Apprendimento automatico

Dagli assistenti vocali ai suggerimenti di prodotto, le tecnologie di apprendimento automatico operano in moltissimi angoli della vita quotidiana. Ma per i team finanziari la domanda cruciale è un'altra: che cosa fa concretamente questa tecnologia nei processi di spesa e di costo dell'azienda? Chi classifica le pile di ricevute, chi individua le voci duplicate, chi prevede il budget del trimestre successivo?

In questa guida riassumiamo brevemente i concetti fondamentali dell'apprendimento automatico e spostiamo il focus principale sulla gestione delle spese: apprendimento delle categorie, rilevamento dei duplicati, segnalazione delle anomalie e previsione.

Che cos'è l'apprendimento automatico?

L'apprendimento automatico è un sottocampo dell'intelligenza artificiale che consente ai sistemi informatici di imparare dai dati senza essere programmati esplicitamente e di migliorare le proprie prestazioni con l'esperienza. Nel software tradizionale lo sviluppatore scrive le regole una a una; nell'apprendimento automatico, invece, il sistema crea le proprie regole scoprendo gli schemi dagli esempi che gli vengono forniti.

Arthur Samuel della Stanford University definì questo campo nel 1959 così: "Il campo di studio che dà ai computer la capacità di apprendere senza essere programmati esplicitamente." La definizione è valida ancora oggi. In sostanza esistono tre componenti: i dati (l'informazione grezza da apprendere), l'algoritmo (il metodo che estrae lo schema) e il modello (la struttura in grado di produrre previsioni al termine dell'addestramento).

Tipi di apprendimento: una breve panoramica

L'apprendimento automatico si divide in tre approcci principali. Pensare a ciascuno con un esempio di gestione delle spese aiuta a rendere concreti i concetti:

• Apprendimento supervisionato: Il modello viene addestrato con esempi etichettati di cui si conosce la risposta corretta. Un modello che vede migliaia di ricevute con la loro categoria di spesa impara a classificare da solo una nuova ricevuta.
• Apprendimento non supervisionato: Il modello scopre da sé gruppi e schemi nascosti nei dati non etichettati. Individua i cluster di comportamento "normale" nei dati di spesa dell'azienda; l'operazione che resta al di fuori del cluster attira l'attenzione.
• Apprendimento per rinforzo: Il sistema impara per tentativi ed errori la strategia che massimizza la ricompensa. Emerge più in ambiti come la robotica e i giochi che nelle operazioni finanziarie quotidiane.

La teoria approfondita non è l'argomento di questo articolo; la vera domanda è come questi approcci vengano messi al lavoro nei processi di spesa.

Che cosa fa l'apprendimento automatico nella gestione delle spese?

In un'azienda ogni mese vengono generate centinaia di ricevute, fatture e righe di spesa. Elaborare questo volume a mano è lento ed esposto agli errori; c'è un costo di tempo nascosto per l'azienda nell'inserimento delle spese. È proprio qui che l'apprendimento automatico si assume quattro compiti fondamentali.

1. Apprendimento delle categorie: dalla ricevuta alla voce di spesa corretta

Nella gestione delle spese, l'applicazione più comune dell'apprendimento supervisionato è la categorizzazione automatica. Il modello prevede a quale categoria — pasti, trasporti, alloggio o rappresentanza — appartiene una spesa a partire da campi come il nome del fornitore, l'importo, la data e la descrizione.

Il punto critico qui è che il modello apprende in modo specifico per l'azienda. Lo stesso fornitore può essere "accoglienza clienti" in un'azienda e "pranzo di team" in un'altra. Quando il team finanziario apporta una correzione, il modello impara da questo feedback; nel tempo la necessità di correzioni diminuisce e le registrazioni contabili diventano coerenti con il piano dei conti.

