Jaksossa keskustellaan siitä, miten tekoälyä voidaan hyödyntää taloushallinnon apuna ostolaskujen tililöinnissä. Keskustelijoina ovat Älykkään automaation osaamiskeskus -hankkeen projektipäällikkö Susanna Honka Haaga-Heliasta sekä Niko Kytö tekoälyratkaisuja tarjoavasta Snowfox.AI-yrityksestä.

Podcast on tehty osana Haaga-Helian Älykkään automaation osaamiskeskus -hanketta. Hanke liittyy digiloikan edistämiseen mikro-, pk- ja kasvuyritysten talousprosesseissa. Hämeen Ely-keskuksen ja ESR:n rahoittama hanke toteutetaan osana Euroopan unionin Covid-19-pandemian johdosta toteuttamia toimia.

Kuuntele myös

Älykäs automaatio: Hiilijalanjälki pienemmäksi tekoälyn avulla

Tekstiversio

SH: Tämä on Haaga-Heliassa toteutettavan Älykkään automaation osaamiskeskus -hankkeen podcast, jossa keskustelemme pienten yritysten digitalisaatiosta, ohjelmistorobotiikka- ja tekoälyratkaisuista talouden prosesseissa. Hanke on Hämeen ELY-keskuksen ja Euroopan sosiaalirahaston rahoittama.

Tässä jaksossa keskustelemme siitä, miten tekoälyä voidaan hyödyntää ostolaskujen tiliöinnissä. Ostolaskut ovat taloushallinnossa päivittäinen työtehtävä ja näitä rutiininomaisia tiliöintejä ja laskujen hyväksymiskiertoon laittoja voidaan automatisoida, eikös niin, pienemmällekin yritykselle. Keskustelijana hankkeen projektipäällikkö, eli minä, Susanna Honka Haaga-Heliasta ja Niko Kytö tekoälyratkaisuja tarjoavasta Snowfox.AI:sta. Tervetuloa, Niko.

NK: Kiitos, Susanna. Mahtavaa saada olla mukana täällä yritysmaailman edustajana ja tämmösen pienen tekoälypajan sanansaattajana.

SH: No niin. Näistä ostolaskujen kirjauksista ja ohjelmistorobotiikasta vielä sellaista, että tämmöinen Midpoint-yritys teetti tutkimuksen alkuvuonna -21, jossa tutkittiin sitä, että miten ohjelmistorobotiikkaa hyödynnettiin suomalaisissa yrityksissä. Tätä on hyödynnetty kovasti erityisesti taloushallinnon prosessien automatisoinnissa. Ohjelmistorobotiikalla voidaan automatisoida rutiinitehtäviä, joiden kulku on sääntöpohjaista. Näitä tehtäviä esimerkiksi ovat erilaiset täsmäytykset ja siirrot eri järjestelmien välillä. No, yksi aikaa vievistä tehtävistä on taloushallinto, jossa juurikin nämä ostolaskujen käsittelyt. Ostolaskujen osalta kyllä, siellä on ilmeisesti aika paljon haasteita –

NK: Kyllä.

SH: Eli perussäännöistä muun muassa ALV-käsittelyn osalta löytyy paljon poikkeamia, ja haasteita myöskin tuo lisäksi laskujen puuttuvat ja virheelliset tiedot, eikö niin?

NK: Allekirjoitan täysin.

SH: Joo. Siihen lisäksi vielä esimerkiksi master datassa voi olla paljon päällekkäisyyksiä.

NK: Hyvin yleistä.

SH: Mm, toimittajia on esimerkiksi perustettu useampaan kuin yhteen kertaan.

NK: Kyllä.

SH: Ilmeisesti esimerkiks tämmösellä ohjelmistorobotiikalla, joka vaatii näitä sääntöjä, niin ostolaskujen kirjaus ei ole välttämättä kovin helppoa. Eli sellainen laadittu sääntö ei siis toimikaan, tai siihen liittyvää tietoa ei löydy. Tai sitä ei osata käsitellä, tai tämä ohjelmistorobotiikka ei osaa sitä käsitellä. Toisaalta myös esimerkiksi ilmeisesti näissä kirjanpito-ohjelmistoissa on mahdollista usein tämmönen automaattikäsittely, eli ostolasku tiliöidään ja laitetaan kiertoon toimittaja-tuotekoodit-tietojen perusteella. Usein tämä kuitenkin edellyttää, että toiminta ilmeisesti olisi aika vakiintunutta ja laskujen tiedoissa ei olisi puutteita.

