تخطّ إلى المحتوى
كل الرؤى أتمتة العمليات المالية بالذكاء الاصطناعي

أتمتة الذمم المدينة: مطابقة المدفوعات والتحصيل بنموذج يتعلّم

تطبيق مدفوعة بلا بيان تحويل نظيف مسألة مطابقة، والتحصيل مسألة ترتيب أولويات. وفي ما يلي كيف نؤتمت الاثنين معاً مع مسار مراجعة.

4 دقائق قراءة #الأتمتة#الذمم المدينة#المطابقة
متخصصون في القطاع المالي يعملون على مبادرة للذكاء الاصطناعي

تطبيق المدفوعات مسألة مطابقة: اربط كل مدفوعة واردة بالفواتير التي تسدّدها. والتحصيل مسألة ترتيب أولويات: قرّر أيّ الحسابات المفتوحة تعمل عليها ومتى. وكلاهما يقبل الأتمتة جيداً متى وضعت قواعد حتمية (deterministic rules) تحت نموذج ترتيب (ranking model) ووجّهت الحالات غير المؤكّدة إلى قائمة مراجعة. تجاوز تلك القائمة، فتصنع فروقات تسوية تظهر عند إقفال الربع.

تطبيق المدفوعات هو حلّ هويات في ثوب مالي

ابدأ بما يعوق المعالجة الآلية الكاملة فعلاً. يعطيك تغذية البنك (bank feed) مبلغاً، وتاريخ قيمة، واسم دافع كثيراً ما يكون نسخة مبتورة أو منقّحرة من الكيان القانوني، وحقل بيان قد يحمل أرقام الفواتير وقد لا يحملها. أما دفتر الذمم المدينة لديك فيحوي الفواتير المفتوحة لكل عميل، والإشعارات الدائنة، والنزاعات. تطبيق المدفوعة يعني ربط جانب بالآخر، ونمط الفشل هو ذاته الذي يعطّل أي مهمة حلّ هويات (entity resolution): السلسلة النصية التي بين يديك لا تساوي السلسلة التي خزّنتها.

ابنِ ذلك طبقاتٍ، الأرخص أولاً.

  • القواعد الحتمية تُصفّي الحجم السهل. رقم فاتورة مطابق تماماً في البيان، مبلغ مطابق تماماً مقابل بند مفتوح واحد، تعيين ثابت من الدافع إلى العميل. هذه تعمل قبل أن يلمس أي نموذج المدفوعة، ويجب أن تُسجَّل كي ترى أيّ نسبة من النقد لم تحتج قطّ إلى ذكاء.
  • المطابقة التقريبية (fuzzy matching) تعالج المقاربات. مبلغ ضمن هامش التسامح، رقم فاتورة بخانة مبدّلة الموضع، اسم دافع يُربط بعميل عبر جدول أسماء بديلة (alias table) مُصان، لا عبر مسافة تحرير خام. أبقِ جدول الأسماء البديلة بياناتٍ، لا أوزان نموذج، كي يستطيع الموظف تصحيحه ويثبت التصحيح.
  • نموذج الترتيب يعالج ما هو غامض حقاً. حين يمكن للمدفوعة، منطقياً، أن تسدّد عدة تركيبات من الفواتير المفتوحة، يمنح النموذج درجات لتوزيعات مرشّحة مستخدماً نمط سداد العميل التاريخي، وسلوك الدفع الناقص المعتاد، وعمر الفاتورة، وما إذا كان هذا الدافع يجمّع دفعاته عادةً. يعيد مرشّحين مرتّبين مع درجاتهم، ويختار شخص بينهم.

انضباط اللحظة الزمنية (point-in-time) هنا أهمّ مما يظنّ الناس. حين تدرّب على تطبيقات تاريخية، يجب أن تعكس كل خاصية ما كان معلوماً لحظة ورود المدفوعة. ابنِ خاصية مثل «متوسّط أيام سداد العميل» من فواتير لم تُسدَّد إلا بعد هذه المدفوعة، فتكون قد سرّبت المستقبل إلى التدريب. سيبدو النموذج ممتازاً في الاختبار الخلفي (backtest) ويخيّب في الإنتاج. احتسب الخصائص من لقطة (snapshot) بتاريخ القيمة، وخزّنها كي تكون القيم نفسها قابلة للاستنساخ وقت التسجيل ووقت التدقيق.

