توصية: إنشاء مكتب عمليات يعتمد على الذكاء الاصطناعي أولاً بقيادة مدير تنفيذي كبير من المستوى C لامتلاك التحول والتوافق مع أهداف الإدارة. سيحدد هذا المكتب عقود البيانات، ويمتلك كتيبات التشغيل التي تدعم الذكاء الاصطناعي، وينسق بين الفرق.
في المرحلة المبكرة، قم بتعيين الأنشطة الأساسية عبر الشؤون المالية والمخاطر وتكنولوجيا المعلومات وخدمات العملاء، وصمم مساعدين طيارين للذكاء الاصطناعي يمكّنون فرق الخطوط الأمامية من التصرف بسرعة أكبر. بحكم التصميم، يتم تمكين هذا العمل بملكية واضحة، ونتائج قابلة للقياس، والتركيز على التخلص من الخطوات اليدوية المكلفة التي تبطئ دورات الملاحظات والقرارات. يؤدي هذا النهج إلى رؤى أعمق مع تحسن تدفقات البيانات.
وفقًا لإطار عملنا، تقدم أول 90 يومًا نموذج تشغيل عملي بالحد الأدنى: لوحات معلومات مدعومة بالذكاء الاصطناعي، وتنبيهات الحوادث، وبطاقات تقطر القرارات المعقدة إلى خطوات قابلة للتنفيذ. يعكس هذا التحول كيف تتعلم الفرق من بيانات حقيقية وتتكيف في الوقت الفعلي، بينما تكتسب الإدارة العليا والمتوسطة رؤية لمدى التقدم والاختناقات المتطورة.
صمم نموذج التشغيل حول الخدمات التي تدعمها الذكاء الاصطناعي بدلاً من الأدوات المعزولة. أنشئ بطاقات أسئلة عملية وبطاقات قرارات داخلية توجه الإجراءات، مما يحسن السرعة والمساءلة. يحافظ مجلس إدارة صغير على ضيق النطاق ويضمن استخدام الذكاء الاصطناعي بمسؤولية.
كن حذرًا بشأن التكلفة: أغلى خطأ هو النشر بدون دليل. يجب أن يكون التفكير الأول هو خطة تجارب على مراحل: اختبار مقترحات القيمة في بيئات مضبوطة، وقياس التأثير بمقاييس من الدرجة المالية، وتثبيت عائد الاستثمار قبل التوسع.
تتضمن التوصيات الخاصة بالتنفيذ العملي تشكيل فرق متعددة الوظائف تحت مظلة عمليات الذكاء الاصطناعي، وتنفيذ عقود البيانات، وشحن إيقاع شهري من التجارب. تتبع متوسط الوقت اللازم للإصلاح الشامل، وتغطية الأتمتة، ومعدلات الإيجابيات الكاذبة، ورضا العملاء لضمان أن النهج القائم على الذكاء الاصطناعي يضاعف القيمة عبر العمليات.
مع إيقاع منضبط ومجموعة واضحة من البطاقات لتوجيه القرارات، يمكن لـ Brex توسيع نطاق العمليات المدعومة بالذكاء الاصطناعي دون التضحية بالحوكمة أو الموثوقية.
دراسة حالة: تصنيف المصروفات الآلي بالذكاء الاصطناعي في Brex
انشر مكونًا واحدًا من مكونات الذكاء الاصطناعي لتصنيف المصروفات المؤتمت وتمكين فريقك عن طريق توجيه خطوط الإنفاق من خلاله؛ قم بتدريب النموذج على المعرفة من العقود المعتمدة والفواتير السابقة، ثم ادفع النتائج مرة أخرى إلى موجز النشاط لهذه الحسابات. يصنف المكون تلقائيًا خطوط الإنفاق بدقة تزيد عن 90٪، ويضع علامة على العناصر منخفضة الثقة للمراجعة البشرية، ويوفر الجهد اليدوي خلال دورات الذروة.
في تجربة استمرت 12 أسبوعًا، تمت معالجة 120000 بند سطر من 1000 عميل؛ حقق النظام معدل تصنيف تلقائي بنسبة 78٪، ووضع علامة على 8500 عنصر للمراجعة، وقلص وقت التسوية من ساعات إلى دقائق في غالبية الحالات. توضح هذه الحالة كيف يمكن أن تترجم الأتمتة السريعة إلى وفورات ملموسة وإغلاقات أسرع.