NK: Mm-mm.

SH: Ilmeisesti myös tämmönen kansainvälinen ympäristö tuo sitten lisää vähän haasteita tähän tilanteeseen.

NK: Ehdottomasti tuo.

SH: No, se vähän tuntuu siltä, että ostolaskujen käsittely vaatii aika paljon tilannekohtaista päätöksentekoa ja arviointia. Onko nyt näin, että asiantuntijan työn automatisointi on haasteellista tai onko jopa mahdotonta?

NK: No, ei se ole mahdotonta. Haasteellistahan se on toki ollut kaikkina näinä vuosina kun ostolaskuja on sähköisestikin käsitelty erilaisilla ostoreskontraohjelmistoilla. Tämä meidän ratkaisuhan syntyi tarpeeseen automatisoida laskuja asiakkaille, joilla on melko isot volyymit. Mehän kuulutaan osaksi tuota Bravedo-yritysrypästä, missä on semmonen kolme-, neljäkymmentä eri yhtiötä, joista suurin osa työskentelee tai toimii henkilöstöpalvelubisneksen puolella. 2017 meidän talousjohtajamme tajusi, että meidän oma laskuautomaatiotaso on hyvin matala, noin viisi prosenttia. Hän myös kokeneena kaverina tajusi, että sääntöpohjaisella automaatiolla ei saada nopeita ratkaisuja aikaseksi. Koska henkilöstöpalvelubisneksen kautta pyöritellään kolme-, neljäkymmentä tuhatta ihmistä vuositasolla, eli rekrytoidaan ihmisiä ja koordinoidaan heitä eri asiakkaille, niin tämmönen tekoälymoottori oltiin jo kehitetty sitä tarkoitusta varten.

Tätä teknologiaa sitten lähettiin soveltamaan myös ostolaskujen käsittelyyn, ja näin pääsi sitten tuo meidän ratkaisu syntymään. Nyt sitten muutamaa vuotta myöhemmin ollaan onnistuttu kehittämään tästä semmonen ratkaisu, että se skaalautuu sekä isoille että pienille yrityksille. Nyt varsinkin pienemmillä yrityksillä ongelma usein on se, ettei ehkä ole resursseja käyttää viikkokausia jonkun robotin opettamiseen tai sitten jonkun muun sääntöpohjaisen automaation rakentamiseen. Eikä välttämättä ole sitten rahaakaan semmoseen. Ne tuppaa olemaan aika kalliita hankkeita, ja voi tulla lisenssimaksuja ja muuta tämmöstä, mihin ei sitten ehkä olla valmiita sijoittamaan. Sääntöpohjaiseen automaatioon verrattuna tekoälymoottori on skaalautuvampi, siinä on matalammat käyttöönottokustannukset ja ylläpito on helpompaa, koska tekoäly oikeastaan hoitaa itse itsensä.

Ja niin, ihan niin kuin minkä tahansa automaation kanssa, tavoite on aina se että vapautetaan työaikaa siitä rutiininomaisesta työstä. Me ollaan havaittu, ja tän pystyy moni analyytikko vahvistamaan, että yhden ostolaskun käsittelyyn voi kulua jopa viisitoista minuuttia työaikaa. Sulla saattaa olla ostoreskontran henkilö tai talouspuolen henkilö, joka tiliöi laskua ja lähettää sitä tarkastettavaksi liiketoiminnan ihmisille. He sitten taas käyttävät oman aikansa sen tarvittaessa tiliöintiin, tarkastukseen ja hyväksyntään. Jos siitä saisi kymmenen minuuttia pois, eli tippuisi viiteen minuuttiin, niin jokainen voi miettiä että mitä se heidän organisaatiossaan tarkoittaa säädetyssä työajassa. Ollaan myös havaittu, että tällä on heijastevaikutuksia, koska tiliöinnin parantuessa raportointi tehostuu, raportointi paranee. Se voi sitten parhaassa tapauksessa näkyä ihan viivan alla.

