אוטומציה של הזנת נתוני חשבוניות בלי לקלקל את הנהלת החשבונות

יש משימה כמעט בכל עסק קטן שאף אחד לא כתב בהגדרת תפקיד, אף אחד לא נהנה ממנה ואף אחד לא מערער עליה: מישהו, איפשהו, מקליד את תוכן חשבוניות הספקים למערכת הנהלת החשבונות, שורה אחר שורה, קובץ PDF אחד בכל פעם. זה נראה קטן מכדי לתקן. זה לא. זה בשקט אחד מההרגלים היקרים ביותר שיש לכם.

חשבו על זה ביושר. כמה דקות לחשבונית עבור פתיחת המייל, קריאת ה-PDF, הקלדת הספק, התאריך, הסכום ללא מע"מ, המע"מ, קוד החשבון, ואז בדיקה חוזרת מול ההזמנה. הכפילו את זה בעשרות — או מאות — החשבוניות שזורמות בחודש. אצל רוב העסקים שעבדתי איתם, רק הזנת חשבוניות לוקחת בין חצי יום ליומיים מלאים מהשבוע של מישהו. בדרך כלל אדם טוב מכדי לעשות את זה.

החלק המתסכל הוא שזו אחת המשימות המנהליות הבודדות שבהן האוטומציה באמת מוכנה, זולה ואמינה עד שעמום. קריאת מסמך מובנה וחילוץ של כמה שדות זה בדיוק מה שתוכנה מודרנית עושה טוב. הטריק הוא לא הטכנולוגיה. הטריק הוא ליישם אותה כך שתחזק את הספרים שלכם במקום לקלקל אותם בשקט. על זה המדריך הזה.

מה באמת אומר "אוטומציה של הזנת נתוני חשבוניות"

בואו נוריד את השיווק. אוטומציה של הזנת חשבוניות אומרת שתוכנה לוקחת חשבונית נכנסת — PDF במייל, סריקה של חשבון נייר, לפעמים חשבונית אלקטרונית מובנית — קוראת את השדות הרלוונטיים, וכותבת אותם למערכת הנהלת החשבונות או ה-ERP שלכם כרשומת טיוטה. ספק, מספר חשבונית, תאריך, סכום נטו, מע"מ, מטבע, ובאופן אידיאלי גם השורות הבודדות. אדם עדיין מאשר. ההקלדה נעלמת.

מתחת לפני השטח קורים שני דברים. ראשית, קליטה: המסמך מומר מתמונה או PDF לטקסט ממשי ולשדות מזוהים. כאן ה-OCR, ויותר ויותר מודלי בינה מלאכותית למסמכים, עושים את העבודה הקשה. שנית, התאמה ורישום: הנתונים שנקלטו נבדקים מול מה שאתם כבר יודעים — האם החשבונית הזו תואמת להזמנה, לספק מוכר, לקוד חשבון הגיוני — ואז נמסרים לספרים שלכם כדבר שאדם בודק ומאשר.

שימו לב למה שלא נמצא בתיאור הזה: אף אחד לא מוסר את המפתחות לרובוט. המטרה של אוטומציית חשבוניות שפויה אינה להוציא את האדם מההחלטה. היא להוציא את האדם מההקלדה, כדי שהאדם יוכל להקדיש את תשומת ליבו לדבר היחיד שתוכנה לא צריכה לעשות לבד — להחליט אם חשבונית נכונה וצריך לשלם אותה.

למה זה שווה את תשומת לבכם לפני הדברים הנוצצים יותר

אם קראתם את ההשקפה הרחבה שלנו על אוטומציה, אתם מכירים את הכלל: התחילו מהמשימה המשעממת, החוזרת ובעלת הכללים שבשקט אוכלת יום בשבוע. הזנת חשבוניות היא הדוגמה הקלאסית. נפח גבוה, אותם צעדים בכל פעם, והעלות של עשייה ידנית מוסתרת לעין כול — היא לא מופיעה אף פעם כסעיף, היא פשוט מופיעה כמנהל חשבונות עייף וערימת פיגור בסוף החודש.

