Digitaalisen ostolaskuprosessin haasteet, ratkaisut ja tulevaisuudennäkymät: Case Yritys Oyj

Digitaalisen ostolaskuprosessin haasteet, ratkaisut ja tulevaisuudennäkymät: Case Yritys Oyj Jyväskylän yliopisto Kauppakorkeakoulu Pro gradu - tutkielma 2024 Tekijä: Eemil Lindroth Oppiaine: Laskentatoimi Ohjaaja: Kati Pajunen TIIVISTELMÄ Tekijä Eemil Lindroth Työn nimi Digitaalisen ostolaskuprosessin haasteet, ratkaisut ja tulevaisuudennäkymät: Case Yritys Oyj Oppiaine Laskentatoimi Työn laji Pro gradu -tutkielma Aika (pvm.) 25.3.2024 Sivumäärä 110 Tiivistelmä – Abstract Liiketoiminnan monimutkaistuessa, kilpailun kiristyessä ja teknologian kehittyessä organisaatiot ovat enenevissä määrin sitoutuneet prosessiensa täydelliseen digitalisointiin ja automatisointiin. Tämä näkyy ostolaskuprosessissa muun muassa sekä laskujen vastaanotto- ja lähettämistapojen digitalisoitumisena että työnkulunhallintajärjestelmien ja pilvipalveluiden yleistymisenä ja kehittymisenä. Vaikka nämä digitalisaation mukanaan tuomat kehitykset ovatkin virtaviivaistaneet prosesseja ja vähentäneet manuaalisen työn määrää, ovat ne tutkitusti tuoneet mukanaan myös uusia tietojenkäsittelyn tehottomuuteen ja resurssien kohdentumiseen liittyviä haasteita. Tutkielman tarkoituksena ja ensisijaisena tavoitteena oli syventyä erilaisten digitaalisten ratkaisujen ominaispiirteisiin ostolaskuprosessissa, keskittyen prosessin nykytilaan, haasteisiin ja tulevaisuuden näkymiin kvalitatiivisia menetelmiä hyödyntäen. Tutkielman toteutusta ohjaavat tutkimuskysymykset olivat koostettu siten, että tutkielman tulokset palvelisivat jo olemassa olevaa tutkimuskirjallisuutta kokonaisvaltaisesti, tarjoten viitteitä paitsi tietoteknisistä, myös organisaatio- ja yksilötason kysymyksistä. Tutkielman havaintojen odotetaan edistävän organisaatioiden kykyä navigoida tehokkaammin digitaalisen muutoksen kentässä. Vaikka johtopäätökset ovat monien teemojen osalta alustavia, tutkielman voidaan nähdä luoneen hyvän pohjan kohdennetumman tutkimuksen toteuttamiselle tulevaisuudessa. Tutkielman tulokset viittaavat siihen, että ostolaskuprosessin asianmukainen ja täysin saumaton automatisointi on vielä varsin riippuvainen erilaisista organisaatiokohtaisista tekijöistä, kuten toimialasta, toiminnan kansainvälisyydestä ja toimittajien digitaalisista valmiuksista. Muun muassa globaalin liiketoiminnan muuttujat, kuten paikalliset lainsäädännöt, ostolaskujen formaatit ja organisaation sisäiset toimintatavat, vaikuttavat havaitusti saavutettavissa oleviin prosessikohtaisiin automaatioasteisiin. Organisaatiot voivat puolestaan vastata kyseisiin ongelmiin sitoutumalla prosessien standardointiin ja kehittämiseen sekä implementoimalla pitkälle räätälöitäviä ja skaalautuvia tietojärjestelmä- ja ohjelmistoratkaisuja yhdessä erikoistuneen järjestelmäkehittäjän kanssa. Prosessien jatkuva kehittäminen ja teknologisen kehityksen nopea tahti on puolestaan synnyttänyt uusia oppimisvaateita alan asiantuntijoille, jotka voivat yhdessä vallitsevien aikarajoitteiden kanssa hidastaa yksilön kompetenssien kehittymistä, korostaen myös henkilöstön asianmukaista huomioon ottamista kehittyvien taloushallintoprosessien keskiössä. Asiasanat Automaatio, digitalisaatio, ostolaskuprosessi, pilvipalvelut, tietojärjestelmät Säilytyspaikka Jyväskylän yliopiston kirjasto SISÄLLYS TIIVISTELMÄ ................................................................................................................ 3 SISÄLLYS ........................................................................................................................ 4 1 JOHDANTO .......................................................................................................... 7 1.1 Tutkielman tausta ....................................................................................... 7 1.2 Tutkielman tavoite ja toteutus .................................................................. 9 1.3 Tutkielman rakenne ................................................................................. 10 2 PROSESSIAUTOMAATION RATKAISUT JA TAUSTATEKIJÄT ............. 12 2.1 Automaatio ja liiketoimintaprosessit ..................................................... 12 2.2 Taloushallinnon järjestelmäratkaisut ..................................................... 16 2.3 Ohjelmistorobotiikka ................................................................................ 19 2.4 Älykäs prosessiautomaatio ..................................................................... 23 2.5 Sähköinen laskutus automaation katalyyttina ..................................... 29 2.6 Prosessiautomaatioon haasteet ja virheiden hallinta .......................... 32 3 DIGITAALINEN OSTOLASKUPROSESSI..................................................... 40 3.1 Ostoprosessi lyhyesti ................................................................................ 40 3.2 Sähköisten liiketoiminta-asiakirjojen käsittely ..................................... 42 3.3 Ostolaskujen digitointi ja perustietojen taltiointi ................................. 44 3.4 Laskujen käytännön käsittely ja automatisointi ................................... 47 4 AINEISTO JA MENETELMÄ ........................................................................... 51 4.1 Yleistä ......................................................................................................... 51 4.2 Tapaustutkimus laskentatoimen tietojärjestelmien kentässä ............. 51 4.3 Aineisto ...................................................................................................... 53 4.4 Menetelmä ................................................................................................. 55 5 TULOKSET .......................................................................................................... 57 5.1 Yleistä ......................................................................................................... 57 5.2 Digitaalisen prosessin läpikulku ja järjestelmien ominaispiirteet ..... 58 5.3 Prosessin sidosryhmädynamiikka ja järjestelmäkehitys ..................... 63 5.4 Ostolaskuprosessin käytännön haasteet ............................................... 68 5.5 Globaalin end-to-end -prosessin realiteetit ........................................... 81 5.6 Yksilön sopeutuminen ja kasvu digitaalisen kehityksen rinnalla ..... 85 5.7 Ostolaskuprosessin tulevaisuus ............................................................. 89 6 JOHTOPÄÄTÖKSET ......................................................................................... 92 6.1 Tutkielman tausta ja yhteenveto ............................................................ 92 6.2 Tutkielman päähavainnot ....................................................................... 93 6.3 Tutkielman rajoitteet ................................................................................ 99 6.4 Jatkotutkimuskohteet ............................................................................. 100 LÄHTEET ................................................................................................................... 102 LIITTEET ..................................................................................................................... 109 KUVIOT KUVIO 1 Havainnollistus automatisoidusta kolmikantaisesta ostolaskujen täsmäytysprosessista, suomennos. Lähde: Bhatta & Hiebl, 2022 ......................... 21 KUVIO 2 Automaatiokolmio ..................................................................................... 22 KUVIO 3 Automaatiojatkumo, suomennos. Lähde: Lacity & Willcocks, 2017, mukaan Zhang, 2019 ................................................................................................... 24 KUVIO 4 Älykkään prosessiautomaation ekosysteemi, suomennos. Lähde: Zhang, 2019 ................................................................................................................... 25 KUVIO 5 Aisti-ajatus-toiminta -kehys, suomennos. Lähde: UiPath, 2017, mukaan Zhang, 2019 ................................................................................................................... 26 KUVIO 6 Hyperautomaatioon liittyvät teknologiat, suomennos. Lähde: Haleem ym., 2021 ....................................................................................................................... 26 KUVIO 7 Automaation ja digitalisaation tasot laskentatoimessa, suomennos. Lähde: Lehner, Knoll, Leitner-Hanetseder & Eisl, 2022 ......................................... 28 KUVIO 8 Laskujen lähettämis- ja vastaanottotapojen jalkauttaminen pieniin ja keskisuuriin yrityksiin, suomennos. Lähde: Tanner & Richter, 2018 .................. 32 KUVIO 9 Hybridiälykkyys, suomennos. Lähde: Dellermann ym., 2019 ............ 37 KUVIO 10 Yrityksen tyypillinen P2P-prosessi, suomennos. Lähde: Doxey, 2019, s. 85 ................................................................................................................................ 41 KUVIO 11 Manjunathin ym., (2023) esittämä laskutietojen poiminnan karkea järjestelmäarkkitehtuuri, suomennos. Ks. Liite I: JSON ja XML-esimerkit. ........ 46 KUVIO 12 Tietokonenäköön perustuva laskujenkäsittelyratkaisu, suomennos. Lähde: Arslan, 2022. .................................................................................................... 46 KUVIO 13 Sähköinen ostolaskuprosessi tilaukseen perustuville laskuille. Lähde: Lahti & Salminen, 2014, s. 56 ...................................................................................... 48 KUVIO 14 Sähköinen ostolaskuprosessi, kun laskuun ei liity järjestelmään tallennettua tilausta tai sopimusta. Lähde: Lahti & Salminen, 2014, s. 55 .......... 48 KUVIO 15 Automatisoidun ostolaskuprosessin osatekijät, suomennos. Lähde: Lamon, 2009 .................................................................................................................. 50 TAULUKOT TAULUKKO 1 Liiketoiminnan pää- ja osaprosessien automaation kustannussäästöpotentiaali, suomennos. Lähde: Cooper ym., 2019 .................... 14 TAULUKKO 2 Automaatiovirheiden hallintaan vaikuttavat taustatekijät, suomennos. Lähde: McBride ym., 2014 .................................................................... 36 TAULUKKO 3 Ihmisen ja koneen älykkyys, suomennos. Lähde: Dellermann ym., 2019 ................................................................................................................................ 36 TAULUKKO 4 Haastateltavien työnkuvat .............................................................. 54 TAULUKKO 5 Esimerkkitilanne täsmäytysprosessista toleranssin ollessa 15 % laskun loppusummasta. .............................................................................................. 76 1 JOHDANTO 1.1 Tutkielman tausta Digitalisaation mukanaan tuomat ratkaisut ja teknologiat ovat tunnetusti muuttaneet liiketoiminnan käytännön toteutusta ja vähentäneet resurssitarpeita virtaviivaistaen ennen kaikkea yritysten välisiä B2B-prosesseja (Tanner & Richter, 2018). Sähköisten liiketoimintavalmiuksien ylläpidosta on tullutkin keskeinen painopistealue yrityksille elektronisten transaktioiden toteuttamiseksi liiketoiminnan arvoketjun eri vaiheissa (AbuMusa, 2004; Straub & Watson, 2001; Zhu, 2004; Zhu & Kraemer, 2002). Yritysmaailman integroituessa edelleen yhä tiiviimmin yhteen ja kilpailijoiden parantaessaan omia toimintavalmiuksiaan, organisaatioiden on tehostettava omia liiketoimintakäytäntöjään pysyäkseen itse kilpailukykyisinä (Umble ym., 2003). Teknologian kehittyessä jatkuvasti organisaatiot joutuvat myös kehittämään omia prosessejaan samanaikaisesti synnyttäen sisäisen kilpailuasetelman vallitsevien käytänteiden ja teknologian mahdollistamien modernien ratkaisujen välille (Bettis & Hitt, 1995). Liiketoiminnan digitalisoituminen on siis sekä tehostanut toimintatapoja että luonut uusia haasteita ja velvoitteita, jotka liittyvät juuri kiristyneeseen kilpailuun, laajentuneisiin globaaleihin markkinoihin ja asiakkaiden vaatimuksien kasvuun (Umble ym., 2003). Kansainvälisten yritysten taloushallinnon toimintaa monimutkaistavat entisestään useiden eri valuuttojen, kielien, verokoodien ja säännösten kanssa operoiminen (Cohen, 2015). Taloushallinon tyypilliset prosessit, kuten osto- ja myyntiprosessi, ovatkin olleet merkittävän muutoksen kohteena viime vuosikymmeninä. Yritykset ovat enenevissä määrin implementoineet erilaisia digitaalisia ratkaisuja, kuten toiminnanohjausjärjestelmiä ja tekoälyä hyödyntävää automatiikkaa, vastatakseen liiketoimintaympäristön asettamiin vaatimuksiin. (Arslan, 2022; Umble ym., 2003.) Vaikka nämä ratkaisut ovat virtaviivaistaneet edellä mainittuja prosesseja merkittävästi niin manuaalisen työn määrän kuin tehostuneiden toimintatapojenkin suhteen, ovat ne synnyttäneet myös lukuisia haasteita. Organisaatiot ovatkin kärsineet tunnetusti eri taloushallintofunktioiden tehottomuudesta, minkä on nähty hankaloittavan 8 ennen kaikkea resurssien tehokasta kohdentumista ja päätöksentekoa. (Gotthardt ym., 2020.) Gotthardt kumppaneineen (2020) odottavatkin, että uusilla automaatioteknologioilla tulee olemaan merkittäviä vaikutuksia laskentatoimen työtehtäviin lyhyellä aikavälillä ja automaatioratkaisujen odotetaan edelleen toimivan myös tehottomuuden ja päätöksenteon tehostamisen