I filmer, TV-serier och böcker framställs ofta artificiell intelligens som något futuristiskt, obegripligt och kanske lite läskigt.
Även om vissa tycker att AI-tekniken verkar skrämmande går det inte att bortse från att den under de närmaste åren med allra största sannolikhet kommer att påverka vår vardag i minst lika hög utsträckning som datorer gjorde på 1990-talet, internet gjorde på 2000-talet och smartphones gjorde på 2010-talet.
För artificiell intelligens finns redan, och det är inte särskilt svårt att förstå. Vissa skulle nog påstå att få personer har bättre förutsättningar att förstå detta än chefer och anställda på ekonomiavdelningen.
Ända sedan datorer blev ett vanligt arbetsverktyg har vi liknande erfarenheter av hur de hjälper oss i vårt arbete: Någon utvecklade ett program för en specifik arbetsuppgift – kalkylblad, ordbehandlare, ekonomisystem eller liknande – och sedan har vi använt det programmet för att utföra den uppgiften. Då och då uppdateras programmet med lite nya funktioner eller något som gör det lättare att använda, men det vi skriver in avgör vad vi kan få ut.
Den principen gäller fortfarande för mycket av det vi använder datorer till och vi har vant oss vid att använda dem. Om du är en avancerad Excel-användare kanske du har skapat ett makro för att automatisera en uppgift du utför ofta – och upplevt den underbara känslan av att se din dator utföra en uppgift som brukade ta dig minuter eller timmar? Naturligtvis kan detta göras på andra sätt än med Excel – på många företag används liknande funktioner för till exempel fakturahantering, vilket då kallas "Robotic Process Automation", eller RPA.
Men du har säkert också sett hur lite som krävs för att ett makro i Excel inte ska fungera korrekt, och det gäller även RPA: En siffra har fel format, ett värde har hamnat på fel rad, eller så har någon flyttat på en kolumn. Det är alls som krävs för att makrot ska krascha och behöver gås igenom för att fungera igen (tills något liknande händer igen).
Det är på detta område som artificiell intelligens, eller AI, har mer att erbjuda, vilket kräver att vi uppdaterar vår förståelse av hur datorer fungerar.
Så hur skiljer sig AI från RPA? Och varför kan AI utföra så oändligt mycket fler funktioner än dessa makron?
Föreställ dig att det fanns en robot som hade till uppgift att följa sexåringar genom stan till skolan. Om roboten använder RPA måste den programmeras med den exakta rutten från start till mål: 350 meter längs den här gatan, till vänster in på en annan gata och följa den 150 meter och så vidare. Men om det plötsligt en dag är vägarbeten någonstans längs vägen kommer roboten att fastna – om den inte i förväg programmerats med mängder av olika förbehåll och alternativa rutter.
Om vi däremot använder artificiell intelligens behöver vi inte programmera varje sväng, gata och korsning på vägen till skolan.
Istället låter vi bara AI:n följa skolvägen ett par gånger och kanske ta lite olika vägar till målet. Den kommer att se var vi går och stannar, hålla reda på landmärken och uppmärksamma olika detaljer längs vägen. Kort sagt, den lär sig av sina erfarenheter och upparbetar på så sätt en förmåga att hitta till skolan.
Skillnaden är alltså att en AI lär sig vart den ska gå (vad resultatet ska bli) och förstår därmed hur den ska ta sig dit, medan en RPA måste programmeras med en mycket exakt "bruksanvisning" för varje steg i processen. Därför har AI:n en mycket större förmåga att anpassa sig till eventuella avvikelser längs rutten.
Denna anpassningsförmåga behövs på en ekonomiavdelning, där nya fakturor inkommer och ska hanteras varje dag. Fakturorna kommer från leverantörer av olika slag, och vissa rör produkter som beställts av olika avdelningar, medan andra tillhör olika projekt. Momssatser kan variera, liksom betalningsvillkor, rabatter och en miljon andra saker.
Att skapa regler som är tillräckligt detaljerade för att en RPA ska kunna hantera en sådan komplexitet lönar sig knappast, om det nu överhuvudtaget går att genomföra.
Det skulle ta tusentals timmar att skapa sådana regler, och minst lika mycket tid att underhålla dem, eftersom parametrarna när som helst kan förändras: avtalsvillkor ändras, leverantörer byts ut, fakturalayouter ändras, projekt slutförs eller startas.
Minsta förändring av sådana parametrar kan vara en potentiell felkälla, och medan ett RPA-baserat system kan göra ett misstag tusen gånger om utan att lära sig något av det, kan en AI-lösning till exempel extrahera data även om fakturan plötsligt ser lite annorlunda ut
Det är just detta som gör ett AI-baserat system så kraftfullt. Det kan se flera samband tidigt och lär sig under resans gång. Därför kommer det inte bara att kunna extrahera data från fakturorna med större noggrannhet och snabbare än ett regelbaserat system, det kommer också att lära sig av sina misstag – och ständigt bli bättre och bättre. Därför kommer nyttan av, och kvaliteten hos, ett AI-system hela tiden att öka i takt med alla förändringar som oundvikligen inträffar, samtidigt som det öppnar dörren till automatiserade tidsbesparande processer på ekonomiavdelningen.
Sammanfattningsvis: Om du menar allvar med att införa teknologi som underlättar arbetet på ekonomiavdelningen, bör du för det första inte välja ett system som saknar flexibilitet eller kräver mycket underhåll, och för det andra bör du fästa blicken långt fram – förbi de allra enklaste uppgifterna du behöver hjälp med. Välj istället ett system som kan hjälpa hela företaget att lösa mer avancerade problem efterhand som behoven uppstår.