تعتمد أتمتة الحسابات الدائنة والمدينة على الانضباط في تحديد النطاق؛ فإذا قمت بأتمتة جزء غير مناسب من دورة “من الفاتورة إلى الدفع” (invoice-to-pay) أو “من الطلب إلى التحصيل” (order-to-cash)، فإنك تتسبب في تسريع تدفق البيانات الخاطئة، وتراكم أكبر للحالات الاستثنائية، ووقوع أخطاء تؤثر على المدفوعات أو الإيرادات، مما يظهر لاحقاً في صورة تسويات متأخرة عند إقفال الحسابات وأوجه قصور في الضوابط الداخلية للتقارير المالية (ICFR). لا يكمن الهدف من هذه الدورة في تسريع عمليات الحسابات الدائنة والمدينة بشكل مجرد، بل في تحسين زمن الدورة، والدقة، وقابلية التدقيق بمعدلات ملموسة دون الإخلال بضوابط الاعتماد والموافقة.
يبرز دور الذكاء الاصطناعي هنا لقدرته على صياغة مخرجات منظمة انطلاقاً من مدخلات غير منظمة؛ إذ يمكنه استخراج بيانات ترويسة الفاتورة وبنودها، وتصنيف تفاصيل التحويلات المالية، واقتراح مطابقات بين بيانات أوامر الشراء (PO) وإشعارات الاستلام والفواتير، وإعداد مسودات توضيحية للحالات الاستثنائية لمراجعتها. ومع ذلك، لا يمتلك الذكاء الاصطناعي سلطة الرقابة؛ فالمسؤول المختص هو من يتولى الاعتماد، وتوفير الأدلة، وضمان الفصل بين المهام، وهي أمور تتطلب معايير SOX وICFR إمكانية إثباتها والتحقق منها في أوراق العمل وسجلات النظام.
يبدأ تحديد النطاق بمساري العمل المتكاملين (من البداية إلى النهاية) اللذين يديرهما قادة القطاع المالي فعلياً. ففي الحسابات الدائنة (AP)، يشمل ذلك دورة “من الفاتورة إلى الدفع” بدءاً من استلام الفاتورة ومروراً بالتصنيف المحاسبي (الترميز)، والمطابقة، والاعتماد، وانتهاءً بتنفيذ الدفع. أما في الحسابات المدينة (AR)، فيشمل ذلك دورة “من الطلب إلى التحصيل” بدءاً من إصدار الفاتورة ومروراً بتسجيل المدفوعات (تخصيص النقدية)، ومسار عمل التحصيل، وتسوية النزاعات.
يجب صياغة معايير النجاح في صورة مخرجات قابلة للقياس ومرتبطة بنتائج مهنية محددة؛ فإذا تحسن زمن الدورة ولكن زادت حالات الدفع المكرر، تُعتبر الأتمتة فاشلة. وبالمثل، إذا أصبحت عملية تسجيل المدفوعات أسرع ولكن ارتفعت معدلات شطب الديون نتيجة تصنيف النزاعات بشكل خاطئ، فقد يتحسن مؤشر “متوسط أيام المبيعات المستحقة” (DSO) مؤقتاً، بينما تتدهور جودة الإيرادات ومدى كفاية مخصصات الديون المشكوك في تحصيلها.
ولترسيخ مسار العمل وتحديد مواضع استخراج الأدلة، ينبغي استخدام خريطة العمليات التي توضح نقاط الرقابة والمستندات أو السجلات المطلوبة.
تُعد حدود الأتمتة موضعاً قد تتسبب فيه فرق العمل -عن غير قصد- في إخفاقات رقابية. فقد يقوم الذكاء الاصطناعي بإعداد مسودة لترميز دفتر الأستاذ العام (GL)، أو اقتراح مطابقة ثلاثية الأطراف، أو التوصية بتخصيص دفعات نقدية؛ إلا أنه لا يجوز للذكاء الاصطناعي أن يكون الجهة المعتمدة رسمياً، أو أن يتولى إنشاء البيانات الرئيسية دون موافقة ضمن مسار العمل، أو أن يقوم بإصدار المدفوعات. وعندما تتداخل هذه الحدود، تظهر المشكلات التي عادةً ما يرصدها المدققون، مثل: غياب أدلة الاعتماد، وتعارض المهام ضمن مسار عمل واحد، والعجز عن تفسير سبب إصدار دفعة مالية ما.
استخدم نهجاً يربط المهام بمستويات المخاطر لتحديد ما يجب أن يظل خاضعاً للاعتماد البشري؛ إذ يمكن أتمتة مهام الإعداد (المسودات) منخفضة المخاطر، بينما تظل عمليات الاعتماد عالية المخاطر خاضعة للرقابة البشرية، مع دعمها بمسارات عمل يفرضها النظام وسجلات قابلة للمراجعة.
استعن بمصفوفة اتخاذ القرار للفصل بين مرحلتي الإعداد والاعتماد، ولتحديد المهام التي تتطلب ضوابط رقابية وقائية إضافية.
تنشأ معظم حالات فشل أتمتة عمليات الحسابات الدائنة والمدينة (AP/AR) عن مشاكل في البيانات الأولية لا يمكن للذكاء الاصطناعي معالجتها. فعلى سبيل المثال، إذا وردت الفواتير بتنسيقات PDF غير متسقة وتفتقر إلى أرقام أوامر الشراء (PO)، أو كانت إشعارات التحويل غير مكتملة، أو كانت تنسيقات الملفات المصرفية متغيرة وغير ثابتة، فإن الذكاء الاصطناعي سيستمر في إنتاج المخرجات رغم ذلك. وتكمن المخاطرة المهنية هنا في أن المخرجات قد تبدو منظمة بما يكفي لترحيلها محاسبياً، لكنها تفتقر إلى إمكانية التتبع والربط بالمستندات الأصلية والحقول المطلوبة.
تعني جاهزية البيانات المدخلة أن نظام تخطيط موارد المؤسسة (ERP) لديك يحتوي على الحقول اللازمة، وأن ملفات البنك وخدمات التحصيل (Lockbox) تخضع لعملية ربط (Mapping) متسقة، وأن سياسة الاحتفاظ بالمستندات تدعم توفير أدلة التدقيق والبيانات اللازمة لحل النزاعات. فإذا كانت إجراءات الاحتفاظ بالمستندات ضعيفة، فقد تنجز العمليات بسرعة أكبر، لكنك ستفقد القدرة على إثبات صحة المدفوعات أو الاستقطاعات أو أنشطة التحصيل.
استخدم قائمة التحقق الخاصة بمدخلات البيانات للتأكد مما هو متاح لديك، وما هو مفقود، وما يجب توحيد معاييره قبل البدء في أعمال الأتمتة.