keskiössä. Vuosien 2019-2022 koronapandemia vauhditti myös yrityksiä tehostamaan olemassa olevia digitaalisia ratkaisujaan tai uusiin digitaalisiin ratkaisuihin siirtymistä. Ostoprosessin kohdalla tämä vaikutus on ollut ilmeinen. Laskujen laadinta-, siirto- ja vastaanottotapoihin on tehty merkittäviä muutoksia ja sähköinen laskutus on yleistynyt laskutustapana yritysten välisessä kaupassa. Euroopan komissio on muun muassa edistänyt sähköisen laskutusalustan käyttöönottoa ”Connecting Europe Facility” (CEF) -televiestintäaloitteen kehikon mukaisesti vuodesta 2015 lähtien. (Euroopan komissio, 2022.) Laskut ovat tärkeitä liiketoiminnan dokumentteja, sillä ne todentavat asiakkaan ja toimittajan välisen hyödykkeiden tai palvelujen vaihdon. Automatisoimalla laskujen käsittelyä, ostolaskun sisältämät tiedot voidaan muun muassa muuttaa digitaaliseen muotoon, tallentaa niiden perustiedot järjestelmiin ja siirtää maksuun automaattisesti. Tällä hetkellä myös sähköinen laskutus on yleistymässä, mikä mahdollistaa laskujen lähettämisen ja vastaanottamisen strukturoidussa metatietomuodossa yksinkertaistaen laskujen käsittelyyn vaadittua automatiikkaa merkittävästi suhteessa strukturoimattomiin kuvaformaatteihin. (Arslan, 2022; Cristani ym., 2018; Lahti & Salminen 2014 s. 55-57.) Perinteisen paperisen ostolaskuprosessin tyypilliseksi ongelmaksi on tunnistettu sen vaatima manuaalisen työn määrä ja siitä seuraava hidas laskun kierto (Lahti & Salminen, 2014, s. 54). Vaikka perinteisen paperisen ostolaskuprosessin haasteet on tiedostettu jo pitkään, on syntynyt kasvava tarve ymmärtää myös digitaalisen prosessin haasteita ja erilaisten automaatioratkaisujen tarjoamia mahdollisuuksia. Tämän tutkielman tulosten odotetaan näin hyödyttävän etenkin yrityksiä, joilla on pyrkimys ymmärtää omassa ostoprosessissaan esiintyviä ongelmia ja pullonkauloja. Vastaavasti ulkoinen tilintarkastustoiminto tai muut sidosryhmät, jotka osallistuvat näiden järjestelmien valvontaan ja hallinnointiin, saattavat hyötyä tutkielman tuloksista mm. tehokkaamman resurssien kohdentamisen muodossa. Gotthardt kumppaneineen (2020) väittävät, että sisäisessä tarkastusfunktiossa tarvitaan myös uusia testausmenetelmiä automatisoituja prosesseja varten. Tämä viime kädessä alleviivaa kasvavaa tarvetta ymmärtää automaatio- ja järjestelmäratkaisuihin liitettyjä riskejä tavalla, joka palvelee tehokkaammin sisäisten valvontaresurssien kohdentamista ja kontrollien suunnittelua. Vastaavasti Cristani ja kumppanit (2018) ovat todenneet teknologian kehittyvän nopeasti etenkin liiketoiminta-asiakirjojen käsittelyn kentässä, missä erilaisten dokumenttien prosessointia integroidaan erilaisiin työnkulunhallintajärjestelmiin (workflow management systems) ja pilvipalveluteknologiaan. Tästä syystä yritysten tulee ymmärtää tarkkaan, millä 9 tavalla nämä teknologiat integroituvat olemassa oleviin työtehtäviin ja mikä rooli teknologioilla tulee olemaan (Haleem ym., 2021). 1.2 Tutkielman tavoite ja toteutus Digitaalisten ratkaisujen ja automaation edelleen yleistyessä, tämän tutkielman tarkoituksena on syventyä kvalitatiivisia menetelmiä hyödyntäen ostolaskuprosessin e-ratkaisujen ja automaation nykytilaan, haasteisiin ja tulevaisuudennäkymiin. Tutkielman painopiste on ennen kaikkea prosessin ja sen työtehtävien automatisoinnissa ja digitalisaation aiheuttamissa suorissa ja epäsuorissa vaikutuksissa. Tutkielman toteutusta ja tulosten tulkintaa ohjaavat seuraavat tutkimuskysymykset: 1. Mitkä ovat ostoprosessin automatisoinnin haasteet ja mistä ne johtuvat? 2. Miten caseyritys on vastannut automaation synnyttämiin ongelmiin? 3. Miten nämä haasteet ovat vaikuttaneet henkilöstöön ja organisaatioon? Vaikka ostolaskuprosessin digitalisoitumiseen tai sen automatisointiin suoraan kohdennettua tutkimusta ei ole tehty tai ainakaan tämän tutkimuksen tekemisen aikana tunnistettu, useat tutkimukset ovat luoneet perustan liiketoimintaprosessien automatisoinnin tutkimiselle etenkin laskentatoimen kontekstissa. Muun muassa ohjelmistorobotiikan (RPA) ratkaisujen hyödyntämistä ja sen sovelluksia on tarkasteltu aiemmissa tutkimuksissa kattavasti. Näistä tutkielman kannalta huomionarvoisia ovat mm. Cooperin, Holdernessin, Sorensenin ja Woodin (2019), Fernandezin ja Amanin (2018) ja Gotthardtin ym., (2020) tutkimusartikkelit. Tanner ja Richter (2018) puolestaan käsittelivät tutkimuksessaan B2B-prosessien digitalisoitumista sähköisten dokumenttityyppien näkökulmasta. Vaikka edellä mainitut artikkelit eivät yksinomaan kohdistuneet laskunkäsittelyyn, ne tarjosivat teoriakehyksen luomisen kannalta tärkeää asiasisältöä ja ohjasivat tutkielman käytännön toteutusta. Tämä tutkielma pyrkii edistämään osaltaan yleistä keskustelua digitaalisten ratkaisujen integroimisesta liiketoimintaprosesseihin tarjoamalla kattavan kokonaiskuvan aiheesta, minkä tarkoitus on viimekädessä auttaa organisaatioita navigoimaan automaation ja digitalisaation osiltaan monimutkaisissa olosuhteissa. Tutkielman ollessa varsin laaja, sen voi nähdä toimivan eräänlaisena ponnahduslautana tuleville tutkimuksille luoden näin perustan tarkemmin rajatulle ja kohdennetulle tutkimustyölle. 16 sidosryhmien välistä yhteistyötä ja luoda selkeät strategiat sekä ongelmanasettelut (Gotthardt ym., 2020). Myös Fernandez ja Aman (2018) korostavat keskeisten sidosryhmien roolin merkitystä. Ylimmän johdon, IT-yksiköiden ja järjestelmätoimittajien ollessa päävastuussa tietotaidon jalkauttamisesta loppukäyttäjille, on näiden sidosryhmien tarjoaman tuen määrä automaatio- ja järjestelmäratkaisujen implementoinnin kannalta keskeistä (Fernandez & Aman, 2018). Asianmukaisten suorituskykymittareiden hyödyntäminen automaation tehokkuuden seuraamisessa on myös tärkeää. Mittareilla voidaan paitsi seurata sijoitetun pääoman tuottoa, saada myös tietoa prosessikohtaisesta tuottavuudesta, kuten yksittäisiin tehtäviin käytetystä ajasta. Jotkut ohjelmistorobotiikkaan perustuvat ratkaisut mahdollistavat mittareiden integroinnin suoraan järjestelmiin, jolloin robotit pystyvät mukauttamaan toimintaansa ja parantamaan suorituskykyään itsenäisesti mittareihin perustuen. (Chakraborti ym., 2020.) Flechsig kumppaneineen (2022) havaitsivat automaatiosta saatavien hyötyjen olevan kuitenkin hyvin pitkälti sidoksissa organisaation elinkaareen ja digitaalisten ratkaisujen hankintavalmiuteen. Automaatiota tavoiteltaessa on tärkeää muistaa, että sen tuoma potentiaali ei ole puhtaasti sidoksissa käyttöönoton hetkeen, vaan uuden teknologian omaksumisesta saatuihin oppimiskokemuksiin. Sillä organisaatioiden saadessa kokemusta automaatioratkaisujen hyödyntämisestä, on perusteltua olettaa, että niiden hyödyntäminen tulee laajentumaan transaktio- ja operatiivisten tehtävien lisäksi myös strategisiin käyttötarkoituksiin esimerkiksi hankintaan ja toimitusketjujen hallintaan. (Flechsig ym., 2022.) Automaatioratkaisuilla on pohjimmiltaan tärkeä rooli koko hankinnasta maksuun -prosessissa. Automatisoidulle ostoprosessille tyypillistä on, että erilaiset digitaaliset ja elektroniset ratkaisut ovat käytössä jo prosessin alkupäässä ostopyynnön luomisessa, millä on vaikutus koko prosessin läpikulun sujuvuuteen. (Doxey, 2012.) Muun muassa Schulze-Horn ja kumppanit (2020) odottavat hankintatoimen prosessin olevan tekoälyteknologian yleistymisen seurauksena merkittävän muutoksen kohteena, missä ostotoiminnasta vastaavan henkilöstön toistuvaistehtävien määrän odotetaan vähenevän merkittävästi. Tässä skenaariossa ostajilta tullaan tulevaisuudessa edellyttämään kykyä ja taitoja hyödyntää tehokkaasti tekoälypohjaisia järjestelmiä ja sovelluksia. Tekoälypohjaiset automaatioratkaisut voivat tulla hyödyllisiksi mm. hankinnan alkuvaiheen sopimusneuvotteluissa vähentäen esimerkiksi ihmismielen ajatusharhoista johtuvia kielteisiä vaikutuksia sopimusneuvotteluiden lopputuloksissa. (Schulze-Horn ym., 2020.) 2.2 Taloushallinnon järjestelmäratkaisut Viimeisen kolmen vuosikymmenen aikana digitaaliset kirjanpidon järjestelmät ja pilvipalvelut ovat teknologisen kehityksen myötä nousseet keskeiseen rooliin erilaisissa liiketoiminnan prosesseissa, kuten ostolaskujen käsittelyssä. Kirjanpidon tietojärjestelmistä (Accounting Information Systems, AIS), 17 toiminnanohjausjärjestelmistä (Enterprise Resource Planning, ERP) ja SaaS-rat- kaisuista (Software-as-a-Service) on tullut välttämättömiä liiketoiminnan tehostamisen osatekijöitä. Suuri riippuvuus näistä järjestelmistä on johtanut siihen, että niitä ei nähdä enää pelkästään liiketoimintaa tukevina elementteinä, vaan pikemminkin strategisen liiketoiminnan perustana ja mahdollistajana. Tämä kehityskulku on edelleen nostanut organisaation sisäisten IT-yksiköiden roolia järjestelmien vakaan toiminnan takaamisessa ja ylläpitämisessä. (Cleary, 2022; Doxey, 2012.) 1990-luvulta lähtien teknologian nopea kehitys on johtanut toiminnanohjausjärjestelmien kehittämiseen ja niiden laajaan käyttöönottoon niiden yhdistäessä organisaation eri toiminnot yhteen keskitettyyn tietokantaan (Cleary, 2022). Tällainen toimintojen toisiinsa integrointi vuorostaan mahdollistaa reaaliaikaisen tiedonkulun organisaation sisäisesti tehostaen huomattavasti organisaation päätöksentekoprosesseja (Rom & Rohde, 2007). Samanaikaisesti pilvipalveluteknologia on noussut esiin ratkaisuna organisoida yritysten IT-resursseja tarjoten organisaatioille ennen kaikkea joustavuutta, skaalautuvuutta ja kustannussäästömahdollisuuksia verrattuna perinteisiin paikan päällä ylläpidettäviin “on premise” - järjestelmäratkaisuihin (Oliveira & Ribeiro, 2022; Quinn & Strauss, 2017). Erilaiset pilvessä toimivat järjestelmäratkaisut ovat hyvä esimerkki tästä kehityssuunnasta, missä organisaatiot pyrkivät hyötymään muun muassa pilvipalveluiden tarjoamista matalimmista IT-kustannuksista, automaattisista päivityksistä ja jatkuvasta ylläpidosta (Avram, 2014). Liiketoimintaprosessien virtaviivaistamiseksi ja tehokkuuden parantamiseksi organisaatioiden IT-yksiköt ovat pyrkineet kehittämään ja ottamaan käyttöön järjestelmiä, jotka mahdollistavat nopean, tarkan ja kustannustehokkaan liiketapahtumien käsittelyn yli organisaatiorajojen. Nämä pyrkimykset ovat edelleen johtaneet SaaS-teknologioiden ja toiminnanohjausjärjestelmien kehittämiseen ja käyttöönottoon huolimatta siitä, että näihin liittyvä prosessien uudelleensuunnittelu voi olla monimutkaista ja aikaa vievää. (Lacity & Van Hoek, 2021.) Automaatioratkaisujen kehityksen painopiste on siis siirtynyt sellaisten erikoistuneiden järjestelmäratkaisujen kehittämiseen, jotka voidaan integroida saumattomasti olemassa oleviin järjestelmiin, kuten toiminnanohjausjärjestelmiin. Laskujenkäsittelyn automaatioratkaisuja löytyy yleisesti toiminnanohjausjärjestelmistä sisäänrakennettuna ja myös laskujenkäsittelyyn ja ostoprosessiin erikoistuneiden kehittäjien paikallisesti tai pilvessä ylläpidettävistä erillisalustoista. (Doxey, 2012.) Etenkin pilvipohjaiset SaaS-ratkaisut ovat yleistyneet liiketoiminnan reunaalueilla ja yritysten ostolaskujen käsittelystä vastaavissa toiminnoissa, missä palveluntarjoajat tarjoavat monenlaisia skaalautuvia laskujenkäsittelyohjelmistoja kaikenkokoisille organisaatioille. Pilvipalveluksi kuvaillaan yleisesti järjestelmäratkaisua, jota loppukäyttäjä käyttää internetin välityksellä. Vastaavasti palvelun kehittäjä myy tuotetta tai alustaa monille asiakkaille ja vastaa yleisesti myös sen kehityksestä, toiminnasta ja päivityksistä. Joissakin tapauksissa SaaS-palvelun kehittäjä tarjoaa myös neuvontaan, tukeen ja käyttäjäkoulutukseen liittyviä 18 palveluja. (Lahti & Salminen, 2014, s. 45–47.) Pilvipalveluiden yleistymisen trendiä selittää muun muassa jo edellä mainitut palvelun kustannuksiin ja skaalautuvuuteen liittyvät hyödyt. Pilvipohjaiset järjestelmäratkaisut tarjoavat joustavia hinnoittelumalleja, jotka on sidottu esimerkiksi laskutusvolyymiin, käyttäjämäärään tai kapasiteettiin. (Doxey, 2012; Lahti & Salminen, 2014, s. 45–47.) Lacity ja Van Hoek (2021) puoltavat myös SaaS-ratkaisujen käyttöä, sillä pilvessä toimivan järjestelmän konfiguroinnin valitseminen räätälöidyn paikallisratkaisun sijasta voi säästää aikaa ja rahaa. SaaS-mallin hyödyntäminen voi myös kanavoida IT-yksiköille budjetoituja varoja rahallisesti merkittävistä investoinneista käyttökustannuksiin, mikä voi teoriassa ja tietyissä olosuhteissa parantaa yrityksen taloudellista tehokkuutta. Edellä mainitut pilvipalveluiden joustavat hinnoittelumallit tekevät organisaation IT-kuluista pohjimmiltaan läpinäkyviä ja helpommin ennakoitavia, mikä luonnollisesti palvelee organisaation resurssien tehokkaampaa allokaatiota. Käytännössä, kun pilvipalvelun käyttökorvaus on sidottu esimerkiksi palvelun sisällä käsiteltävien transaktioiden määrään tai käyttäjälisensseihin, palvelusta maksava organisaatio ei joudu maksamaan ylimääräisestä kapasiteetista ostovolyymin mahdollisen heilahtelun seurauksena. (Lahti & Salminen, 2014, s. 45–47.) SaaS-palvelun todellisten kustannushyötyjen ja investoinnin hyödyllisyyden arvioinnissa on kuitenkin tärkeää huomioida myös pitkän aikavälin vaikutukset, kuten pilvipalvelun kumulatiiviset tilauskustannukset ja järjestelmän mahdolliset räätälöintiin vaikuttavat rajoitukset. Vaikka palveluntarjoaja myy samaa tuotetta usealle asiakkaalle, järjestelmä voi siitä huolimatta olla hyvin pitkälle räätälöity ja asiakaskohtainen. Etenkin