AIMultiple стремится помочь покупателям выбрать правильное решение для сбора счетов-фактур для их бизнеса.

Первый тест AIMultiple по сбору счетов-фактур призван помочь глобальным компаниям из списка Forbes 2000 с несколькими местными дочерними компаниями в разных странах, которые получают не менее десятков тысяч счетов в формате PDF или по почте. Бенчмарк будет оценивать следующие аспекты их бизнеса:

• Финансовые выгоды, включая повышение эффективности, а также скидки за досрочную оплату
• Повышенная прозрачность
• Общая стоимость владения

Каковы будут руководящие принципы?

Методология сравнительного анализа AIMultiple предназначена для объективной и прозрачной оценки. В нем также разъясняются требования к участию.

Что будет бенчмаркироваться?

Технология захвата счетов. AIMultiple будет обмениваться счетами-фактурами в виде цифровых файлов (например, PDF) через API, предоставляемые поставщиками.

Что такое эталонный набор данных?

Счета-фактуры в наборе данных должны быть

• представитель счетов-фактур, которые получает глобальная корпорация
• достаточно многочисленны чтобы гарантировать, что результаты являются обобщаемыми

Счета-фактуры будут репрезентативными с точки зрения страны происхождения. Набор контрольных данных будет включать не менее 50 счетов-фактур на страну. Список стран начинается с 10 крупнейшие страны по экспорту по состоянию на 2022 г.. Затем исключаются страны, которые стандартизировали счета-фактуры. Стандартные документы имеют тот же формат, и данные счета-фактуры встроены в файл, прикрепленный к счету-фактуре. Таким образом, получение данных из таких документов является тривиальным, и мы исключаем их, поскольку не ожидаем, что документы из этих стран будут отличительным фактором в контрольном показателе. После этих исключений, которые исключают Китай и Италию из списка, эти страны остаются вне топ-10:

1. Соединенные Штаты
2. Германия
3. Великобритания
4. Франция
5. Нидерланды
6. Япония
7. Сингапур
8. Республика Корея

Ни одно юридическое лицо не будет представлено более одного раза в качестве выставителя счета.. Большинство компаний используют единый формат для своих счетов-фактур. Следовательно, если счет-фактура от этой компании обрабатывается правильно, вполне вероятно, что другие счета-фактуры от той же компании также будут обработаны правильно. Однако AIMultiple не будет отслеживать счета-фактуры от дочерних компаний, поэтому одна и та же контролирующая организация может выставлять несколько счетов-фактур.

Счета-фактуры получены из:

• AIMultiple
• Поставщики, клиенты или партнеры AIMultiple

Все участвующие компании дали согласие, дающее AIMultiple право распространять эти счета среди поставщиков, участвующих в эталонном тестировании.

Что требуется от решения вендора?

Данные счета-фактуры должны быть предоставлены в общепринятом формате или должно быть предоставлено их преобразование в общепринятый формат, чтобы AIMultiple могла автоматизировать измерение точности эталона.

Для каждого поля (т. е. валовой суммы), где поставщик делает прогноз, поставщик должен предоставить рекомендацию человеку в цикле. Допустимые рекомендации:

• Пропустите это поле, оно автоматически обрабатывается правильно
• Проверьте это поле, оно может быть неправильно обработано

Поставщики могут предоставлять эту рекомендацию в процентах, светофорах и т. д. Поставщик должен предоставить AIMultiple набор правил для преобразования вывода API в этом поле в один из двух указанных выше вариантов.

Как AIMultiple будет выполнять тест?

Эталонный тест AIMultiple по извлечению счетов направлен на точное соответствие предпочтениям покупателей. Им нужно решение, обеспечивающее максимальную финансовую выгоду по оптимальной цене. Поэтому AIMultiple будет измерять следующие показатели:

Ручное усилие

С сегодняшней технологией маловероятно, что все документы могут быть полностью автоматически обработаны (т.е. сквозная обработка). Поэтому покупатели захотят определить решение, которое требует наименьшего ручного вмешательства. AIMultiple рассчитает ручное усилие, которое команда покупателя должна затратить в человеко-минутах для обработки эталонного документа. Это будет рассчитываться для каждого поставщика отдельно и будет основываться на следующих предположениях:

• Проверка человеком не рекомендуется: время не потрачено
• Рекомендуется правильный прогноз и проверка человеком: для этого потребуется визуальная проверка со стороны человека. Вероятно, это займет несколько секунд, в настоящее время мы предполагаем 5 секунд для каждого поля данных.
• Рекомендуется неправильный прогноз и проверка человеком: это потребует визуальной проверки и исправления. Вероятно, это займет больше времени, чем описанный выше вариант. В настоящее время мы предполагаем, что для каждого поля данных требуется 15 секунд. В каждом процессе, в котором участвуют люди, следует ожидать ошибок, и мы предполагаем, что частота ошибок составляет 3%.
• Открытие документа и проверка поля данных, вероятно, займет больше времени, чем проверка поля данных в открытом документе. Мы предполагаем, что для открытия документа потребуется 10 секунд.