SH: Mm. Eli itse asiassa tuo on aika paljon tuo viisitoista minuuttia per lasku, kun miettii että niitä laskuja kuitenkin yrityksellä on aika paljon.

NK: Kyllä, se on hyvin äkkiä satoja työtunteja per vuosi. Kun menee pienemmässäkin yrityksessä aikaa pelkästään tommosen kanssa touhuamiseen.

SH: Joo, eli siis tämä työajan säästö ja laatu on ilmeisesti aika selkeitä hyötyjä ainakin tällaisissa tekoälyratkaisuissa. No, Suomen tekoälykiihdyttämö FAIA oli toteuttanut kyselyn 2019, ja siellä oli tutkittu sitten miten näitä investointeja tehdään. Yritysten tekoälyinvestoinneista oli todettu, että niitä oli hidastanut ennen kaikkea tiedon puute, eli kaivattiin kovasti ymmärrystä siitä mitä tekoälyn avulla voitaisiin tehdä ja miten sitä sovelletaan liiketoimintaan. Tämmöistä toimialakohtaista käyttökokemusten jakamista kaivattiin lisää. Tässä meidän hankkeessa, Älykkään automaation osaamiskeskuksessa, pyrimme nimenomaan tuomaan vähän tätä tietoa käyttökokemuksista, erityisesti pienten yritysten näkökulmasta.

NK: Mm.

SH: Elikkä tuo ostolaskujen kirjaaminen, siis se ratkaisu, tämä teidän tekoälyratkaisu on arkipäivää jo isommissa yrityksissä. Ilmeisesti nämä kokemukset ovat olleet hyviä, elikkä suurin osa laskuista ilmeisesti saadaan jo lyhyenkin koeajan jälkeen kirjattua ja aika luotettavasti. Eli sieltä vapautuu asiantuntijan työtä muuhun. Mutta sitten oikeastaan kysymys kuuluu, että onko tämä tekoäly sitten vain yrityksille? Elikkä voitais vähän vielä pohtia sitä, että miten nämä pienet voisivat tätä ottaa käyttöönsä. Onko toisaalta vaara, että nämä pienet menettää kilpailukykyään, jos he eivät lähde tänne tekoälyn tielle? Eli onko näin, että tekoäly on vain isoille yrityksille ja onko vaarana, että pienet yritykset menettävät kilpailukykyään? Nimittäin suomalaisista yrityksistä 95 prosenttia on näitä pieniä mikroja pk-yrityksiä ja osa on puolestaan ehkä jopa kasvuyrityksiä siellä joukossa. Liikevaihdostakin syntyy yli puolet näissä pienissä yrityksissä. Mitä mieltä olet, Niko?

NK: No, meidän havainto on se, että tämä on soveltunut tosi hyvin myös pienemmille yrityksille. Toki me paistatellaan tuolla noiden isojen yritysten logojen paisteessa ja niillä sitten mässäillään, mutta valtaosa meidän asiakkaista on kuitenkin siellä pienemmässä päässä. Yleensä nämä ratkaisut mitä he käyttää, ne tulevat joko tilitoimistoilta heille, eli ostolaskuja käsittelevät ratkaisut, tai sitten he ovat investoineet itse johonkin taloushallinnan ERP:iin. Merkittävä osa näistä kuitenkin tukee suoraan sitä meidän ratkaisua ja päinvastoin. Eli ollaan onnistuttu standardisoimaan tämä palvelu niin pitkälle, että monessa ostolaskuratkaisussa on ihan nappula mistä painat, niin saadaan meidät kyytiin mukaan. Se on mun mielestä aika makea huomata, että me ei edes nähdä kaikkia asiakkaita, mitkä meidän palvelun piiriin tulee.