suuret yritykset turvautuvat usein ”private cloud” tyyppisiin pilviratkaisuihin, missä käytetystä pilvipalvelusta voi tulla hyvinkin asiakaskohtainen ja tietyiltä osin ainutlaatuinen. Pitkälle viety standardiominaisuuksien asiakaskohtainen räätälöinti voi kuitenkin tietyissä olosuhteissa rajoittaa pilvipalvelusta muuten saatavissa olevia kustannuksiin liittyviä skaalaetuja. (Lahti & Salminen, 2014, s. 45–47.) Pilvipalvelun toimittajavalinnan kannalta on puolestaan keskeistä, että asiakas valitsee sellaisen toimittajan, jolla on kilpailukykyinen tuote ja kyky kehittää palvelua jatkuvasti. Toimittajalla tulee olla riittävä prosessi- ja asiakohtainen osaaminen, jotta järjestelmäkehittäjä kykenee ajamaan ja suosittelemaan asiakkaan kannalta olennaisia ja tarkoituksenmukaisia prosessikehityksiä varsinkin räätälöintiin ja standardiominaisuuksiin liittyvien kysymysten kohdalla. (Lahti & Salminen, 2014, s. 45–47.) On lisäksi tärkeää, että pilvipalvelun käyttöönotto ja organisaation sisäiset järjestelmäintegraatiot ovat otettu riittävissä määrin huomioon järjestelmäratkaisun hankintaprosessin aikana. Tämä luonnollisesti rasittaa etenkin organisaatioiden IT-yksiköitä, jotka ovat yleisesti vastuussa järjestelmien käyttöönotosta. Epäonnistunut järjestelmäintegraatio voi pahimmassa tapauksessa synnyttää prosessiin osaoptimointia ja ei-toivottuja manuaalivaiheita. (Lahti & Salminen, 2014, s. 45–47.) Tutkijat (mm. Islam ym., 2013; Quinn & Strauss, 2017) ovat varoittaneet myös pilvipalveluihin liitetyistä tietoturvaan liittyvistä riskeistä. Kun 19 laskentatietoa siirretään pilvipalveluun, tiedot tulevat saataville mistä tahansa lisäten luvattoman käytön riskiä. On kuitenkin perusteltua olettaa, että pilvipalveluiden mukanaan tuomat strategiset hyödyt ja tehokkuusparannukset tuottavat viime kädessä riittävästi arvoa kompensoidakseen tietoturvaan tehtyjä lisäinvestointeja (Quinn & Strauss, 2017). Pilvipalvelun kehittäjät tarjoavat tunnetusti myös tietoturvaan ja valvontaan liittyviä konsultointipalveluja (Lahti & Salminen, 2014 s. 45–47). Pohjimmiltaan valinta ERP- ja SaaS-ratkaisun välillä riippuu pitkälti organisaatioiden liiketoiminnasta, erityistarpeista ja mieltymyksistä, sillä molemmissa vaihtoehdoissa on omat etunsa ja haasteensa. Lahti ja Salminen (2014, s. 58) toteavat, että tietyt organisaatiot saattavat hyvinkin tukeutua edelleen ERP-poh- jaisiin laskujenkäsittelyratkaisuihin erillisen SaaS-ratkaisun sijasta, koska ERP:ssä tapahtuva laskujenkäsittely voi olla helpompaa ja yksinkertaisempaa sopimusten ja tilausten täsmäyttämisen näkökulmasta. ERP:ssä tapahtuva laskunkäsittely voi yksinkertaistaa myös perustietojen käsittelyä ja kirjanpitolainsäädännön noudattamista (Lahti & Salminen, 2014, s. 58). Toisaalta esitetyn tuoreemman tutkimuskirjallisuuden valossa on perusteltua olettaa, että myös erillisratkaisujen suorituskyky ja ominaisuudet ovat näiltä osin parantuneet viime vuosina. 2.3 Ohjelmistorobotiikka Ohjelmistorobotiikka 1 (Robotic Prosess Automation, RPA) on noussut keskeiseksi suuntaukseksi ja automaatioratkaisujen kokonaisuudeksi liiketoimintojen ja prosessien virtaviivaistamisessa ja uudistamisessa (Bhatta & Hiebl, 2022; Chakraborti ym., 2020; Gotthardt ym., 2020). Tämä teknologinen kehityssuuntaus on tunnistettu tutkimuskirjallisuudessa laajalti olevan yksi viime vuosien keskeisimmistä automaatioratkaisuista etenkin laskentatoimen piirissä (mm. Cooper ym., 2019; Gotthardt ym., 2020; Zhang, 2019) ja sen odotetaankin muuttavan keskeisesti erilaisten työtehtävien ja prosessien dynamiikkaa, käytännön toteutusta ja läpikulkua (Madakam, Holmuhke & Jaiswal, 2019). Ohjelmistorobotiikalla pyritään vähentämään ensisijaisesti paitsi manuaalisen työn tarvetta myös minimoimaan inhimillisten virheiden määrää, joita voi syntyä toistuvista tai yksitoikkoisista manuaalisista työtehtävistä (Cooper ym., 2019). Muun muassa Capgeminin (2016) ja Deloitten (2015) raporttien havainnot ja johtopäätökset tukevat ohjelmistorobotiikan kasvavaa roolia varsinkin taloushallinnon toiminnoissa, kuten osto- ja myyntireskontran hallinnassa. Ohjelmistorobotiikalla viitataan käytännössä sellaisten ohjelmistopohjaisten robottien käyttöön, jotka voivat tulkita ja hallita erilaisia sovelluksia, 1 Usein samassa yhteydessä käytettyjä termejä ovat mm. automaatiorobotiikka ja robottiprosessiautomaatio. 20 automatisoiden toistuvia tehtäviä, kuten tiedonsyöttöä tai datan käsittelyä. Ohjelmistorobotiikkaan perustuville ratkaisuille ominaista on, että ne toimivat ohjelmistoliittymissä käyttäen näppäimistö- ja hiirisyötteitä toimiessaan vuorovaikutuksessa erilaisten sovellusten ja järjestelmien kanssa 2 . (Cooper ym., 2019.) Sähkö- ja elektroniikkainsinöörien instituutti (IEEE, 2017) puolestaan määrittelee sen esikonfiguroiduksi ohjelmistoinstanssiksi, joka hyödyntää liiketoimintasääntöjä ja ennalta määriteltyä toimintojen kulkua toimintojen, transaktioiden ja tehtävien yhdistelmien suorittamiseksi. Tämä voi tapahtua yhdessä tai useissa toisistaan irrallisissa tietojärjestelmissä ihmisen suorittaman poikkeustenhallinnan tukemana (IEEE, 2017). Ohjelmistorobotiikkaan perustuvien ratkaisujen keskeisimmistä eduista on, että ne toimivat juuri järjestelmän käyttäjälle näkyvässä käyttöliittymässä (Van der Aalst, Bichler & Heinzl, 2018). Näin automaatio voi toimia häiritsemättä ohjelman normaalia toimintaa tai vaatimatta syvällistä integraatiota ohjelmiston kanssa, jossa se navigoi (Harrast & Wood, 2022). Tämän seurauksena RPA-rat- kaisujen käyttöönotolla on suhteellisen matala tekninen kynnys, mikä mahdollistaa tehokkaamman integroinnin suhteessa täysin ohjelmoituun ratkaisuun (Asquith & Horsman, 2019). Erityisesti taloushallinnon työtehtävät ovat otollisia ohjelmistorobotiikalla automatisoitavia tehtäviä niiden toistuvan luonteen ja prosessissa käytössä olevien järjestelmäkokonaisuuksien seurauksena (Cooper ym., 2019). Tämä pätee erityisesti prosesseihin, joissa tieto liikkuu ja muuttuu eri järjestelmien välillä (EY, 2015; Harrast & Wood, 2021). Ohjelmistorobotiikka lisääkin nykyisten toiminnanohjausjärjestelmien kyvykkyyttä luoden valmiuksia tehokkaampaan tiedonsiirtoon järjestelmään integroimattomien sovellusten välillä (Kokina & Blanchette, 2019; Oliveira & Ribeiro, 2022). Automatisoitavat tehtävät voivat vaihdella yksinkertaisista tehtävistä, kuten sähköpostien lähettämisestä, monimutkaisempiin tehtäviin, kuten varastonhallintaan ja laskujen käsittelyyn (Bhatta & Hiebl, 2022; Fernandez & Aman 2018). Tyypillinen esimerkki ohjelmistorobotiikan käyttösovelluksesta on kuvion 1 havainnollistama laskujen, ostotilausten ja varastokuittien automaattinen kolmikantainen täsmäytys (Bhatta & Hiebl, 2022; Flechsig ym., 2022). Vaikka ohjelmistorobotiikkaan on liitetty useita hyötyjä, sen onnistunut käyttöönotto ja tarkoituksenmukaisuus on vahvasti riippuvainen tietyistä organisaatiokohtaisista edellytyksistä, kuten yrityksen liiketoiminnan luonteesta (Fung, 2014). Fungin (2014) mukaan ohjelmistorobotiikan täyden potentiaalin saavuttamiseen vaikuttavat muun muassa rahallisesti merkittävien liiketapahtumien volyymi, käytössä olevien järjestelmien vakaa toiminta, päätöksenteon johdonmukaisuus ja automatisoitavien manuaalitehtävien kustannustietoisuus. 2 Huomioitavaa on, että ohjelmistorobotiikan määrittelyssä esiintyy pieniä eroavaisuuksia tutkimusartikkeleiden välillä. Mm. Willcocks ym., (2017) määritteli myös yksinkertaiset skriptit osaksi ohjelmistorobotiikan kattokäsitettä. 21 KUVIO 1 Havainnollistus automatisoidusta kolmikantaisesta ostolaskujen täsmäytysprosessista, suomennos. Lähde: Bhatta & Hiebl, 2022 Cooper ja kumppanit (2019) täsmentävät, että tehokas automatisointi perustuu ensisijaisesti strukturoituun digitaaliseen tietoon ja automatisoitavan prosessin selvään säännön- ja johdonmukaisuuteen. Tästä syystä manuaaliset tehtävät, jotka ovat luonteeltaan objektiivisia sekä toistovolyymiltaan merkittäviä, ovat otollisia automatisoinnin kohteita. Ainutlaatuisia skenaarioita sisältävissä liiketoimintaprosesseissa robottien tulee puolestaan olla ohjelmoitu hälyttämään loppukäyttäjiä tilanteissa, jotka edellyttävät ihmiselle luontaista harkintakykyä prosessin loppuun saattamiseksi. (Cooper ym., 2019.) Ohjelmistorobotiikkaan perustuvien ratkaisujen käyttöönotto ei siis ole itsestäänselvää, vaan niiden käyttöönoton mahdollisuutta tulee arvioida yrityskohtaisesti. Edellä esitettyjen kriteerien ja RPA:han liitettyjen hyötyjen valossa on selvää, että suuret yritykset, joilla on merkittävät ostovolyymit ja kehittyneet tietotekniset ratkaisut, saavat todennäköisimmin suurimman hyödyn ohjelmistorobotiikkaan perustuvista automaatioratkaisuista. Vaikka roboteilla on pitkälle kehitetyt valmiudet käsitellä jäsenneltyä tietoa, jäsentymätön tieto, kuten skannatut asiakirjat, ovat edelleen haaste. Tämän seurauksena ihmisten on edelleen tuettava ohjelmistorobotiikan ratkaisuja manuaalisilla työtehtävillä, kuten tietojensyötöllä, johtaen siihen, että työntekijät joutuvat suorittamaan organisaation tehokkuuden näkökulmasta vähäarvoisia tehtäviä. (Gotthardt ym., 2020.) Näistä rajoituksista huolimatta RPA-teknologia kehittyy jatkuvasti, ja sen suorituskyky paranee vuosi vuodelta erityisesti korkean työvoimakustannusten maissa, missä sitä pidetään erityisen tärkeänä työkaluna ihmisen ja tietokoneen välisen vuorovaikutuksen automatisoinnissa (Harrast & Wood, 2021). Tunnistettujen ohjelmistorobotiikkaan liitettyjen puutteiden valossa on selvää, että tekoälyn ja koneoppimisen kaltaisten kehittyneiden teknologioiden integrointi tulee tarjoamaan merkittäviä suorituskykyyn liittyviä parannuksia, erityisesti strukturoimattoman tiedon käsittelyssä. Näiden teknologioiden avulla ohjelmistorobotiikkaan perustuvat automaatioratkaisut pystyvät suoriutumaan 22 yhä monimutkaisemmista tehtävistä, jotka aiemmin eivät kuuluneet niiden toimintakyvyn piiriin. Tässä tekoäly ja sen mahdollisuudet lisätä automaation kognitiivisia kykyjä tietojen tulkintaan ja analysointiin tulevat muuttamaan päätöksentekoprosesseja merkittävästi erityisesti taloushallinnon ja hankintatoimen piirissä. (Basware, 2023C; Oliveira & Ribeiro, 2022.) Tekoälyn rinnakkaiskomponenteilla, kuten tiedonlouhinnalla, koneoppimisella, puheen- ja kuvantunnistuksella sekä semanttisella analyysillä, pyritään jäljittelemään ihmisen kognitiivisia prosesseja, kuten oppimista, päättelyä ja itsensä kehittämistä (Gotthardt ym., 2020; Romney ym., 2021). Tämän seurauksena tekoälyllä on potentiaalia toimia perustana asiantuntijajärjestelmille ja päätöksenteon tukijärjestelmille (Romney ym., 2021). Kyseistä trendiä edesauttaa edelleen kasvanut laskentateho ja erilaiset koneoppimisalgoritmit, jotka hyödyntävät laajoja data-aineistoja oppiakseen ja mukautuakseen erilaisiin toiminta- ja käyttäytymismalleihin (Oliveira & Ribeiro, 2022). KUVIO 2 Automaatiokolmio Pohjimmiltaan tämä kehityskulku tarjoaa pohjaa uudenlaisille ja kehittyneemmille automaatioratkaisuille, jotka voivat tulevaisuudessa vähentää toistuvien työtehtävien aiheuttamaa taakkaa myös sellaisissa taloushallinnon prosesseissa, jotka eivät ole luonteeltaan täysin säännön- ja johdonmukaisia (ks. kuvio 2) (Deloitte, 2020; Harrast & Wood, 2021; Tater ym., 2022). Kuvio 2 havainnollistaa, miten taloushallinnon tietojärjestelmät tarjoavat pohjan ohjelmistorobotiikan toiminnalle ja tehtävien automatisoinnille. Tekoäly puolestaan laajentaa automaatioratkaisujen kyvykkyyttä luoden valmiudet automatisoidulle päätöksenteolle ja prosessien optimoinnille. (Chakraborti ym., 2020.) 23 2.4 Älykäs prosessiautomaatio Kuten edellisessä luvussa pohjustettiin, puhtaasti ohjelmistorobotiikkaan perustuvat ratkaisut ovat osittain jo vanhentuneet ja ohjelmistorobotiikka on hiljattain koettu pikemminkin kehitysalustana muille teknologioille, kuten tekoälylle ja muille kehittyneille teknologioille (Cooper ym., 2019; Zhang, 2019). Edelleen Cooperin ja kumppaneiden (2019) tekemän kyselytutkimuksen mukaan järjestelmäkehittäjät ovat alkaneet sisällyttää kasvavissa määrin enemmän tekoälyä perinteisiin sääntöpohjaisiin RPA-ratkaisuihinsa ja tutkijat odottavatkin, että RPA ratkaisut kehittyvät edelleen ja pystyvät tulevaisuudessa suoriutumaan tehtävistä, jotka vaativat ihmiselle luontaista harkintakykyä. Kehittyneet automaatioteknologiat vaikuttavat todennäköisesti eniten rutiinitehtäviin, jossa tietojen syöttämisen ja validoinnin kaltaiset tehtävät korvataan automaatioratkaisuilla (Mendling ym., 2018). Ohjelmistorobotiikka ei ole siis poistumassa käytöstä, vaan siihen tullaan integroimaan muita teknologioita. Tässä ohjelmistorobotiikan ja modernien teknologiaratkaisujen voidaan nähdä sijoittuvan alun perin Lacityn ja Willcocksin (2016) esittämän ”automaatiojatkumon” vastakkaisiin päihin kuvion 3 havainnollistamalla tavalla. Siinä missä ohjelmistorobotiikka on automaatioratkaisuna hyvin prosessilähtöinen ja sääntöpohjaisiin työtehtäviin kohdistuva, älykkäillä automaatioratkaisuilla pyritään suorittamaan tehtäviä, jotka yleensä kuuluvat ihmisen työnkuvan piiriin ja edellyttävät harkintaa, kuten tilanteen arviointia, hahmottamista ja havainnointia. Ohjelmistorobotiikkaa ja älykkäitä teknologioita voidaan käyttää siten yhdessä tai erikseen arvon tuottamiseksi. (Chakraborti ym., 2020; Fast-Berglund ym., 2013; Gotthardt ym., 2020.) Kun tekoälyä ja ohjelmistorobotiikkaa käytetään yhdessä, suuret tietomäärät voidaan muuntaa hyödyllisiksi käytännön tason automaatioratkaisuiksi mahdollistaen parhaimmassa tapauksessa kaikkien talousfunktioiden täydellisen automatisoinnin (Gotthardt ym., 2020). Kuitenkin, koska kehittyneisiin automaatioratkaisuihin investoiminen on kallista, on tärkeää miettiä, ovatko RPA:n ja tekoälyn yhdistelmät optimaalisia niitä harkitseville yrityksille (Gotthardt ym., 2020, mukaan EY, 2018). Muun muassa Chakraborti ja kumppanit (2020) korostivat, että vaikka ohjelmistorobotiikalla voidaan parantaa prosessien läpimenoaikoja ja parhaimmassa tapauksessa aikaansaada jopa kymmenien prosenttien kustannussäästöt, älykkäiden automaatioratkaisujen käyttö johtaa tyypillisesti merkittävästi suurempaan kustannusasteeseen yksinkertaisempiin automaatioratkaisuihin verrattuna. Tämä perustuu pohjimmiltaan siihen, että älykkäiden automaatioteknologioiden kehittäminen ja ylläpito vaatii yleisesti enemmän resursseja, tekoälyyn pohjautuvien järjestelmäominaisuuksien monimutkaisemmasta kehityselinkaaresta johtuen. (Chakraborti ym., 2020.) 