매입채무 혁신: RPA, 퍼지 로직, 스마트 블랙리스트 관리의 결합

매입채무의 어떤 부분을 자동화할 수 있을까요?

"기업들이 회사의 모든 프로세스 각도를 자동화하려 했지만 매입채무 자동화는 마지막까지 미뤄졌습니다."라고 아밋(Amit)은 말합니다.

이는 로보틱스 프로세스 자동화의 한 예지만 특정 기능에 적용된 것입니다.

이 모든 건 질문을 던집니다. 왜, 왜 지금, 왜 매입채무를 자동화해야 할까요?

아밋에게 자원, 정확히는 부족함이 핵심 포인트입니다. "회사 내 매입채무 기능은 많은 리소스를 받지 못할 가능성이 높습니다."라고 그는 말하며, 이는 "많은 관심을 받지 못하고, 자동화 혜택을 누리는 가장 마지막 영역 중 하나라는 뜻"이라고 설명합니다.

그게 무슨 의미일까요? 매입채무의 어떤 부분을 자동화할 수 있을까요? 아밋은 다음에 적용할 수 있다고 설명했습니다.

• 공급업체 정보 수집,
• 검증,
• 결제 실행,
• 공급업체와의 커뮤니케이션,
• 송장 수집,
• 발주서와 매칭,
• 원장 업데이트,
• 어떤 원장 코드를 어떤 송장 라인에 적용할지 결정,
• 적절한 승인자 자동 선택.

하지만 자동화는 컴플라이언스에도 도움이 됩니다. 실제로 규제 절차 준수 같은 프로세스 주도 태스크는 소프트웨어 로봇이 개입하든 안 하든 모든 형태의 프로세스 자동화에서 가장 손쉬운 열매(low-hanging fruit)인 경우가 많습니다.

"결국 매입채무는 보편화되어 모든 회사의 툴박스 일부가 될 것입니다."라고 아밋은 말합니다.

작동 원리

"공급업체 정보를 받으면 퍼지 로직(fuzzy logic)과 다른 머신러닝 프로세스를 통해 블랙리스트와 기타 수단으로 검증해 공급업체가 합법적인지 판단합니다. 결제를 실행하고, 결제에 문제가 있으면 프로세스에서 발생한 오류를 공급업체가 어떻게 수정할지 조언하는 로직과 의사결정을 적용합니다.

OCR과 로직

하드카피에서 정보를 변환하는 건 더 까다롭습니다. 거기서 광학 문자 인식(OCR)이 등장합니다. "하지만 OCR만으로는 한계가 있습니다."라고 그는 말합니다. "우리는 OCR이 할 수 있는 것을 사람으로 보완하는 관리 서비스를 사용해 송장 캡처 비율을 더 높입니다."

아밋이 또 다른 예를 듭니다.

"송장을 캡처할 때, 예를 들어 노트북이 마케팅 비용인지 IT 비용인지 엔지니어링 비용인지 결정해야 합니다. 로직과 머신러닝 로직을 적용해 특정 송장에 적용해야 할 올바른 계정을 결정하는 데 도움을 줄 수 있습니다. 머신러닝은 과거 고객 행동에서 학습해 승인자가 누구인지 결정하는 데도 도움을 줍니다."

첸 아밋(Chen Amit)은 페이오퍼레이션을 자동화하는 티팔티(Tipalti)의 공동 창업자이자 CEO입니다. 고객은 아마존, 트위터, 니콘 같은 거대 기업부터 중소기업까지 다양합니다. 현재 연간 650만 달러 규모를 처리하고 있습니다.