ForsikringsBrief AdvisorBrief
KØB SENESTE NYT KURSER
Køb Abonnement

Sådan kan servicevirksomheder bruge AI og ML til at løse deres udfordringer

PR Foto

Der er generelt blevet skrevet meget om effekten af kunstig intelligens (AI) på jobmarkedet, men også i forhold til forskellige brancher, herunder servicefagene. Generative AI-værktøjer som ChatGPT har skabt stor interesse for AI – men de har også fået mange til at tøve. De muligheder, der er tilgængelige lige nu samt dem, der kan implementeres inden for den nærmeste fremtid, går dog ofte tabt i diskussionen.

IfølgeIDC's Workday Multi-Industry Studyfra juni 2023 mener knap tre ud af ti (27 %) ledere inden for den globale servicebranche, at deres branche er klar til, hvad end fremtiden fører med sig. I servicefagene, herunder især inden for regnskab og jura, er der mange repetitive og manuelle opgaver, som ofte er forbundet med monotont og tidskrævende papirarbejde. Det betyder, at medarbejderne ofte sidder fast i administrative opgaver, der tager tid fra værdiskabende arbejde. Dette er imidlertid noget, AI kan hjælpe med at løse. AI kan skabe værdi på mange måder, f.eks. ved at automatisere rutineopgaver for at sikre omkostningsbesparelser eller muliggøre vækst. Med værdibevarende opgaver - såsom intern revision, risikostyring og compliance - kan AI også opdage afvigelser, inden de finder sted.

Undersøgelsen fra IDC og Workday viser også, at ledere i servicebranchen siger, at de bruger eller overvejer at bruge AI i deres organisationer:

- Anbefalinger (41,4 %), såsom ressourcestyring og kundebetalinger.

- Automatisering (28,9 %), f.eks. scanning af kvitteringer og tidsregistrering.

- Registrering af uregelmæssigheder (28,5 %), f.eks. journalposter, udgiftsrapporter, planlægning og afvigelsesrapportering.

Kun 1,2 % siger, at de ikke overvejer nogen af disse muligheder, hvilket viser, at der er stor interesse for de forskellige anvendelser af AI. Organisationer kan - og bør - bruge AI til at forbedre menneskelige kompetencer og den måde, vi arbejder på. Men for at AI virkelig kan leve op til sit fulde potentiale, skal virksomheder, der bruger teknologien, have en menneskecentreret tilgang og bruge AI til at supplere medarbejderne frem for at erstatte dem.

IfølgeWorkdays seneste undersøgelseaf 1.000 globale HR-, finans- og IT-beslutningstagere siger 84 % af lederne i servicebranchen, at de føler sig presset til at indføre og øge brugen af nye teknologier i deres organisation. Det er det højeste antal i alle af de brancher, vi har undersøgt, og det viser, at mange ikke ved, hvordan de skal få mest muligt ud af teknologien.

Men hvordan kan servicevirksomhedernes ledere for alvor drage fordel af AI og realisere teknologiens fulde potentiale?

Fredrik Nylander Workday.jpeg
Fredrik Nylander, direktør for Nordeuropa og nye markeder hos Workday PR Foto

AI's rolle i regnskaber

AI og machine learning (ML) kan hjælpe økonomichefer med at automatisere og vejlede brugere ved at uddelegere opgaver og forudsige resultater. AI-funktioner, der muliggør dette, er indlejret i kernen af Workday-platformen, der bruges af økonomi- og regnskabsorganisationer over hele verden.

En vigtig opgave for regnskabsafdelingerne er at reducere antallet af unøjagtige tal og andre fejl ved at opdage afvigelser. Det er ofte en udfordring på grund af den store mængde data, fakturaer og rapporter, de arbejder med hver dag. En måde at løse dette på ved hjælp af AI og ML er gennem journalindsigt, der hjælper med at opdage fejlbehæftede journallinjer, hvilket markant reducerer den tid og de omkostninger, som økonomiteams skal bruge på at lukke regnskabet. Workdays Journal Insights-funktion bruger ML til at opdage uoverensstemmelser i bogføringsposter ved at sammenligne dem med andre poster for lignende transaktioner. Ved at bruge denne funktion, kan medarbejderne i regnskabsafdelingen rette potentielle regnskabsproblemer i realtid, når de bliver identificeret. Det giver regnskabsteams mulighed for at bruge mere tid på analyse og strategiske initiativer.

ML kan ligeledes fremskynde og forbedre behandlingen af leverandørfakturaer ved at automatisere leverandørens workflow. ML kan desuden uploade og scanne fakturaer i massevis og identificere, hvor meget de forskellige sager haster, og i hvilken rækkefølge de skal prioriteres. ML kan også hjælpe med at dirigere fakturaer med potentielle problemer i retning af de medarbejdere, der har kompetencerne til at løse dem, ligesom AI kan håndtere indgående fakturaer via bl.a. robotprocesautomatisering (RPA).

Optimering af ressourcestyring

Mindre profitmarginer og den stadig mere komplekse proces med at indkøbe ressourcer får servicevirksomheder til at gentænke deres tilgang til ressourcestyring. Det er tydeligt, at branchen nu tager automatisering mere alvorligt.

At holde styr på, hvem, der laver hvad i arbejdsstyrken, er blevet mere og mere komplekst i et hybridt arbejdsmiljø og kræver, at chefer og andre ledere nemt kan allokere de rigtige folk til de rigtige projekter. Men fordi regneark ikke kan give præcise, dynamiske indsigter i tilgængelige talenter og færdigheder, har mange virksomheder en tendens til at bemande projekter med de samme folk som før. For at udnytte de tilgængelige ressourcer bedst muligt har virksomheder brug for intelligent ressourcestyringssoftware, der kan give et holistisk, centraliseret overblik over medarbejdere og deres færdigheder. ML bruger en virkelig smart ressourcestyringsapplikation til at trække data fra kilder som CV'er, udviklingssamtaler, uddannelsessystemer og tidligere projekter for at opbygge et omfattende og opdateret billede af de tilgængelige færdigheder. På den måde kan automatisering og ML ikke kun levere information om tilgængelighed og færdigheder, men også om hvilke medarbejdere, der er bedst egnet til et givent projekt.

Virksomheder kan også bruge ML til hurtigt at justere ansættelsesplaner som reaktion på økonomiske udsving og andre ændringer, så de udnytter deres ressourcer bedst muligt – noget som ikke længere er et nice-to-have, men et must-have.

Det er vigtigt at huske, at menneskelig involvering aldrig vil forsvinde helt. Men ML kan arbejde med så mange flere dimensioner, herunder hvem der vil udgøre det ideelle team til et bestemt projekt - og hjælpe den person, der har til opgave at fordele ressourcer, med at træffe datadrevne beslutninger hurtigere, med større nøjagtighed og tillid.

Intelligent ressourcestyring giver indsigt i din arbejdsstyrke i realtid og gør projektressourcer betydeligt mere effektive og mere intelligente.

Er du interesseret i at lære mere om, hvad Workday kan hjælpe dig med så klik her

Forsiden lige nu