Vai al contenuto
Torna ai lavori

AI per la riconciliazione contabile

Machine learning che classifica i movimenti bancari in scritture contabili — dentro la piattaforma che gli operatori usavano già, non in uno strumento accanto.

Lavoro su commessa — sorgente non pubblico

Tipo
AI e ML
Periodo
2023
Stato
In produzione
Ruolo
AI e Software Engineer

Il problema

La riconciliazione bancaria è banale un movimento alla volta ed enorme nell’insieme. L’operatore guarda un movimento, riconosce cos’è e lo assegna a una scrittura contabile — poi lo rifà, diverse centinaia di volte, ogni mese. Quasi tutte quelle decisioni sono meccaniche, e chi le prende le prende uguali da anni.

Cosa ho costruito

Un modello che impara dallo storico già presente: anni di movimenti riconciliati sono un dataset etichettato che non costa niente raccogliere. Propone la scrittura per ogni movimento nuovo con accanto una confidenza — alta si accetta con un’occhiata, bassa passa all’operatore invece di essere indovinata. Ogni correzione rientra nell’addestramento, così il modello segue l’azienda invece di congelarsi al giorno in cui è stato addestrato.

La decisione che difenderei con più forza è dove gira: dentro la schermata di riconciliazione che gli operatori usavano già, non in uno strumento separato con un modello migliore che nessuno avrebbe aperto.

A che punto è

In produzione in Tecnos Group, su contabilità vere. Lotti che richiedevano ore di abbinamento manuale sono diventati minuti di revisione, e l’ultima parola su ogni scrittura è rimasta all’operatore — che è insieme la scelta corretta per un libro contabile e il motivo per cui hanno accettato di usarlo.

Cosa ho fatto

  • Progettato e addestrato il modello di classificazione che associa i movimenti bancari alle scritture contabili
  • Costruito la pipeline dai tracciati bancari grezzi a un dataset strutturato ed etichettato
  • Integrato l'inferenza nella piattaforma contabile esistente, dentro la schermata in cui gli operatori già lavoravano
  • Aggiunto un ciclo di feedback: le correzioni degli operatori diventano dati di addestramento invece di andare perse

Impatto

  • La riconciliazione, da ore di abbinamento manuale per lotto, è diventata minuti di revisione
  • In produzione su dati finanziari reali

Stack

  • .NET
  • ML ML.NET
  • SQL SQL Server
  • Ciclo di feedback

Riconosci uno di questi problemi?

Se qualcosa di tutto ciò somiglia al sistema con cui convivi, di solito è un buon punto da cui partire.