GBNED: ‘Machine learning bij factuurverwerking nog in de kinderschoenen’

Veel softwareleveranciers op het gebied van elektronische factuurverwerking claimen dat hun product met ‘machine learning’ werkt, maar in de praktijk staat deze techniek nog in de kinderschoenen.

Dat concludeert onderzoeksbureau GBNED. Machine learning valt onder de bredere noemer van artificiële intelligentie (AI). AI wordt inmiddels op veel gebieden toegepast. Machine learning betreft het deelgebied van computerwetenschappen dat computers het vermogen geeft zelflerend te zijn, zonder expliciete programmering.

Gerard Bottemanne van GBNED:
“Op het gebied van elektronisch factureren, en dan in het bijzonder bij elektronische factuurverwerking, wordt door steeds meer softwareleveranciers machine learninggenoemd als middel om zoveel mogelijk inkomende facturen en boekingsbonnen (met name kassabonnen) automatisch te boeken in de administratie. Het gebruik in de praktijk van machine learning staat echter nog in de kinderschoenen en het begrip machine learning wordt nog te pas en te onpas gebruikt.”

Bottemanne gebruikt een voorbeeld: “Stel dat bij inkomende factuurverwerking lunchkosten voor een zzp’er, conform de fiscale regelgeving, automatisch voor 80 procent geboekt worden als kosten zonder aftrek van btw. Is hier dan sprake van machine learning? Als de uitvraag is geprogrammeerd, dan is dat niet zo. Voor de eindgebruiker is dit niet echt relevant; hetzelfde doel wordt bereikt, namelijk het zoveel mogelijk automatisch boeken. Zo zijn er nog enkele schoolvoorbeelden te bedenken, waarbij het voor de eindgebruiker in de praktijk niet relevant is of wel of geen sprake is van machine learning, maar de kunst bij machine learning is nu juist dat bepaalde patronen worden ontdekt zonder menselijke handelingen en/of programmering vooraf”, aldus Bottemanne.

Rondvraag

Onlangs heeft GBNED zo’n dertig softwareleveranciers gevraagd naar hun specifieke ervaring met machine learning in relatie tot het herkennen van boekingsdocumenten. Een zestal leveranciers heeft een bijdrage geleverd.

Uit de antwoorden trok GBNED vier conclusies:

  • Het gaat bij machine learning vooral om de wet van de grote aantallen en daardoor is big data een vereiste.
  • Patroonherkenning is van essentieel belang bij machine learning; bijvoorbeeld door vergelijking van de omschrijving van eerdere transacties, bedragen en andere informatie.
  • Als een administratie lokaal draait, beschik je voor machine learning alleen over de data van die ene administratie, waardoor de techniek tegen beperkingen aanloopt vanwege de kleinere hoeveelheid data. Dit in tegenstelling tot een online toepassing waar vele administraties zijn ondergebracht en waar eventueel de beschikking is over data van soms duizenden of zelfs tienduizenden administraties (mits er toestemming is om die data te gebruiken).
  • In de praktijk is er nog weinig ervaring met het daadwerkelijk inzetten van machine learning.

Meer informatie

Het gratis rapport ‘Scannen en herkennen van boekingsdocumenten en elektronische factuurverwerking op basis van robotic accounting 2017’ bevat, naast een specificatie van oplossingen van dertig leveranciers, uitgebreide informatie over machine learning.


Gerelateerd


Er kunnen nu even geen reacties worden geplaatst.