Przyjrzyj się uważnie fakturze INV-88180. Jej trzy pozycje sumują się do 8 240,00 USD. Tymczasem łączna kwota wydrukowana na dole wynosi 8 420,00 USD. Dwie cyfry zamieniły się miejscami, a różnica to 180 USD.
Zapracowana osoba sprawdzająca faktury może to przeoczyć. Zautomatyzowany proces, który ufa wszystkiemu, co wyodrębni, przeoczy to za każdym razem — i przekaże błędną liczbę dalej, jakby była poprawna.
Nasz nowy film, Checked, not trusted, śledzi tę jedną fakturę na jej drodze przez DocReveal: od chwili, gdy zostaje odczytana, przez kontrolę, która oznacza ją jako błędną, aż po moment, w którym człowiek decyduje, co dalej. Trwa trzy i pół minuty, możesz go obejrzeć na górze tej strony i powstał z myślą raczej o osobach, które ponoszą odpowiedzialność — dyrektorach finansowych, zespołach księgowości zobowiązań, działach operacji i audytu — niż o programistach. Poniżej opisujemy, co zobaczysz i dlaczego ma to znaczenie.
Odczytać nie znaczy zaufać
AI nauczyła się bardzo dobrze czytać dokumenty. Poprawnie wyodrębni każdy wiersz faktury INV-88180 — łącznie z błędną sumą, bo to właśnie ona jest wydrukowana na fakturze. Doskonała kopia wadliwego dokumentu to wciąż wadliwy wynik.
Właśnie tę lukę większość automatyzacji dokumentów pozostawia otwartą. Przetwarzanie przyspiesza — a wraz z nim tempo, w jakim błędy trafiają do ksiąg, raportów i płatności. Rozwiązaniem nie jest zwolnienie tempa. Rozwiązaniem jest automatyczne sprawdzanie każdego dokumentu według reguł, którymi Twoja firma już się kieruje — zanim ktokolwiek oprze się na tych danych.
Odczyt: każda faktura staje się danymi
Film zaczyna się w Reveal Manager, gdzie w jednym przebiegu przetwarzanych jest sześć wrześniowych faktur. Każdy plik jest odczytywany, mapowany na model faktury, sprawdzany według reguł i przygotowywany do analityki, a tablica na bieżąco pokazuje, na jakim etapie jest każdy plik. Nie ma szablonów do utrzymywania: dostawcy stosują różne układy i języki, a faktury są odczytywane takie, jakie przychodzą.
Pięć faktur przechodzi. Jedna, od dostawcy o nazwie Stavlund, nie przechodzi: jej kontrole reguł zakończyły się niepowodzeniem.
Kontrola: reguły, jakie napisaliby Twoi audytorzy
Kontrola, która stoi za tym niepowodzeniem, pochodzi z Rules Manager. Tam użytkownik biznesowy składa reguły, klikając pola, warunki i wartości — bez kodu, bez skryptów. W filmie jedna reguła mówi, że suma pozycji musi być równa łącznej kwocie faktury. Inna pilnuje, by ten sam numer faktury nigdy nie pojawił się na dwóch dokumentach.
Te kontrole są deterministyczne. Nie pytają AI o zdanie; liczą i porównują, za każdym razem tak samo. Reguły są celowo grupowane, wersjonowane i publikowane, a dziennik audytu pokazuje, kto utworzył, zmienił i opublikował każdą wersję. Gdy po miesiącach ktoś zapyta, dlaczego faktura została oznaczona jako błędna, odpowiedź jest udokumentowana.
Wynikiem jest werdykt z uzasadnieniem. W Business Rules Validation faktura INV-88180 jest oznaczona jako niezgodna, z dokładnym wskazaniem reguły, która nie została spełniona, oraz wartości, które za tym stoją: pozycje na 8 240,00 USD wobec wydrukowanej sumy 8 420,00 USD. Nie „coś tu nie gra”, lecz co, gdzie i o ile.
Negatywny werdykt to nie ślepy zaułek. Jest zapisywany razem z dokumentem i publikowany jako zdarzenie, więc może uruchomić przepływ w Integration Manager albo obudzić agenta AI, który wykona kolejny krok.
Decyzja: agent, który wie, kiedy zapytać
W drugiej połowie filmu to zdarzenie budzi agenta AI do sortowania faktur w Agent Manager — jednego z cyfrowych współpracowników, o których pisaliśmy w artykule Agent Pool. Nikt nie uruchamia go ręcznie; działa sam za każdym razem, gdy zakończy się walidacja dokumentu. Jego pierwszym krokiem nie jest działanie, tylko lektura: werdykt reguł i wyodrębnione dane faktury.
Agent działa w granicach, które wyznaczył mu jego właściciel: określony zestaw narzędzi, maksymalna liczba kroków na przebieg i profil autonomii, który decyduje, które działania wymagają zgody człowieka. Jego instrukcje są jednoznaczne w sprawie faktur, które nie przechodzą kontroli — te trafiają do człowieka. Agent robi więc to, co zrobiłby dobry współpracownik: pyta. Przebieg wstrzymuje się w skrzynce zatwierdzeń, z pytaniem i możliwymi odpowiedziami gotowymi do wyboru.
Człowiek czyta pytanie i postanawia wstrzymać fakturę oraz poprosić o korektę. Agent wznawia pracę, odnotowuje decyzję i kończy. Zapis przebiegu pokazuje każdy krok — co agent przeczytał, o co zapytał, jaką odpowiedź otrzymał i jak zakończył się przebieg. Skrzynka znów jest pusta, a nie wydarzyło się nic, czego nie dałoby się wyjaśnić.
Dlaczego to ważne nie tylko przy jednej fakturze
INV-88180 to mała historia o 180 USD. Zasada, która za nią stoi, dotyczy każdego dokumentu przetwarzanego przez Twoją firmę i mieści się w jednej linijce: AI proponuje. Reguły sprawdzają. Ludzie decydują.
- Traktuj wyodrębnione dane jak propozycję, nie fakt. Znajdź miejsca, w których wyodrębnione dane są używane bez niczyjej kontroli — to tam powinny trafić Twoje pierwsze reguły.
- Spisz kontrole, które Twoi ludzie już wykonują z przyzwyczajenia. Sumy, które muszą się zgadzać, numery, które muszą być unikalne, wartości, które muszą mieścić się w limitach. Jeśli coś sprawdza człowiek, reguła może to sprawdzać w każdym dokumencie.
- Daj automatyzacji możliwość zatrzymania się i zapytania. Agent, który przekazuje dalej to, o czym nie powinien decydować, jest wart więcej niż taki, który decyduje o wszystkim.
- Zachowuj zapisy. Wersjonowane reguły, werdykty z uzasadnieniem i zapisy przebiegów agentów z odpowiedziami ludzi zamieniają „to zrobił system” w historię, którą możesz audytować.
Wszystkie firmy i liczby w filmie to fikcyjne dane demonstracyjne.
Sprawdzone, nie przyjęte na wiarę. Każdy dokument. Właśnie tak automatyzacja zapracowuje na zaufanie.