أثناء الإعداد، قمنا ببناء رسم بياني للمعلومات يربط الأوصاف والبائعين وشروط العقد بعلامات الفئة؛ يتعلم المكون من التصحيحات، وتساعد حلقة الملاحظات في تحسينه بسرعة مع كل تكرار. يمزج النهج الجيد بين أدوات التحكم التقليدية والتعلم الآلي، مما يقلل المخاطر مع توسيع نطاق التغطية.
يثبت التأثير على العمليات أنه ملموس: يرى العملاء فئات أنظف، مما يمكّن الفرق المالية من تنمية القدرات حقًا دون زيادة عدد الموظفين؛ توفير ساعات أسبوعيًا، وتقديم إغلاقات شهرية أسرع. تمكن هذه المكاسب الفرق مرة أخرى من التركيز على العمل الاستراتيجي بدلاً من الفحوصات المتكررة، وتظل صالحة عبر العقود المتطورة وتدفقات الإنفاق الجديدة.
للتوسع، طبق هذه الاستراتيجيات: فرض عمليات فحص جودة البيانات، والحفاظ على قاعدة معرفية حية حول الموردين والعقود، وبناء حلقة ملاحظات مغلقة مع المشغلين؛ وتحديد اتفاقيات مستوى الخدمة للعناصر التي تم وضع علامة عليها وأتمتة المتابعات لتحقيق قرارات سريعة، مما يضمن معدلات تشغيل أطول وإعداد تقارير تعتمد على برنامج excel.
تضع هذه الخطوات Brex في وضع يسمح لها بتنمية إعداد عمليات يعتمد على الذكاء الاصطناعي أولاً، حيث المعرفة المكتسبة في المكون أدت إلى تحسينات قابلة للقياس للعملاء، بينما تظل التكاليف تحت السيطرة حتى ينضج النموذج.
استيعاب البيانات ووضع العلامات عليها لتصنيف النفقات المدفوعة بالذكاء الاصطناعي
استيعاب جميع مصادر النفقات في موجز مركزي ومختوم زمنيًا ووضع علامات على البيانات عند الاستيراد. يمكن لهذه الخطوة البسيطة أن تسرع ببساطة من التصنيف الأكثر ذكاءً وتقليل وقت المطابقة بين المالية والعمليات.
- تصميم الاستيعاب والمصادر
قم بإنشاء تصميم استيعاب يسحب النفقات من صادرات تخطيط موارد المؤسسات (ERP)، وموجزات البطاقات، وكشوف الحسابات المصرفية، والإيصالات التي تم التقاطها بواسطة التعرف البصري على الأحرف (OCR) أو تطبيقات الهاتف المحمول. استخدم موصلات API لتقديم البيانات من خلال مسار واحد إلى بحيرة بيانات أو مستودع بيانات. احتفظ بالبيانات الوصفية الأصلية ووقت الاستيعاب والإصدار حتى تتمكن من تتبع القرارات خلال دورة الحياة الكاملة. استهدف البث شبه الفوري للعناصر ذات الحجم الكبير والمعالجة الدفعية الموثوقة للسجلات التاريخية، والتي تنتهي بموجز متسق بدلاً من الصوامع المتناثرة.
- نموذج البيانات واستراتيجية وضع العلامات
حدد تصنيفًا يركز على المالية مع الفئات والفئات الفرعية وعلامات السياسة. التقط حقولًا مثل التاريخ والمبلغ والعملة والتاجر ومعرف المورد والقسم والمشروع والمصدر ودرجة الثقة. قم بتمييز العلامات عند الاستيراد بدرجة عالية من الثقة باستخدام الخرائط القائمة على القواعد أولاً، ثم قم بإثرائها بنماذج ML. حافظ على ملف تعريف وضع العلامات الذي يسجل من قام بتسمية ماذا ومتى ولماذا، حتى تعرف الأساس المنطقي وراء كل تسمية ويمكنك تعديلها لاحقًا مع تطور السياسات. كن حريصًا بشأن التطبيع لتقليل الأخطاء لاحقًا في العمليات عبر الفرق.
- جودة وضع العلامات والإنسان في الحلقة
قم بدمج المراجعة البشرية للعناصر الغامضة واستخدم التعلم النشط لاختيار الحالات منخفضة الثقة. تتبع دقة العلامات التلقائية ومعدل المراجعة البشرية ووقت وضع العلامة لتحسين الحلقة. شجع التعليقات بين الفرق لتحسين التصنيفات والتخطيطات، وهو أمر مشجع على التبني ويحافظ على توافق الفرق مع الغايات.