مسار المراجعة هو المنتج، لا خيار احتياطي

التطبيق الآلي لنقد لست واثقاً منه هو كيف تصنع فروقاتٍ يطاردها المسوّي بعد ثلاثة أسابيع. فالعتبة هي قرار التصميم. ضع ميزانية أخطاء إيجابية يوقّع عليها المراقب المالي: كم تطبيقاً آلياً خاطئاً لكل ألف مقبول، بالنظر إلى كلفة التراجع عن واحد. عايِر عتبة الثقة على تلك الميزانية باستخدام مجموعة تقييم محتجزة (held-out eval set) من مدفوعات تاريخية حقيقية، ثم اجعل التطبيق الآلي يحدث فوقها فقط.

وكل ما دون الخطّ يقع في قائمة، وينبغي أن تكون القائمة سريعة العمل:

  • تُظهر كل مدفوعة غير مطبَّقة أفضل ثلاثة توزيعات مرشّحة مع درجاتها وسبب حصول كلٍّ على درجته.
  • يؤكّد الموظف أو يتجاوز بإجراء واحد، ويصبح ذلك القرار مثالاً موسوماً لجولة التدريب التالية.
  • التجاوزات (overrides) أثمن بيانات لديك. تخبرك بالضبط أين يخطئ النموذج، وتجميعها عنقودياً يشير عادةً إلى سبب قابل للإصلاح: صيغة اسم دافع جديدة، أو عميل غيّر عاداته في التحويل، أو حالة عملة حدّية.

احتفظ بأثر تدقيق (audit trail) لكل مدفوعة مطبَّقة، سواء طبّقتها قاعدة أو نموذج أو إنسان: أيّ مرشّح فاز، وما درجته، ومن أكّده، ولقطة الخصائص وراءه. حين يسأل أحدهم في مراجعة رقابية لماذا وقعت المدفوعة على تلك الفاتورة، يجب أن يكون الجواب مسجَّلاً سلفاً.

التحصيل يتعلّم مما فعله البريد الأخير فعلاً

تطبيق المدفوعات يقرّر أين يذهب المال. والتحصيل يقرّر أين يذهب الانتباه، ولا تزال معظم الفرق توزّع الانتباه بحسب حجم الرصيد أو بحسب تقويم مطالبة ثابت (dunning calendar). وذلك يهدر الجهد على حسابات كانت ستدفع على أي حال، ويجوّع الحسابات التي تُقدِّم فيها لكزة خفيفة موعد السداد.

نموذج تحصيل مفيد يتنبّأ بعدد الأيام حتى السداد لكل بند مفتوح ويقدّر الأثر الإضافي (lift) للتواصل الآن مقابل الانتظار. رتّب الدفتر بذلك الأثر المتوقّع، لا بالتعرّض. الخصائص التي تحمل إشارة:

  • سجلّ سداد العميل نفسه، بما في ذلك كيف استجاب للتذكيرات السابقة.
  • عمر الفاتورة نسبةً إلى النمط الطبيعي لذلك العميل، لا إلى فئة زمنية مطلقة.
  • النزاعات أو الإشعارات الدائنة المفتوحة على الحساب، وهي تفسّر التعثّر عادةً أفضل من أي خاصية سلوكية.
  • الموسمية حول إقفال العميل نفسه، فكثير من الدفع «المتأخّر» هو في الحقيقة دورة ذممه الدائنة (AP cycle).