О ручных усилиях будет сообщаться отдельно для важных данных (например, сумма к оплате, эмитент, покупатель и т. д.) на случай, если покупатель захочет сократить усилия по сбору данных. Наконец, количество документов, которые человек может обработать у этих поставщиков, будет экстраполировано на основе результатов.

Базовые данные, которые привели к этим расчетам, также будут подробно представлены для клиентов, которые хотят использовать свои собственные предположения в этих расчетах. Для каждого поставщика должны быть указаны следующие поля: % правильно, неверно и н/д в

• каждый уровень поля
• совокупные значения для критических полей и всех полей
• сообщается отдельно для случаев, когда поставщик рекомендовал проверку человеком или нет.

Скидки за раннюю оплату

Для некоторых счетов-фактур потребуются скидки за досрочную оплату. Если их количество будет сочтено достаточным, они будут рассчитаны для каждого поставщика:

• Потенциальная экономия от правильно определенных скидок за досрочную оплату в процентах от расходов по этим счетам
• Доля счетов, в которых были правильно указаны скидки за досрочную оплату

Дорогостоящие ошибки

Если одно из критических полей в документе оценивается неправильно, а продукт поставщика не рекомендует проверку этого поля человеком, это приведет к неправильной транзакции. Откат неправильных транзакций обходится дорого, и будет сообщено о количестве неправильных транзакций, вызванных каждым поставщиком.

Другие показатели

Для информации будут предоставлены некритические метрики:

• Среднее время обработки документов поставщиком
• Распределение времени обработки документов

Для каждой страницы будет разрешено не более 5 секунд, что должно покрывать время обработки и передачи данных.

Расходы

Общедоступные данные о затратах, опубликованные поставщиками, будут использоваться для расчета стоимости эталона. Модель затрат поставщика также будет предоставлена ​​покупателям, чтобы помочь покупателям сравнивать цены разных поставщиков.

Обслуживание клиентов

Отзывы на платформах обзоров B2B будут проанализированы для оценки удовлетворенности клиентов.

Как будут опубликованы результаты?

Они будут опубликованы на AIMultiple.com и будут содержать графики, которые пользователи смогут использовать для поиска подходящего поставщика для своего бизнеса. Различные показатели (например, ручная работа) будут представлены отдельно, чтобы обеспечить прозрачность для покупателей.

Каждый участник получит свои подробные результаты на уровне поля данных, а также средние результаты.

Открытые вопросы

Предприятия могут быть более заинтересованы в долгосрочных преимуществах этих решений и, следовательно, могут захотеть увидеть, как они работают после обучения. Образец из набора данных можно сначала использовать с человеком в цикле для обучения решениям. Тем не менее, это потребует значительно больше усилий для сравнительного анализа, и это открытый вопрос.

Обратите внимание, что AIMultiple находится на этапе разработки эталонного теста, и изменения будут внесены по мере того, как AIMultiple получит отзывы конечных пользователей и завершит тест.

Свяжитесь с командой AIMultiple по (электронная почта защищена), если вы хотите принять участие в тесте сбора счетов AIMultiple.

Поделись LinkedIn

Джем является главным аналитиком AIMultiple с 2017 года. AIMultiple ежемесячно информирует сотни тысяч компаний (по данным SimilarWeb), включая 55% компаний из списка Fortune 500.

Работа Джема цитируется ведущими мировыми изданиями, в том числе Бизнес-инсайдерФорбс, Вашингтон постглобальные фирмы, такие как Делойт, HPE и НПО, такие как Всемирный Экономический Форум и наднациональные организации, такие как Европейская комиссия. Вы можете увидеть больше авторитетных компаний и ресурсов, которые ссылались на AIMultiple.

На протяжении всей своей карьеры Джем работал техническим консультантом, закупщиком технологий и предпринимателем в области технологий. Более десяти лет он консультировал предприятия по их технологическим решениям в McKinsey & Company и Altman Solon. Он также опубликовал отчет McKinsey по цифровизации.

Он руководил технологической стратегией и закупками телекоммуникационных компаний, подчиняясь генеральному директору. Он также руководил коммерческим ростом компании Hypatos, занимающейся глубокими технологиями, которая достигла 7-значного годового постоянного дохода и 9-значной оценки от 0 в течение 2 лет. Работа Джема в Hypatos освещалась ведущими технологическими изданиями, такими как TechCrunch нравиться Бизнес-инсайдер.

Джем регулярно выступает на международных технологических конференциях. Он окончил Университет Богазичи по специальности инженер-компьютерщик и имеет степень магистра делового администрирования Колумбийской школы бизнеса.