Uitzonderingen inprijzen

Op de sheet voor de stuurgroep stond 99,25%. Dat was het aandeel van 4,6 miljoen transacties per periode dat het afstemmingssysteem van een aanbieder van weddenschappen en kansspelen, dat betalingen afstemt op de eigen boekingen van het bedrijf, zonder mens matchte. Goed, en eerlijk. De teamleider finance vulde de andere kant aan: de resterende 0,75% waren nog altijd zo'n 34.500 posten per periode, en het wegwerken daarvan kostte haar team inmiddels de hele dag.

In die rest zit de economie van automatisering. Het gematchte deel vertelt een sponsor dat het systeem werkt. De rest vertelt de financieel directeur wat de operatie kost, waar het risico zit en of ze de groei van volgend jaar overleeft. Businesscases voor AI worden vaak op het eerste getal gebouwd, terwijl de operatie het tweede betaalt.

Een automatiseringspercentage telt gevallen, geen kosten

Een percentage behandelt elk geval gelijk. Een tijdsverschil dat de volgende ochtend vanzelf verdwijnt en een te lage betaling van een betaalprovider die een formeel geschil vraagt, tellen elk als één uitzondering. Het eerste kost niets; het tweede de middag van een ervaren analist en, als het wordt gemist, echt geld. Middelen verbergt wat een financieel directeur moet weten.

Het uitzonderingsregister zet een prijs op elke oorzaak

Voor elke workflow die we draaien, houden we een uitzonderingsregister bij. Geen wachtrijrapport, maar een kleine tabel, één regel per oorzaak, met vijf kolommen gemeten uit de dossiers, nooit geschat in een workshop. Een oorzaak zonder gemeten handelingstijd wordt als onbekend gemarkeerd, niet gegokt.

• Frequentie per periode.
• Handelingstijd, van het moment dat een mens het geval opent tot het sluit, zonder wachttijd.
• Kosten van de behandelaar, want een uur van een controller is geen uur van een administratief medewerker.
• Verlies bij missen, waar eerdere gevallen dat tonen: een dubbel betaalde factuur, een nooit teruggehaalde fee.
• Waar de oorzaak ligt: in de regels van het systeem, in de stamgegevens zoals klant- en leverancierslijsten, in het bestandsformaat van een ander bedrijf, of in echt oordeel.

De eerste vier vermenigvuldigd geven de kosten per oorzaak per periode. In de registers die we bijhielden, droeg een handvol oorzaken het grootste deel van de kosten, en vaak niet de oorzaken die men aan het begin verwachtte.

Het register is zo goed als zijn oorzaakcodes, en die codes hebben een eigenaar nodig in het financeteam, niet bij engineering. Let op de regel "overig". Wordt die een van de grootste, dan beschrijft de lijst het werk niet meer, en opsplitsen gaat voor elke nieuwe regel. De eerste lijst komt ook uit het observeren van mensen die de wachtrij wegwerken, niet uit de procesbeschrijving, die informele omwegen zelden noemt, zoals kleine facturen zonder ordernummer op een verzamelrekening boeken en markeren. Elke gewoonte is een oorzaak met kosten.

Waar de oorzaak ligt, bepaalt de oplossing

Ligt ze bij een ander bedrijf of in de stamgegevens, dan hoort de oplossing bij de bron. Een referentie die tussen twee systemen wordt ingekort, een factuur zonder ordernummer, een klant die drie keer is vastgelegd: daaromheen automatiseren bouwt blijvende complexiteit rond iets wat bij de bron te herstellen is. Een verzoek aan het andere bedrijf of het opschonen van de stamgegevens is meestal de goedkoopste vermindering, en engineeringprojecten zien die over het hoofd omdat de oplossing geen code is.

Ligt ze in regels die niemand opschreef, zoals hoe een fee wordt berekend of welke bedragen tegen elkaar worden verrekend, dan is ze een kandidaat voor automatisering, onder de terugverdienregel.

Is het echt oordeel, zoals een geschil of het afschrijven van een vordering, dan blijft het geval bij een mens, en de investering gaat naar het snel maken van die mens: gevallen gebundeld per oorzaak, bewijs erbij, een eigenaar en een leeftijd op elk item. Dat automatiseren we niet om het percentage op te krikken. Kleine terugkerende verschillen zijn vaak het eerste teken van een groter probleem, en ze beoordelen is waar finance voor is.

