Mitä tekoäly osaa lukea tositteesta

Tekoäly osaa lukea tositteita huomattavan hyvin, jos kysytään oikein. Tämä on totta lähes kaikilla tekoälypalveluilla, joilla on kuvan tai pdf-tiedoston lukutaito. Mutta hyvä taloushallinnon ammattilainen tietää, mitä se osaa hyvin ja mitä huonosti — ja juuri se erottaa onnistuneen tekoälyn käytön epäonnistuneesta. Käydään läpi tositteen tyypilliset tietokentät kolmessa luokassa: luotettavasti luettavat, vaihtelevasti luettavat, ja epäluotettavasti luettavat. Luotettavasti luettavat. Tositteen päivämäärä, kun se on selkeästi merkitty, on tekoälylle suoraviivainen tunnistustehtävä. Sama koskee yrityksen nimeä, kun se on tekstinä otsikkoalueella. Loppusumma, kun se on selkeästi merkitty "Yhteensä" tai vastaavalla otsikolla, on yleensä luotettava. Arvonlisävero, kun se on omalla rivillään prosenttitunnuksen kanssa, lukee oikein. Tositteen numero ja viitenumero, kun ne ovat omilla riveillään, samoin. Vaihtelevasti luettavat. Yksittäisten tuoterivien summat ovat usein oikein, mutta kun rivejä on monta ja joitakin on ryhmitelty alaotsikoiden alle, virheet kasvavat. Maksutapatieto luetaan luotettavasti vain kun se on selkeästi otsikoitu — esimerkiksi "Maksettu kortilla" — eikä piilotettuna pankkitapahtuman lisätietoihin. Alennukset ja erikoishinnat ovat usein vaihtelevia: tekoäly tunnistaa että on alennus mutta ei välttämättä sen lopullista vaikutusta loppusummaan. Epäluotettavasti luettavat. Vapaan tekstin sisältö, jossa kuvataan ostoksen syy tai konteksti, on tekoälylle vaikea. Esimerkki: kuitilla lukee "Asiakaspalaveri Kalevankadulla, projektin X kanssa". Tekoäly osaa lukea tekstin sanasta sanaan, mutta sen tulkinta — onko tämä edustuskulu vai projektin kulu vai matkakulu — ei ole luotettava. Käsinkirjoitetut huomautukset ovat erityisen ongelmallisia, etenkin jos käsiala on vaihtelevaa. Kahdella valuutalla tehdyt laskut, joissa on vaihtokurssilaskelma, tuottavat usein virheellisen valuutta-arvon. Perusnumeroiden lukeminen sen sijaan ei ole enää se heikko kohta: nykyiset kuvaa lukevat mallit poimivat strukturoidut laskukentät kuten loppusumman, päivän ja arvonlisäveron luotettavasti myös kohtuullisesti skannatusta tositteesta, ja pelkkiä numeroiden lukuvirheitä — vaikkapa numeron 5 sekaannus 8:aan — esiintyy enää lähinnä aidosti heikkolaatuisissa kuvissa. Painopiste on siirtynyt: jäljelle jäävä epävarmuus on luonteeltaan tulkinnallista — mihin kulu kuuluu ja missä kontekstissa se syntyi — ei perusnumeroiden lukemista. Mikä on tämän eron syy? Sama syy kuin koko kurssin punaisena lankana: tekoäly tuottaa tilastollisesti todennäköisintä tulkintaa. Mitä yksiselitteisempi tieto on, sitä luotettavammin se osuu. Mitä monitulkintaisempi se on, sitä enemmän virheitä se sallii. Käytännön vaikutus työnkulkuun: anna tekoälylle aina rajattu tehtävä, ja luota sen tulokseen vain niiltä osin, joissa tieto on yksiselitteistä. Jos pyydät yhdellä komennolla lue tämä tosite ja tiliöi se, saat tuloksen, joka on sekoitus oikeita ja epätarkkoja päätelmiä. Jos pyydät erikseen poimi tositteen päivä, loppusumma, arvonlisävero ja maksaja, saat luotettavamman tuloksen, jonka voit syöttää tiliöintivaiheeseen erikseen. Tämä on niin merkittävä periaate, että se on syytä toistaa. Tekoäly luetaan tositetta varten kuin assistentti, joka osaa katsoa selvät tiedot mutta jonka kanssa kannattaa olla varovainen tulkinnoissa. Sinun työsi on kirjoittaa pyyntö niin, että tekoäly saa erikseen ne palaset, jotka se osaa lukea, ja ne jätetään ihmiselle, jotka vaativat tulkintaa. Yksi tärkeä lisäys: pyydä aina tekoälyltä myös lähdesidos. Eli kun se kertoo että loppusumma on 247 euroa 50 senttiä, pyydä sitä lainaamaan tositteesta täsmälleen se rivi, jossa tämä luku näkyy, tai osoittamaan sijainti. Tämä lisää tekoälyn vastausten luotettavuutta huomattavasti, koska se pakottaa mallin perustamaan päätelmänsä konkreettiseen lähteeseen, ei mielikuvitukseen. Jos rivi jää tyhjäksi tai siteeraus on muodoltaan epätarkka, tunnet heti että tarkistus on syytä tehdä huolellisemmin. Lopuksi muistutus: kuukausi kuukaudelta sama tekoäly osaa lukea samoja tositetyyppejä paremmin, koska sinä opit ohjaamaan sitä paremmin, et koska tekoäly kehittyy itsessään. Tämä on iteratiivinen oppimisprosessi, jossa virheistä tehdään muistiinpanoja ja seuraavalla kerralla ohjeessa kerrotaan että huomio, näissä tilanteissa ole erityisen tarkka.

Kokeile nyt

Mikä tositteen tieto on tekoälyn lukemana epäluotettavin?

Tallenna edistymisesi ja oma oppimisyhteenvetosi