Rolul fluxurilor de lucru cu agenți AI în procesarea inteligentă a facturilor
Fluxurile de lucru cu agenți AI sau, într-o traducere liberă, fluxurile de lucru agentice sunt sisteme în care mai mulți agenți AI colaborează pentru a îndeplini sarcini și a lua decizii. Instrucțiunile utilizatorilor pentru acești agenți sunt, în principal, transmise folosind limbaj natural. Agenții AI folosesc tehnologii de Inteligență Artificială, cum ar fi NLP (procesarea limbajului natural) și LLM (modele mari de limbaj), pentru a înțelege instrucțiunile, a executa sarcinile necesare și a comunica rezultatele înapoi utilizatorilor.
Acest articol explorează avantajele și provocările fluxurilor de lucru cu agenți AI în contextul automatizării procesării facturilor și conturează posibilele dezvoltări viitoare în acest domeniu promițător.
Citește și: Ce înseamnă procesarea inteligentă a facturilor?
Înțelegerea fluxurilor de lucru cu agenți AI
În funcție de complexitatea fluxului de lucru, acesta poate fi format din mai mulți agenți, care sunt specializați, de obicei, în gestionarea datelor (extragere, procesare, analiză), gestionarea sarcinilor (trimiterea e-mailurilor, generarea rapoartelor), luarea deciziilor (aplicarea logicii bazate pe învățare autonomă sau pe reguli) și comunicare (fie între agenți, fie cu utilizatorii).
Beneficii-cheie ale fluxurilor de lucru cu agenți AI
Fluxurile de lucru agentice oferă câteva beneficii tehnologice semnificative:
- Cunoaștere partajată: Agenții pot accesa și contribui la baze de date și conținut în timp real, facilitând colaborarea fără probleme și sporind utilitatea lor pentru utilizatori. De exemplu, un agent de procesare a facturilor ar putea analiza facturile tranzacționale, contractele scanate și nomenclatorul furnizorilor din ERP pentru a corela informațiile comerciale și a semnala utilizatorilor eventualele inconsecvențe.
- Toleranța la erori: Dacă un agent devine indisponibil, poate fi creat automat un altul sau fluxul de lucru poate fi adaptat prin utilizarea altor resurse disponibile.
- Rezolvarea distribuită a problemelor: Fluxurile de lucru cu agenți AI descompun sarcinile complexe în altele mai mici și mai ușor de gestionat, valorificând capacitățile diferiților agenți pentru a rezolva fiecare componentă în mod eficient.
- Scalabilitate: Aceste fluxuri de lucru pot scala pentru a gestiona sarcini variate fără a compromite performanța, prin creșterea numărului de agenți disponibili sau prin extinderea capabilităților acestora. De exemplu, în procesarea inteligentă a facturilor, un sistem scalabil va crea noi agenți ca răspuns la volumul crescut de facturi cauzat de fluctuații sezoniere, cum ar fi Black Friday în eCommerce sau evenimente excepționale, precum vânzările de bilete la conferințe. Această abordare optimizează costurile prin alocarea resurselor doar atunci când este necesar.
- Flexibilitate: Datorită arhitecturii lor modulare, fluxurile de lucru agentice pot fi reconfigurate cu ușurință pentru a se adapta la schimbările de politici sau de mediu de afaceri. O schimbare într-o politică de aprobare a facturilor, de exemplu, ar necesita doar reconfigurarea agentului specific care aplică acea politică, reducând timpul pentru dezvoltare, testare și implementare.
- Îmbunătățirea procesului de luare a deciziilor: Sistemele AI avansate din cadrul fluxurilor de lucru cu agenți AI pot analiza volume mari de date pentru a genera o vedere de ansamblu și a susține procesul de luare a deciziilor. Ele pot identifica modele, tendințe și anomalii care nu sunt imediat evidente pentru analiștii umani, îmbunătățind astfel calitatea deciziilor financiare și strategice. În procesarea inteligentă de facturi, un astfel de agent ar putea detecta tranzacții secvențiale care încearcă să eludeze limitele de aprobare sau să coreleze evenimente logistice ulterioare, pentru a identifica posibile fraude.
Prin urmare, un flux de lucru agentic, ca un instrument versatil de rezolvare a problemelor, este deosebit de potrivit pentru scenarii complexe de afaceri și ad-hoc, cum ar fi analize în timp real, rapoarte unice sau verificări și gestionarea cazurilor complexe.
Aceste fluxuri de lucru sunt ideale pentru a sprijini lucrătorii din domeniul cunoașterii, care trebuie să integreze și să analizeze informații complexe și disparate din mai multe sisteme, să obțină o imagine de ansamblu, să ia decizii informate și să execute sarcini în mod eficient. Exemple tipice de utilizare includ:
- Achiziția de împrumuturi
- Detectarea fraudelor
- Evaluarea riscurilor
- Gestionarea cazurilor de suport
- Activități creative
Dezavantaje-cheie ale fluxurilor de lucru cu agenți AI
În ciuda avantajelor lor, fluxurile de lucru agentice sunt încă o tehnologie emergentă și vin cu o serie de dezavantaje semnificative:
- Este încă prea devreme
Deși agenții AI funcționează teoretic bine, realitatea se dovedește a fi mai provocatoare decât s-a anticipat. De exemplu, clasamentul WebArena, care evaluează agenții LLM în realizarea de sarcini reale, arată că până și cele mai performante modele au o rată de succes de doar 57% în cel mai bun caz (la momentul acestui articol). Aceasta nu este suficient de bună pentru a ajuta semnificativ lucrătorii din domeniul cunoașterii. Totuși, acest aspect se va schimba rapid, pe măsură ce acești agenți sunt perfecționați și adaptați continuu. În procesarea inteligentă a facturilor, o rată de succes sub 90% anulează beneficiile automatizării.
