Zmiany w podejściu do AI kategoryzacji wydatków po 2022 roku - co dane mówią o nowej generacji

Po 2022 roku coś się zmieniło - nie tyle w samej technologii, ile w tym, jak firmy podchodziły do wdrożeń.

Zmiana punktu startowego

Wcześniejsze wdrożenia zaczynały od modelu. Nowsze zaczęły od audytu danych. Firmy, które przed wdrożeniem przeprowadzały co najmniej trzymiesięczny proces czyszczenia i ujednolicania danych historycznych, raportowały dokładność o 19-23 punkty procentowe wyższą niż te, które tego nie robiły - wynika to z analizy opublikowanej przez Ardent Partners w 2023 roku obejmującej 87 wdrożeń w Europie Zachodniej.

Modele wielojęzyczne i kontekst opisu

Narzędzia oparte na dużych modelach językowych zaczęły radzić sobie z opisami transakcji w różnych językach i formatach. To istotne dla firm działających w wielu krajach, gdzie ta sama kategoria wydatków mogła być opisywana po polsku, angielsku i niemiecku w obrębie jednej faktury zbiorczej. Poprzednia generacja narzędzi traktowała każdy język jako osobny problem.

Gdzie nadal są luki

Wydatki pracownicze z niskim poziomem opisu - paragony, delegacje, drobne zakupy - nadal mają najniższą dokładność kategoryzacji w każdym systemie. Dane z raportów SAP Concur z 2023 roku wskazują na dokładność 71% dla tej kategorii przy ogólnej dokładności systemu na poziomie 88%. Luka nie zniknęła, tylko się zmniejszyła.

Dla kogo to jest zmiana znacząca

Dla firm, które próbowały wcześniej i zrezygnowały - różnica jest realna, ale nie automatyczna. Wymaga innego przygotowania niż poprzednie wdrożenie. To nie jest ta sama gra z lepszymi kartami. To inna gra.