Whitepaper E-facturatie

E-facturatie heeft de toekomst. Maar in het bedrijfsleven stuurt men liever pdf-facturen per e-mail naar elkaar. Zowel technologische ontwikkelingen als de overheid gaan op zeer korte termijn een belangrijke rol spelen in de adoptie van e-facturatie.

Lees er alles over in onze white paper.

    ic-whitepaper-efacturatie-adoptie-v4

     

      4 min read

      AI verandert inkooprollen

      Featured Image

      Analistenbureau Gartner classificeert Artificial Intelligence als bepalende innovatie binnen inkoop. AI zal een grote impact hebben op tactische én operationele inkoop- en factuurverwerkingsprocessen. Traditionele inkooprollen krijgen een andere invulling.

      Artificial Intelligence is overal. Iedereen heeft weleens met formules gewerkt, dat is in de basis al AI. Maar zodra de formules complexer worden en de hoeveelheid gegevens toeneemt, houdt het voor een normaal mens op. Computers kunnen hier juist prima mee omgaan, daar heeft de Wet van Moore mede voor gezorgd.

      Het verzamelen van data en het interpreteren daarvan speelt vandaag de dag een cruciale rol bij veel organisaties. Big data en de inzichten die hieruit voortvloeien, dragen namelijk bij aan het onderscheidend vermogen. Deze ontwikkeling heeft geleid tot opkomende technologieën, zoals AI. Hiermee kan het menselijk vermogen met computersystemen worden gesimuleerd. Met deze technologie ontwikkelen we steeds meer slimme toepassingen, bijvoorbeeld in het proces van bestelling tot en met betaling (purchase-to-pay of order-to-pay). Op inkoopafdelingen en financiële afdelingen valt immers nog veel te winnen.

       

      Virtuele assistent

      Leveranciers van purchase-to-pay-automatisering gebruiken AI op verschillende manieren. Ze breiden de kracht van de cloud uit met AI-applicaties en/of functionaliteiten die ervoor zorgen dat handwerk in het proces van bestelling tot betaling zo veel mogelijk wordt geëlimineerd. Zo lanceerden verschillende partijen hun eigen chatbotfunctie. Dat is een virtuele assistent die gebruikers helpt bij het plaatsen van bestellingen en het zoeken naar artikelen of orders.

      Chatbots, ook wel digital agents genoemd, gebruiken natural language processing-technologie (gericht op het begrijpen van de menselijke taal) om zonder tussenkomst van een mens te interacteren met leveranciers. Ze kunnen zelfstandig eenvoudige gesprekken voeren of simpele vragen beantwoorden. Leveranciers kunnen communiceren met de digital agent zoals ze dat zouden doen met een mens.

      Machine learning

      Dankzij machine learning, waarbij met behulp van grote hoeveelheden data een computer getraind wordt om bepaalde taken uit te voeren, wordt het bovendien mogelijk om voorspellingen en keuzes continu te verbeteren met zelflerende algoritmes. Door zoekresultaten te combineren met de uiteindelijke bestelling bij catalogusartikelen, leert het platform dat wordt gebruikt om te bestellen betere suggesties te geven. Dus wanneer iemand zoekt op ‘personal computer’, dan leert het systeem om (ook) de laptops te tonen. Doordat het systeem ook meteen een passende tas bij de laptop voorstelt, ondergaat het gebruiksgemak van de bestelapplicatie een sterke verbetering. Het reduceert bovendien de trainingstijd voor nieuwe gebruikers.

      Maar AI gaat verder dan de virtuele assistent. De betere oplossingen bieden momenteel al functies om bijvoorbeeld ook de niet-ordergerelateerde facturen automatisch te boeken, de zogenoemde smart coding technology. Daarbij wordt gebruikgemaakt van grote hoeveelheden historische facturen en wordt automatisch de meest gelijkaardige coderingsstructuur toegepast op de nieuwe factuur.

      Daarnaast zijn inkoopsystemen in staat zelf inkooporders aan te maken op basis van historische gegevens. Of bijvoorbeeld om individuele aanvragen op te sparen tot weekbestelling, te bundelen en hier één transport van te maken zonder dat de gebruiker dit merkt. Zo kunnen organisaties besparen op transportkosten, een minimum orderwaarde behalen of gebruikmaken van volumekortingen.

      Nieuwe inzichten

      Toepassing van AI en ook machine learning heeft de nodige impact op de inkooporganisatie. Daarnaast zal de Accounts Payable-afdeling er eveneens totaal anders uit gaan zien. Veel mensen zijn bang dat hun dagelijkse werk volledig wordt overgenomen door robots. Toch blijft menselijke sturing (vooralsnog) nodig. Het is dan ook niet mens versus machine, maar mens met machine.

      Wat je ziet, is dat AI dagelijkse taken uit handen neemt. Het vergemakkelijkt niet alleen het proces van bestelling tot betaling doordat handmatige, repetitieve handelingen worden geautomatiseerd, maar het optimaliseert ook het proces doordat nieuwe inzichten worden verkregen. In een wetenschappelijke praktijksetting is het al mogelijk dat een computer op basis van 40.000 iteraties bepaalt wat de beste deal is en de volledige prijsonderhandeling doet.

      Tactische rol

      We zien deze verschuiving van werkzaamheden ook terug bij een aantal van onze klanten die al op enige manier bezig zijn met AI, zoals bij Croonwolter&dros. Dit bedrijf ontwerpt, realiseert en onderhoudt slimme, technische systemen en installaties. Een aantal mensen bij de orderdesk weet nu al dat zijn functie binnen afzienbare tijd wezenlijk zal veranderen.