Ja siis toimialat, on vaikea lähteä rajaamaan että mille toimialoille tämä sopii ja mille ei, että vielä yhtään toimialaa ei ole tullut vastaan minne tämä ei sopisi. Parhaat kokemukset on ehkä syntyneet kuitenkin kiinteistötoimialalla ja sote-palveluiden piiristä, johtuen ehkä siitä että siellä on melko kattava valikoima erilaisia toimittajia ja se saattaa olla aika hajanaista se spend sillä puolella. Mutta silläkin sektorilla on tosi paljon ihan tämmösiä man and van -tyyppisiä firmoja. On havaittu kyllä, että heidän kanssaan pystytään asioimaan hyvin. Mutta käyttöönotot ovat aina ikään kuin toistensa kopioita, ne erot ovat oikeastaan lähinnä pieniä nyansseja. Tämä investointi on sen verran pieni, että se on hyvin kevyt ottaa käyttöön. Tämä nyt ainakin meillä, ja toki sitten vastaavia ratkaisujahan löytyy vähän eri, sanoisinko, funktioihin. Kyllähän meidän suositus on aina asiakkaille se, että selvittäkää nämä asiat. Mahdollisuuksia löytyy kyllä hienosti.

SH: Okei. Eli tavallaan vaikka se toiminta ja scope on hyvin erilaista ja laajaa, niin silti tämä ratkaisu on käytettävissä näillä eri yrityksillä aika jouhevastikin?

NK: No, on se, joo. Ei olla kyllä ainakaan keksitty yhtään semmosta yritystä, missä tämä ei olisi toiminut tähän mennessä.

SH: Oho. Elikkä ajatellaan tällaista, jos sulla on vaikka tilitoimistokumppani, jolla on kiinnostusta tän automaation kehittämiseen, niin se voi jatkossa toimia ehkä paljon paremmin ja tehokkaammin. Nämä ihmisresurssit ohjautuu sitten ehkä semmoseen lisäarvoa tuottavaan palveluun.

NK: Joo, yksi iso tilitoimiston toimitusjohtaja sanoi meille, että kun he ottaa tätä tekoälyä käyttöön eli automaatiota oman asiakaskenttäänsä, niin se ei johdu siitä että he haluaisivat vähentää henkilöitä, henkilötyövuosia. Koska yleensä asiakkaat tykkää omista kirjanpitäjistään, ja kirjanpitäjät tuntevat asiakkaan. Mutta jos kirjanpitäjien aika menee tommoseen rutiininomaiseen toistoon, niin se on sitten pois oikeasti arvoa luovasta työstä, mitä he voi tehdä asiakkaan hyväksi.

SH: Niin, eli pelko siitä, että menetetään työpaikat, ei toisaalta pidä paikkaansa.

NK: No ei sinänsä. Ainahan se pelko on kun tulee uutta teknologiaa ja automaatiota ja näin, mutta ne työtehtävät muuttuu ja tarkentuu. Niinhän se on aina, se luo sitten jotain uutta.

SH: Joo. No kuinka suuri ostolaskuvolyymin pitää olla, jotta tämä on yritykselle kannattavaa? Eli onko se riippuvainen siitä, kuinka paljon niitä laskuja käsitellään?

NK: Tietysti mitä enemmän laskuja tekoäly pystyy käsittelemään, sen parempia tulokset on. Mutta tässä on nyt, neljättä vuotta ollaan tekemässä tätä, ja se koko ajan paranee. Koko ajan se kynnys madaltuu, että kuinka paljon se tarvitsee koulutusaineistoa, että voi antaa hyviä tuloksia. Niin ei tarvitse olla kyllä ihan hirveästi laskuja. Aina voi testata ilman veloitusta, että mikä se potentiaali olisi.

SH: Okei. Nyt jos mietitään, että joku yritys tämän haluaisi ottaa käyttöönsä, niin mitä se tarkoittaa? Elikkä tavallaan, tämä on tietysti tekoälyn kouluttamisvaihe siinä, vie ilmeisesti muutamia päiviä tai viikkoja?

NK: Kyllä.

SH: Sitten saadaan siinä ilmeisesti jopa 80 prosentin luotettavuustaso aika nopeassakin aikataulussa, kun ne laskut tekoäly kirjaa käytännössä?