- المطابقة والتسوية
أتمتة المطابقة مع دفتر الأستاذ العام عن طريق مطابقة النفقات المسماة مع إدخالات دفتر الأستاذ العام ووضع علامات على حالات عدم التطابق. قم بإرفاق ملاحظات التحقيق والأدلة بكل حالة، وتوجيهها إلى سير عمل التسوية. يقلل هذا الأسلوب من التعامل المزدوج ويوفر قرارات واضحة في نهايات الفترة.
- الصحة والحوكمة والخصوصية
راقب التغطية والدقة والكمون باستخدام لوحات المعلومات، وفرض عناصر تحكم الخصوصية وسياسات الوصول. حافظ على قواعد الاحتفاظ التي تدعم عمليات التدقيق والامتثال. تدعم صحة البيانات الجيدة اتخاذ قرارات أكثر ذكاءً وتقلل من المخاطر في التقارير المالية والتخطيط عبر العمليات الأساسية.
- الإطلاق التشغيلي وتأطير الأسئلة
أطلق على شكل موجات: ابدأ بالحسابات ذات الحجم الكبير لإثبات النموذج ثم توسع. تتبع المقاييس مثل معدل العلامات التلقائية ومعدل مطابقة التسوية ومتوسط الوقت لإغلاق المشكلات. يجب أن يحدد السؤال الأول لأصحاب المصلحة المصادر المفقودة أو الثغرات في البيانات، ويصبح الميل الأخير واضحًا عند مواءمة الملف الشخصي ولوحات المعلومات والتنبيهات مع أهداف العمل. تم تصميم هذا التصميم لقدرة الشركة على إغلاق الدفاتر بشكل أسرع وبأقل قدر من إعادة العمل.
هندسة النموذج: التحديد والضبط الدقيق لمراكز التكلفة
ابدأ بأساس модульный قياسي وقم بمحاذاة الوحدات النمطية الخاصة بالمهام نحو نتائج مركز التكلفة؛ قم بضبط المكون الأدنى فقط للحفاظ على مراجعات بسيطة واتخاذ قرارات في الوقت المناسب. باستخدام دمج البيانات من المالية والمخاطر والعمليات، استخدم طبقة تضمين مشتركة للتفوق في المهام الشائعة مع عزل المحولات عالية القيمة للاكتتاب والموافقات.
حافظ على حلقة تقييم بسيطة مع مراجعات أقل وفحوصات تحليلية قوية، بحيث يمكن للهندسة المعمارية أن تتكيف بسرعة مع التوسع من مشروع إلى عمليات أوسع. بالنسبة لمراكز التكلفة مثل الاكتتاب، صمم مكون تقييم مخصص يتغذى في طبقة إدارة للموافقات، مما يزيد السرعة دون التضحية بضوابط المخاطر.
اعتمد نهج الضبط الدقيق модульный: قم بتشغيل نموذج أساسي قياسي، ثم أضف محولات خاصة بالمهام، بما في ذلك متنبئ تحليلي للمخاطر على مستوى الحالة ووحدة نمطية موجهة نحو الموافقات. يقلل هذا من الحساب مع زيادة تحسين الدقة والسرعة نحو قيمة الأعمال الفورية اليوم.
تعزيز تمكين الفرق، قم بتوحيد وتيرة الضبط مع نقاط التفتيش الآلية وحلقات التغذية الراجعة الفورية، ومواءمة الأداء مع أهداف التكلفة. بالنسبة لعملية مدعومة من رأس المال الاستثماري، تدعم بنية المكون الواحد التجارب التكرارية والنتائج المرتفعة وزيادة الرؤى للاكتتاب والمخاطر وقرارات المنتج.
تأكد من تضمين عقود البيانات وإصدار النموذج في مجموعة المكونات القياسية؛ هذا يزيد من إمكانية التتبع ويقلل من الألغاز ويسرع الموافقات نحو عمليات نشر في الوقت المناسب.
