כל מחלקת כספים כבר שמעה על סריקת חשבוניות בבינה מלאכותית. הספק שולח חשבונית במייל, מערכת קוראת אותה, והנתונים מופיעים על המסך. בהדגמה זה נראה כאילו העבודה נגמרה.
במשרד העבודה רק מתחילה. מישהו עדיין מחפש את הזמנת הרכש, משווה שורה לשורה, בודק שהסחורה הגיעה, ורק אז מקליד. הסריקה חסכה את ההקלדה. הבדיקה היא המקום שבו השעות באמת הולכות, וזה נכון גם בסריקת חשבוניות לפריוריטי ובכל מערכת אחרת.
במאמר הזה נעבור על מה הבינה המלאכותית עושה טוב בסריקה, איפה היא נעצרת, ומה צריך לקרות אחרי הסריקה כדי שהחיסכון יהיה אמיתי.
מה הבינה המלאכותית עושה טוב בסריקה
קוראת כל פורמט בלי תבנית
חשבונית מספק חדש, קובץ PDF, סריקה או צילום מהטלפון. המערכת מזהה את השדות בלי שמישהו הגדיר לה איפה הסכום נמצא. זה ההבדל הגדול מסורקי OCR ישנים, ועליו כתבנו במאמר על OCR לחשבוניות מול עיבוד מסמכים חכם.
מזהה שורות, לא רק כותרת
מספר חשבונית, תאריך וסכום זה החלק הקל. השורות עצמן, פריט, כמות, מחיר ליחידה, הן מה שצריך לבדוק מול ההזמנה. מערכת טובה קוראת גם אותן.
עובדת בעברית ובאנגלית
חשבונית מספק ישראלי, חשבונית מספק בחו"ל, ולפעמים שתי השפות על אותו דף. הקריאה צריכה לעבוד בכולן בלי הגדרה נפרדת.
מתמודדת עם סריקות לא מושלמות
דף שנסרק עקום, צילום עם צל, חותמת על הסכום. בינה מלאכותית קוראת את ההקשר ולא רק את הפיקסלים, ולכן מסתדרת גם עם מסמך שנראה רע. מה שבאמת לא קריא לא נקלט בניחוש, אלא נעצר עם הערה שמישהו יסתכל.
איפה הסריקה לבד נעצרת
היא לא יודעת מי שלח
שם על PDF הוא לא כרטיס ספק. את החשבונית צריך לקשר לספק הנכון ב-ERP, עם תנאי התשלום שלו ועם ההזמנות הפתוחות שלו.
היא לא יודעת אם המחיר נכון
מחיר ליחידה שנקרא מהחשבונית הוא מספר. האם הוא תואם להזמנת הרכש, זו שאלה אחרת. וזו השאלה שמעניינת את החשב.
היא לא יודעת אם הסחורה הגיעה
חשבונית על 100 יחידות כשהמחסן קיבל 80 נראית מושלמת למערכת סריקה. היא נראית לא בסדר רק ליד תעודת הקבלה.
ההקלדה לא נעלמה, היא עברה מקום
נתונים שנסרקו ויושבים בטבלה או בתור עדיין מחכים שמישהו יקליט אותם ל-ERP. העבודה זזה למסך אחר. במקום להקליד, מישהו מעתיק ומדביק, ובודק שוב שלא נפלה ספרה בדרך.
חשבונית כפולה נראית כמו חשבונית חדשה
ספק ששלח את אותה חשבונית פעמיים, פעם במייל ופעם דרך הסוכן, יקבל שתי סריקות מושלמות. רק בדיקה מול מה שכבר נקלט ב-ERP תתפוס את הכפילות לפני התשלום.
מה צריך לקרות אחרי הסריקה, ומה לשאול את ספק התוכנה
זיהוי הספק
לפי כתובת המייל והמסמך. ספק חדש עובד מהחשבונית הראשונה, בלי להגדיר לו כלום.
מציאת הזמנת הרכש
לפי מספר ההזמנה בחשבונית, או לפי הספק והפריטים כשהמספר חסר. ההזמנה נשלפת מה-ERP עם השורות והמחירים.
בדיקה שורה מול שורה
כמות, מחיר ליחידה וסכום, כל שורה מול ההזמנה ומול תעודת הקבלה. זו ההתאמה התלת כיוונית שהנהלת החשבונות עושה היום ביד.
