Uzgodnienie banku AI

Uzgodnienie odpowiada na proste pytanie: czy środki pieniężne, które widnieją w księgach, zgadzają się z tym, co mówi bank, a jeśli nie, to dlaczego nie? Tradycyjnie księgowy zaznaczał pasujące pozycje i wymieniał różnice. Należą do nich zaległe czeki, depozyty w drodze, opłaty bankowe i odsetki, które nie zostały jeszcze zarejestrowane, a także błędy. Oprogramowanie wykonuje obecnie większość dopasowań. Xero i QuickBooks Online sugerują dopasowania po nadejściu transakcji. Narzędzia do ścisłego zarządzania, takie jak BlackLine, Trintech i FloQast, obsługują duże wolumeny na wielu kontach i podmiotach. Dopasowywanie zwykle przebiega w przebiegach. Dokładne dopasowanie łączy w pary pozycje o tej samej kwocie, dacie i numerze referencyjnym. Dopasowanie rozmyte rozluźnia te testy. Akceptuje kwoty mieszczące się w tolerancji, daty w oknie umożliwiającym rozliczenie opóźnień oraz opisy, które są raczej podobne niż identyczne. Bank może wykazywać „ACME CORP PMT 88341”, podczas gdy w księdze widnieje informacja „Acme Corporation - Inv 88341”. Uczenie maszynowe może klasyfikować dopasowania kandydatów na podstawie wzorców wyciągniętych z dopasowań zatwierdzonych przez osoby w przeszłości. Trudniejsze przypadki nie są indywidualne. Procesor płatności deponuje jedną wypłatę netto obejmującą setki sprzedaży pomniejszoną o opłaty i zwroty, więc jedna pozycja bankowa odpowiada wielu wierszom księgi. Klient może opłacić kilka faktur jednym przelewem lub opłacić tylko część jednej faktury. Lista płac może trafiać do banku w postaci oddzielnych debetów na wynagrodzenia netto, podatki i świadczenia, a wszystko to w ramach jednego zapisu księgowego. Narzędzia radzą sobie z nimi za pomocą dopasowywania jeden do wielu i wiele do jednego. Często pomaga im import raportu wypłat procesora lub kierowanie wypłat przez konto rozliczeniowe. Powszechnym błędnym przekonaniem jest to, że wysoki współczynnik automatycznego dopasowania oznacza, że ​​uzgodnienie zostało zakończone. Niedopasowane elementy i sugestie o niskim poziomie pewności to miejsca, w których pojawiają się błędy i oszustwa, a nieprawidłowe automatyczne dopasowanie może ukryć problem. Każdy wyjątek wymaga zbadania, udokumentowania i podpisania przez recenzenta.