NK: Joo, eli dimensiokohtaisesti, niin… Me tehdään joka kerta tällainen testi asiakkaalle heidän omalla aineistollaan. Eli he toimittaa meille ostolaskut ja niitä vastaavat tiliöinnit vaikka vuoden takaa, voi olla lyhyempikin aikajakso. Me pyöräytetään ne sitten meidän tekoälymyllyn läpi ja selvitetään, että miten hyvin tekoäly suoriutuisi näistä laskuista. Tänä vuonna kaikki testit mitä ollaan tehty, niiden melkein kaikkien asiakkaiden kohdalla lähtötilanne on noin 80 prosenttia. Eli sillä tarkkuudella pystytään tekemään dimensiokohtaista tiliöintiennustamista. Eli 80 prosenttisesti menee oikein per dimensio. Sitten mitä isompi asiakas, mitä enemmän laskuja, sen parempi tottakai. Mutta jokainen asiakas, jolla on vähänkään ostolaskuja, on täysin potentiaalinen palvelun käyttäjä.

SH: Okei. Eli se on itse asiassa aika korkea ollut, tuo 80 prosenttia, että vapauttaa jo huimasti sitä työaikaa.

NK: No ehdottomasti. Keskimäärin meillä on 90-prosenttinen tarkkuus tällä hetkellä kaikkien asiakkaiden keskuudessa. Mutta tekoälythän on siitä hauskoja otuksia, että oli se tekoäly mikä tahansa, jos se on aito tekoäly, niin se kasvaa ikään kuin vanhetessaan. Sama kuin koiranpentu, kun saat koiranpennun, niin ensimmäinen vuosi on sitä voimakkainta kasvun aikaa. Sitten se alkaa vähän tasoittua. Että se edelleen kasvaa ja kehittyy se koiranpentu, mutta ekat kaksitoista kuukautta, siinä se oppii sisäsiistiksi ja olemaan ja käyttäytymään, ja muodostuu osaksi sitä perhettä. Tekoälyn kanssa on sama juttu, sillä erotuksella että se on sisäsiisti kyllä ekasta päivästä lähtien. Koska kun se koulutetaan asiakkaan aineistolla, me pultataan se kiinni ja se antaa saman tien melkein täyden potentiaalin. Sitten se lähtee siitä kehittymään. Ettei tarvitse lähteä rakentelemaan ikään kuin pystymetsästä sitä automaatiota.

SH: Eli hyödyt realisoituu todella nopeassa aikataulussa?

NK: Siis käyttöönotothan on kahdesta neljään viikkoa keskimäärin, tai sillä välillä usein sukkuloidaan. Viimeistään neljän viikon jälkeen automaatiotaso on pompannut sinne 80 pinnaan.

SH: Miten sitten, kuinka paljon tässä käyttöönottovaiheessa tarvitaan yrityksen näitä henkilöresursseja, eli työvoimaa siinä mukana?

NK: No, se on pari päivää suurin piirtein. Vähän projektinhallintaa ja muutamat testilaskut, ja sitten mennäänkin tuotantoon. Kun rakennetaan prosessimoottoreita, yleensä ne vaatii hirveän paljon iteraatioita, testaus- ja määrittelypalavereita, dokumentointia ja muuta tämmöistä. Mutta tässä tehdään datan päältä arvoa. Se on vähän erilainen lähestymistapa. Oikeastaan se iso työ on jo tehty aikaisemmin, silloin kun se ostolaskujärjestelmä on rakennettu. Me vain jatketaan siitä.

SH: Eli siis tämä räätälöinti tarkoittaa käytännössä, se on siis yrityskohtaista vai onko siinä huomioitu niin, että siinä myöskin hyödynnetään muiden yritysten tuloksia?