2. Rilevamento dei duplicati: la stessa ricevuta non può essere inserita due volte

L'invio della stessa ricevuta due volte il più delle volte non è malafede ma distrazione; il risultato però, in entrambi i casi, è che l'azienda paga in eccesso. I controlli basati su regole individuano solo le registrazioni identiche. L'apprendimento automatico invece lavora sulla somiglianza: assegna un punteggio alla probabilità che due voci con lo stesso importo, con la data spostata di un giorno e il nome del fornitore scritto in modo diverso siano la stessa spesa, e segnala la coppia sospetta per la revisione.

Questa capacità è anche la prima linea di difesa negli scenari di abuso intenzionale. Per l'aspetto legato alle policy e alla cultura del tema puoi dare un'occhiata al nostro articolo sull'abuso nelle spese.

3. Segnalazione delle anomalie: intercettare automaticamente ciò che è insolito

L'applicazione pratica dell'apprendimento non supervisionato è il rilevamento delle anomalie. Il modello impara il comportamento "abituale" a livello di reparto, periodo e dipendente dai dati storici di spesa dell'azienda; segnala automaticamente le operazioni che deviano da questo schema:

• Un importo di spesa nettamente superiore all'intervallo abituale,
• Voci insolite concentrate nel fine settimana o fuori dall'orario di lavoro,
• Una frequenza di spesa improvvisamente in aumento in una categoria,
• Registrazioni che si avvicinano costantemente ai limiti della policy di spesa.

In questo modo, invece di controllare ogni riga una per una, il team finanziario si concentra solo sulle eccezioni segnalate; lo sforzo di controllo diminuisce mentre la conformità alle policy si rafforza.

4. Previsione: anticipare budget e flusso di cassa

I dati storici di spesa non servono solo per i report retrospettivi, ma anche per la previsione prospettica. I modelli basati sulla regressione stimano il livello di spesa del periodo successivo valutando insieme stagionalità, tendenza di crescita e comportamenti dei reparti.

Queste previsioni tornano direttamente utili in due ambiti: nella gestione del budget, per fissare obiettivi realistici e cogliere presto gli scostamenti nel corso del periodo; nella pianificazione del flusso di cassa, per gestire correttamente la liquidità conoscendo in anticipo il carico di pagamenti imminente.

Che cosa significa per i team finanziari?

Il risultato comune di queste quattro capacità è questo: l'inserimento manuale dei dati e il controllo riga per riga diminuiscono, e il tempo del team finanziario si sposta verso la gestione delle eccezioni e l'analisi. I processi di chiusura si velocizzano, la coerenza delle registrazioni contabili aumenta, le violazioni delle policy vengono intercettate prima che il pagamento venga effettuato. Qui l'apprendimento automatico non è un entusiasmo tecnologico, ma un'infrastruttura che permette di scalare l'operatività delle spese.

L'apprendimento automatico in Masraff

Masraff pone le capacità descritte in questo articolo al centro del suo prodotto di gestione delle spese:

• Riconoscimento di ricevute e fatture: dalla foto della ricevuta vengono estratti automaticamente fornitore, importo, data e informazioni fiscali; il dipendente non inserisce i dati a mano.
• Apprendimento delle categorie: le spese vengono classificate automaticamente secondo il piano dei conti dell'azienda; man mano che il team corregge, il modello si adatta all'azienda.
• Controllo dei duplicati e delle anomalie: le voci simili e le spese fuori policy o insolite vengono segnalate automaticamente nel flusso di approvazione.
• Visibilità sulla spesa: i dati accumulati per categoria, reparto e periodo costituiscono la base per la pianificazione del budget e del flusso di cassa.

Conclusione

L'apprendimento automatico è un campo ampio, descritto con concetti come apprendimento supervisionato, non supervisionato e per rinforzo. Il suo valore per il mondo del business, però, non emerge dalle definizioni astratte ma dai processi concreti: la ricevuta che finisce da sola nella categoria corretta, la voce duplicata intercettata prima del pagamento, la spesa insolita segnalata all'istante e il periodo successivo che diventa prevedibile.

Per vedere queste capacità nei tuoi processi di spesa puoi esaminare la soluzione di gestione delle spese di Masraff e, per una valutazione personalizzata per il tuo team, contattarci.