Machine Learning klarer rutineopgaverne

Faglig nyhedMachine Learning som begreb er næsten 60 år gammelt, men har i de seneste år fået ekstra opmærksomhed, også i revisorbranchen, eksempelvis i forhold til bogføringsopgaven. Med software til billedgenkendelse kan et regnskabsprogram uden problemer trække de relevante data ud af billedet og kontere bilaget. Det svære er at kontere det rigtigt i forhold til kontoplanen, og her kommer Machine Learning i spil.

Digitalisering

Machine Learning som begreb er næsten 60 år gammelt, men har i de seneste år fået ekstra opmærksomhed. Den oprindelige definition var, at Machine Learning giver computere evnen til at lære uden at blive programmeret. Det sker ved, at computeren lærer at genkende mønstre og at finde regler og sammenhænge ud fra eksempler. Det er blandt andet det, vi oplever, når vores spam-filter sorterer bestemte mails fra, eller når Google udvælger resultater i en søgning.

Machine Learning kan bruges til at skabe overblik over store og ustrukturerede datasæt, eksempelvis til at gennemskue sammenhænge, som et menneske ville have svært ved at se eller skulle bruge uforholdsmæssigt lang tid på at forstå. I en virksomhed kan der eksempelvis være en sammenhæng mellem købemønstre, som kan bruges til at målrette tilbuddene af en bestemt vare eller ydelse til dem, som har bestilt dette. Det er det, som vi oplever, når vi bliver anbefalet en bestemt bog, når vi på en hjemmeside har kigget på anden. Det er helt klassisk mersalg, men det som Machine Learning hjælper med er, at man kan målrette forslagene til dit købsmønster. Det kan også være mønstre, der kan indikere, hvem der er gode og dårlige kunder, eller hvornår en kunde er ved at forlade en forretning.

Som alt andet med computere kræver Machine Learning gode datainput og træning for at fungere så godt som muligt. For Machine Learnings vedkommende betyder træning, at computeren får så mange eksempler som muligt at arbejde med og får verificeret, hvilke den vælger korrekt og hvilke forkert. Desuden kan computerens konklusioner ikke stå alene, forstået på den måde, at den kan se en masse sammenhænge, hvoraf nogle er relevante, og andre ikke er. Derfor er forudsætningen for at arbejde succesfuldt med Machine Learning, at der er et menneske med sund fornuft og dømmekraft, som arbejder sammen med computeren og hjælper med at træffe de korrekte beslutninger. Det smarte ved Machine Learning er imidlertid, at selve analysekraften er blevet så meget stærkere, at langt flere data kan analyseres hurtigt, og man derved får et bedre grundlag at træffe beslutningerne ud fra end blot mavefornemmelser.

Machine Learning i revisorbranchen
Et eksempel på, hvordan Machine Learning påvirker revisorbranchen er bogføringsopgaven. Med software til billedgenkendelse kan et regnskabsprogram uden problemer trække de relevante data ud af billedet og kontere bilaget. Det svære er at kontere det rigtigt i forhold til kontoplanen, og her kommer Machine Learning i spil. Ved at brugere løbende korrigerer computerens forslag til kontering, bliver den trænet til at foreslå den rigtige placering og bliver på den måde bedre med tiden. Således at hvis der står Lagkagehuset på en kvittering, ved computeren efter nogle gange, at der er tale om ’forplejning’, eller hvis du sender en faktura til en kunde, kan computeren lære, hvilken konto indtægten skal bogføres på.

Det betyder langt fra, at computerne er ved at overtage revisorernes arbejde, men i højere grad, at de bliver kolleger, som tager sig af alle de mest repetitive og tidskrævende opgaver, så revisorerne kan frigøre tid til mere værdiskabende opgaver hos kunden.

Hvis du vil vide mere, kan du blandt andet læse her: