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