Lyanthe ziet binnen het pre-accounting proces met betrekking tot factuurverwerking twee essentiële stappen bij het genereren van automatische boekingsvoorstellen:

1. Factuurgegevens Digitalisatie
   Dit omvat het extraheren van factuurinformatie zoals leverancier gegevens, factuurdatum, factuurnummer, vervaldatum, factuurbedrag, factuurvaluta, type factuur, BTW-percentages en bijbehorende bedragen.
     
2. Boekingsgegevens
   Dit is een aanvulling op de gedigitaliseerde factuurgegevens met boekhoudkundige informatie zoals grootboekrekeningen en BTW-codes. Deze gegevens worden bepaald op basis van een boekhoudkundige interpretatie van de factuur.

AI speelt binnen deze twee stappen een groeiende rol, zowel nu als in de toekomst.

AI en Factuurgegevens Digitalisatie
Het digitaliseren van factuurgegevens is van oudsher gebaseerd op Optical Character Recognition (OCR)-technologie. Met de opkomst van AI en machine learning zijn grote technologiebedrijven (zoals Microsoft en Google) gaan investeren in verbeterde OCR-technologieën en de integratie van AI. Dit heeft geleid tot geavanceerde algoritmen die tekst nauwkeuriger kunnen herkennen, zelfs bij handgeschreven bonnen/facturen of complexe lay-outs met tabellen.

Door de beschikbaarheid van AI-gestuurde OCR-diensten via API's is de adoptie van deze technologie in de markt van scan en herken sterk toegenomen. Daarnaast spelen Large Language Models (LLM's) zoals OpenAI en Gemini een groeiende rol in factuurverwerking. Deze modellen kunnen niet alleen tekst herkennen, maar ook de betekenis en context begrijpen, wat complexere data-extractie en -interpretatie mogelijk maakt.

AI Toepassing bij Lyanthe in Factuurgegevens Digitalisatie
Lyanthe maakt gebruik van AI-gedreven OCR-technologie, aangevuld met eigen logica op basis van jarenlange ervaring en menselijke validatie. De technologie laat een mooie ontwikkeling zien de laatste jaren maar is zeker nog niet foutloos. Lyanthe gebruikt waar nodig menselijke validatie om volledige correctheid te garanderen.  

Vanuit Lyanthe haar expertise fungeert Lyanthe ook als ontwikkelpartner voor één van de Big Techs, wat bijdraagt aan verbeteringen in OCR-diensten. Dit is een samenwerking op technisch vlak (nadrukkelijk wordt geen data uitgewisseld).

Daarnaast zet Lyanthe LLM's in voor specifieke factuurstromen waar OCR-resultaten tekortschieten en verdere context vereist is. Door factuurgegevens te controleren en te valideren, kan Lyanthe deze nieuwe technologieën op een gecontroleerde manier integreren in haar digitalisatieproces (hallucinatie van de LLM's tegen te gaan).

Robotic Rule Invoice Automation
Na digitalisatie van factuurgegevens wordt een boekingsvoorstel aangevuld met boekhoudkundige gegevens, zoals grootboekallocaties en BTW-codes. Lyanthe gebruikt hiervoor een rule-based system.

De Lyanthe IBA applicatie stelt accountantskantoren in staat om een centrale database met robotregels in te richten, toepasbaar op alle administraties, ongeacht het grootboekschema of boekhoudpakket. Hierbij zijn er twee typen robotregels:

• Algemene regels: Toepasbaar op alle administraties, tenzij een sectorspecifieke regel van toepassing is.
   
• Sectorspecifieke regels: Worden toegepast wanneer de sector van de administratie overeenkomt met de sector van de robotregel.

Sectorspecifieke regels hebben prioriteit boven algemene regels. Daarnaast kunnen administratie-specifieke regels worden ingesteld, die centrale regels overschrijven.

De invoerparameters voor robotregels zijn o.a.:

1. Leverancier
2. Product Artikelcode (optioneel)
3. Product trefwoord lijn-omschrijving (optioneel)
4. BTW-percentage

De uitkomst is een toegewezen IBA Robotic grootboekcode / RGS-code op factuur lijnniveau.

