AI i regnskapsbyrået: hva kan faktisk automatiseres?

De beste kandidatene har tre ting til felles. De gjentas ofte, de følger et mønster, og et menneske kan raskt se om resultatet er riktig.

• Dokumentmottak. Kunder sender bilag på e-post, som bilder, som PDF og i regneark. AI kan sortere dem, kjenne igjen hva slags dokument det er, og legge det på riktig kunde og periode.
• Datauttrekk. Hente ut beløp, datoer, navn, fødselsnummer eller D-nummer, timer og satser fra lønnsgrunnlag, kontrakter og timelister, også når formatet varierer fra kunde til kunde.
• Avstemmingsforslag. Foreslå hvilke banktransaksjoner som hører til hvilke bilag, og markere dem som ikke finner en makker.
• Forarbeid til faste innrapporteringer. Gjøre klart grunnlaget for a-meldingen: samle lønnsdata, fylle ut feltene og legge frem et utkast til kontroll.
• Avvikskontroll. Sammenligne denne månedens tall med forrige. En ansatt som plutselig har dobbel lønn, et arbeidsforhold uten sluttdato eller et forskuddstrekk på null blir flagget.

Felles for alle er at AI lager et forslag. Regnskapsføreren ser over og godkjenner.

Selve innsendingen. Alt som går til Altinn eller Skatteetaten skal ha en menneskelig godkjenning rett før det sendes. Ikke fordi teknologien ikke klarer å trykke på knappen, men fordi det er regnskapsføreren og kunden som står ansvarlige for innholdet.

Det samme gjelder faglige vurderinger. Om en utenlandsk arbeidstaker er skattepliktig til Norge, hvordan en ytelse skal klassifiseres, eller om et arbeidsforhold er rapporteringspliktig, er spørsmål for en fagperson. AI kan finne frem relevante opplysninger og peke på hva som må avklares. Konklusjonen tar et menneske.

En tommelfingerregel: la AI gjøre arbeidet som er kjedelig å utføre og lett å kontrollere. Hold den unna arbeidet som er vanskelig å kontrollere.

Ta et byrå som fører lønn for utenlandske selskaper med ansatte på oppdrag i Norge. Hver måned kommer grunnlaget inn i forskjellige formater: et regneark fra en polsk entreprenør, en PDF fra et tysk ingeniørfirma, en e-post med timer fra et tredje. Mye av jobben er å få dette over i samme form.

En automatisert flyt kan se slik ut:

1. Grunnlaget kommer inn og blir koblet til riktig kunde og periode.
2. AI henter ut ansatte, lønn, trekk, arbeidsforhold og perioder, og legger det i en fast struktur.
3. Regelbaserte kontroller kjøres: gyldige identifikatorer, summer som stemmer, felt som mangler.
4. Avvik mot forrige måned blir flagget med en kort forklaring.
5. Regnskapsføreren får et ferdig utkast, med avvikene øverst og kildedokumentet ved siden av.
6. Regnskapsføreren retter, godkjenner og sender inn gjennom lønnssystemet som før.

Legg merke til at steg 3 ikke er AI. Summer og formatkontroller skal gjøres med vanlig kode som gir samme svar hver gang. Språkmodeller er gode til å lese rotete dokumenter. De er ikke til å stole på som kalkulator.

Lønnsdata er personopplysninger, og fødselsnummer krever ekstra aktsomhet. Før dere sender noe som helst til en AI-tjeneste, må dette være avklart:

• Databehandleravtale med leverandøren av AI-tjenesten, og med den som bygger og drifter løsningen.
• Hvor dataene behandles. Velg behandling i EU eller EØS der det er mulig, og vit hva som gjelder hvis det ikke er det.
• Ingen trening på deres data. Bruk forretnings- eller API-avtaler der leverandøren ikke bruker innholdet til å trene modeller. Gratisversjoner av chattetjenester hører ikke hjemme her.
• Dataminimering. Send bare det som trengs for oppgaven. Ofte kan identifikatorer maskeres før teksten går til modellen og settes inn igjen etterpå.
• Tilgangsstyring. Løsningen skal følge de samme tilgangene som resten av byrået.

Oppdragsavtalene med kundene bør også si noe om at underleverandører brukes. Dette er ikke juridisk rådgivning. Ta det med personvernansvarlig eller advokat før dere går i produksjon.

Med logg. For hvert dokument bør løsningen lagre hva som kom inn, hva som ble hentet ut, hvilke kontroller som slo ut, hva regnskapsføreren endret, og hvem som godkjente når. Da kan dere gå tilbake og vise hvordan et tall ble til.

Loggen har en nyttig bieffekt. Når dere ser hva som blir rettet oftest, vet dere hvor løsningen bør forbedres. Etter noen måneder har dere egne tall på hvor mye tid som spares og hvor ofte utkastene er riktige, i stedet for å stole på leverandørens påstander.

1. Velg én oppgave som tar mye tid og gjentas hver måned. Ikke start med alt.
2. Mål hvor lang tid den tar i dag. Uten et utgangspunkt kan dere ikke vite om det ble bedre.
3. Bygg en første versjon og kjør den parallelt med den manuelle prosessen i en periode eller to. Sammenlign resultatene.
4. Få på plass databehandleravtaler og logging før ekte kundedata brukes.
5. Utvid til neste oppgave når den første går av seg selv.

Ferdige regnskapssystemer får stadig flere AI-funksjoner, og for standardoppgaver er de ofte gode nok. Skreddersøm lønner seg der byrået har en nisje systemene ikke dekker godt, som utenlandske arbeidsgivere, spesielle bransjer eller uvanlige formater på grunnlaget.

Vi bygger slike løsninger som en del av AI-automatisering, og har samlet mer om hvordan vi jobber med bransjen på siden for regnskapsbyråer. Ta kontakt hvis dere har en oppgave dere vil ha vurdert.