24 KUVIO 3 Automaatiojatkumo 3 , suomennos. Lähde: Lacity & Willcocks, 2017, mukaan Zhang, 2019 Edellä esiin tuotu älykkäiden teknologioiden yleistymisen trendi on siis johtanut kognitiivisen ja älykkään prosessiautomaation syntymiseen (Kokina & Blanchette, 2019). Kehitys on siis synnyttänyt kaksi erillistä, mutta usein toisiinsa sekoitettua käsitettä: kognitiivinen automaatio ja älykäs prosessiautomaatio (Intelligent Process Automation, IPA). Kognitiivisessa automaatiossa on pohjimmiltaan kyse koneoppimisalgoritmien hyödyntämisestä järjestelmien ymmärtämis- ja päättelykyvyn parantamiseksi. Pyrkimyksenä on siis edesauttaa järjestelmien kykyä kehittää itseään sekä suorittaa korjaavia toimenpiteitä ymmärrykseensä perustuen autonomisesti, missä järjestelmä luo ja arvioi jatkuvasti uusia toimintatapoja sen pohjalla toimivan datan perusteella 4 . Vastaavasti älykkäällä prosessiautomaatiolla viitataan ohjelmistoratkaisujen kokonaisuuteen, jolla liiketoiminnan säännöt, järjestelmän oma kokemuspohja ja erilaiset päätöksentekotekijät yhdistetään toisiinsa inhimillisten ja automatisoitujen tehtävien suorittamiseksi. Älykkään prosessiautomaation ensisijaisena tavoitteena on siten saattaa tehokkaasti päätökseen prosessien ja toimintojen kokonaisuus ilman manuaalityötä. (IEEE, 2017.) Sähkö- ja elektroniikkainsinöörien instituutin (IEEE, 2017) määritelmien mukaan käsitteet eivät ole siis toisiaan poissulkevia, missä kone- ja syväoppiminen usein määritellään tekoälyn kattokäsitteeseen sisältyväksi. Näin ollen älykkäät prosessiautomaatioratkaisut (IPA) sisältävät usein myös kognitiivista automaatiota ja muita automaation kannalta keskeisiä kehittyviä teknologioita 3 Desktop RPA kattaa mm. käyttäjän tekemät makrot ja skriptit, joilla ensisijaisesti pyritään automatisoimaan yksinkertaisia tehtäviä yksittäisillä tietokoneilla. Enterprise RPA:ta vastaavasti hyödynnetään palvelimilla ja servereillä laajamittaisempaan organisaatiotason automatisointiin. Cloud RPA ulottuu puolestaan myös pilvipohjaisiin ympäristöihin. IT-työ- kaluilla viitataan yleisesti monimutkaisempiin projekteihin, jotka vaativat IT-asiantunte- musta ja tapauskohtaista ohjelmointia työkalujen integroimiseksi käytössä oleviin järjestelmiin. (Willcocks ym., 2017.) 4 Kontekstisidonnaisella oppimisella viitataan järjestelmään, jolla on riittävä käsitys sen omasta tarkoituksesta ja tehtävistä ymmärtääkseen informaation ja syötetietolähteiden merkityksellisyyden ja hyödyllisyyden (IEEE, 2017). 25 (Zhang, 2019). Kuvio 4 havainnollistaa, miten älykäs prosessiautomaatio perustuu pääosin ohjelmistorobotiikkaan ja tekoälyyn, mutta sitä voidaan täydentää muilla teknologioilla, kuten työnkulunhallintajärjestelmillä, pilvipalveluilla, lohkoketjuilla, esineiden internetillä (Internet Of Things, IoT), analytiikalla ja Big Datalla (Zhang, 2019). KUVIO 4 Älykkään prosessiautomaation ekosysteemi, suomennos. Lähde: Zhang, 2019 Älykkään automaation roolia osana liiketoiminnan prosesseja havainnollistaa hyvin UiPathin (2017) esittämä aisti-ajatus-toiminta 5 -kehys, missä jokainen kehyksen osatekijä selittää automaatioteknologioiden erilaisia vaihtoehtoisia rooleja (ks. kuvio 5). Käytännössä aistikomponenttiin liittyy tiedon kerääminen ja käsittely, mikä voi tapahtua esimerkiksi lennokeilla tai laskujenkäsittelyn tapauksessa kuvien tai dokumenttien prosessointiteknologioilla, kuten optisella tekstintunnistuksella. Ajatus-komponenttiin kuuluu vastaavasti kerätyn ja prosessoidun tiedon analysointi, tarvittaessa ihmisen avustamana 6 . Toiminta-kom- ponenttiin liittyy käytännön toimien toteuttaminen kerätyn tiedon ja analyysin perusteella. Tämä voi tarkoittaa käytännössä työnkulun ohjaamista erilaisissa liiketoiminnan järjestelmissä. (UiPath, 2017, mukaan Zhang, 2019.) 5 Sähkö- ja elektroniikkainsinöörien instituutti (IEEE, 2017) määritteli kognitiivisen tietojenkäsittelyn (engl. cognitive computing) lähes vastaavalla tavalla koostuvan aisti, ymmärrys, toiminta ja sopeutumiskomponenteista (engl. sense, comprehend, act, adapt). Tässä juuri sopeutumisen komponentti korostaa kognitiivisten järjestelmien kokemusperäistä mukautumiskykyä. 6 Ks. luku 2.6. käsite ”hybridiälykkyys”. 32 KUVIO 8 Laskujen lähettämis- ja vastaanottotapojen jalkauttaminen pieniin ja keskisuuriin yrityksiin, suomennos. Lähde: Tanner & Richter, 2018 Kuvio 8 osoittaa, miten e-laskujen lähettämisvalmiudet eroavat erikokoisten yritysten välillä. Yrityksillä, joilla on korkea transaktiovolyymi, omaavat tyypillisesti insentiivin tehostaa dokumenttien lähettämis- ja vastaanottotapojaan aikaisemmin kappaleessa tunnistettujen hyötyjen takia. Erinäiset e-laskupalvelujen tarjoajat ja e-laskuportaalit pystyvät kuitenkin tehostamaan myös pienten tai vähän transaktioita käsittelevien yritysten e-laskujen lähettämisvalmiuksia ja organisaatioiden välistä digitaalista linkittyneisyyttä. Kuvio 8 havainnollistaa viime kädessä pienten ja keskisuurten yritysten suurta prosentuaalista osuutta ja niihin sidottua merkittävää laskujen lähettämis- ja vastaanottotapojen tehostamiseen liittyvää potentiaalia. (Tanner & Richter, 2018.) 2.6 Prosessiautomaatioon haasteet ja virheiden hallinta Kuten edellisissä luvuissa on käynyt ilmi, erilaiset digitaaliset prosessiautomaatioratkaisut ovat nousseet keskeisiksi liiketoimintaprosessien tehokkuuden ja tuottavuuden edistämisen osatekijöiksi, tarjoten merkittäviä mahdollisuuksia liiketoimintojen virtaviivaistamiseen. Lukuisista eduista huolimatta näiden automaatioratkaisujen onnistunut käyttöönotto ja käytännön toteutus ei kuitenkaan ole täysin suoraviivaista. Pramodin (2022) tunnistamat automaation haasteet voidaan jaotella neljään osa-alueeseen: teknisiin, strategisiin, toiminnallisiin ja inhimillisiin haasteisiin, mitkä voivat mahdollisesti heikentää automaatioteknologioiden kokonaistehokkuutta. Tässä erityisesti erilaiset inhimilliset tekijät 33 nousevat usein kriittisiksi huolenaiheiksi. Tunnistetut haasteet korostavat ennen kaikkea huolellisen suunnittelun, tehokkaan johtamisen ja teknologian asianmukaisen soveltamisen keskeisyyttä (Pramod, 2022). Tässä luvussa tarkastellaan automaation käyttöönotosta seuraavia mahdollisia ongelmakohtia, valotetaan niiden alkuperää ja tarjotaan mahdollisia ratkaisuja niiden korjaamiseksi. Muun muassa Fernandez ja Aman (2018) ja Fung (2014) käsittelivät tutkimuksissaan työpaikkojen määrän vähenemisen mahdollisuutta lisääntyneen automaation seurauksena, missä tämä huoli voisi mahdollisesti vaikuttaa negatiivisesti työntekijöiden asenteisiin ja tuottavuuteen. Aihetta käsittelevä tutkimuskirjallisuus on kuitenkin tehtyjen johtopäätösten osalta varsin hajanainen. Cooperin ym., (2019) mukaan automaatio muuttaisi vain taloushallinnon työpaikkojen luonnetta siirtäen työnkuvan painopistettä arkisista toistuvaistehtävistä luovuutta ja arvostelukykyä vaativiin tehtäviin. Mielenkiintoista on, että empiirinen tutkimusevidenssi ei siis itsessään suoranaisesti tue työpaikkojen määrän vähentymisen riskiä monessakaan yrityksessä. Sen sijaan prosessejaan ja työtehtäviään automatisoivat organisaatiot ovat pystyneet uudelleen allokoimaan työvoimaansa muihin rooleihin ja tehtäviin. (Cooper ym., 2019.) Tämä puolestaan viittaisi alustavasti siihen, että automaatio ei lähtökohtaisesti vähentäisi työpaikkojen määrää, vaan pikemminkin muokkaisi laskentatoimen ja kirjanpidon työtehtävien sisältöä. Korkeisiin automaatioasteisiin myös usein liitetty huolenaihe koskee työn luonteen passivoitumista, missä automaatioratkaisujen toiminta kehittyy niin luotettavaksi ja lähes virheettömäksi, että henkilöstö tottuu korkeaan automaatioasteeseen. Tämä voi johtaa siihen, että henkilöstön varsinainen ajatustyö ja järjestelmän toimintaan kohdistuva huomio heikkenevät, minkä seurauksena he eivät välttämättä huomaa, jos jokin automaation toteuttama vaihe tai työtehtävä menee vikaan (Fung, 2014). Tätä väitettä tukee myös McBriden ym., (2014) tutkimus, missä havaittiin korkean luottamusasteen ennustavan alhaisempaa automaation tekemän virheen havaitsemisprosenttia. Automaation lisätessä tehokkuutta, se voi siis myös häiritä työn perinteistä dynamiikkaa, sillä työntekijöistä voi tulla hyvinkin pitkälti tarkkailijoita, eikä aktiivisia toimijoita, mikä voi edelleen johtaa työntekijöiden sitoutumattomuuden tunteeseen vaikuttaen heidän motivaatioonsa ja työtyytyväisyyteensä negatiivisesti. Tätä ongelmaa korostaa entisestään automaation mahdollinen vaikutus sidosryhmäsuhteisiin. (Fung, 2014.) Fernandezin ja Amanin (2018) sekä Fungin (2014) tutkimusten mukaan automaatioasteen kasvu voi johtaa inhimillisen vuorovaikutuksen vähenemiseen, mikä voi puolestaan vaikuttaa sidosryhmäsuhteiden laatuun negatiivisesti. Työntekijöiden henkilökohtaiset näkemykset teknologiasta ovat usein myös hyvin erilaisia, ja niitä ohjaavat merkittävästi heidän omat yksilölliset kokemuksensa (Harrast & Wood, 2021). Kokeneemmat työntekijät saattavat esimerkiksi pitää uusien teknologioiden tuloa potentiaalisena uhkana jo vakiintuneille taidoilleen. Toisaalta nuoremmat työntekijät, jotka ovat tyypillisesti mukautuvampia uusien teknologioiden osalta, saattavat tulkita nämä teknologiset muutokset ennemminkin mahdollisuuksina. Automaation käyttöönotto voi herättää 34 henkilöstössä siis lievää pelkoa, koska he saattavat pitää näitä uusia teknologioita uhkana omalle roolilleen, mikä saattaa synnyttää organisaation sisäisen kilpailuasetelman henkilöstön ja teknologioiden välille korostaen tehokkaan johtamisen ja ennakoivan viestinnän merkitystä tällaisten huolenaiheiden lieventämisessä. (Fernandez & Aman, 2018.) Kehittyneiden ohjelmistorobotiikkaan perustuvien ratkaisujen ja tekoälyn integrointi jo olemassa oleviin liiketoimintajärjestelmiin herättää henkilöstöön liittyvien kysymyksien lisäksi myös merkittäviä strategisia kysymyksiä. Kun organisaatiot kamppailevat vanhentuneiden järjestelmien kanssa, jotka eivät välttämättä ole yhteensopivia uusimpien automaatioteknologioiden kanssa, tullaan organisaatioilta edellyttämään toimivaa tietoinfrastruktuuria ja selkeitä tiedonhallintastrategioita automaation asianmukaisen toiminnan tukemiseksi. (Chakraborti ym., 2020; Gotthardt ym., 2020; Pramod, 2022.) Tämä integrointi tulee puolestaan edellyttämään automatisoitavien prosessien huolellista valintaa organisaation kyvyt ja teknologian tuomat mahdollisuudet huomioon ottaen (Chakraborti ym., 2020). Lisäksi automaation integroimisen muuttuessa yhä monimutkaisemmaksi, on entistä tärkeämpää hallita organisaation sisäiseen hallinnointiin ja sääntöjen noudattamiseen liittyviä haasteita, joita luonnollisesti syntyy robotiikan kasvaneen roolin seurauksena (Harrast, 2020). Zhang (2019) korostaa mm. epäsuoria strategisia haasteita, kuten järjestelmien konfigurointivirheitä, jotka voivat lisätä vianmääritykseen kuluvaa aikaa vaikuttaen prosessien kokonaistehokkuuteen negatiivisesti. On myös riski, että pahantahtoiset käyttäjät käyttävät järjestelmien heikkouksia hyväkseen, mikä voi johtaa tietovuotoihin tai järjestelmien lamaantumiseen (Zhang, 2019). Yleistyneet sähköpostitse toteutetut tietojenkalasteluhuijaukset ja toimittajien pankkitilitietojen muuttamiseen liittyvät petokset korostavat entisestään tietosuojaustoimenpiteiden ja asianmukaisten kontrollien toimeenpanoa (Harrast, 2020). Lisäksi erilaiset järjestelmät saattavat käsitellä suuria määriä arkaluonteisia tietoja, mikä lisää tietovuotojen ja tietoturvaloukkausten riskejä (Gotthardt ym., 2020). Tämän vuoksi organisaatioiden vastuulla on varmistaa, että niiden käyttämät automaatioratkaisut on varustettu vahvalla tietoturvalla, ja että ne noudattavat voimassa olevia tietosuojalakeja ja -määräyk- siä (Zhang, 2019). Vaikka automaation valintaa ja käyttöönottoa varten olisi laadittu hyvin jäsennelty strategia, organisaatioiden on oltava tietoisia siitä, että mahdollisia ongelmia voi silti esiintyä (Harrast, 2020). Ne voivat johtua järjestelmien tehottomuudesta, epäluotettavuudesta tai jopa itse automaation toiminnassa esiin nousseista virheistä (McBride ym., 2014). Muun muassa Januszewski ja kumppanit (2021) viittasivat tutkimuksessaan tapaukseen, jossa ohjelmistorobotiikkaan perustuva automaatioratkaisu tunnisti laskun tietoja