زمن انتقال النشر والإنتاجية: التصنيف في الوقت الفعلي مقابل التصنيف الدفعي للمصروفات
أطلق نشرًا هجينًا في الوقت الفعلي بالإضافة إلى النشر الدفعي: صنف أنواع المصروفات الأعلى في مسار تدفق لتقديم رؤية حول النقد وإعداد التقارير، أثناء تشغيل مهام الدفعات لبقية المهام لزيادة الإنتاجية. يجب أن يستهدف زمن الانتقال في الوقت الفعلي 200-500 مللي ثانية لكل عنصر؛ تدعم نوافذ الدفعات التي تتراوح بين 15 و 60 دقيقة إنتاجية أعلى بكثير للتكاليف التي لا تتطلب إجراءً فوريًا، وهي مناسبة للشركات في القطاع التي تسعى إلى تحقيق كفاءة أصلية بالذكاء الاصطناعي. يمكن أن يصبح هذا الإعداد أساسًا حيث يعمل الاستدلال والحوكمة التكيفيان معًا.
يجمع خط أنابيب تكيفي بين محرك استدلال قوي يعتمد على الذكاء الاصطناعي ومتجر ميزات حديث وسجل نماذج ولوحة معلومات قائمة على المتصفح لإعداد التقارير والرؤية. في الوقت الفعلي، تتدفق المعاملات عبر مسار تدفق (Kafka أو Kinesis أو ما شابه ذلك) بزمن انتقال قرار أقل من ثانية، بينما تعيد الدفعات الليلية أو كل ساعة معالجة البيانات التاريخية لتحديث الملصقات واكتشاف الانحراف. يحافظ هذا الفصل على المعرفة مع الحفاظ على الإنتاجية عبر منحنى طلب القطاع، مما يمكّن فرق المبيعات والعمليات التجارية من الاستجابة بسرعة وثقة.
توجه المقاييس الرئيسية الخطة: في المئة من زمن الانتقال والإنتاجية (السجلات في الدقيقة) ودقة تصنيف المصروفات والانحراف. يهدف المسار في الوقت الفعلي إلى أن يكون زمن الاستجابة من البداية إلى النهاية أقل من ثانية للفئات العليا؛ يحافظ مسار الدفعات على إنتاجية ثابتة خلال فترات الذروة؛ تقوم دورات المعايرة بتحديث التضمينات والعتبات كل 24-72 ساعة. يقلل النهج الأصلي بالذكاء الاصطناعي من المراجعة البشرية بنحو 40-60٪ للتصنيفات الروتينية، مما يولد رؤى قابلة للتنفيذ للقيادة ويتيح اتخاذ قرارات نقدية أسرع.
الخطوات التشغيلية: حدد الأهداف مستوى الخدمة، وقم بتجهيز خطوط الأنابيب بالتتبع، وقم بإعداد علامات الميزات لتبديل المسارات، وقم بتشغيل اختبارات A/B لمقارنة النتائج، وقم ببناء تقارير تظهر الاتجاهات على مستوى القطاع. ابدأ بمجموعة صغيرة من الفئات، ثم قم بتوسيعها لتغطية السفر والبطاقات والمصروفات المستردة. بعد وقت قصير من الإطلاق، قم بمراجعة زمن الانتقال والإنتاجية، واضبط العتبات، وتأكد من أن العناصر الحساسة للوقت فقط تتدفق في الوقت الفعلي. تحافظ هذه المجموعة الأصلية بالذكاء الاصطناعي، التي يتم تقديمها عبر لوحة معلومات المتصفح، على المعرفة قوية والحوكمة واضحة.
ضمان الجودة: مراجعة بشرية في الحلقة وتعليقات مستمرة
قم بتطبيق مراجعة بشرية منظمة في الحلقة في نقاط اتخاذ القرار الرئيسية في دورة الحياة واطلب موافقة المراجع على المخرجات التي تتجاوز عتبات الثقة، بحيث يتم اكتشاف الأخطاء قبل التأثير. يتيح هذا التنسيق لفرق المنتج والهندسة والمخاطر المساهمة، وقد أدت ملاحظاتهم إلى تحسين الدقة بشكل ملحوظ، مما أدى حرفياً إلى رفع النتائج في استخدام التكنولوجيا المالية.
حدد مجموعة من اللحظات البشرية في الحلقة التي يتم تعيينها لدورة حياة معالجة البيانات والنموذج. قم بتمييز الحالات مع عرض المخاطر وتأثير المستخدم، وتوجيهها إلى مراجع بشري عندما تقل الثقة عن الحد الأدنى. قم بإقران الفحوصات الآلية مع التعليقات التحليلية والشخصية للحفاظ على السياق ودعم نموهم الوظيفي حيث يبني المراجعون خبرة أوسع.