- Sunt încă nesigure
Este bine cunoscut faptul că LLM-urile sunt predispuse la halucinații și inconsistențe, ceea ce le face nesigure pentru sarcinile care necesită rezultate precise. În prezent, prompt engineering se aseamănă mai mult cu o artă decât cu o știință, același prompt ducând adesea la rezultate diferite. Această lipsă de fiabilitate este deosebit de problematică în fluxurile de lucru agentice, unde agenții AI trebuie să decidă ce alți agenți să declanșeze, ducând la multiplicarea inexactităților.
- Performanța operațională și costurile
Deși modele precum ChatGPT, Gemini, Mistral și Claude funcționează bine în scenarii de bază, utilizarea lor devine dificilă și costisitoare atunci când utilizatorii trebuie să bucleze și să repete interogările. Această provocare va deveni probabil mai puțin semnificativă pe măsură ce progresele tehnologice vor spori eficiența și accesibilitatea modelelor.
- Probleme juridice și de încredere
Companiile pot fi trase la răspundere pentru greșelile agenților lor AI. Un exemplu recent este Air Canada, care a fost obligată să despăgubească un client care a fost indus în eroare de chatbot-ul companiei aeriene. În plus, deoarece AI este o tehnologie puternic neliniară, în multe cazuri, modul în care funcționează este asemănător cu o “cutie neagră” – impenetrabilă pentru mintea umană.
- Costurile și riscurile implementării
Dincolo de investiția financiară necesară pentru a implementa aceste arhitecturi noi și a le integra într-o infrastructură existentă, există preocupări semnificative privind confidențialitatea datelor interne, autorizările rolurilor utilizatorilor și securitatea împotriva amenințărilor externe, inclusiv injecțiile de prompt-uri.
Din cauza acestor limitări, fluxurile de lucru cu agenți AI nu sunt recomandate, în general, pentru scenarii în care politicile și procedurile sunt stabile, rezultatele trebuie să fie precise, iar sarcinile repetitive trebuie realizate eficient și rentabil.
Exemple tipice de utilizare în afaceri, unde procesarea automată completă oferă o soluție mai eficientă, includ:
- Procure-to-Pay – aceste fluxuri de lucru se bazează pe reguli predefinite, transparente și auditabile pentru procesarea facturilor, verificarea facturilor, gestionarea comenzilor și aprobarea plăților, asigurând operațiuni constante și eficiente.
- Order-to-Cash – în aceste fluxuri de lucru, politicile stabile de somație și de recuperare a creanțelor, regulile de aplicare a plăților și comunicarea atent orchestrată cu clienții sunt esențiale, făcând procesarea automată completă o alegere potrivită.
Abordarea optimă pentru automatizarea AI în mediul Enterprise
Având în vedere provocările fluxurilor de lucru agentice, se recomandă o abordare mai țintită pentru automatizarea AI în mediile Enterprise.
Strategia Profluo reconciliază beneficiile AI cu necesitatea de control și fiabilitate:
- Am început cu un domeniu restrâns și cu algoritmi AI simpli
Am determinat cât de mult se poate automatiza procesarea facturilor cu algoritmi AI simpli, direcți, care pot fi testați și auditați. Acest lucru a asigurat un punct de control solid de unde să pornim eforturi mai complexe.
- Rezolvăm excepțiile cu AI din ce în ce mai complexă
Analizăm continuu deviațiile de facturare, excepțiile, scenariile ambigue și greșelile, folosind algoritmi AI țintiți pentru a rezolva aceste situații cu o acuratețe tot mai mare. Acest lucru asigură testarea robustă și auditabilitatea înainte de a implementa AI complexă în producție.
- Extindem domeniul de aplicare cu cazuri de utilizare AI multi-modale
Abordăm procesarea facturilor într-un mod mai holistic. Ce alte documente ar trebui supuse atenției procesatorilor și ce alte informații ar trebui extrase pentru a asigura o procesare completă și de succes a facturilor? Cum poate AI să le înțeleagă și să le coreleze, în mod fiabil, cu sarcina de procesare în cauză? Unde alocă procesatorul uman cel mai mult timp și efort? Unde apar cele mai frecvente greșeli? De ce apar ele?
- Îmbrățișăm logica cu agenți pre-antrenați
Folosim doar intrări și ieșiri precise în logica fluxului de lucru, înțelegând deviațiile și utilizând algoritmi suplimentari după cum este necesar, repetând mereu acest proces.
Această abordare a Profluo a dus la niveluri remarcabile de automatizare și acuratețe pe volume de lucru semnificative în producție.
Concluzie
Fluxurile de lucru cu agenți AI au potențialul de a deveni viitorul preferat al procesării automate de facturi, dacă se implementează o abordare țintită și bine informată, în contrast cu o abordare generalistă, hands-off, low code.
Deși volumul masiv de facturi autentice a fost esențial în consolidarea platformei noastre de procesare a facturilor cu AI, cunoștințele noastre în domeniu sunt cele care continuă să conducă expansiunea acesteia către noi frontiere.