johdonmukaisesti väärin, mikä edelleen johti laskujen maksamisen viivästymiseen. McBriden ja kumppaneiden (2014) mukaan automaatiovirheiden hallinta voi olla haastavaa ja joissakin tapauksissa tehtävien manuaalinen suorittaminen voisi osoittautua jopa 35 tehokkaammaksi, mikä Januszewskin ja kumppaneiden (2021) esittelemässä tapauksessa tulikin kyseeseen. Automatisoitujen järjestelmien teknologiset rajoitukset korostavat toistaiseksi vielä niiden epäluotettavuutta, mikä edellyttää ihmisen roolia automaation virheellisten suoritteiden tarkistamisessa ja korjaamisessa (McBride ym., 2014). Tässä ihmisen ja automaation välisessä suhteessa ihmisten tehtäväksi nousee usein virheiden tunnistaminen, niiden alkuperän selvittäminen ja korjaavien toimenpiteiden toteuttaminen (Kontogiannis & Malakis, 2009). Tätä prosessia kutsutaan automaatiovirheiden hallinnaksi (Automation error management) 9 . Virheiden hallinnalla voidaan viitata myös toimiin, joilla pyritään minimoimaan virheistä syntyviä kielteisiä vaikutuksia. (McBride ym., 2014.) McBriden ja kumppaneiden (2014) käsittelemä automaatiovirheiden hallintaprosessi kattaa karkeasti kolme vaihetta: virheiden havaitsemisen, virheiden ymmärtämisen ja virheiden korjaamisen. Havaitsemisvaiheessa keskitytään poikkeamien tai mahdollisten virheiden ennaltaehkäisevään tunnistamiseen toimien samalla tietynlaisena varhaisvaroitusjärjestelmänä, missä tämä ennakoiva havaitseminen voi parhaimmassa tapauksessa estää ongelmien kärjistymisen. Ymmärtämisvaiheessa virheen yksityiskohdat, kuten sen luonne ja taustalla olevat syyt analysoidaan, minkä perusteella määritetään korjaavat jatkotoimenpiteet. Viimeisessä korjausvaiheessa, sopeutetaan virheenhallintasuunnitelmaa tai kehitetään uusi strategia havaitun virheen kielteisten vaikutusten minimoimiseksi. (McBride ym., 2014.) Tähän virheidenhallintaprosessiin vaikuttavat tekijät on jaoteltu edelleen neljään muuttujaryhmään: automaatiokohtaisiin, inhimillisiin, tehtäväkohtaisiin ja emergentteihin muuttujiin (ks. taulukko 2). Näistä muuttujista keskeisessä roolissa ovat ns. emergentit muuttujat, johon sisältyy luottamus automaatioon, työmäärä ja tilannetietoisuus. Näistä luottamuksen tason on tunnistettu vaikuttavan johdonmukaisesti eniten automaatiovirheiden hallintaan. Vastaavasti työmäärän ja tilannetietoisuuden vaikutuksia virheiden hallintaan on edelleen vaikea arvioida. (McBride ym., 2014). Kuten taulukosta 2 nähdään, myös varsinaiset automaatioon liitetyt muuttujat voivat vaikuttaa käyttäjän kykyyn hallita virheitä. Tällaisia tekijöitä ovat automaation reliabiliteetti, esiintyneiden virheiden luonne ja automaatioaste (Level Of Automation, LOA) sekä ihmisoperaattorille annettu palaute. Mielenkiintoista on, että korkeammat reliabiliteetti- ja LOA-tasot korreloivat positiivisesti työntekijätyytyväisyyden kanssa, mikä voi ristiriitaisesti johtaa virheiden heikompaan hallintaan. (Fung, 2014; McBride ym., 2014.) Havainto perustuu aiemmin kappaleessa esitettyyn työnluonteen passivoitumiseen, missä korkea 9 Automaatiovirheiden hallinta ei ole terminä yleisesti vakiintunut laskentatoimen tai rahoituksen automatisoinnin piirissä. Termiä käytetään yleisemmin muissa yhteyksissä, kuten lennonvalvonnassa ja teollisuusprosessien automatisoinnissa (mm. Kontogiannis & Malakis, 2009; McBride ym., 2014). Tässä tutkielmassa termiä käytetään kuvaamaan laskentatoimen prosesseissa käytettävien järjestelmien toiminnasta seuranneiden virheiden hallintaprosessia. 36 luottamuksen taso voi heikentää virheiden havaitsemisen todennäköisyyttä tilanteessa, jossa automaatio toimii epätäydellisesti. Tutkielman aiheen kannalta olennaiseksi kysymykseksi nousee, kykeneekö laskujenkäsittelijä johdonmukaisesti huomaamaan esimerkiksi automaation tekemät validointivirheet laskujen perustietojen poiminnassa. TAULUKKO 2 Automaatiovirheiden hallintaan vaikuttavat taustatekijät, suomennos. Lähde: McBride ym., 2014 Automaation epätäydellisestä luonteesta huolimatta, niiden integrointi osaksi erilaisia prosesseja ja työnkuvia on kiistatta johtanut tehokkuusparannuksiin. Näiden tehokkuusparannusten voidaan puolestaan osin nähdä johtuvan ihmisen ja automaation erilaisista, mutta toisiaan täydentävästä luonteesta (ks. taulukko 3) (Dellermann, Ebel, Söllner, Leimeister, 2019; McBride ym., 2014). TAULUKKO 3 Ihmisen ja koneen älykkyys, suomennos. Lähde: Dellermann ym., 2019 Tekoälyn viimeaikaisen nopean kehityksen myötä tätä ohjelmistojen ja ihmisen muodostamaa kokonaisuutta on kutsuttu tutkimuskirjallisuudessa ns. “hybridiälykkyydeksi” (engl. hybrid intelligence), millä viitataan ihmisen ja koneen väliseen keskinäiseen oppimisen prosessiin ja kykyyn ratkaista monimutkaisia ongelmia tehokkaasti ihmiselle ja tekoälylle luontaisen älykkyyden avulla. Keskeistä määritelmässä on, että tämän yhteiselon seurauksena syntynyt lopputulos on laadultaan parempi, mitä kumpikaan ihminen tai tekoäly olisi itsenäisesti kyennyt tuottamaan. Tärkeä osa hybridiälykkyyttä on jatkuva oppiminen, missä 37 sekä ihmiset että koneet parantavat suoritustaan ajan myötä kokemuksiensa kautta (ks. kuvio 9). (Dellermann ym., 2019.) Myös Van der Aalst ja kumppanit (2018) nostivat esille vastaavanlaisia ajatuksia tulevaisuudesta, missä RPA agentti oppii ja parantaa suorituskykyään tarkastelemalla ihmisen tapaa käsitellä poikkeustapauksia. KUVIO 9 Hybridiälykkyys, suomennos. Lähde: Dellermann ym., 2019 Tarkasteltaessa edelleen ihmisen ja automaation välistä vuorovaikutusta ja automaatiovirheiden hallinnan inhimillisiä muuttujia (taulukot 2 ja 3), on selvää, että automaation parissa työskentelevän henkilöstön ja ihmisoperaattorien osaamisen ylläpito ja koulutus toimivat keskeisessä roolissa automaation toiminnan taustalla (Cooper ym., 2019; McBride ym., 2014; Sarter, 2008). Cooper ym., (2019) väittävät, että taloushallinnon ammattilaiset tarvitsevat koulutusta tietokoneohjelmoinnissa, luovassa ajattelussa ja viestinnässä ollakseen tehokkaita. Ymmärrys ohjelmistorobotiikasta ja kyky tunnistaa sopivia käyttökohteita automaatiolle ovat myös vuosi vuodelta merkittävämpiä taitoja (Cooper ym., 2019). Tietoteknisten ja tietoturvaan liittyvien riskien hallitsemiseksi Zhang (2019) puolestaan suosittelee, että laskentatoimen ammattilaiset oppisivat myös tällä osa-alueella uusia taitoja ja omaksuisivat uusia rooleja, kuten käytössä olevien automaatioratkaisujen toiminnan valvonnan. McBriden ym. (2014) mukaan automaation rooli prosessissa määrittää pohjimmiltaan kehyksen ihmisen roolille ja valvonnan laajuudelle. Kun useat prosessin tehtävät on automatisoitu, ihmisen rooli rajoittuu pääasiassa valvontaan ja ohjaukseen. Toisaalta tilanteissa, joissa automaatiota hyödynnetään vähemmän, ihmisen rooli voi olla merkittävämpi ja aktiivisempi poikkeuksien ja virheiden tunnistajana. Ihmisten ja automaation välistä vuorovaikutusta muokkaavat myös automaattisista järjestelmistä saatavan palautteen määrä ja laatu (McBride ym., 2014). McBride ym. (2014) edelleen väittävät, että järjestelmästä saatu palaute on keskeistä tehokkaan automaation jäsentämisessä ja sen optimaalisen suorituskyvyn takaamisessa. Tällaisen palautteen puuttuminen tai riittämättömyys voi puolestaan johtaa ihmisoperaattorin tilannetietoisuuden heikkenemiseen. Sarter (2008) määrittelee tilannetietoisuuden ihmiskäyttäjän käsitykseksi 38 nykyisestä ja tulevasta automaatiokonfiguraatiosta, johon kuuluu automaation tila, tavoitteet ja toiminta. Automaation käyttöönoton onnistuminen riippuu vahvasti siitä, että järjestelmän loppukäyttäjille tarjotaan riittävästi tietoa ja tukea organisaation sisäisesti. Tämä edellyttää tukea eri sidosryhmiltä, kuten ylemmältä johdolta, IT-yksiköiltä ja järjestelmätoimittajilta. Fernandez ja Aman (2018) korostavat tutkimuksessaan mm. tehokkaan muutoksenhallinnan ja viestintästrategioiden tärkeyttä. Näillä viime kädessä varmistetaan, että työntekijät ymmärtävät automaation mukanaan tuomat hyödyt, mikä tukee sen hyväksyntää henkilöstön keskuudessa ja käyttöönottoa erilaisissa prosesseissa. (Fernandez & Aman, 2018.) Automaatioratkaisujen suorituskyvyn kasvaessa kirjanpitäjät tulevat enenevissä määrin siirtymään arkisista, sääntöihin perustuvista tehtävistä luovempiin ja innovatiivisempiin työtehtäviin, korostaen kirjanpitäjien luovuuden, ongelmanratkaisukyvyn, kriittisen ajattelun ja sosiaalisten taitojen merkityksen kasvua (Cooper ym., 2019; Fernandez & Aman, 2018). Tiimityön merkitys tulee siis korostumaan, kun kirjanpitäjiä pyydetään yhteistyössä osallistumaan uusien ideoiden tuottamiseen ja ratkaisujen kehittämiseen, mikä edelleen tukee tutkijoiden keskuudessa jaettua käsitystä siitä, että automaatio ei kykene korvaamaan henkilöresurssien tarvetta sen kehityksestä ja laajamittaisesta käyttöönotosta huolimatta. Ihmisillä tulee siis edelleen olemaan olennainen rooli teknologian valvonnassa, tiedon analysoinnissa ja erilaisissa päätöksentekoprosesseissa. (Fernandez & Aman, 2018.) Cooper ja kumppanit (2019) sekä Fernandez ja Aman (2018) ovat aiemmin korostaneet strategisen suunnittelun ja vankan hallintotavan tarvetta. Harrast (2020) laajentaa näitä huomioita korostamalla asianmukaisten kontrollien ja prosessien kehittämistä taloudellisen tiedon tarkkuuden ja eheyden takaamiseksi. Näihin kuuluvat vain testattujen ja valtuutettujen robottien käyttö ja sen varmistaminen, että robottien kehitysohjelmistot edistävät sisäistä valvontaa (Harrast, 2020). Organisaatioiden on myös otettava huomioon robottien ylläpitovaatimukset ohjelmisto- tai järjestelmäpäivitysten osalta, mikä voi johtaa käyttöhäiriöihin ja lisäkustannuksiin, korostaen ennen kaikkea riskienarviointiprosessien merkitystä (McBride ym., 2014). Harrast (2020) korostaa myös robottien tunnuksien ja käyttöoikeuksien hallinnan tärkeyttä kirjanpidon ja taloushallinnon sovelluksissa osana asianmukaista hallintostrategiaa. Tähän kuuluu robottien seuraaminen (ns. "robottien inventointi"), varmistaminen, että kullakin robotilla on pääsy vain siihen tietoon, mitä se tarvitsee toimiakseen ("käyttöoikeuksien valvonta"), ja päällekkäisyyksien estäminen niiden tehtävissä ("roolien eriyttäminen"). Ongelmien välttämiseksi on myös tärkeää pitää kirjaa siitä, mitä kukin botti voi tehdä (“käyttöoikeuksien dokumentointi”), ja varmistaa, ettei ristiriitatilanteita esiinny ennen automaation käyttöönottoa. (Harrast, 2020.) Lisäksi järjestelmähäiriöiden varalta on tärkeää tehdä katastrofeista palautumisen suunnitelma, mikä on linjassa aiemmin mainitun ennakoivan suunnittelun kanssa (Fernandez & Aman, 2018; Harrast, 2020). Yritysten olisi 39 varmistettava, että arkaluonteisten tietojen suojaamiseksi on käytössä asianmukaiset kontrollit. Vaikka järjestelmätoimittajilla voi olla edistyneitä keinoja järjestelmän toiminnan palauttamiseksi ongelmatilanteissa, vastuu transaktiokäsittelyn palautumisen varmistamisesta robotin vikaantuessa jää usein asiakasyrityksille. Tästä syystä automaation käyttöönotto ja hallinta laskentatoimen ja rahoitusalan järjestelmissä edellyttää huolellista hallintoa, riskienhallintaa ja compliance-strategioita, joilla viime kädessä varmistetaan automatisoitujen prosessien eheys, turvallisuus ja luotettavuus. (Harrast, 2020.) Tutkimuskirjallisuudessa esitettyjen havaintojen ja niiden perusteella tehtyjen johtopäätösten valossa on selvää, että automaatioon liittyvien virheiden ja riskien hallinta edellyttävät sekä teknistä osaamista että strategista ennakointia. Ihmisen ja automaation kasvaneen vuorovaikutuksen myötä organisaatiot joutuvat kohtaamaan nopeasti kehittyvän automaatioteknologian haasteet, missä organisaatioiden tehtäväksi jää pysyä näiden innovaatioiden kehityksen tahdissa. Tämä edellyttää proaktiivista lähestymistapaa työnkuvien uudelleensuunnitteluun ja -organisointiin, jonka ohella henkilöstölle on annettava jatkuvaa ja johdonmukaista tukea. Organisaation menestyksen perustana automaation kehittyessä on siten jatkuva panostus henkilöstön ammattitaidon ja valmiuksien kehittämiseen. (Fernandez & Aman, 2018.) 