Nieuwe automatisering moet zich binnen een jaar terugverdienen

Elke regel voor een kleinere, vreemdere oorzaak kost meer om te bouwen, testen en onderhouden dan de vorige, en vergroot de kans dat twee regels botsen. Daarom krijgt elke voorgestelde regel een prijs: het bouwwerk, de extra testgevallen, een jaar onderhoud. Die wordt afgezet tegen de kosten van die oorzaak in het register. Een regel die zich niet binnen het jaar terugverdient, wordt niet gebouwd, en de oorzaak blijft bij een mens.

Regels moeten hun plek ook blijven verdienen. Elke regel logt hoe vaak hij afgaat. Een regel die twee maandafsluitingen lang niet afging, wordt bekeken en verwijderd, tenzij hij beschermt tegen een zeldzaam maar duur verlies. Ongebruikte regels zijn code die niemand zich herinnert en die met de volgende wijziging botst. Ze opruimen houdt het register een bezit in plaats van een onderhoudslast.

Laat u een sponsor deze berekening zien, dan verschuift de vraag meestal van "kunnen we dit automatiseren" naar "is deze oorzaak een regel waard".

De rest wordt lastiger naarmate het percentage stijgt

Businesscases gaan er vaak van uit dat de overgebleven uitzonderingen op de oude lijken, alleen minder. Dat doen ze zelden. Regels halen eerst de frequente, eenvoudige oorzaken weg, dus elk procentpunt automatisering verschuift de rest naar gevallen die zeldzaam, onduidelijk of betwist zijn. De gemiddelde handelingstijd per uitzondering stijgt terwijl het aantal daalt.

We voorspellen dit uit het register voordat een nieuwe regel live gaat: welke oorzaken hij weghaalt, en welke tijd en ervaring de rest vraagt. Meestal blijkt: minder mensen op routineposten, meer senior tijd voor geschillen, gesprekken met andere bedrijven en het eigenaarschap van de regels. De makkelijke gevallen waarop nieuwkomers leerden, zijn weg, dus inwerken verschuift naar het bespreken van meningsverschillen en regelwijzigingen. Plan die rolverandering vooraf.

Lisanne Bainbridge beschreef dit voor industriële procesbesturing in "Ironies of Automation" (1983): automatisering neemt de taken over die mensen makkelijk konden doen en laat hun de taken die niemand kon automatiseren, terwijl ze de dagelijkse oefening wegneemt die hun vaardigheden scherp hield. Haar conclusie is degene die sponsors het minst verwachten: de succesvolste geautomatiseerde systemen, die zelden een mens nodig hebben, vragen misschien de grootste investering in het trainen van de mensen die blijven. Ruim veertig jaar later zien financeteams het bij de maandafsluiting.

Groei voegt oorzaken toe, niet alleen volume

Volumegroei is goedkoop: meer van dezelfde transacties lopen door dezelfde regels, bijna zonder extra kosten. Wat groei echt toevoegt, zijn nieuwe oorzaken. Een nieuwe betaalprovider brengt een eigen afrekeningsbestand en eigen fees. Een nieuwe markt brengt een valuta, lokale belastingregels en een bank die referenties op haar eigen manier opmaakt. Een overname brengt een tweede rekeningschema. Elk is een nieuwe regel in het register, en elk begint in de dure stand: niet geautomatiseerd, onbekend, behandeld door wie het meest senior is.

Zo kan een operatie die er comfortabel uitziet, vastlopen na een uitbreiding die haar volume nauwelijks verandert. Als een klant groei plant, zetten we de nieuwe bronnen, markten en partners op een rij, maken we voor elk vooraf een regel aan en plannen we de tijd om elk in te delen als bron, regel of mens voordat het er is. Hoe snel een bedrijf kan groeien, hangt af van hoe snel nieuwe oorzaken worden geprijsd en afgehandeld, niet van hoe snel het matchen gaat.

Een stijgend automatiseringspercentage met stijgende kosten van de rest is nog geen vooruitgang. Na de livegang is het register het helderste zicht op de operatie, en het is het eerste wat we vragen bij elke review van een geautomatiseerd financeproces.