انتبه للانحراف (drift). نموذج تحصيل مدرَّب على سلوك العام الماضي يتدهور حين تتحرّك الفائدة، أو حين يعيد عميل كبير هيكلة ذممه الدائنة، أو حين تتغيّر سياسة المطالبة لديك فتُعيد تدريب العملاء أنفسهم. راقِب الفجوة بين أيام السداد المتوقّعة والفعلية بحسب الشريحة، وعامِل اتّساع الفجوة محفِّزاً لإعادة التدريب بدل انتظار الدورة المجدولة. غذِّ نتائج النقد المطبَّق عائدةً مباشرةً: فاتورة وسمها النموذج على أنها معرّضة للخطر ثم سُدِّدت من تلقاء نفسها هي مثال موسوم يخبرك بأن الترتيب كان مفرطاً في العدوانية. وذات السلسلة النَّسبية (lineage) التي تسند تطبيق المدفوعات تجعل حلقة التغذية الراجعة تلك رخيصة التشغيل.

الأسئلة الشائعة

هل نحتاج إلى نموذج تعلّم آلي (machine learning) لتطبيق المدفوعات، أم تكفي القواعد؟

القواعد الحتمية (deterministic rules) تُصفّي معظم حالات المطابقة التامة والدفع الناقص، ويجب أن تعمل أولاً. أما النموذج فيثبت جدارته على المتبقّي، حيث يغيب بيان التحويل أو يسدّد العميل عدة فواتير بحوالة واحدة من دون تفصيل واضح.

كيف تمنعون النظام من تطبيق مدفوعة على الفاتورة الخطأ؟

حدِّد عتبة ثقة (confidence threshold) وميزانية للأخطاء الإيجابية (false-positive budget)، ثم اجعل التطبيق الآلي يحدث فوقها فقط. وكل ما دونها ينتقل إلى قائمة مراجعة مع ترتيب المطابقات المرشّحة، فيؤكّد الموظف بدل أن يبحث.

ما الذي يتنبّأ به نموذج التحصيل فعلاً؟

ليس درجة ائتمانية. النموذج يرتّب البنود المفتوحة بحسب عدد الأيام المتوقّع حتى السداد وبحسب الأثر الحدّي للتواصل الآن، فيعمل الفريق على الحسابات التي يغيّر فيها بريد أو اتصال النتيجة بدل أكبر رصيد افتراضاً.

قراءات ذات صلة

#التسوية

أتمتة التسوية البنكية: المطابقة الحتمية أولاً، ونماذج LLM لمعالجة الحالات المتبقية

معظم عمليات التسوية لا ينبغي أن تمرّ على نموذج إطلاقاً. إليك كيف نفصل المطابقة التامة عن الاستثناءات الغامضة التي يتولّاها نموذج LLM، مع سِجلّ تدقيق (audit trail) يثق به المراقب المالي.

#النمذجة

التنبؤ بالتدفقات النقدية باستخدام تعلّم الآلة، من دون إفراط في التعقيد

التنبؤ بقيمة واحدة لا يستطيع أحد التصرّف بناءً عليها أسوأ من تقديم نطاق لم يجادل فيه أحد. هكذا نبني تنبؤاً بالتدفقات النقدية تستخدمه فِرَق الخزينة والتخطيط المالي فعلاً.

#الإقفال المالي

تسريع إقفال نهاية الشهر بالذكاء الاصطناعي، دون فقدان السيطرة

الإقفال شبكة تبعيات من التسويات والاستحقاقات والمراجعات. وفي ما يلي المواضع التي يختصره فيها الذكاء الاصطناعي فعلاً، والمواضع التي يجب أن يوقّع فيها إنسان على الرقم.

#العائد على الاستثمار

قياس العائد على الاستثمار في الذكاء الاصطناعي داخل العمليات المالية: المقاييس التي يقبلها المديرون الماليون

توفير الساعات ليس مبرّرًا للأعمال. إليك مقاييس فترة الاسترداد والجودة والمخاطر التي نستخدمها لإثبات أن نظام ذكاء اصطناعي للعمليات المالية يستحق تكلفته في بيئة الإنتاج.

تعمل على شيء مشابه؟

أخبِرنا عن بياناتك وسير العمل المحيط بها، وسنعطيك رأياً صريحاً.

احجز مكالمة تعريفية مدتها 30 دقيقة