Op administratie niveau wordt op basis van een Lyanthe Matching service de juiste grootboekcode geselecteerd, ongeacht 1) of het grootboekschema op administratie niveau voldoet aan RGS of de kantoorstandaard, 2) het boekhoudpakket. 

Doordat Lyanthe in het Factuurgegevens Digitalisatie proces ook facturen op regelherkenning kan digitaliseren (samenvattings-, of productniveau), kunnen de centrale robotregels, maar ook de robotregels op administratie niveau, ook opgesteld worden met referentie naar deze regelomschrijvingen.

Door het beheer van boekingsregels te centraliseren, wordt consistentie gewaarborgd en kan een accountant >80% van het boekwerk automatiseren. Waarbij klanten van Lyanthe laten zien dat dit percentage aanzienlijk hoger dan dit kan zijn.

Tijdens onboarding worden historische boekingsdata en masterdata geanalyseerd om de centrale robotregels in te richten.

Naast rule-based allocatie is er een mogelijkheid om op basis van statistische modellen boekingslijnen te voorzien van grootboekrekeningen. Dit model werkt op basis van historische boekingen, leverancier, BTW-percentages en productomschrijvingen.

AI-gebaseerd Systeem voor Boekingsvoorstellen
Machine learning-gebaseerde systemen maken voorspellingen op basis van historische data, maar in de accountancy zijn er uitdagingen:

• Unieke grootboekschema’s per kantoor: Kantoren hanteren vaak eigen standaarden, met variaties door fusies en sectorafwijkingen.
   
• Verschillende werkwijzen per kantoor: Boekingsinstructies en processen variëren sterk.
  
  
• Individuele interpretatie door medewerkers: Binnen een kantoor kunnen boekingen per medewerker verschillen.
  
  
• Kwaliteit en compleetheid van historische boekingsdata: Data wordt vaak gecomprimeerd opgeslagen zonder directe referentie naar producten zoals op de factuur en grootboek.
  
  
• Onvolledige RGS-implementatie: RGS-codes ontbreken of zijn onjuist toegepast, omdat ze vooral voor rapportage worden gebruikt in plaats van boekhoudkundige verwerking.

Bovendien zijn er sectoren waar een gedetailleerdere kostenstructuur vereist is dat niet in RGS beschikbaar is, zoals horeca, waar kosten voor bier, frisdrank en keuken apart worden geboekt.

Een Hybride AI-aanpak
Hoewel AI en machine learning uitdagingen kennen in boekingsvoorstellen, betekent dit niet dat deze technologieën geen rol kunnen spelen. Lyanthe gelooft in een hybride aanpak waarin AI en rule-based systemen samenwerken, best of both worlds,

De volgende stap is de ontwikkeling van Robotic Rule Suggestion op kantoorniveau. In de Lyanthe IBA applicatie leggen kantoren al verwerkingsstandaarden vast op basis van RGS of een standaard grootboekschema gekoppeld aan RGS.

Het initiatief RGS MKB in combinatie met enkele sector-specifieke toevoegingen zou een in onze visie een goede basis kunnen vormen voor AI-gestuurde aanbevelingen voor robotregels.

Hierdoor ontstaat een hybride systeem waarin AI en een rule-based system elkaar aanvullen, waardoor geen black-box ontstaat voor de boekhoudkundige verwerkers. Dit is een roadmap-item voor Lyanthe en een essentiële stap richting verdere automatisering van pre-accounting en boekingsvoorstellen. 
Meer over Lyanthe.

Bron

Gids Elektronisch factureren en verwerken van boekingsdocumenten
Bovenstaand artikel kent als bron de "Gids Elektronisch factureren en verwerken van boekingsdocumenten".
In deze gids streven we naar een zo actueel en volledig mogelijk overzicht van ontwikkelingen, standaarden, softwaretoepassingen en dienstverlening op het gebied van ‘elektronisch factureren en verwerken van boekingsdocumenten’ in Nederland. Met specifiek aandacht voor de Europese standaard EN16931, UBL, Peppol, ViDA en DRR. Ook software voor factuurherkenning (PDF en OCR) komt uitgebreid aan de orde.
Meer informatie en opvragen GRATIS gids.