Machine learning voor e-factureren staat nog in kinderschoenen

Machine learning maakt deel uit van het bredere concept Kunstmatige Intelligentie (AI – Artificial Intelligence) dat inmiddels op veel gebieden wordt toegepast. Machine learning betreft dat deelgebied van computerwetenschappen dat computers het vermogen geeft zelflerend te zijn, zonder expliciete programmering.
 
Op het gebied van elektronisch factureren, en dan in het bijzonder bij elektronische factuurverwerking, wordt door steeds meer softwareleveranciers ‘machine learning’ genoemd als middel om zoveel mogelijk inkomende facturen en boekingsbonnen (met name kassabonnen) automatisch te boeken in de administratie. Het gebruik in de praktijk van machine learning staat echter nog in de kinderschoenen en het begrip machine learning wordt nog te pas en te onpas gebruikt.
 
Eerst even een voorbeeld: Stel dat bij inkomende factuurverwerking lunchkosten voor een ZZP’er, conform de fiscale regelgeving, automatisch voor 80 procent geboekt worden als kosten zonder aftrek van BTW. Is hier dan sprake van machine learning? Als de uitvraag is geprogrammeerd, dan is geen sprake van machine learning. Voor de eindgebruiker niet echt relevant, het zelfde doel wordt bereikt, namelijk het zoveel mogelijk automatisch boeken. Zo zijn er nog enkele schoolvoorbeelden te bedenken, waarbij het voor de eindgebruiker in de praktijk niet relevant is of wel of geen sprake is van machine learning.
 
De kunst bij machine learning is nu dat bepaalde patronen worden ontdekt zonder menselijke handelingen en/of programmering vooraf. Onlangs heeft GBNED zo’n 30 softwareleveranciers gevraagd naar hun specifieke ervaring met machine learning in relatie tot het herkennen van boekingsdocumenten. Een zestal leveranciers heeft een bijdrage geleverd. Hieruit valt op te maken:
– Het bij machine learning gaat om de wet van de grote aantallen en daardoor ‘big data’ een vereiste is;
– Patroonherkenning van essentieel belang is bij machine learning; bijvoorbeeld door vergelijking van de omschrijving van eerdere transacties, bedragen en andere informatie.
– Over administraties heen gekomen wordt tot grotere aantallen transacties en lokale toepassingen daardoor minder geschikt lijken voor machine learning.
– In de praktijk nog weinig ervaring is met het daadwerkelijk inzetten van machine learning;
 
Meer informatie
Het rapport “Scannen en herkennen van boekingsdocumenten en elektronische factuurverwerking op basis van robotic accounting 2017” bevat, naast een specificatie van oplossingen van 30 leveranciers, uitgebreide informatie over machine learning. Het rapport is hier gratis beschikbaar.

[avg-advertorial slug=”haal-rendement-uit-je-it-investeringen”]