AI som redovisningsbyrå: Så säkras företagets data

Den digitala utvecklingen gör att allt fler delar av svenska företags bokföring nu kan automatiseras med hjälp av artificiell intelligens. Men att bygga en välfungerande och pålitlig redovisningstjänst handlar om betydligt mer än att bara låta en modern språkmodell läsa av siffror från en PDF-faktura. För dig som företagare innebär skiftet till AI-stödd redovisning stora möjligheter till effektivisering, men det kräver också en djup förståelse för hur kontrollsystemen och de bakomliggande digitala flödena är uppbyggda.

Att bokföra handlar i grunden om att tolka verkliga händelser och översätta dem till strukturerad ekonomisk data. Ett vanligt exempel är när en leverantörsfaktura i utländsk valuta, till exempel euro, kommer till ett svenskt konsultbolag för en molntjänst. Betalningen sker automatiskt via ett företagskort, och på kontoutdraget syns bara betaltjänstens namn, inte själva leverantörens. För ett mänskligt öga eller ett välbyggt system krävs det ett pusselarbete för att koppla ihop fakturan och korttransaktionen till en och samma affärshändelse, utan att kostnaden bokförs dubbelt.

Ett AI-system som ska agera redovisningsbyrå ställs här inför en komplex uppgift. Systemet måste avgöra vilket bolag som köpt tjänsten, vad tjänsten faktiskt avser, hur momsen ska behandlas, om kostnaden ska periodiseras över tid samt vilken banktransaktion som hör ihop med fakturan. En felaktig bedömning i något av dessa steg kan snabbt få följdverkningar i företagets momsdeklaration, det slutgiltiga resultatet, skatten och i förlängningen det tillgängliga utdelningsutrymmet. En nästan korrekt bokföring är i praktiken inte en användbar bokföring, vilket gör att säkerhetsmarginalerna måste vara extremt höga.

För att uppnå den precision som krävs bygger modern AI-redovisning på en genomtänkt systemarkitektur i several lager, snarare än en enskild AI-modell. I botten ligger alltid det officiella ekonomiprogrammet som fungerar som huvudbok. För mindre svenska företag handlar det ofta om etablerade system som Fortnox, Visma eEkonomi eller Björn Lundén. Större organisationer använder i regel mer omfattande affärssystem som Microsoft Dynamics 365 Business Central, SAP eller Oracle. Det är i dessa system som den slutgiltiga, lagstadgade bokföringen sparas.

Ovanpå ekonomisystemet byggs ett insamlingslager som tar emot e-fakturor, kvitton, banktransaktioner och löneunderlag. Att använda strukturerade e-fakturor via nätverk som Peppol underlättar processen avsevärt, eftersom data överförs direkt i stället för att behöva tolkas från en bild. För de dokument som ändå kommer som PDF eller papper används tolkningsverktyg som Azure AI Document Intelligence, Google Document AI eller Amazon Textract. En språkmodell kan sedan användas för att analysera texterna och identifiera oklarheter.

För att säkerställa att inga matematiska fel uppstår skickas informationen vidare till en regelmotor. Regelmotorn kontrollerar med absolut precision att debet och kredit balanserar och att momskalkyler stämmer. Detta görs genom traditionell programkod, eftersom språkmodeller inte bör användas för att gissa matematiska beräkningar. Slutligen finns ett arbetsflödessystem som fungerar som en kö för de fall som kräver mänsklig handpåläggning eller attest.

Företag kan välja olika vägar för att nå denna automatisering. Den enklaste är att utnyttja de inbyggda funktionerna i befintliga ekonomiprogram. En annan väg är att integrera nischade specialistverktyg som Medius för leverantörsfakturor, eller Pleo och Findity för utlägg och kortköp. Större aktörer väljer ibland att bygga ett eget orkestreringslager, vilket ger maximal kontroll men också innebär ett stort ansvar för drift och underhåll.

Automatiseringen av det löpande flödet kräver en tydlig struktur i flera steg. Det börjar redan vid kundstarten där företagets specifika profil dokumenteras. Profilen innehåller uppgifter om bolagsform, räkenskapsår, momsregistrering och huruvida bolaget har lager eller utlandsförsäljning. Om förutsättningarna ändras måste profilen uppdateras direkt för att inte AI-systemet ska arbeta utifrån felaktiga antaganden.

Det löpande flödet kan delas in i sju tydliga steg. Först tas underlaget emot och registreras med ett unikt id-nummer. Därefter extraheras informationen om belopp, valuta och parter. I det tredje steget kontrolleras informationen mot leverantörsregister och tidigare transaktioner för att upptäcka eventuella dubbletter. Det fjärde steget innebär att systemet tar fram ett konteringsförslag med konto och momsbehandling. I det femte steget prövas förslaget mot gällande regelverk för att stoppa felaktigheter, exempelvis ändrade bankkonton eller stängda bokföringsperioder. Det sjätte steget innebär att godkända standardfall bokförs automatiskt enligt företagets policy, medan avvikelser skickas till en mänsklig granskare. Slutligen sker en avstämning mot banken för att stänga händelsen.

En viktig princip är att ett AI-systems egna bedömning av sin säkerhet, till exempel att den uppger sig vara 99 procent säker, inte räcker som beslutsunderlag. Tilliten måste i stället byggas på faktiska kontroller och historisk data. Även små fakturor kan innebära stora risker om de döljer förändrade bankdetaljer eller komplexa utländska skatteregler, medan återkommande stora hyresfakturor ofta kan automatiseras enkelt.

Människan behåller därmed en central roll i den AI-stödda redovisningen. Systemet ska ses som ett verktyg för att avlasta administrationen, inte som en självständig aktör med fri tillgång till företagets bankkonton och deklarationsinlämning. Det slutgiltiga ansvaret för att bokföringen är korrekt ligger alltid kvar på företaget.

Det finns mycket mer värdefull information och tekniska detaljer att hämta för den som vill fördjupa sig ytterligare i hur dessa system konstrueras och integreras.

För att börja förbereda ditt företag för en more automatiserad redovisning bör du först se över vilka digitala integrationer som ditt nuvarande ekonomisystem stöder. Undersök om du kan gå över till en större andel e-fakturor via Peppol-nätverket för att minimera behovet av manuell dokumenttolkning. Slutligen bör du utvärdera dina nuvarande processer för utlägg och leverantörsfakturor för att se om nischade verktyg som Pleo eller Medius kan integreras i ditt arbetsflöde.