יש גם טיעון איכות שחשוב יותר מהזמן שנחסך. להזנה ידנית של נתונים יש שיעור שגיאות. לכולם יש. ספרה שהוחלפה, סכום מע"מ שהוקלד בשדה הנטו, חשבונית שהוזנה פעמיים כי שני אנשים חשבו שהשני לא עשה זאת. השגיאות האלה יקרות בדרך מסוימת ומכוערת: הן בלתי נראות עד שהתאמה, דיווח מע"מ או ביקורת גוררים אותן לאור. קליטה אוטומטית עקבית, שנבדקת על ידי אדם, נוטה לעשות פחות טעויות כאלה, לא יותר — והיא עושה את אותו סוג טעות באופן צפוי, שהרבה יותר קל לתפוס.

ויש את הצד האנושי. אף אחד לא פתח עסק, או לקח תפקיד בהנהלת חשבונות, מתוך חלום להקליד שוב ושוב את אותה כתובת משלוח מ-PDF. מסירת המשימה הזו לתוכנה היא אחת האוטומציות הנדירות שכמעט כל מי שמושפע ממנה שמח באמת לראות. זה הופך אותה לפרויקט ראשון מושלם: תשואה גבוהה, התנגדות נמוכה, ותוצאה שהצוות שלכם מרגיש כבר בשבוע הראשון.

איך זה באמת עובד, צעד אחר צעד

כדאי לראות את כל המסלול שחשבונית עוברת אחרי שעשיתם אוטומציה, כי כל שלב הוא מקום שבו אתם שומרים על שליטה. אין קופסה קסומה. יש צינור קצר וניתן לבדיקה.

1. 1
   החשבונית מגיעה למקום אחד

   במקום שחשבוניות יהיו מפוזרות בתיבות דואר אישיות, כולן נוחתות במקום אחד — כתובת מייל ייעודית, תיקיית העלאה או כתובת להעברה. הדלת הקדמית האחת הזו היא חצי מהקרב.
2. 2
   המסמך נקרא

   התוכנה ממירה את ה-PDF או הסריקה לטקסט ומזהה את השדות: ספק, מספר חשבונית, תאריך, נטו, מע"מ, סך הכול, מטבע ושורות במקום שהיא יכולה.
3. 3
   הנתונים מותאמים ונבדקים

   השדות שנקלטו מושווים מול ספקים מוכרים, הזמנות וטווחים הגיוניים. כל דבר שלא מסתדר — סך הכול שאינו נטו ועוד מע"מ, ספק לא מוכר — מסומן במקום שיירשם בשקט.
4. 4
   אדם בודק ומאשר

   החשבונית שנקלטה מופיעה כטיוטה, זה לצד זה עם המקור. אדם מעיף מבט, מתקן כל דבר מוזר ומאשר. עם הזמן, פחות ופחות זקוקים לתיקון.
5. 5
   זה נרשם לספרים שלכם

   עם האישור, הרשומה זורמת למערכת הנהלת החשבונות או ה-ERP שלכם, עם המסמך המקורי מצורף למסלול הביקורת. בלי הקלדה מחדש, אף פעם.

OCR, בינה מלאכותית, חשבוניות אלקטרוניות: מה אתם צריכים?

יש הרבה רעש סביב הטכנולוגיה כאן, אז בואו נפשט את זה. יש בערך שלוש גישות, ורוב העסקים בסוף משתמשים בשילוב.

OCR קלאסי מבוסס תבנית

הגישה הישנה: אתם מלמדים את המערכת איפה כל שדה יושב בחשבונית של ספק מסוים — הנטו תמיד למטה מימין, מספר החשבונית למעלה משמאל — והיא קוראת את המיקומים האלה. זה מדויק וזול אחרי ההגדרה, אבל שביר. ברגע שספק מעצב מחדש את החשבונית שלו, התבנית נשברת. בסדר אם יש לכם קומץ ספקים קבועים ויציבים.

קליטת מסמכים מבוססת בינה מלאכותית

מודלי בינה מלאכותית מודרניים לא צריכים תבנית. הם מבינים שמסמך הוא חשבונית ומוצאים את השדות בכל מקום שהם יושבים, אפילו אצל ספק שמעולם לא ראו. זה מה שהופך את הכלים של היום שימושיים באמת לעסק אמיתי עם חשבוניות מבולגנות ומגוונות. זה מטפל בזנב הארוך — הספקים החד-פעמיים, הפריסות המוזרות, החשבון בשפה זרה — שפעם נפל בחזרה להזנה ידנית. זה החלק שבו הבינה המלאכותית מצדיקה את עצמה.

