Ø90 – Bogføring – KU Automatisk kontering

Kontering af KU-posteringer i Ø90 og InterCount

Når der modtages KU-posteringer fra banken, sker der først et match mellem bilag og betalinger. Er der anvendt betalingsløsning i InterCount, viI alle bilag - betalt via betalingsløsning - blive matchet med den tilhørende betaling. 

De posteringer, der ikke kan matches, vil komme gennem Automatisk kontering. 

I Ø90 og InterCount sker der automatisk kontering af KU-posteringer. Det foregår gennem en Machine Learning-model, der på kundeniveau kan tilpasses med individuelle regler. 

Modellen, der anvendes til at give kontoforslag til KU-posteringer, er mere simpel end modellen, der anvendes til kontering af e-bilag. 

Konteringsflow KU

Video

I videoen er der en detaljeret gennemgang af Automatisk kontering for KU-posteringer. 

Automatisk kontering

Ved automatisk kontering vil Machine Learning altid komme med et kontoforslag og en svarsikkerhedsprocent. 

Derefter vil der blive tjekket for, om der findes en individuel kontering af den aktuelle vare- eller delvaretekst. 

Er der en individuel kontering af den aktuelle vare- eller delvaretekst, vil denne afgøre, hvilken konto der påsættes posteringen. Er der ikke en individuel kontering af den aktuelle vare- eller delvaretekst, er det svarsikkerhedsprocenten, der afgør, om der påsættes en konto, eller om der påsættes “blank konto”. 

En svarsikkerhedsprocent <75% medfører, at posteringen påsættes “blank konto”.

Hvis den konto, der findes frem til under automatisk kontering, er lukket på kontoplanen eller er slettet, vil der blive påsat konto 7999 04.

Konteringstyper

I – Svaret kommer fra Individuel varetekst KU
M – Svaret kommer fra MachineLearning med svarsikkerhedsprocent >=75%
T – Svaret (“blank konto”) kommer fra MachineLearning med svarsikkerhedsprocent <75%

Konteringstypen kan ses af billedet ‘Konteringsdetajler’, som kan fremkaldes for hver postering i Ø90 Control (og Kasseregistreringen).

Konteringsflow KU – Automatisk kontering

Match af tekster

Du kan ved at højreklikke på en postering se, hvilken tekst der er fundet et match til. Men husk også at se på svarprocenten, for er procenten under 100%, har modellen kun fundet match med en andel/delmængde af de karakterer, der indgår i teksten. 

Når modellen matcher på tekst, er det vigtigt at forstå, at modellen IKKE er en AI-model, men en maskinel model. Machine Learning-modellen kan derfor ikke læse ord, den læser de enkelte karakterer og finder et match på den måde. Det er vigtigt at huske, at modellen IKKE kan læse og forstå betydningen af ord og heller ikke ved om nogle ord i en tekst er mere vigtige end andre. Modellen læser karakterer.  

Husk hvis der er behov for at tilpasse noget i teksten fra banken, så undgå at slette den pågældende tekst, men skriv til i slutningen af teksten.