3 DIGITAALINEN OSTOLASKUPROSESSI 3.1 Ostoprosessi lyhyesti Yrityksen ostoprosessin nähdään koostuvan yleisesti sarjasta tapahtumia, jotka alkavat tavaroiden tai palvelujen tilaamisesta ja päättyvät näiden maksamiseen (Simkin ym., 2012, s. 220). Useimmiten ostoprosessia kuvataan myös ”hankinnasta maksuun” tai ”ostosta maksuun” (Purchase to Pay, P2P) -prosessina. Ostoprosessin keskeisten tavoitteiden voidaan sanoa kattavan materiaaliresurssien riittävyydestä vastaamisen sekä ostoreskontran ja maksujen hallinnoinnin. (Doxey, 2019, s. 82; Simkin ym., 2012, s. 220–227.) Prosessiin kuuluu muun muassa raaka-aineiden, palvelujen ja tavaroiden hankinta hyväksytyiltä toimittajilta sekä vastaanotettujen ostolaskujen ajallaan maksaminen ennalta sovittujen maksuehtojen mukaisesti (Tater ym., 2022). Ostoprosessin sanotaan toimivan tehokkaasti, mikäli toimittajat saavat ajallaan maksun toimittamistaan hyödykkeistä ja palveluista, jolloin ostava organisaatio välttyy viivästys- ja korkomaksuilta. Joissakin tapauksissa ostaja voi saada myös sopimus- ja maksuehdoissa ennalta määriteltyjä käteisalennuksia. (Doxey, 2019, s. 82; Simkin ym., 2012, s. 220–227.) Ostoprosessin vaiheet ovat edelleen jaettu toisistaan irrallisiin hankinnan ja ostoreskontran tehtäviin (ks. kuvio 10), mutta liiketoiminnan e-ratkaisujen yleistyessä useammat organisaatiot ovat ottaneet tavoitteekseen virtaviivaistaa koko ostoprosessia integroimalla näitä kahta funktiota entistä enemmän toisiinsa tavoitellakseen yksittäistä ”end-to-end”-prosessia (E2E). Tästä huolimatta useat organisaatiot kärsivät hankinta- ja ostoreskontrafunktion epäoptimaalisen koordinoinnin synnyttämistä haasteista. (Doxey, 2012.) Kuvio 10 osoittaa, että ostoprosessi voi olla hyvin monivaiheinen riippuen mm. yrityksen koosta ja ostotoiminnan volyymista. Yleisesti se alkaa tarjouspyynnön lähettämisestä ja sopimusten laadinnasta, jota seuraa organisaation sisäisen ostopyynnön (engl. purchase requisition, pureq.) luominen. Kun ostoehdotus on hyväksytty, sen perusteella luodaan varsinainen toimittajalle lähetettävä ostotilaus (engl. purchase order, PO). Ostotilaukset voivat lisäksi syntyä automaattisesti esimerkiksi tapauksissa, joissa tiettyjen tavaroiden varastoarvot laskevat ennalta määriteltyjen raja-arvojen alapuolelle. Ostotilaukset muistuttavat dokumenttina hyvin paljon perinteisiä laskuja, missä määritellään esimerkiksi 41 valittu toimittaja, tilatut tavarat ja laskun maksuehdot. (Lahti & Salminen, 2014, s. 53–55; Simkin ym., 2012, s. 220–227.) KUVIO 10 Yrityksen tyypillinen P2P-prosessi, suomennos. Lähde: Doxey, 2019, s. 85 Käytännössä erilaiset e-hankinnan ratkaisut kuten elektronisesti luodut ostopyynnöt ja ostotilaukset luovat edellytykset hyödyntää työnkulun hallinnointiin liittyvää teknologiaa sähköisissä hyväksymiskanavissa. Erilaiset työnkulun hallinnointiin liittyvät teknologiat voivat tehostaa mm. ostopyyntöjen, ostotilausten ja laskujen käsittelyä ohjaamalla liikedokumentteja elektronisesti asianmukaisia hyväksymiskanavia pitkin käsiteltäväksi oikeille henkilöille niin organisaation sisäisesti kuin ulkoisestikin toimittajille. Digitaalinen ostotilaus välitetään automaattisesti toimittajalle, minkä perusteella tuotteet lähetetään ja ostolasku luodaan. E-hankinnan ja toiminnanohjausjärjestelmien ollessa pitkälle toisiinsa integroituja, tämä vähentää virheiden esiintymisen todennäköisyyttä, parantaa tehokkuutta ja ehkäisee väärinkäytöksien riskiä. (Doxey, 2012; Doxey, 2019, s. 82– 85.) Yritykset harjoittavat tilauksellisen ostotoiminnan lisäksi tilauksetonta ostotoimintaa, missä tehdyt ostot eivät perustu erillisiin ostotilausdokumentteihin. Tämä prosessi on epäkäytännöllisempi siinä mielessä, että se edellyttää yritykseltä yleisesti enemmän manuaalista työtä mm. ostolaskun manuaalisen asiatarkastuksen ja hyväksymisen muodossa, vaikka tähänkin on viime vuosina kehitetty erilaisia automaatioratkaisuja. (Basware, 2023B; Lahti & Salminen, 2014, s. 55.) Ostoprosessin alkuvaiheen hankintaan liittyvien toimenpiteiden, kuten ostopyynnön ja -tilauksen luomisen jälkeen seuraa varsinainen ostolaskuprosessi, jonka voidaan määritelmästä riippuen katsoa alkavan ostolaskun vastaanottamisesta ja päättyvän laskun maksamiseen, kirjanpitokirjaukseen ja arkistointiin (Lahti & Salminen, 2014, s. 53). Ostolaskuprosessin nähdään yleisesti kuuluvan osaksi yleisempää ostoreskontran hallintaprosessia, mihin kuuluu laskujen vastaanottamisen ja käsittelyn lisäksi laskujen kirjaaminen toiminnanohjausjärjestelmään maksusuoritusten ajamiseksi. Ostolaskuprosessin aikana vastaanotettu ostolasku käy tyypillisesti läpi useita manuaalisia tai automatisoituja vaiheita, 48 käytettävästä järjestelmästä riippuen määrittää kattamaan kaikentyyppisiä tilauksellisia laskuja. Tehokkaan täsmäytysprosessin takaamiseksi, P2P-ratkaisu- jen olisi havaittava virheet ja poikkeamat heti laskun saapumisen yhteydessä, validoitava myyjien laskuissa ilmoittamat ostotilausnumerot ja otettava huomioon konfiguroidut hintaa- ja määrää koskevat toleranssirajat. (Doxey, 2012.) Kuviot 13 ja 14 osoittavat, miten ostolaskuprosessi eroaa tilauksellisten ja tilauksettomien ostolaskujen kohdalla toisistaan. Siinä, missä tilauksellinen lasku voidaan siirtää ideaalitapauksessa täysin automaattisesti odottamaan maksua, perinteinen tilaukseton lasku vaatii lähes poikkeuksetta ihmisen tarkistamaan ja hyväksymään laskun sisällön ennen maksuun siirtämistä (ks. kuvio 14). KUVIO 13 Sähköinen ostolaskuprosessi tilaukseen perustuville laskuille. Lähde: Lahti & Salminen, 2014, s. 56 Kaikkia laskuja ei kuitenkaan syystä tai toisesta pysty täsmäyttämään aina tilauksiin. Tämä voi johtua esimerkiksi laskujen tietojen puutteellisuudesta tai virheellisyydestä. Kun laskua ei pystytä täsmäyttämään tilaukseen, syntyy usein tarve manuaaliselle tiliöintitietojensyötölle, sillä tiliöintitietoja ei voida perustaa suoraan ostotilauksen tai vastaanoton tietoihin. Tällaisten laskujen suuri määrä synnyttää tunnetusti kirjanpitäjille toistuvaa manuaalista työtä, mikä ei ole organisaation kannalta tehokasta henkilöstöresurssien kohdentamista laskujenkäsittelyn yksikkökustannusten noustessa. (Esswein ym., 2020.) Näistä syistä johtuen useat organisaatiot pyrkivät minimoimaan tilauksettomien laskujen määrää, sillä tilauksellisten laskujen käsittelyn automatisointi on prosessina huomattavasti yksinkertaisempaa (Basware, 2023B). KUVIO 14 Sähköinen ostolaskuprosessi, kun laskuun ei liity järjestelmään tallennettua tilausta tai sopimusta. Lähde: Lahti & Salminen, 2014, s. 55 Tilauksettomaan ostamiseen liittyvien laskujen automatisoidut käsittelytavat ja työnkulun ohjausjärjestelmät ovat kehittyneet ja yleistyneet viime vuosina. Integroimalla automaatiota myös tilauksettomien laskujen käsittelyyn voidaan 49 tehokkuushyötyjä saavuttaa huolimatta kolmikantaisen tilaus-lasku-vastaanotto täsmäytysprosessin puuttumisesta. Automaatiota voidaan hyödyntää työnkulussa muun muassa siten, että laskut ohjautuvat järjestelmissä automaattisesti asianmukaisille laskuissa mainituille henkilöille hyväksyttäväksi. Tämän seurauksena laskun käsittelemättä jättämisen tai väärälle henkilölle ohjautumisen mahdollisuus pienenee huomattavasti. (Doxey, 2012.) Perinteisesti organisaatiot käyttävät kaksivaiheista hyväksymismenettelyä tilauksettomille laskuille (ks. kuvio 14). Kuitenkin, vaikka automaatio tässä tapauksessa toimisikin, ongelmaksi saattaa nousta jo aiemmin esiin tuotu laskun perustiedoissa esiintyvien asianmukaisten viitetietojen puutteellisuus (Lahti & Salminen, 2014, s. 60). Tilauksettomien laskujen käsittelyratkaisuihin on usein sisällytetty myös erilaisia ominaisuuksia prosessin kulun tehostamiseksi, joilla voidaan muun muassa tarkistaa, onko laskun hyväksyvällä henkilöllä riittävät valtuudet laskun käsittelemiseksi ja vastaavatko laskun tiliöintitiedot varsinaisessa laskudokumentissa esiintyneitä tietoja. Useat järjestelmät tunnistavat lisäksi tuplalaskut ja priorisoivat laskuja mahdollisiin käteisalennuksiin ja ehtoihin perustuen. (Doxey, 2012.) Tuplalaskujen tunnistaminen voi perustua laskuissa esiintyviin perustietoihin ja niiden automaattiseen ristiin vertailuun jo aiemmin käsiteltyjen ja järjestelmässä olevien laskujen välillä (Tater ym., 2022). Järjestelmien käyttöliittymät ovat usein myös toteutettu graafisesti tavalla, mikä antaa näkyvyyttä laskujen käsittelyn tilaan laskun reititys- ja hyväksymisprosessin aikana. Tyypillistä on myös, että laskujen hyväksyjät saavat muistutusilmoituksia, mikäli hyväksymismenettelyä laiminlyödään. Tarvittaessa laskun hyväksyntä saattaa siirtyä automaattisesti hyväksyjän esihenkilölle. (Doxey, 2012.) P2P-järjestelmäratkaisuihin on myös tiliöintitietojen täyttämisen osalta alettu sisällyttää tekoälyä hyödyntävää teknologiaa. Muun muassa Esswein ja kumppanit (2020) tarkastelivat tutkimuksessaan koneoppimisen hyödyntämisen mahdollisuutta laskujen tiliöintitietojen automaattisessa täyttämisessä. Käytännössä koneoppimisen avulla suuresta laskumassasta voitaisiin tunnistaa trendejä ja johdonmukaisuuksia, joihin automatiikka voisi perustaa laskun tiliöintitiedot. Automatiikka oppii suorittamaan siten tehtävän perustuen historiallisiin esimerkkeihin. Tällöin puhutaan jo tietyn tyyppisestä älykkäästä automaatiosta, sillä koneoppimiseen perustuvalla tiliöintiratkaisulla pyrittäisiin automatisoimaan työtehtävää, mikä tyypillisesti vaatisi ihmiselle tyypillistä harkintakykyä. (Esswein ym., 2020.) Ostoprosessin automaatiokehittäjät ovat jo kehittäneet tähän ajatukseen perustuvia ratkaisuja. Mm. Basware tarjoaa omaa ”SmartCoding” -ratkaisuaan osana P2P-ratkaisuaan. Tässä Essweinin ja kumppaneiden (2020) esittämällä tavalla tekoälypohjainen ratkaisu hyödyntää toimittajan lähettämien ostolaskujen historiatietoja tuottaakseen tarkkoja laskujen tiliöintiehdotuksia tilauksettomien laskujen käsittelyn tueksi (Basware, 2023A). Ongelmaksi saattaa kuitenkin nousta automatiikan kyky mukautua muuttuviin liiketoiminnan sääntöihin. Käytännön tasolla tämä voi tarkoittaa globaalisti toimivassa organisaatiossa automaation kykyä mukautua maakohtaisiin toimintatapoihin ja lainsäädäntöön, 50 kuten verolainsäädäntöön, mikä voi osoittautua haasteeksi automaation optimaaliselle toiminnalle. Globaalien ja suurten yritysten prosesseja muovaavat myös jatkuvasti tehtävät yritysostot ja yritysjärjestelyt, jotka luonnollisesti monimutkaistavat yrityksen liiketoimintaa. Koneoppimiseen perustuvien ratkaisujen tulee siten jatkuvasti evaluoida käyttämäänsä dataa ja parametreja luodessaan historiaan perustuvia tiliöintiehdotuksia. (Basware 2021; Tater ym., 2022.) Organisaatiot voivat käsitellä myös ostosopimuksiin perustuvia tilauksettomia laskuja, joiden käsittelyn automatisointiin on myös esitetty erilaisia automaatioratkaisuja sovelluskehittäjien toimesta. Lahti ja Salminen (2014, s. 57) toteavat, että sopimuksiin perustuvien toistuvien laskujen käsittely ei eroa merkittävästi tilauksiin perustuvien laskujen käsittelystä. Siinä missä tilauksellinen lasku täsmäytetään tilaukseen, sopimukseen perustuva lasku täsmäytetään sopimukseen. Hallinto- ja kiinteistölaskut, kuten vuokra-, leasing-, siivous-, vartiointi- ja tietoliikennepalvelulaskut ovat hyviä esimerkkejä sopimuksiin perustuvista toistuvaislaskuista. (Lahti & Salminen, 2014, s. 57.) KUVIO 15 Automatisoidun ostolaskuprosessin osatekijät, suomennos. Lähde: Lamon, 2009 Kuvio 15 tiivistää hyvin ostolaskujen käsittelyn kentässä jo tapahtunutta digitaalista muutosprosessia ja havainnollistaa edelleen ERP-järjestelmien ja työnkulunhallintaratkaisujen keskeisyyttä digitaalisen prosessin tehokkaan toiminnan taustalla. Prosessin kehittyessä asiakirjojen ja liikedokumenttien digitointiratkaisut toimivat edelleen tärkeässä roolissa fyysisten laskujen ja kuvien tietojen tallentamisessa järjestelmiin ja tietokantoihin. Tämä luo pohjan sekä uusimmille pilvessä toteutetuille erillisratkaisuille että kehittyneille prosessiautomaatioteknologioille, kuten ohjelmistorobotiikalle, jotka integroivat eri järjestelmäkomponentit ja kokonaisuudet toisiinsa. 4 AINEISTO JA MENETELMÄ 4.1 Yleistä Tämän tutkimuksen tarkoituksena on tarkastella digitaalisen ostolaskuprosessin haasteita, ratkaisuja ja tulevaisuudennäkymiä. Huolimatta automaation ja e-rat- kaisujen kasvavasta merkityksestä taloushallinnon prosesseissa, en tunnistanut tutkielman kirjoitushetkellä yksinomaan digitaalisen ostolaskuprosessin nykytilaan tai tulevaisuuteen kohdistuvaa tutkimusta. Tämä puute osittain perustelee myös aiheenvalintaa ja tutkimuksesta saatavien tulosten merkitystä. Jotta aiheesta saadaan mahdollisimman perusteellinen ja yksityiskohtainen käsitys (Yin, 2013), toteutettiin tutkimus yksittäistapaustutkimuksena. Tutkimuksen metodologinen lähestymistapa perustuu osittain Cooperin ja kumppaneiden (2019) toteuttamaan tutkimukseen: ”Robotic Process Automation in Public Accounting”, jossa tutkittiin RPA-ratkaisujen käyttöönottoa ja hyödyntämistä ulkoisessa laskentatoimessa haastattelemalla big-4 yhtiöiden henkilöstöä. Tässä tutkielmassa tätä lähestymistapaa on supistettu kattamaan tutkimuksen kohteena olevan case-yrityksen ostosta-maksuun -prosessiin (P2P) sisältyvän ostolaskuprosessin. Toisaalta tutkielma ei myöskään itsessään rajoitu pelkästään ohjelmistorobotiikan käytön tarkasteluun. 