עצירה עם הסבר
מחיר גבוה מההזמנה, תעודת קבלה שחסרה, מספר חשבונית שכבר נקלט. כל אחד נעצר עם סיבה קצרה, כדי שמי שפותח את החשבונית ידע מה להחליט.
קליטה של מה שתואם
רק חשבוניות שעברו את הבדיקות נקלטות ל-ERP, מקושרות להזמנה ומוכנות לאישור ולתשלום.
שאלה לספק התוכנה, מה המערכת קוראת מה-ERP
אם התשובה היא כלום, זו מערכת סריקה עם ייצוא. בקשו לראות את שליפת הזמנת הרכש על מסך חי.
שאלה לספק התוכנה, מה קורה עם ספק חדש ועם החיבור
אם צריך להגדיר תבנית או מיפוי, המערכת תבלה את חייה בהגדרות. והחיבור צריך להיות ישיר, בשני הכיוונים, בלי תוכנת ביניים. זה מה שמבדיל בין סריקה לבין חילוץ נתונים מחשבוניות ספק שמסתיים ברשומה ב-ERP.
איך זה עובד עם דוקונברט
דוקונברט היא שכבת ה-AI של ה-ERP. היא מתחברת ישירות לפריוריטי דרך הקונקטור הדו-כיווני של דוקונברט לפריוריטי, וגם ל-Oracle Fusion Cloud ERP ול-Infor M3, בלי תוכנת ביניים. ככה נראית חשבונית אחת.
החשבונית מגיעה במייל
PDF עם 18 שורות מספק שאתם עובדים איתו שנים. אף אחד לא מעביר אותה לתיקייה ולא סורק אותה שוב.
דוקונברט מזהה את הספק
לפי כתובת המייל והמסמך. כרטיס הספק בפריוריטי מגיע עם הזמנות הרכש הפתוחות שלו.
ההזמנה ותעודת הקבלה נשלפות
שורות, כמויות, מחירים, ומה שהמחסן אישר שהגיע. ההשוואה מתחילה כאן.
כל שורה נבדקת
נניח ש-17 שורות תואמות להזמנה ולקבלה. שורה אחת מראה מחיר ליחידה גבוה מההזמנה. השורה הזאת נעצרת עם ההסבר, והחשבונית מחכה לקניין או לחשב.
החשבונית נקלטת
אחרי שהשורה הפתוחה הוכרעה, החשבונית נקלטת בפריוריטי, מקושרת להזמנה ולקבלה. זה הרעיון שאבי רפאלסון, מנכ"ל דוקונברט, מתאר במאמר Beyond Extraction. הקריאה היא כרטיס הכניסה. הערך נמצא במה שבודקים מולו.
למי זה מתאים
מנהלי כספים וחשבים שרוצים שכל חשבונית תיבדק מול ההזמנה לפני שמישהו רואה אותה.
מנהלות ומנהלי הנהלת חשבונות ספקים עם מאות חשבוניות בחודש בפורמטים שונים.
מנהלי מערכות מידע בחברות על פריוריטי, Oracle Fusion או Infor M3 שרוצים חיבור ישיר.
חברות של 200 עד 5,000 עובדים, וקבוצות גדולות שמתחילות בחברה בת אחת.
שאלות ותשובות
מה ההבדל בין סריקת חשבוניות בבינה מלאכותית ל-OCR?
OCR הופך תמונה לאותיות ומספרים. בינה מלאכותית מבינה מה המסמך, מי שלח אותו ומה כל שדה אומר. על החלופות לסורקי OCR לחשבוניות כתבנו בנפרד.
צריך תבנית לכל ספק?
לא. חשבונית ראשונה מספק חדש נקראת ונבדקת כמו חשבונית מספק ותיק, גם אם העיצוב שלה שונה מכל מה שהמערכת ראתה עד היום.
מה קורה כשאין מספר הזמנה על החשבונית?
הספק והפריטים מצביעים על ההזמנה הפתוחה. אם אין הזמנה מתאימה בכלל, החשבונית נעצרת עם הערה, וזה בדרך כלל בדיוק מה שרוצים.
כמה זמן לוקחת ההטמעה?
הטמעה טיפוסית של דוקונברט לוקחת כ-10 ימי עסקים, בענן או על השרתים שלכם.
רוצים לראות את זה על המסמכים שלכם? לתיאום דמו או להתחיל ניסיון