Jak próbowano standaryzować kategoryzację wydatków zanim wkroczyło AI

Problem kategoryzacji wydatków nie zaczął się od AI. Zaczął się od tego, że ludzie nazywają te same rzeczy różnie.

Lata 90. - kody GL i ręczna dyscyplina

Systemy ERP pierwszej generacji wymuszały kategoryzację przez kody kont głównych. Teoria była prosta: przypisz kod, problem rozwiązany. Praktyka wyglądała inaczej. Pracownicy używali domyślnych kodów dla wszystkiego, co było niejasne. W dużych firmach produkcyjnych nawet 22% transakcji trafiało na konta zbiorcze przeznaczone do późniejszej reklasyfikacji - która rzadko następowała.

Lata 2000. - taksonomie i słowniki korporacyjne

Odpowiedzią były ustandaryzowane taksonomie wydatków, takie jak UNSPSC. Firmy płaciły za wdrożenie, szkoliły pracowników i przez kilka lat utrzymywały względną spójność. Potem przychodziła fuzja, reorganizacja albo zmiana systemu ERP i taksonomia przestawała odzwierciedlać rzeczywistość.

Lata 2010. - reguły i automatyzacja oparta na wzorcach

Narzędzia do zarządzania wydatkami zaczęły oferować automatyczne sugestie kategorii oparte na nazwie dostawcy. To działało dla stałych dostawców. Dla wszystkiego innego - nie. Dane z wdrożeń Concur z tamtego okresu wskazują, że automatyczna sugestia była akceptowana bez zmian w 58% przypadków, co oznaczało, że błędy w bazie dostawców były powielane bez weryfikacji.

Co z tego wynika dla AI

Każde narzędzie AI do kategoryzacji dziedziczy dane z poprzednich systemów. Jeśli poprzedni system był niespójny, model uczy się tej niespójności. Historia problemu jest wbudowana w dane treningowe.