      Björn Smeets, directeur Inkoop en Logistiek bij Croonwolter&dros, meent dat hij mensen maar beter zo vroeg mogelijk mee kan nemen in de ontwikkelingen en laten zien wat de impact van nieuwe technologie voor hen kan betekenen. Sterker nog, hij vraagt ze zelf invulling te geven aan hun nieuwe rol. Daarbij appelleert hij aan hun menselijke inventiviteit. Ze kunnen bijvoorbeeld een rol gaan spelen bij zowel het onboardingsproces van leveranciers, als bij het sturen in leverancierskeuze. De huidige operationele rol verandert zo in een meer tactische rol.

      Mensenwerk

      Automatische factuurmatching is allang mogelijk, maar dat verloopt nog niet overal vlekkeloos. Om dit mogelijk te maken, dienen leveranciers facturen digitaal aan te leveren. Hiervoor gebruikt Croonwolter&dros het Basware Network, een open netwerk waar any-to-any-conversie van facturen en bestellingen plaatsvindt. In totaal zijn honderd van de bijna vierduizend leveranciers aangesloten op het platform. Samen zijn deze leveranciers verantwoordelijk voor 80 procent van de orders. Er gaat nog wel wat tijd overheen voordat 80 procent van de leveranciers is aangesloten. Voorlopig is dit nog mensenwerk.

      Bestelproces

      Een ander voorbeeld waarbij de werkzaamheden verschuiven, is te zien in het bestelproces. Als monteurs met hun smartphone een foto maken van een kapotte klep, dan kan het platform waarmee zij bestellingen doen herkennen van welke leverancier deze klep komt en wanneer deze geplaatst is. Vervolgens krijgt de monteur een voorstel welke leverancier het beste snel, verpakkingsloos en op een duurzame manier een nieuwe klep kan leveren. Vergelijkbaar met platforms als Coolblue, kan het systeem ook voorstellen doen voor aanpalende producten: als je dit product bestelt, dan heb je dat product waarschijnlijk ook nodig.

      Croonwolter&dros voorziet dat dit bestellen straks spraakgestuurd wordt. Of dit nu met Alexa of Siri gebeurt, dat maakt niet uit. Wel moet de monteur nog zelf kiezen of hij de bestelling geleverd wil hebben op zijn gps-locatie of dat hij het liever gedurende de nacht in zijn bus afgeleverd wil hebben.

      Gefragmenteerd

      De inzet van AI bij Croonwolter&dros is op dit moment nog gefragmenteerd. Het bedrijf kan al wel voorspellen welke materialen een monteur nodig heeft. Orders worden aan elkaar geknoopt om volumekortingen te krijgen. Daar heeft het bedrijf geen AI voor nodig. Dat komt gewoon uit spend data. De datacomplexiteit is vrij gering. Voor 95 procent van de storingen heeft de monteur de benodigde materialen al op voorraad liggen in zijn bus. Die optimalisatie is gedaan vanuit het oogpunt van gepland onderhoud.

      Grotere dataset

      Dat wordt anders bij predictive maintenance. Als assets connected zijn (bijvoorbeeld cv-ketels), kan integraal over alle klanten heen worden gekeken. Vervolgens dient een risicoanalyse plaats te vinden die de faalkans berekent wanneer de onderneming het onderhoud bij de klant uitstelt. Als er dan bijvoorbeeld toevallig twaalf storingen tegelijk plaatsvinden, kan met AI een analyse gedraaid worden welke het beste het eerst verholpen kan worden. Hierbij draait het dus om een grotere dataset.

      Lonked perspectief

      In de toekomst zal de rol van inkoop meer in het teken staan van strategische relaties opbouwen, marktdynamiek begrijpen en innoveren binnen de waardeketen. Medewerkers die nu operationele werkzaamheden uitvoeren, krijgen een meer tactische rol. De technologie van AI en machine learning is ondertussen ver genoeg om een volgende stap te maken. Uiteindelijk kunnen bedrijven efficiënter zijn met technologie dan met uitbesteding naar lagelonenlanden. Dat is een lonkend perspectief voor zowel inkoop als finance. Laten we de kansen van deze technologie benutten, maar wel zodat deze in ieders voordeel werkt. •

      Meer grip op uitgaven dankzij intuïtief inkoopproces voor gebruikers

      TU Delft: meer grip op uitgaven dankzij intuïtief inkoopproces voor gebruikers

      Gastblog door Mees Walhof, Sustainable Projectmanager bij de TU Delft

      Binnen de meeste grote organisaties zijn de disciplines Finance en Inkoop nog...
      Lees verder
      Maak het als bedrijf makkelijk om op tijd betaald te krijgen

      1 min read

      Als bedrijf op tijd betalen is een kwestie van goed fatsoen, toch?

      Als bedrijf op tijd je factuur betaald krijgen, dat is een kwestie van goed fatsoen van je afnemer. Daar zal iedereen het mee eens zijn. Maar om...

      Lees verder
      Hoe de Kraljic matrix uw leveranciersmanagement en inkoopproces verbetert

      Hoe de Kraljic matrix uw leveranciersmanagement en inkoopproces verbetert

      Ondanks dat indirect spend meestal niet meer dan 20% van de bedrijfsuitgaven bedraagt, ligt de bestelfrequentie doorgaans veel hoger dan bij direct...

      Lees verder