Van volle mailbox naar gerichte opvolging
In finance verloopt een belangrijk deel van het contact met leveranciers en klanten nog via e-mail. Leveranciers vragen naar de betaalstatus van een factuur, melden een ontbrekend ordernummer of sturen een herinnering. Klanten stellen vragen over facturen, betwisten een bedrag, kondigen een betaling aan of vragen om een kopie van een document. Zulke berichten komen vaak terecht in gedeelde mailboxen van crediteuren- en debiteurenteams.
De verwerking begint met drie verschillende vragen. Wat staat er in het bericht? Een korte samenvatting moet de vraag, relevante context en benodigde actie weergeven. Waar gaat het over? Het bericht kan worden gecategoriseerd als bijvoorbeeld een betaalstatusvraag, factuurgeschil, wijziging van stamgegevens of betalingsspecificatie. Hoe snel moet het worden behandeld? De e-mail moet op basis van urgentie en financiële context op de juiste plaats in de werkvoorraad terechtkomen.
UiPath Communications Mining, inmiddels onderdeel van UiPath IXP, is ontwikkeld om ongestructureerde communicatie om te zetten in gestructureerde procesdata. Een model kan organisatiespecifieke labels voorspellen en gegevens zoals factuurnummers, ordernummers, bedragen, datums en gevraagde acties uit de tekst halen. Eén bericht kan meerdere labels en verzoeken bevatten. Iedere voorspelling krijgt een betrouwbaarheidsscore.
Samenvatten is een afzonderlijke generatieve stap. UiPath biedt hiervoor onder meer de activiteit Summarize Text. Een samenvatting kan een medewerker snel laten zien wat in een lange e-mailketen is gevraagd, afgesproken en nog openstaat. De oorspronkelijke e-mail blijft daarbij de gezaghebbende bron. Bijlagen worden niet standaard door Communications Mining verwerkt; daarvoor kan documentverwerking, zoals Document Understanding, aan dezelfde workflow worden toegevoegd.
Waar klassieke automatisering vastloopt
Klassieke inboxregels werken goed bij herkenbare afzenders, vaste onderwerpregels en eenduidige woorden. Een bericht met “betalingsherinnering” in het onderwerp kan bijvoorbeeld naar crediteurenbeheer worden verplaatst. Zodra leveranciers en klanten dezelfde vraag anders formuleren, neemt de betrouwbaarheid af. Een vraag naar “de stand van zaken”, “verwachte betaaldatum” of “openstaande factuur” kan inhoudelijk hetzelfde verzoek zijn zonder één gedeeld trefwoord.
Ook betekent een gevonden woord niet automatisch dat het bericht daarover gaat. Een e-mail kan een eerdere herinnering citeren, ontkennen dat een factuur openstaat of meerdere onderwerpen combineren. Lange antwoordketens bevatten bovendien oude datums, bedragen en afspraken naast de actuele vraag. Vaste regels kunnen die context moeilijk van elkaar onderscheiden.
Prioritering is nog lastiger. Het woord “urgent” zegt iets over de formulering van de afzender, maar niet noodzakelijk over de financiële prioriteit. Een neutraal geformuleerd bericht kan juist direct aandacht vereisen omdat een betalingstermijn verstrijkt, een groot bedrag wordt betwist of een kritieke leverancier een levering dreigt op te schorten. Omgekeerd hoeft een emotionele klacht niet altijd als eerste door een financieel specialist te worden behandeld.
Ook generatieve samenvatting lost dit niet vanzelf op. Een samenvatting kan een voorbehoud, datum of nog onbevestigde toezegging weglaten of verkeerd weergeven. Zij mag daarom niet de enige basis worden voor een betaling, wijziging van bankgegevens of andere financiële handeling.
Hoe intelligente automatisering kan verbeteren
Intelligente automatisering kan verder kijken dan trefwoorden en de betekenis van een bericht relateren aan eerder aangeleerde voorbeelden. Communications Mining gebruikt daarvoor een organisatiespecifieke taxonomie. Een e-mail kan bijvoorbeeld tegelijk de labels factuur betwist, levering niet ontvangen en spoed krijgen. De geëxtraheerde factuur- en orderreferenties maken het vervolgens mogelijk om het bericht aan de juiste leverancier, klant en transactie te koppelen.
Op basis van betrouwbaarheidsdrempels kan de workflow bepalen wat daarna gebeurt. Een duidelijk herkende standaardvraag kan automatisch naar het juiste team of proces worden gestuurd. Bij een lage modelzekerheid, tegenstrijdige signalen of een risicovolle categorie volgt menselijke beoordeling. Zo wordt onzekerheid niet verborgen achter één schijnbaar definitief label.
De uiteindelijke prioriteit ontstaat uit twee soorten informatie. De intelligente laag herkent onder meer het verzoek, mogelijke urgentie, sentiment en genoemde termijnen. Vaste procesregels voegen controleerbare feiten toe, zoals ouderdom van het bericht, SLA, vervaldatum, factuurbedrag, blokkadestatus en het belang van de relatie. Het model interpreteert de communicatie; de workflow berekent op basis van vastgelegde criteria de behandelprioriteit.
Een gegenereerde samenvatting kan daarna als leeswijzer boven de werktaak worden geplaatst, samen met de herkende categorieën, relevante gegevens en een link naar het oorspronkelijke bericht. Medewerkers zien daardoor sneller wat er speelt, zonder dat nuance of herleidbaarheid verloren hoeft te gaan.
Intelligente automatisering vat e-mails samen en herkent verzoeken en urgenties; vaste procesregels bepalen vervolgens de routing, prioriteit en toegestane opvolging.