AI in contabilità: meno smistamento, più tempo per valutare

La contabilità comporta letture ripetute, smistamento e richieste di informazioni. Che cosa è stato acquistato? È coerente con l’attività del cliente? Le informazioni bastano per trattarlo correttamente? L’AI può assistere in queste attività che richiedono comprensione del testo. Calcoli, corrispondenze esatte e regole contabili definite vanno affidati a software affidabile. Un sistema utile collega le due attività e lascia più attenzione alle eccezioni e alle decisioni.

MechaAnetka è un progetto per i processi contabili collegato al sistema nazionale polacco di fatturazione elettronica KSeF. Come spiega il Ministero delle Finanze polacco, le fatture KSeF utilizzano un formato XML strutturato. Il progetto legge direttamente questi campi e prepara venditore, acquirente, totale e voci della fattura per l’analisi. Questa preparazione è automazione software ordinaria. L’AI interviene nell’interpretazione delle descrizioni. Per scansioni o PDF, un passaggio precedente potrebbe estrarre i dati, da confrontare poi con l’originale.

Gli esempi descrivono l’implementazione di MechaAnetka esaminata per questo articolo. Non dimostrano utilizzo in produzione, risparmi di tempo misurati o livelli di accuratezza. Gli scenari di acquisto sono illustrativi e non contengono dati dei clienti.

Lo stesso prodotto può avere significati diversi per clienti diversi. I giocattoli possono essere merce di un negozio o materiali per un asilo. In un’attività diversa potrebbero richiedere una domanda. MechaAnetka fornisce all’AI una descrizione dell’attività scritta dal professionista insieme ai dati della fattura. L’analisi risponde a due domande circoscritte: l’acquisto riguarda un veicolo e presenta indizi di uso personale? Il risultato è una segnalazione da esaminare, non una decisione sulla deducibilità.

Un contesto incompleto può richiedere ulteriori informazioni. Non dimostra che la spesa sia privata. Anche l’assenza di una segnalazione non conferma la correttezza del trattamento contabile.

Immaginiamo una fattura per pneumatici e cambio dell’olio senza targa. Un modello linguistico può riconoscere il legame con un veicolo quando manca una corrispondenza esatta. MechaAnetka confronta prima targhe e numeri di identificazione disponibili con i veicoli registrati per il cliente. Una corrispondenza segue il percorso esistente basato su regole e salta l’analisi AI. Gli acquisti senza corrispondenza possono arrivare al modello, che segnala una spesa per veicoli o un possibile acquisto personale.

• Descrizioni chiare: Carburante, pneumatici o una riparazione specifica offrono elementi concreti per il controllo.

• Descrizioni ambigue: La sola espressione «servizi di manutenzione» può riferirsi a informatica o attrezzature. Le istruzioni del modello distinguono esplicitamente questi casi.

• Verifica del professionista: Il professionista esamina la fattura, conferma il veicolo interessato e applica il trattamento appropriato sulla base di tutti i fatti.

Una segnalazione serve se qualcuno può trovarla e gestirla. MechaAnetka registra il risultato sulla fattura e permette di indicare il caso come risolto. Le analisi AI fallite sono registrate separatamente e possono essere ripetute. Un errore deve restare visibile, senza sembrare un controllo completato senza rilievi. Così il risultato dell’AI diventa una parte gestibile del processo contabile.

Il classificatore attuale restituisce due segnali sì/no. Non fornisce una spiegazione scritta né un punteggio di affidabilità. Il professionista deve comunque esaminare i dettagli della fattura.

Lo stesso approccio può estendersi ad altre attività. Queste sono possibili estensioni, non funzioni verificate nell’implementazione di analisi delle fatture di MechaAnetka:

• Domande ai clienti: Preparare una breve richiesta per un documento mancante o per lo scopo aziendale di un acquisto. Il professionista la verifica prima dell’invio.

• Supporto alla riconciliazione: Suggerire abbinamenti quando le descrizioni dei pagamenti differiscono dai riferimenti delle fatture. Verificare importi, date, valuta e documenti prima di confermare.

• Commenti di fine mese: Trasformare dati verificati in una prima spiegazione per il cliente. Controllare ogni numero e distinguere una variazione osservata da una causa ipotizzata.

• Acquisizione dei documenti: Suggerire tipi di documento ed estrarre campi dai file in arrivo, mantenendo l’originale disponibile per la verifica.

Le risorse ICAEW sulle competenze AI sottolineano la necessità di un attento controllo umano dei modelli finanziari sviluppati con l’AI. La stessa disciplina è utile per le fatture: mantenere accessibile l’originale, rendere visibili i casi aperti e definire chi può approvare le modifiche. Stabilire quali dati del cliente servono al modello, dove vengono elaborati e chi può accedervi. Le segnalazioni devono sostenere il giudizio professionale e non avviare autonomamente dichiarazioni fiscali, pagamenti o decisioni contabili definitive.

Scegliere un compito circoscritto, come trovare fatture di acquisto che richiedono chiarimenti su un veicolo. Prima di ampliare il campo, confrontare il processo assistito dall’AI con un campione esaminato da un professionista. Includere casi chiari, descrizioni ambigue e informazioni mancanti. Verificare le fatture segnalate e un campione di quelle non segnalate, così da individuare anche le omissioni.

• Tempo impiegato: Misurare il tempo totale di verifica e correzione, comprese le attività successive.

• Segnalazioni utili: Registrare quali avvisi portano a domande o correzioni pertinenti e quali generano lavoro superfluo.

• Omissioni ed errori: Annotare i problemi nelle fatture non segnalate e le analisi mai completate.

Un progetto pilota utile dovrebbe mostrare che il team raggiunge decisioni fondate con meno lavoro. Il solo numero di fatture inviate a un modello dice molto poco.