4.2 Tapaustutkimus laskentatoimen tietojärjestelmien kentässä Tässä tutkielmassa sovelletaan tapaustutkimuksen menetelmiä yrityksen digitaalisen ostolaskuprosessin nykytilan ja haasteiden kartoittamiseksi. Aihetta lähestytään toteuttamalla yksittäistapaustutkimus, sillä kyseinen tutkimusmenetelmä voi hyvin toteutettuna tarjota hyvin perusteellista ja yksityiskohtaista tietoa tutkittavasta ilmiöstä (Yin, 2013). Tapaustutkimuksen olennaisin ominaispiirre on yleisesti tunnistettu liittyvän havainnoitavan asian reaalielämän kontekstin havainnointiin, missä ei pyritä vaikuttamaan tutkittavaan ilmiöön. Tämän ominaispiirteen on nähty erottavan tämän menetelmän vaikkapa 52 kokeellisesta tutkimuksesta, jossa päätavoitteena on manipuloida tutkimuksen kontekstia tai tutkimuskohdetta tai vaikuttaa siihen jotenkin. (Dul & Hak, 2008, s. 4.) Tässä tutkielmassa digitaalisen ostolaskuprosessin haasteita ja edelleen aiheen ympärille muodostettuja tutkimuskysymyksiä pyritään valottamaan yksittäistapaustutkimukselle ominaisia metodologisia ratkaisuja hyödyntämällä. Dul ja Hak (2008, s. 4) määrittelevät yksittäistapaustutkimuksen kvalitatiiviseksi analyysiksi, mikä keskittyy yksittäisen tai muutaman tapauksen tarkasteluun niiden reaalimaailman konteksteissa. Tapaustutkimus voidaan menetelmänä luokitella karkeasti kolmeen luokkaan: hypoteeseja testaavaan, hypoteeseja rakentavaan ja kuvailevaan tapaustutkimukseen. Koska tämän tutkielman ensisijaisena tavoitteena on selvittää, millaisia haasteita digitaalisessa ostolaskuprosessissa kohdataan, lähestyn aihetta hypoteeseja rakentavan tapaustutkimusmetodin näkökulmasta. (Dul & Hak, 2008, s. 217.) Perusteet yksittäistapaustutkimuksen valinnalle vastaavat hyvin tutkimustavoitteita ja tutkielman kontekstuaalisia lähtökohtia. Yinin (1984) mukaan yksittäistapaustutkimuksen metodologia soveltuu erityisesti kriittisiin, poikkeuksellisiin tai ainutlaatuisiin tapauksiin (Benbasat, Goldstein & Mead, 1987). Tässä tutkimuksessa yhden tapauksen tarkastelu mahdollistaa organisaation automatisoidun ostolaskuprosessin syvällisen tutkimisen ja tarkastelun. Vastaavasti monitapaustutkimuksen toteuttaminen saattaisi rajoittaa tämän tutkielman ja aiheen kannalta olennaisten kontekstuaalisten yksityiskohtien esiin nousemista (Yin, 2013). Tapaustutkimuksen voidaan nähdä soveltuvan laskentatoimen ja erityisesti sen tietojärjestelmien kenttään, sillä alaa muovaa jatkuva teknologinen muutos ja innovointi. Tämä alan luonne puolestaan luo tutkijoille tarpeen ymmärtää reaalimaailmassa tapahtuvaa muutosta, missä ruohonjuuritasolta ja alan ammattilaisilta kerätyt havainnot edesauttavat kokemusperäisten teorioiden muodostamista. (Benbasat ym., 1987.) Edelleen, koska liiketoimintaprosessit ja niiden osaprosessit ovat olleet viime vuosina ja edelleen ovat vahvasti niissä hyödynnettävien järjestelmien taustalla toimivien teknologioiden, kuten tekoälyn kehityksen muutoksen alaisuudessa, syntyy tarve kokemusperäiselle tiedolle, jolla voitaisiin pyrkiä ymmärtämään monimutkaisten prosessien luonnetta ja niissä esiintyvien ongelmien syy-seuraussuhteita. Benbasat kumppaneineen (1987) toteavat, että juuri tällaiset asetelmat olisivat otollisia tapaustutkimuksille. Lisäksi tapaustutkimuksen toteuttaminen voi valottaa sellaisia ilmiöitä, joista on löydettävissä rajallisesti tehtyä tutkimusta. (Benbasat ym., 1987.) Tapaustutkimuksen toteuttamiseen liitetään kuitenkin usein tiettyjä yleisesti tiedostettuja rajoitteita. Tapaustutkimuksista vedetyt johtopäätökset ovat usein yleistettävyytensä näkökulmasta kyseenalaisia, koska tutkimukset ovat toteutettu usein ainutlaatuisissa ympäristöissä. Tämän rajoitteen lieventämiseksi tiedon keräämiseen ja haastattelukysymysten suunnitteluun on käytetty teorian pohjalta rakennettuja logiikkamalleja, joilla ensisijaisesti pyritään ymmärtämään ja konkretisoimaan tutkittavien ilmiöiden välisiä kausaalisuhteita. (Yin, 2013.) 53 Tämä lähestymistapa mahdollistaa empiiristen havaintojen ja teoreettisten konstruktioiden systemaattisen vertailun. Lisäksi tässä tutkielmassa rajataan selkeästi sen sovellettavuus ja tunnustetaan, että havainnot voivat olla merkityksellisempiä tarkastelun kohteena olevan case-yrityksen kaltaisten yritysten omaamissa liiketoimintaympäristöissä. Tapaustutkimuksen rajoitteista huolimatta, tapaustutkimuksen toteuttaminen tämän tutkielman kontekstissa voidaan nähdä perusteltuna, sen mahdollistaessa tietojärjestelmien ja automaation nopeasti muuttuvan alan monimutkaisuuden perusteellisemman ymmärtämisen, tarjoten myös perustan jatkotutkimuksille ja käytännön sovelluksille. 4.3 Aineisto Tapaustutkimuksessa voidaan käyttää useita erilaisia aineistonhankintamenetelmiä, missä tavoitteena on yleisesti kerätä aiheen ja tutkimuksen tavoitteen kannalta mahdollisimman tietorikas aineisto (Bensabat ym., 1987). Mietittäessä tämän tutkielman ensisijaista tavoitetta kartoittaa taloushallintoprosessin nykytilaa, aineiston hankinta haastatteluja toteuttamalla voidaan kokea perustelluksi ratkaisuksi. Haastattelun toteuttamiselle ominaista on juuri pyrkimys saada mahdollisimman kattava käsitys tutkittavasta kohteesta (Tuomi & Sarajärvi, 2018, s. 64). Tähän perustuen, tutkimuksen aineisto kerättiin toteuttamalla joukko puolistrukturoituja teemahaastatteluita case-yrityksen ostolaskuprosessin parissa työskentelevän henkilöstön kanssa. Puolistrukturoidulle teemahaastattelulle ominaista on toteuttaa se etukäteen valittuihin teemoihin ja niistä johdettuihin tarkentaviin kysymyksiin perustuen, missä vielä haastattelutilanteessa pystytään mukauttamaan haastattelun sisältöä kysymällä tarkentavia kysymyksiä (Tuomi & Sarajärvi, 2018, s. 65). Haastatteluja toteutettiin kuusi kappaletta, missä haastateltavat valikoitiin perustuen heidän työnkuvaansa osana case-yrityksen ostolaskuprosessia. Tätä valintaprosessia ohjasi ennen kaikkea tutkimusaiheen ympärille muodostettu teoreettinen kehys, missä keskeisiksi teemoiksi nousivat tekninen kehitys, inhimilliset tekijät, älykäs automaatio, digitaalisen muutoksen laajempi konteksti ja sen käytännön toteutus. Koska tavoitteena on saada mahdollisimman kattava käsitys tutkittavasta ilmiöstä, on haastateltaviksi valikoitava ihmisiä, joilla on tietämystä ja kokemusta yllä mainituista teemoista ja aiheista (Tuomi & Sarajärvi, 2018, s. 64). Itse haastattelutilanteita ohjasi Alastalon ja Åkermanin (2010) esittämän asiantuntijahaastattelun periaatteet. Asiantuntijahaastattelu on tutkimusmenetelmä, jolla pyritään keräämään tarkkaa ja tosiasioihin perustuvaa tietoa jostakin aiheesta tai ilmiöstä. Haastattelussa ei keskitytä haastateltavaan henkilönä vaan hänen tietotaitoonsa, joten haastateltava valitaan yleensä hänen ammatillisen asiantuntemuksensa perusteella. Tarkan tiedonkeruun ja analyysin varmistamiseksi haastattelu on suunniteltava huolellisesti sekä pohdittava kriittisesti saatujen tietojen mahdollisia rajoituksia ja otettava huomioon muistin ja 54 vuorovaikutustilanteen vaikutus. Tutkija voi myös joutua vertailemaan useita tietolähteitä, jota kutsutaan ristiinlukemiseksi, jotta hän voi kritisoida asiantuntijahaastattelussa kerättyä tietoa. (Alastalo & Åkerman, 2010.) Tapaustutkimuksen kohteena on monikansallinen maailmanlaajuisesti toimiva julkinen yritys, joka on erikoistunut innovatiivisten teknologiaratkaisujen ja -palvelujen toimittamiseen eri prosessiteollisuuden aloille. Yrityksen tuote- ja palveluvalikoima kattaa muun muassa raaka-aineiden käsittelyn ja valmistuksen. Case-yrityksen ostolaskujenkäsittelyfunktiossa toimii useita ihmisiä useissa erilaisissa työtehtävissä, missä työnkuva vaihtelee käytännön laskujenkäsittelystä, prosessin kehittämiseen ja sen johtamiseen. Perusteltua oli kutsua haastateltaviksi työntekijöitä eriävistä työtehtävistä ja organisaation hierarkian tasoista erilaisten näkökulmien saamiseksi ja tulosten ristiinlukemiseksi. Tähän pohdintaan perustuen haastattelut jakautuivat työtehtävittäin seuraavasti: TAULUKKO 4 Haastateltavien työnkuvat Haastateltavat lkm Esihenkilö 2 Kehitystiimi10 3 Järjestelmäkehitys (ulk.) 1 Kaikki haastattelut toteutettiin puolistrukturoidun teemahaastattelun periaatteiden mukaisesti, missä haastattelujen varsinainen sisältö ja aiheiden painotus vaihteli työtehtäväkohtaisesti. Käytännön tasolla tämä tarkoitti sitä, että aineiston niukaksi jäämistä ennaltaehkäistiin fokusoitumalla haastattelukysymyksissä niihin seikkoihin ja teemoihin, jotka ovat haastateltavan työnkuvan ja kokemuksen kannalta keskeisiä. Esihenkilöiden kohdalla tämä tarkoitti fokusoitumista mm. digitaalisen muutoksen laajempaan kontekstiin ja kehityksen parissa työskentelevien kohdalla prosessin kehittämiseen ja teknologioihin. Kaikki teemat käytiin kuitenkin jokaisen haastateltavan kohdalla läpi antaen haastateltavalle mahdollisuuden ilmaista näkemyksensä kaikista tunnistetuista aihealueista. Haastattelun onnistumisen kannalta keskeistä on myös, että haastateltavilla on jonkinlainen käsitys haastattelun sisällöstä ennen itse haastattelutilannetta (Tuomi & Sarajärvi, 2018, s. 64). Tämän vuoksi haastateltaville esiteltiin haastattelukutsun yhteydessä tutkielman aihe ja karkea lista käsiteltävistä teemoista, koska haastattelun sisällön esittely etukäteen on katsottu ratkaisevan useita haastatteluun liittyviä eettisiä kysymyksiä (Tuomi & Sarajärvi, 2018, s. 65). 10 Vaikka alkuperäinen suunnitelma oli haastatella myös laskuja käsitteleviä kirjanpitäjiä, useimmat kehitystiimin jäsenet omasivat aiempaa kokemusta käytännön laskujen käsittelystä. Tämä kaksoisosaaminen sekä käytännön työtehtävistä että kehittämisestä koettiin tutkielman tavoitteiden näkökulmasta arvokkaaksi. 55 Haastateltaviksi valikoituu näin ihmisiä, joilla on halu vastata aiheeseen liittyviin kysymyksiin. Koska teemahaastattelussa pyritään saamaan aiheen kannalta merkityksellisiä vastauksia (Tuomi & Sarajärvi, 2018, s. 65), haastattelukysymykset perustuivat prosessiautomaatiosta toteutettuun tutkimukseen ja tutkimuksissa havaittuihin avainteemoihin ja -seikkoihin. Haastattelukysymykset jaettiin karkeasti kuuteen luokkaan osittain Cooperin ja kumppaneiden (2019) tutkimuksen inspiroimana: (1) automaatioratkaisujen nykyinen käyttö, (2) automaatioratkaisujen käyttöönotto, (3) automaatioratkaisuilla suoritetun työn tehokkuus ja laatu, (4) henkilöstökysymykset, (5) asiakassuhteet ja muut sidosryhmiin liittyvät kysymykset sekä (6) laskujenkäsittelyn automaatioratkaisujen tuleva käyttö tapausorganisaatiossa. 4.4 Menetelmä Haastatteluaineisto analysoitiin abduktiivisen sisällönanalyysin mukaisesti, missä sisällönanalyysilla viitataan pyrkimykseen kuvata sanallisesti haastatteluaineiston sisältöä, uhraamatta haastattelujen tietosisältöä johtopäätösten vetämisen helpottamiseksi (Tuomi & Sarajärvi, 2018, s. 89–91). Tuomi ja Sarajärvi (2018, s. 81) kuvailivat abduktiivisen päättelyn puolestaan perustuvan teoriaohjaavan analyysin päättelyn logiikkaan, missä teorian rooli on pohjimmiltaan toimia analyysin apuna. Analyysi ei siis itsessään pohjaudu suoraan muodostettuun teoriaan eikä sen testaamiseen, vaan pikemminkin aikaisemman tiedon merkitys tiedostetaan kaikissa analyysin vaiheissa. Vaihe, missä teoria otetaan mukaan ohjaamaan analyysia, on pohjimmiltaan aineisto- ja tutkijakohtaista. Abduktiiviselle päättelylle tyypillistä on myös yhdistellä aineistosta esiin nousseita seikkoja valmiisiin malleihin puolipakolla tai luovasti. (Tuomi ja Sarajärvi, 2018, s. 81– 83.) Abduktiivinen lähestymistapa on siis kvalitatiivisena menetelmänä hyvin aktiivinen ja tulkinnanvarainen prosessi. Rinehart (2021) edelleen toteaa, että abduktiiviseen analyysiin kuuluu tutkijan uppoutuminen tutkimusaineistoon siten, että tutkija ylläpitää avointa suhtautumista mahdollisiin esiin tuleviin selityksiin ja tuloksiin. Edelleen abduktiivinen lähestymistapa ei siten ole aineistoeikä hypoteesivetoista, vaan siinä keskiöön nousee enemmänkin itse tilanteen ja tutkimuksen välisen suhteen ymmärtäminen (Brinkmann, 2014). Lähestymistapa on näin hyvin edestakainen ja aikaa vievä prosessi tutkimusaineiston ja teoriasta vedettyjen näkemysten ja johtopäätösten välillä (Tavory & Timmermans, 2014, mukaan Rinehart, 2021). Abduktiivisessa analyysissa pyritään käytännössä tuottamaan uutta tietoa perustuen teoriaosuudessa havaittuun evidenssiin ja loogiseen päättelyyn (Rinehart, 2021) tunnistamalla aineistosta teoreettisessa viitekehyksessä määriteltyjä ilmauksia (Tuomi & Sarajärvi, 2018, s. 97). Abduktiivisen analyysin voidaan katsoa sopivan hyvin tähän tutkimukseen ja sen tavoitteisiin, sillä suoraa valmista teoriaa ei ole teknologioiden 56 kehittyessä vielä vakiintunut. Aineistoa ja siitä vedettäviä johtopäätöksiä ei näin tarvitse pakottaa soveltumaan tiettyyn teoriakehykseen kentässä, mikä muuttuu ja kehittyy jatkuvasti. Tästä näkökulmasta katsottuna se soveltuu juuri uusien asioiden, kuten digitaalisen ostolaskuprosessin tarkasteluun. Edelleen abduktiiviseen analyysiin kuuluu oman tietämyksen kyseenalaistaminen ja todisteiden tarkastelu, mikä on erityisen tärkeää tutkimuksessa, jossa aineiston analyysi saattaa paljastaa uusia ja mahdollisesti yllättäviä näkökulmia (Rinehart, 2021). Haastatteluista kerätyn aineiston analyysia ohjasi laskujen käsittelyyn, taloushallintoon, automaation käyttöönottoon sekä muuhun asiaankuuluvaan perustuva kirjallisuus ja tutkimus. Johdannossa esitetyt tutkimuskysymykset ohjasivat lisäksi haastattelujen tulkintaa. Muiden liiketoimintojen automaatioratkaisuja ja automaatioteknologioita yleisesti koskevaa tutkimuskirjallisuutta voidaan pitää tutkielman aiheen valossa käyttökelpoisena, sillä laskujenkäsittelyn automatisointi liittyy läheisesti liiketoimintaprosessien ja kirjanpitojärjestelmien yleiseen automatisointiin. Itse analyysiprosessia ohjasi Tuomen ja Sarajärven (2018, s. 92–94) esittämät vaiheet, missä haastatteluaineisto aluksi pelkistettiin ja ryhmiteltiin alaluokkiin, minkä jälkeen aineisto käsitteellistettiin. Käsitteellistämisessä pyrkimyksenä oli muodostaa haastattelutulosten perusteella muodostettujen käsitteiden avulla kuvaus tutkimuskohteesta liittämällä empiiriset tulokset teoreettisessa kehyksessä tunnistettuihin käsitteisiin. 