ضع مقاييس مثل فرق الدقة ومعدل التدخلات البشرية والوقت المستغرق للحصول على التعليقات. تتبع استخدام وإشارات الخطأ لتحديد التحسينات كمياً. توقع انخفاض الإيجابيات الكاذبة وتقليل التصعيدات، في حين يتقلص متوسط الوقت اللازم لاعتماد المخرجات وتتعلم الفرق الاستجابة بشكل أسرع للشذوذ.
قم بتنظيم طبقة حوكمة تربط فرقها - المخاطر والمنتجات وعلوم البيانات والعمليات - وتضع وظيفة ضمان الجودة كمبتكر داخل الشركة. قدم رؤية واضحة لمعايير النجاح، وقم بتدريب المراجعين للتعامل مع الأمور الصعبة مع الحفاظ على نهج عملي يتمحور حول الإنسان. هذا التوافق يجعل الرؤية ملموسة للفريق ويسرع النمو.
قم بصياغة دليل تصعيد بسيط: أخبر المراجعين متى يتم التصعيد، وما هي العتبات التي تؤدي إلى تغييرات تصحيحية، وكيف تنتشر التغييرات عبر خط أنابيب المعالجة والنشر. هذا يحافظ على حلقة التغذية الراجعة محكمة ويتجنب التأخيرات التي قد تبطئ سرعة المنتج في بيئات التكنولوجيا المالية.
قم بالتوزيع على مراحل: قم بتجربة مجموعتين، واجمع التعليقات من الاستخدام، وكرر. وثق القرارات وسياسات الإصدار للحفاظ على رؤية حية لدورة الحياة التي يمكن لجميع الفرق الرجوع إليها. بهذا النهج، تكون الشركة في وضع يسمح لها بتقديم تجارب أكثر موثوقية والحفاظ على الثقة أثناء توسعها.
تكامل النظام: دفع المصروفات المصنفة بالذكاء الاصطناعي إلى دفتر الأستاذ العام والتقارير
أطلق طبقة تكامل مركزية تعمل بالذكاء الاصطناعي تدفع المصروفات المصنفة بالذكاء الاصطناعي إلى دفتر الأستاذ العام ومجموعة التقارير؛ وهذا يتيح رؤية في الوقت الفعلي وتسويات مؤتمتة بالكامل.
وفقاً لخبرتنا في هذا القطاع، فإن هذا النهج يقلل من أوجه القصور من خلال مواءمة أنماط المصروفات مع دفتر الأستاذ العام، وتحسين الدقة والسرعة.
في ظل الحوكمة، تترجم طبقة تعيين غنية بالمعرفة البنود المصنفة بالذكاء الاصطناعي إلى حسابات دفتر الأستاذ العام، مع مدخلات من متخصصين ماليين متمرسين وإدارة من المستوى C لضمان الرقابة والمساءلة. بالنسبة للإدارة التي تسعى للحصول على بيانات موثوقة وفي الوقت المناسب، يوفر هذا الإعداد الرؤية اللازمة في إطار سياسة مشتركة.
للتنفيذ، قم بتوصيل مجموعة موحدة من واجهات برمجة التطبيقات بأنظمة المصدر؛ ابدأ بتجربة في وحدة عمل واحدة، باستخدام عقلية حل المشكلات لتحديد فرص التحسين. بدأت المغامرة كتجربة صغيرة للتحقق من صحة النهج قبل التوسع.
راقب الكفاءة والمخاطر من خلال إطار عمل تحكم خفيف الوزن: عيّن الاستثناءات وحافظ على سجلات التدقيق وأعد ضبط تصنيف الذكاء الاصطناعي مع تغير الأنماط، مما يضمن بقاء الحل دقيقًا في ظل تغيير ملفات تعريف الإنفاق.
والنتيجة هي منصة موحدة للعمليات والشؤون المالية تعمل على تحسين تقارير الإدارة وتسريع الدورات الختامية وإطلاق العنان لفرص تحسين التكاليف المستقبلية المدعومة بالذكاء الاصطناعي في جميع أنحاء الشركة. ويربط هذا الحل البيانات المصنفة بواسطة الذكاء الاصطناعي بالدفتر العام والتقارير، مما يوفر مصدرًا واحدًا للحقيقة لقادة الشؤون المالية والأعمال.