חשבוניות אלקטרוניות מובנות

המקרה הנקי מכולם: חשבונית שמגיעה כנתונים מובנים (פורמטים כמו אלה הנדרשים ביותר ויותר מקומות באירופה) לא זקוקה לקריאה כלל — השדות כבר קריאים למכונה. ככל שאלה הופכים לנורמה החוקית, חלק הולך וגדל מהחשבוניות שלכם פשוט ידלג על שלב הקליטה לחלוטין. הגדרה טובה מטפלת בכל השלושה בלי שתצטרכו לחשוב מה זה מה.

המסקנה הכנה: לרוב העסקים הקטנים היום, קליטה מבוססת בינה מלאכותית היא ברירת המחדל הנכונה, עם חשבוניות אלקטרוניות מובנות שמטופלות אוטומטית כשהן מגיעות, וגיבוי ידני דק למוזרויות האמיתיות. אתם לא צריכים לבחור דת אחת. אתם רוצים מערכת שבשקט משתמשת בכל שיטה שמתאימה לכל מסמך.

דוגמה מהעולם האמיתי: הסיטונאי הקבור ב-PDFים

כדי להמחיש, הנה תרכובת של פרויקט שאנחנו רואים לעיתים קרובות — הפרטים אנונימיים, הצורה נאמנה למציאות. סיטונאי אזורי, בערך 25 עובדים, קיבל בערך 600 חשבוניות ספקים בחודש. שני אנשים במשרד האחורי חילקו את ההזנה. בסוף החודש כולם נרתמו, ומנהל הכספים היה שם באופן קבוע בשבת מתאם את מה שלא הסתדר.

למצב היו שלושה תסמינים קלאסיים. חשבוניות הגיעו לארבע תיבות דואר שונות ומגש פיזי. תשלומים כפולים קרו כמה פעמים בשנה — אף פעם לא קטסטרופלי, תמיד מעצבן, ומביך לדרוש בחזרה מספק. והצוות באמת לא יכול היה לומר לכם כמה זמן כל זה אכל, כי זה נמרח על היום של כולם בפיסות של חמש דקות.

מה עשינו

לא הוצאנו שום דבר. המהלך הראשון היה המשעמם: כתובת invoices@ אחת, וקמפיין עדין כדי שספקים ועובדים ישתמשו בה. אחר כך קליטה מבוססת בינה מלאכותית קראה כל חשבונית נכנסת והפיקה רשומת טיוטה, מוצגת זה לצד זה עם ה-PDF המקורי. בדיקת זיהוי כפילויות השוותה כל חשבונית חדשה מול כל מה שנרשם בתשעים הימים האחרונים. שום דבר לא נרשם לספרים בלי שאדם ילחץ אישור.

באופן מכריע, הרצנו זאת במקביל לתהליך הידני הישן בשבועות הראשונים. הצוות המשיך לעשות את זה בדרך הישנה וגם צפה במה שהתוכנה הפיקה, כדי שיוכלו לסמוך עליה לפני שיסתמכו עליה. התיקונים המוקדמים שעשו גם שיפרו בשקט את ההתאמה, כך שעד השבוע השלישי הטיוטות בקושי דרשו מבט.

התוצאה

המספרים האלה הם להמחשה, לא הבטחה — אבל הם טיפוסיים לצורה שאנחנו רואים. זמן ההזנה ירד בערך בשלושה רבעים; שני עובדי המשרד האחורי עברו מטביעה לביצוע מעבר בדיקה מהיר. סוף החודש הפסיק להיות משבר. בעיית התשלום הכפול נעלמה למעשה, כי התוכנה תפסה את מה שאנשים עייפים פספסו. ומנהל הכספים קיבל בחזרה את השבתות שלו, מה שהיה אכפת לו ממנו יותר מכל מספר.

