого заслуживает.
Переход к работе на основе исключений
Многие бизнес-процессы построены вокруг проверки, потому что предполагается, что какой-то процент документов будет содержать проблему. AI позволяет нам переосмыслить эту операционную модель. Вместо того чтобы заставлять людей проверять каждый документ на наличие исключений, используйте их время более целенаправленно, чтобы проверять только те случаи, где эти исключения существуют.
Поскольку M-Files связывает документы с окружающим их контекстом, включая людей, проекты и процессы, организации могут перестать рассматривать каждый счет или табель как изолированный файл. Этот контекст является центральным для более широкого подхода M-Files к расширению возможностей AI для более точного обоснования и уверенной автоматизации работы.
Результатом является мощная последовательность: понять документ, оценить его в контексте, а затем действовать на основе результата.
Для финансовых и профессиональных сервисных команд, погрязших в повторяющихся проверках, это изменение позволяет сосредоточиться на работе, где требуется их опыт и где они могут внести ценный вклад.
