L’obiettivo del progetto IMT – Intelligent Matching Tool (risultato finalista ai Digital Awards 2022 per la categoria Soluzioni B2b e di eSupply Chain) realizzato da Digital Technologies, è l’ottimizzazione di alcuni processi, grazie a una soluzione per automatizzare le attività di riconciliazione manuale di alcune tipologie documentali, caratterizzate da un’elevata percentuale di errori/anomalie. Il fine ultimo è migliorare, al livello qualitativo, la gestione complessiva del processo, automatizzando le attività a basso valore.
A cosa serve la soluzione Digital Technologies
La soluzione, implementata per una multinazionale del settore automotive, rappresenta uno strumento di ottimizzazione dei processi amministrativi e logistici, che sfrutta algoritmi di autoapprendimento basati su machine learning (ML) e intelligenza artificiale (AI).
Nell’ambito del ciclo passivo, i tipi documento che possono essere gestiti sono documenti di trasporto e fatture. Nello specifico, la gestione tradizionale del processo soffriva di numerose inefficienze, che non consentivano il corretto abbinamento dei documenti generando delle anomalie. Ognuna di queste, inoltre, doveva essere presa in carico singolarmente da un operatore.
Situazioni di questo tipo sono state riscontrate in fase di registrazione dell’entrata merce, così come nella fatturazione da parte del fornitore. Per esempio, relativamente ai documenti di trasporto si riscontravano dati mancanti, errati o incompleti, oltre a codifiche differenti fra i diversi sistemi.
Per risolvere tali problematiche, il cliente aveva implementato alcune soluzioni tecnologiche (OCR, RPA, e-invoicing) per agevolare il processo di registrazione delle fatture passive e facilitare, conseguentemente, la riconciliazione con i relativi DDT. Queste iniziative non hanno portato al raggiungimento dei risultati attesi: la causa era riconducibile all’assenza di tecnologie di intelligenza artificiale e machine learning.
Il ruolo dell’Intelligent Matching Tool
L’Intelligent Matching Tool (IMT) prevede la riconciliazione automatica dei documenti grazie a una serie di funzionalità specifiche. La prima è la Data Ingestion, che consente di convogliare nel sistema i dati disomogenei provenienti dai due processi. Nella fase di Data cleaning & translator, invece, le informazioni destrutturate vengono riconosciute e rese omogenee mediante procedure di trasformazione e normalizzazione. In base a regole definite, i dati che presentano anomalie vengono inoltre interpretati, corretti o integrati.
Infine, grazie all’AI matching che sfrutta algoritmi di autoapprendimento basati su ML e AI, il sistema effettua l’abbinamento fra DDT e fattura passiva. Mediante la funzione Export, in ultimo, i dati vengono esportati all’ERP.
Gli effetti del progetto
La soluzione è stata implementata in modalità agile in quattro mesi e risulta in fase di roll-out. Ha consentito la gestione annuale di oltre sei milioni di documenti (fatture/DDT) e l’integrazione con diverse istanze SAP, su più di quaranta società. Tra i tratti differenzianti della soluzione c’è la sua scalabilità e replicabilità, a livello verticale e orizzontale.
In primo luogo, infatti, può essere utilizzata come strumento di supporto nei processi di riconciliazione di dati eterogenei, in settori e aree aziendali differenti, con applicazioni replicabili negli ambiti caratterizzati da grandi quantità dati disomogenei o destrutturati (ordini, pagamenti e incassi, bolle doganali). Inoltre, può essere utilizzata per potenziare la soluzione MyInvoice, vincitrice ai D360 Awards 2020 nella categoria Soluzioni B2b e di eSupply Chain.
In riferimento al ciclo passivo, questa rappresenta uno strumento per la registrazione automatica delle fatture passive all’interno del sistema ERP, consentendo la ricezione multicanale dei documenti. La combinazione delle due soluzioni consente, di conseguenza, di raggiungere la completa automazione dei processi di contabilizzazione e riconciliazione, con la loro conseguente ottimizzazione.