NK: No, mehän anonymisoidaan tottakai kaikki data mitä me käsitellään, kun me kehitämme palvelua. Palvelun yleisen kehityksen osalta toki siis tehdään anonymisointia ja näin päin pois. Mutta sitten löytyy joskus semmosia asiakkaita, että heidän ostolaskudatassaan on jotain aivan erityistä, mitä he haluavat huomioitavaksi. Silloin me saatetaan kehittää esimerkiksi meidän tekstianalyysiä tukemaan tätä tarvetta, ja silloin kun se toiminnallisuus on tehty, se tuodaan myös kaikkien muiden asiakkaiden ulottuville. Joskus se ominaisuus on semmonen, että se astuu automaattisesti voimaan muille asiakkaille ja nostaa heidän automaatiotasoaan ilman, että he oikeastaan on meihin päin asiasta yhteydessä tai me heihin päin. Että meillä on täysi vapaus kehittää asiakkaiden automaatiota itsenäisestikin.

Meidän hinnoittelumalli on hyötypohjainen, ja se tarkoittaa siis sitä että jos me onnistutaan, niin saamme rahaa siitä. Tätä esimerkiksi edellisen työnantajani toimitusjohtaja, Visman Jukka Holm totesi taannoin LinkedInissä, että menestyvän pilvipalveluyrityksen pitää pystyä tarjoamaan hyötypohjaista hinnoittelua. Se on tätä päivää. Asiakkaat alkavat olemaan jo aika valveutuneita ostajiakin, että enää ei haluta ehkä ottaa isoa riskiä näissä SaaS-palveluissa ja tavallaan rahoittaa jotain, tai maksaa palvelusta jonka tulokset eivät ole taattuja.

SH: Okei, eli tavallaan tämä hinnoittelumallikin tukee jopa näitä, että pientenkin yritysten on helppo ottaa tätä tekoälyä käyttöönsä.

NK: Kyllä, koska maksat siitä mitä saat.

SH: Joo, sehän kuulostaa hyvältä. No, mitkä sitten on olleet, tähän loppuun vielä, niin näiden asiakkaiden mielestä suurimmat hyödyt tämän tekoälyratkaisun käyttöönottamisessa?

NK: No, säästetty työaika nyt on ihan selkeästi se ykkönen aina. Sitten jos on esimerkiksi tilitoimiston asiakas, mikäli automaatiota on mukana tuossa prosessissa, niin silloin sen pitää näkyä tilitoimiston perimissä palkkioissa jollakin tavalla. Ettei se tilitoimisto sitten kääri tavallaan niitä hyötyjä itselleen. Sitten automaattinen –

SH: Että näkyy siellä loppukuluttajilla, käyttäjillä?

NK: Juuri näin, juuri näin. Ja sittenhän tuo raportoinnin tason parantaminen ja jaksotusten helpottaminen. Että jos sulla on esimerkiksi, laskut on valmiiksi tiliöity järjestelmässä meidän toimesta, niin kuunvaihteessa, vaikkei niitä olisi hyväksytty, voit kuitenkin alkaa tekemään kuunvaihteen töitä ilman, että tarvitsee jaakata henkilöitä ostolaskujen takia. Tällä tavalla raportointikin paranee ja työn kuorma kevenee kuunvaihteessa myös kontrollereilla.

SH: Elikkä tämä tekoäly on vähän niin kuin tällainen lisäresurssi ruuhkapiikkien purkamisessa?

NK: Joo, kyllä. Kyllähän se on niin, että se, että jotkut toimenpiteet tänä päivänä vielä ajoittuu kuun vaihteeseen tai muuhun, se on vähän vanhanaikaista.

SH: No joo, kyllä. Me kaikki varmaan täällä taloushallinnon töissä haluttaisiin kotiin viikonloppuisin aina kuun vaihteessa hyvissä ajoin –

NK: Joo, juuri näin.

SH: Joo, kuulostaa hyvältä. Hei, kiitos Niko mielenkiintoisesta keskustelusta.

NK: Kiitos, Susanna. Oli kiva olla mukana tässä. Suosittelen kaikille jotka tätä kuuntelee, niin ottamaan meidät ja Haaga-Helian seurantaan näiden asioiden osalta tuolla sosiaalisen median puolella. Ainakin me ollaan jatkuvasti rekrytoimassa uutta väkeä, että ihan siitäkin perspektiivistä kannattaa ottaa meitä seurantaan.

SH: Hyvä. Kiitoksia.