על מה לשים לב — הסיכונים הכנים

זו אחת האוטומציות הבטוחות יותר שאתם יכולים לעשות, אבל "בטוח יותר" אינו "ללא מחשבה". כמה דברים באמת חשובים, ולדלג עליהם זו הדרך שבה רעיון טוב הופך לבלגן שקט בספר החשבונות שלכם.

• חשבוניות כפולות. ודאו שהמערכת בודקת חשבוניות חדשות מול אחרונות. זה אחד הניצחונות המעשיים הגדולים וקל לפספס אותו.
• קודי מע"מ ומס. הפיצול הנכון בין נטו למע"מ והטיפול המסי הנכון חשובים לדיווחים שלכם. אמתו שהסכומים שנקלטו באמת מסתדרים, ועקבו מקרוב אחרי מקרי חיוב הפוך וחוצי גבולות.
• מסלול הביקורת. כל רשומה שנרשמה צריכה לשמור את המסמך המקורי מצורף. אם אתם לא יכולים ללחוץ משורה בספר חזרה ל-PDF, חסכתם זמן ויצרתם כאב ראש עתידי.
• מקרי קצה וזיכויים. חשבוניות זיכוי, חשבוניות חלקיות, חשבונות רב-מטבעיים ומקרים חד-פעמיים מוזרים הם המקום שבו הקליטה מתקשה ביותר. תכננו גיבוי ידני נקי במקום לכפות הכול דרך המערכת.
• למי זה שייך. אוטומציה ללא בעלים נרקבת. אדם אחד שמו צריך לפקח על תור הבדיקה ולהחליט מה לכוונן.

אף אחד מאלה אינו סיבה לא לעשות את זה. הם ההבדל בין אוטומציה שעושה את הספרים שלכם נקיים יותר לבין כזו שעושה אותם מהירים-אבל-שגויים. החדשות הטובות הן שכל אחד מהם מטופל פשוט על ידי שמירת אדם בלולאה ומסלול ביקורת שלם — מה שהגדרה בנויה היטב עושה כברירת מחדל.

איך ליישם בלי לשבש את הספרים שלכם

מכיוון שזה נוגע ברשומות הכספיות שלכם, היישום ראוי לקצת יותר זהירות מתזכורת לפגישה. העיקרון זהה לכל אוטומציה, עם זאת: התייחסו לזה כניסוי קטן והפיך, לא כמעבר חד.

1. 1
   אחדו את תיבת הדואר

   דאגו שכל חשבונית תזרום דרך כתובת או תיקייה אחת לפני שאתם עושים אוטומציה לכל דבר. השלב הזה לבדו שווה לעשות אפילו אם אתם עוצרים כאן.
2. 2
   הריצו קליטה במקביל לכמה שבועות

   תנו לתוכנה להפיק טיוטות בזמן שהצוות שלכם עדיין מזין בדרך הישנה. השוו. אמון נבנה מצפייה בה עושה דברים נכון, שוב ושוב, עם החשבוניות האמיתיות שלכם.
3. 3
   השאירו אישור אנושי פעיל, תמיד בהתחלה

   כל חשבונית שנקלטה היא טיוטה שאדם מאשר. התיקונים שאנשים עושים בשבועות הראשונים האלה הם מה שמחדד את המערכת.
4. 4
   הוסיפו את בדיקות הבטיחות

   זיהוי כפילויות, אימות שהסכומים חייבים להסתדר, והמסמך המקורי מצורף לכל רשומה. אלה בלתי ניתנים למשא ומתן עבור נתונים כספיים.
5. 5
   פרשו את ההזנה הידנית — במכוון

   כשחודף מלא עובר בנקייה, עצרו את ההזנה הידנית המקבילה ואמרו לכולם שהיא נעלמה, כדי שאף אחד לא ישמור על תהליך צללים. הרפו מהרישום האוטומטי רק מאוחר יותר, רק במקרים הבטוחים.

כשעושים את זה כך, השינוי מרגיש פחות כמו פרויקט תוכנה מסוכן ויותר כמו עמית שבשקט לוקח את העבודה הגרועה ביותר מהכתפיים של כולם. זה בדיוק מה שאתם רוצים מאוטומציה ראשונה: ניצחון מהיר, גלוי ואמין שמקל להגיד כן לבא בתור.

שאלות נפוצות