一个相当新的解决方案提供商,AppZen,其核心是一个基于ai预付款花审计平台集成了几乎所有SaaS平台,自2012年以来实际上已经存在。但只是来到我们的注意力完全在上个月我们曾报道,已从投资者筹集了5000万美元。公司现在提供1500多个企业客户,包括前五名的四个银行,四个最大的媒体公司,和四个十大制药厂商。
正如我们所知,它是更加困难和耗时的回收资金一旦它离开你的钱包,因此开展审计之前支付似乎是一个理想的解决方案。那么AppZen真的谁受益吗?
我们跟Anant甘蓝、首席执行官兼联合创始人AppZen故事。
Anant在软件开发和工程的背景,他是副总统的应用程序在富士通美国,负责公司的管理和交付的全球企业应用程序和基础设施。Kunal Verma一起领导的研究团队万博体育下载app埃森哲咨询公司技术实验室,负责开发基于ai工具为财富500强企业,他们AppZen成立。结合专业知识意味着他们可以人工智能开发平台的核心技术,把它的世界从后台业务功能。他们专注于构建一个AI-automated审计应付款项和费用函数,使用自然语言处理,计算机视觉,语义分析,深度学习。
Anant说,“在任何类型的组织我们发现花控制和验证过程依赖于那些已经处理巨大的工作量。我们想让这些过程,比如发票审批,费用审批,等等,更容易,我们知道有一个更好的方法比依靠别人来完成他们的工作。毕竟,大多数人没有时间详细看所有事务。在最高的层次上,我们的想法是将不同的关键技术允许这些工作流自动进行,节省大量的时间和资源,但也带来更深层次的利益。”
他制定了一个他们想要的类型的工作流自动化作为一个例子:“我们把发票批准,传统上这将涉及有人接收发票的费用或购买,反复观察许多文件,验证一切,而且,如果他们认为一切都好了,发送给财务,仔细看一下。它涉及到很多工作要确认发票匹配不仅PO,(如果有甚至是一个PO)合同,到正确的分类进行整理(供应商,交易类型,由部门,由花量,等等),确认数量是正确的,它已经完成,寻找任何异常,签字付款。根据组织的花阈值,它可能要去别的地方。”
“这是一个艰苦的过程,我们知道我们可以完全自动化。然而,非结构化数据的性质提出了挑战。然而,数据可以有很多形式,也许一份收据,发票从许多渠道,信用卡声明,一个机票,等等。反复核对,确保一切都在调整也是一个挑战。例如,它符合约定吗?遵守我们的服务水平协议吗?交易匹配吗?有很多文件审查,但现有ERP或P2P系统仅仅依靠结构化数据自动化工作流。我们看到了一个机会来改善这个过程通过使用人工智能理解结构化和非结构化数据,使这些数据与来自内部和外部的情报来源,并计算每笔交易的风险评分。”
那么AppZen内置平台基本上成为其关键力量:提取信息的能力,像货币金额、商户名称、术语中,利率,和其他关键部分的数据文件,并理解其语义。是否在你的发票Coupa身处,甲骨文或别的东西,可能会出现在同一行,镜像PO,可能是10个不同的线在PDF格式的发票,所以能够理解这些东西真的是什么,相比的P2P系统以及它们如何匹配,是至关重要的。为了验证数据和识别问题,AppZen建造了数百种不同的模型,可以合法化的所有数据,无论来源。
“我们提出了一个概念我们称之为™明星比赛,”他说。“这使我们能够扩大我们的验证的范围——这意味着看在线评论或检查事务符合其他客户支付。这也意味着看不同的文档,可能不是发票或合同库的一部分,包括外部系统,比如Google Drive,互联网,电子商务网站亚马逊。我们的模型检查和分析所有这些平台同时在付款之前,和提出了一个国旗异常,控制风险,或潜在的欺诈,所以人做出适当的决定。能把工作时间是瞬间完成的。”
所以软件作为合规层坐在在所有这些应用程序,提供与每个系统集成的灵活性,甚至你的共享驱动器,p-cards,公司账户,费用系统等等,发现任何可能出错。“因为我们的模型集成了,可以从所有系统中提取数据直接从盒子里,我们不需要问公司改变一件事,所以他们马上可以看到价值。”
以及花的合法化,AppZen船头另一个字符串
“我们公司处理处理数十亿交易在所有行业,从高科技公司到银行,和风险相关的见解我们的引擎生成数百万客户的反馈,主要从审计人员、合规专家或金融运营商,传播在整个云,匿名的其他用户。当这一切发生的时候,实时,我们的人工智能模型变得越来越聪明,准确的和强大的。”
所以从这些见解可能你学习什么?你可以形成结论,预测,商业消费,并相应地改变政策或程序收集情报。看到AppZen的新报告人工智能在商业消费的状态。
为什么这个兴趣采购?
“控优化、采购必须确保他们的努力工作回报谈判合同。AppZen确保花符合公司的政策,每一个发票是正确的,没有重复,应用体积的折扣埋在合同,所有采购的供应商主数据是准确和最新的喂养系统。总的来说,我们正在帮助CPO最大化他们的影响消费,是怎么被花掉的可见性,由谁在哪些类别,和行动之前出现问题。”
我们的分析师花事项将有一个更深的了解这项技术在未来几周内,寻找,在我们专业系列。
与此同时看看下面这张信息图
讨论: