Goqakeo - od 2016 roku
Kategoryzacja wydatków
z pomocą
sztucznej inteligencji
Dla firm, które mają dość ręcznego opisywania każdej faktury. AI rozpoznaje wzorce w Twoich danych i przypisuje kategorie tam, gdzie wcześniej trzeba było to robić samodzielnie - wiersz po wierszu.
Zobacz, jak to działa
Jak to działa
Model uczy się na Twoich danych, nie na ogólnych schematach
Większość narzędzi do kategoryzacji wydatków działa na z góry ustalonych regułach - jeśli transakcja zawiera słowo „hotel", trafia do „podróże". Tyle. Żadnej analizy kontekstu, żadnego uczenia się na historii Twojej firmy.
Podejście, które stosujemy w Goqakeo, jest inne. Model analizuje historyczne dane Twojej organizacji - kto zlecał, w jakim projekcie, w jakim miesiącu - i na tej podstawie buduje własną logikę przypisywania kategorii. Z czasem staje się coraz trafniejszy, bo widzi więcej.
To nie znaczy, że od razu działa idealnie. Pierwsze tygodnie to kalibracja - weryfikujesz decyzje modelu, poprawiasz błędy, a system zapamiętuje korekty. Po kilku miesiącach procent ręcznych poprawek spada do poziomu, który przestaje być uciążliwy.
Dlaczego to ważne
Błędna kategoryzacja zaburza raporty kosztowe, utrudnia planowanie budżetu i generuje dodatkową pracę przy zamknięciu miesiąca. Jeden dobrze skalibrowany model eliminuje większość tych problemów bez konieczności zmiany systemu księgowego.
Co klienci mówią po kilku miesiącach pracy
Nie opinie z dnia wdrożenia - obserwacje po czasie
Zaczęłam używać tego narzędzia głównie dlatego, że zamknięcie miesiąca zajmowało nam za dużo czasu. Po trzech miesiącach zauważyłam, że przestałam w ogóle myśleć o kategoryzacji jako o zadaniu - po prostu dzieje się w tle. Czasem trzeba coś poprawić, ale to już nie jest ta sama skala pracy.
Weronika Jabłońska
Dyrektor finansowy, branża logistyczna
Mieliśmy dużo transakcji w różnych walutach i każda wymagała ręcznego opisu. System nauczył się naszych projektów po około sześciu tygodniach i teraz przypisuje kategorie z dokładnością, której sami byśmy nie osiągnęli przy tej skali. Kilka razy się mylił, ale poprawki szybko weszły do modelu.
Bartosz Kędra
CFO, agencja kreatywna
Nie spodziewałam się, że to aż tak zmieni pracę zespołu. Ludzie przestali się pytać, do której kategorii wrzucić dany wydatek - model robi to za nich i zostawia historię decyzji. Audyt wewnętrzny poszedł w tym roku dużo sprawniej niż w poprzednich latach.
Zofia Mrózek
Kontroler finansowy, sektor produkcyjny
Firma dystrybucyjna z 1 400 transakcjami miesięcznie
Klient prowadził sprzedaż do kilkudziesięciu odbiorców w trzech krajach. Każda faktura kosztowa wymagała przypisania do projektu, centrum kosztów i kategorii podatkowej. Zespół księgowy tracił na to około 3 dni roboczych przy każdym zamknięciu miesiąca.
Przed wdrożeniem
Każda transakcja opisywana ręcznie przez księgową
Różne osoby stosowały różne interpretacje kategorii
Błędy wykrywane dopiero przy audycie kwartalnym
Brak historii decyzji - trudno było uzasadnić kategorię
Zamknięcie miesiąca trwało 3 dni robocze
Po 4 miesiącach
Model obsługuje ponad 90% transakcji bez interwencji
Jednolita logika kategoryzacji niezależna od osoby
Błędy sygnalizowane w czasie rzeczywistym z wyjaśnieniem
Każda decyzja modelu ma log z uzasadnieniem
Zamknięcie miesiąca zajmuje pół dnia
Sytuacje, w których to podejście ma sens
Nie każda firma potrzebuje tego samego rozwiązania. Oto zakres problemów, z którymi pracujemy najczęściej.
Duża liczba transakcji przy małym zespole
Kiedy wolumen faktur rośnie szybciej niż możliwości działu finansowego, ręczna kategoryzacja staje się wąskim gardłem. Model przejmuje rutynę i zostawia ludziom tylko wyjątki.
Transakcje w wielu walutach i krajach
Firmy działające międzynarodowo mają dodatkową warstwę złożoności - różne stawki VAT, różne wymagania ewidencyjne. Model uwzględnia te zależności przy kategoryzacji.
Niespójne praktyki między pracownikami
Gdy różne osoby inaczej rozumieją te same kategorie, raporty kosztowe tracą wiarygodność. Jeden model wprowadza jednolitą logikę niezależnie od tego, kto zatwierdza wydatek.
Audyty i kontrole wymagające historii decyzji
Każda kategoria przypisana przez model ma zapisany powód i datę decyzji. To znacznie ułatwia odpowiedź na pytania audytora bez konieczności odtwarzania kontekstu sprzed miesięcy.
Sezonowe skoki wolumenu
W branżach z wyraźną sezonowością liczba transakcji w pewnych miesiącach potrafi się podwoić. Model skaluje się bez konieczności zatrudniania dodatkowych osób tylko na ten okres.
Raportowanie według wielu wymiarów kosztowych
Projekt, centrum kosztów, typ wydatku, dostawca - im więcej wymiarów wymaga Twój controlling, tym bardziej ręczna kategoryzacja staje się uciążliwa. Model obsługuje kilka wymiarów jednocześnie.
Konkretne sytuacje, które udało się rozwiązać
Trzy przypadki z różnych branż - różne problemy, różne punkty wyjścia
Tomasz Wielgosz E-commerce, 800 transakcji/mies.
Tomasz prowadził sklep z elektroniką i obsługiwał kilkudziesięciu dostawców. Problem polegał na tym, że ta sama firma mogła wystawiać faktury za logistykę, marketing i sprzęt - zależnie od miesiąca. Ręczne rozróżnianie zajmowało mnóstwo czasu i generowało błędy. Po wdrożeniu model nauczył się rozpoznawać kontekst na podstawie opisu pozycji i historii dostawcy. Przez pierwsze dwa miesiące Tomasz weryfikował decyzje - potem przestał, bo trafność była wystarczająca.
Agnieszka Turska Firma doradcza, wiele projektów
Agnieszka zarządzała finansami firmy konsultingowej, gdzie każdy wydatek musiał być przypisany do konkretnego projektu klienta. Wcześniej robiły to asystentki na podstawie notatek od konsultantów - proces był wolny i podatny na pomyłki. Model zintegrowany z systemem projektowym zaczął automatycznie przypisywać wydatki na podstawie dat, nazw dostawców i numerów zleceń. Miesięczne rozliczenia projektów, które wcześniej zajmowały dwa dni, teraz są gotowe w kilka godzin.
Rafał Sobiech Produkcja, 3 zakłady
Rafał odpowiadał za controlling w firmie produkcyjnej z trzema zakładami w różnych województwach. Każdy zakład miał własne centrum kosztów i własne kategorie. Konsolidacja danych na koniec miesiąca wymagała ręcznego mapowania - każdy zakład kategoryzował inaczej. Po wdrożeniu jeden model obsługuje wszystkie trzy lokalizacje z tą samą logiką. Różnice między zakładami, które wcześniej wynikały z niejednolitej klasyfikacji, przestały istnieć - dane są porównywalne bez dodatkowej normalizacji.