5 TULOKSET 5.1 Yleistä Tässä luvussa esitellään edellisen luvun mukaisesti toteutettujen haastattelujen tulokset. Haastattelut toteutettiin touko-elokuussa 2023. Haastattelujen toteutusintervallia perustelee osin tutkimukseen valittu abduktiivinen lähestymistapa, mikä näkyi iteratiivisen analyysin ja uuteen informaatioon mukautumisen muodossa jokaisen haastattelusession välillä. Tällainen vaiheittainen lähestymistapa oli aiheen kannalta keskeistä, sillä nopeasti kehittyvässä ympäristössä luottaminen ainoastaan luotuun teoreettiseen kehykseen olisi voinut rajoittaa ratkaisevasti saatuja tutkimustuloksia. Haastatteluista esiin nousseet teemat ja aiheet on jaettu alalukuihin ja ne esitetään lukijan näkökulmasta loogisessa järjestyksessä seuraavasti: ensimmäiseksi keskitytään ostolaskujen automaattisen käsittelyn ominaispiirteisiin ja pilviratkaisujen hyötyihin. Tämän jälkeen syvennytään järjestelmäkehitykseen ja prosessin keskeisiin sidosryhmiin. Tulososion neljännessä alaluvussa tarkastellaan ostolaskujen käsittelyssä esiin nousseita erinäisiä haasteita ja tuodaan esille prosessin toiminnan kannalta kriittisiä tekijöitä, kuten master datan laatua, laskujen validointia ja järjestelmien välisiä integraatioita. Viidennessä alaluvussa käsitellään globaalin end-to-end -prosessin realiteetteja ja niiden vaikutuksia digitaalisen ostolaskuprosessin tehokkuuteen. Kuudennessa alaluvussa tarkastellaan prosessin digitalisoitumista ja automaatiota koskevia henkilöstö- ja organisaatiokysymyksiä. Lopuksi tarkastellaan ostolaskuprosessin automaatioratkaisujen tulevaisuutta. Huomioitavaa on, että vaikka haastatteluihin osallistuneet henkilöt on pyritty anonymisoimaan, eräät työtehtävät tai näkökulmat saattavat tehdä heidät tunnistettaviksi heidän asemansa ainutlaatuisuuden vuoksi. Tämän lisäksi haastateltavien viittaukset erinäisiin prosessissa käytettäviin järjestelmiin, alustoihin ja niihin sisältyviin brändättyihin teknisiin ratkaisuihin ovat anonymisoitu siten, että se ei ole vaikuttanut tutkielman aiheen ja tavoitteiden kannalta keskeiseen tietosisältöön. 64 vähän paranneltua “analyticsia” on olemassa ja mä luulen, että kovin innokkaasti kuunnellaan myös loppukäyttäjiltä vinkkejä...” (H4) “Mä koen, että case-yrityksellä se on äärimmäisen kypsää ja semmoista hyvää yhteistyötä ollut vuosikaudet ihan alusta saakka ja just tää, että tavallaan semmoista keskustelevaa se kehittäminen ja semmoista tehdään yhdessä tyyppinen fiilis, eikä niinkään, että toimittaja ratkaisee kaikki meidän ongelmat.” (H5) Toisaalta tällaisen toimivan yhteistyön ytimessä vaikuttaa olevan myös järjestelmien kanssa tekemisissä olevien loppukäyttäjien avoin ja innovatiivinen jaettu ajattelutapa. Loppukäyttäjien ja tässä tapauksessa case-yrityksen kokemus siitä, että järjestelmää ei käytetä eikä nähdä yleispätevänä ratkaisuna vaan välineenä, joka kehittyy kollektiivisen panoksen ja keskustelun kautta, näyttää edistävän myös merkittävästi kestävää ja hedelmällistä kehitysyhteistyötä. Haastateltava korostaa myös järjestelmän loppukäyttäjien päätöksentekoon ja kehittämiseen liittyvää ketteryyttä: “...ehkä tämmöisen luottamuksen kautta, että me (kehittäjät) koetaan, että me ollaan jonkin asteisessa “trusted partner” roolissa case-yrityksen suuntaan ja se on kyllä semmoinen tosi hedelmällinen yhteistyömalli, että on löytynyt semmoiset kumppanit toivottavasti meistä case-yritykselle, mutta myös case-yritys myös meidän suuntaan on semmoinen, mikä kuuntelee mielellään missä mennään ja pohditaan niitä asioita, eikä että.... tota... sanotaan monessa muussa firmassa ollaan ehkä vähän semmoisia maltillisempia... “ (H5) “...case-yritys on ihan kärkipäässä siellä kuuntelemassa niitä ehdotuksia, mitä tehdään, että vaikka sanoinkin tuossa, että isoissa taloissa ehkä se päätöksen tekeminen ei ole helppoa ja case-yritys ehkä tähän kategoriaan kuuluu, niin kuitenkin on sellainen..., että se ei mene niin byrokraattisesti johonkin norsunluutorneihin se päätöksen tekeminen, vaan että nää henkilöt, kenen kanssa me tehdään töitä, pystyy myös päättämään asioista aika hyvin, että isoa budjettia vaativat projektit on ehkä tietysti eri asia ja erilainen hyväksyntä, mutta tavallaan se ketteryys on case-yrityksellä pysynyt kuitenkin, että ne asiantuntijat pystyy case-yrityksessä päättämään asioita, että ok tätä me aletaan tekee ja tää auttaa meitä näin ja näin paljon.” (H5) ”Kyllä ainakin itse koen, että minkä takia case-yrityksen kanssa tykkään tehdä töitä, on se, että ollaan rohkeita ja uskalletaan kuunnella ja haastaa niitä omia ajatuksia ja sitten pystytään kuitenkin tekemään päätöksiä, sanotaan suht ketterästi siellä..., ettei olla vaan asiakas ja toimittaja, vaan partnereita tämän osalta...” (H5) Haastatteluista käy ilmi, että ostolaskujen käsittelyn automatiikka ei ole irrallinen, vaan pikemminkin dynaaminen kokonaisuus, jota iteratiivinen järjestelmäkehitys ja räätälöinti muovaavat jatkuvasti. Tämän jatkuvan kehitysprosessin ymmärtäminen on erityisen tärkeää, paitsi teknisen kehityksen, myös automaation taustalla olevien haasteiden ja henkilöstölle ja liiketoiminnalle aiheutuneiden vaikutusten ymmärtämiseksi. Lainaukset kuvaavat tapausyrityksen omaksumaa toimintatapaa järjestelmäkehityksessä, mikä juontuu pääasiassa reaktiivisesta useiden sidosryhmien, niin sisäisten kuin ulkoisten, välisestä yhteistyöstä. Kehityksessä omaksuttu toimintamalli järjestelmäkehittäjän kanssa toimii joustavana kehyksenä, minkä seurauksena case-yritys voi mukautua ajankohtaisiin kysymyksiin pitäen samalla silmällä pitkän aikavälin strategisia tavoitteita. Haastateltavat valottavat, miten tämä toimintatapa toimii käytännön tasolla 65 kuvailemalla case-yrityksen ja järjestelmäkehittäjän välisten kehitystyöpajojen avointa, vuorovaikutteista ja ongelmanratkaisukeskeistä luonnetta: “....meillähän on laskujenkäsittelyjärjestelmän kehityksessä käytössä kehitysmalli, eli... me kvartaaleittain sovitaan yhdessä ostolaskutiimin kehitystiimin ja järjestelmän kehittäjän ja meidän IT:n kanssa, että mitä kehitysaihioita me otetaan seuraavalle kvartaalille kehitykseen ostolaskujenkäsittelyjärjestelmään workshoppien kautta…” (H1) “...semmoinen tiivis määrittelypalaveri, että mitä seuraavaksi kehitetään case-yrityk- selle ja tuodaan omaa inputtia siihen, että tämmöisiä asioita olisi tärkeää fokusoida nyt, nää vaikuttaa automaatioon tai ne antaa kontrolleja tai muuta. Ja case-yritykseltä tietysti tulee omia ideoita siitä, mitkä on heille tärkeitä ja käydään sitten avoimesti läpi, että tätä kannattaa tehdä nyt, tätä ei kannata tehdä vielä. Ja sitä kautta on saatu kyllä hyviä parannuksia sinne koko prosessiin, se ei aina reflektoidu sinne automaation kasvuun, mutta myös semmoiseen kontrolliin ja case-yrityksen toimintatapoihin...”(H5) ”…ollaan saatu semmoisia isoja kokonaisuuksia kiinni myös tän kehityksen kautta, että ollaan lisätty kontrollia, lisätty automaatiota ja semmoista harmonisointia. “ (H5) Toinen haastateltavista kuvaili tarkemmin case-yrityksen ja kehittäjän arkisemman vuorovaikutuksen ja yhteistyön luonnetta, missä yhteydenpito kehittäjän tarjoamaan tukipalveluun on lähes päivittäistä ja varsinaisia palavereita on säännöllisesti: “...me ollaan yhteydessä lähes päivittäin, pääsääntöisesti laskujenkäsittelyjärjestelmän tukeen. Se toimii välillä ihan hyvin ja välillä huonommin. Sitten meillä on tämän järjestelmän kehittäjän kanssa myös joka toinen viikko semmoinen meeting, missä me käydään läpi niitä ongelmia, mitä se tuki ei ole meille pystynyt ratkaisemaan ja sitä kautta me saadaan eskaloitua ne eteenpäin…” (H3) Seuraava kommentti tukee edelleen järjestelmäkehityksen sidosryhmien välistä yhteistoiminnallista, mutta tietyiltä osin myös roolijakoista luonnetta. Tässä caseyritys toimii enemmänkin ideoijana, missä järjestelmäkehittäjät hoitavat varsinaisen teknisen työn koodauksesta käyttöönottoon. Lopputuloksena tämä lähestymistapa antaa kullekin ryhmälle mahdollisuuden keskittyä omaan osaamisalueeseensa: “...me tehdään tämmöiset “change requestit” sitten heidän suuntaan ja he tekee tavallaan sen teknisen toteutuksen ja meidän tehtävänä on sitten vaan testata, että ne kehitykset toimii meidän haluamalla tavalla ja sitten kun ne on siinä pisteessä, että ne on valmiita siirrettäväksi tuotantoon, niin sitten järjestelmän kehittäjät tekee sen ja niitä seurataan sitten tiiviisti, että ne myös tuotannossa toimii niin kun on testattu toimivan. “(H6) Kuitenkin, missä kehityksen alkuvaihe saattaa olla hyvinkin suoraviivainen prosessi, yksittäisen kehityksen saaminen ideasta käyttöönottoon tehokkaasti voi olla aika ajoin haasteellista. Haastateltavien 2 ja 5 näkökulmat yhtenevät siinä, että he tunnustavat viivästysten aiheuttamat haasteet järjestelmän kehittämisprosessissa. Siinä, missä haastateltava 2 käsittelee yksittäisten kehitysten viivästymisen mahdollisuutta, haastateltava 5 puolestaan tuo esiin asian yleisemmällä tasolla huomauttamalla, miten kausiluonteiset seikat voivat vaikuttaa 66 yksittäisten kehitysjaksojen toteutustehokkuuteen. Ajalliset epävarmuustekijät ovat yhteinen huolenaihe, mutta ne eivät välttämättä asetu esteeksi pitkän aikavälin strategialle: ”...parhaimmassa tapauksessa meiltä tulee idea tai tämmöinen kehitysidea ja laskujenkäsittelyjärjestelmän kehittäjä laittaa siitä sitten tavallaan tämmöisen tarjouspyynnön, se hyväksytään... Parhaassa tapauksessa se menee kerrasta maaliin, jolloin se voidaan nostaa tuotantoon, mutta jos ei, niin sitten se vaatii enemmän puljausta... voi käydä niin, että se kehitys venyy vaikkapa sitten seuraavalle kvartaalille. ” (H2) “...ollaan saatu lähestulkoon aina joka kehitysjaksossa kaikki maaliin hyvissä ajoin, joskus menee vähän kausivaihdosten, kvartaalivaihdosten takia voi mennä joku kehitys, että ei mene ihan sen kvartaalin lopussa tai sen kehitysjakson lopussa, vaan että se menee sitten vaikka jotain viikkoja pitkäksi, mutta se on täysin ollut semmoista kontrolloitua tekemistä kuitenkin...” (H5) Vaikka lähestymistapa kehitykseen on hyvin järjestelmällinen, kehitysprosessi itsessään ei ole kuitenkaan välttämättä lineaarinen. On tapauksia, joissa kehityksiä tulee tarkastella uudelleen, mikä toisaalta korostaa joustavuuden ja sopeutumiskyvyn merkitystä järjestelmien kehittämisessä. Toisaalta järjestelmän kehittäjäkään ei kykene tai suosittele toteuttamaan kaikkia loppukäyttäjien tai asiakasyrityksen haluamia kehityksiä. Pitkälle räätälöitävissä ympäristöissä erikoistuneen järjestelmäkehittäjän rooli muuttuu hyvin konsultatiiviseksi ja neuvoa antavaksi, missä kaikkia asiakaspyyntöjä ei toteuteta sokeasti, vaan järjestelmän loppukäyttäjiä ja asiakasyrityksiä ohjataan ajamaan tarkoituksenmukaisia suorituskykyä tehostavia kehityksiä mm. muista asiakasyhteistöistä saatuihin kokemuksiin perustuen. Selkeä viestintä kohdatuista ongelmista voi kuitenkin havaitusti edistää kehitysten toteuttamista: ”...vaikka ostolaskun käsittelyjärjestelmän kehittäjä on meidän toimittaja, niin nekään ei tuo meille tavallaan valmiiksi pureskeltuja ideoita, vaan ne vaan sanoo, että no tämmöinen ja tämmöinen on heillä mahdollista ja sitten meidän pitää pystyä sanoa, että taivutaanko me (case-yritys) siihen niin kun teknisesti, mitä alustan kehittäjä vaatii.” (H1) “...se on sitten enemmän se niin kuin konsultoiva rooli ja sitten, että mikä on järkevää. Ei ehkä sanota sitä: “no ei me tota pystytä tekemään”, vaan enemmänkin sitten, että tossa ei oo ehkä mitään järkeä, vaan tehdään se mieluummin näin, koska se on todistettu, että se muuallakin toimii...” (H5) “...mun mielestä yksi tärkeimmistä asioista on tehdä ne läpinäkyväksi tietyllä tapaa ne ongelmat ja sitten kun ne on sellaisia konkreettisia ongelmia, mihin ne vaikuttaa, niin sitten niihin on helpompi tehdä ne muutokset...” (H5) Tämä tuo edelleen esille kehitysprosessin osapuolien roolien keskeistä eroa, sillä siinä, missä järjestelmän kehittäjä tarjoaa teknisiä mahdollisuuksia, se ei anna välttämättä suoria ratkaisuja. Kehittäjän rooli voi jäädä reaktiiviseksi, missä kohdatut haasteet on suositeltavaa kommunikoida kehittäjälle huolimatta siitä, ovatko ne suoranaisesti järjestelmän toiminnasta juontuvia. Kehityksen kannalta myös organisaation sisäinen tiedonvaihto IT-yksikön ja laskujenkäsittelytiimin välillä on myös keskeistä: 67 “...tulee jotain uusia tavallaan tietoteknisiä ongelmia, niin ei me välttämättä tiedetä mistä ne johtuu. Niistä me joudutaan just kysymään meidän IT:stä apua ja sitten ihan jotkut tietyt kehitykset, mitä me halutaan, niin emme osaa sanoa suoralta kädeltä, että onko ne miten realistisesti toteutettavissa, että se aina vaatii sitten vähän IT:n puolelta konsultointia, että hei miten tää nyt käytännössä oikeasti onnistuu, että onko meillä resursseja tähän ja onko tää realistista... Me operoidaan kuitenkin loppujen lopuksi rajallisilla resursseilla, että me yritetään näistä meidän resursseista ottaa kaikki optimaalisesti irti.” (H3) Onnistunut järjestelmäkehitys riippuu siis resurssien riittävyydestä ja teknisen toteuttamiskelpoisuuden arvioinnista. Sitaatti konkretisoi myös hyvin case-yri- tyksen IT-yksiköltä saadun tietoteknisen konsultaation merkitystä yksittäisten järjestelmäkehitysten arvioinnissa. Mahdollisten ongelmien proaktiivinen tunnistaminen yhdistettynä tarvittavaan IT-yksikön tarjoamaan tukeen vaikuttaisi olevan yksi tarkoituksenmukaisen järjestelmäkehityksen perusteista. Tämä proaktiivinen lähestymistapa kehitykseen tulee hyvin ilmi myös toisen haastateltavan vastauksesta: “Taustalla pitää olla joku tämmöinen havainto tai oivallus tai idea, että miten joku asia voisi toimia paremmin, ja että jos on toistuvasti, vaikka joku virhetilanne meillä laskunkäsittelyjärjestelmässä niin, miten sen voisi ratkaista, ettei sitä tulisi. Yleensähän nuo nyt liittyy just tavallaan tämmöisiin poikkeamiin, eli kun tulee jotain erroreita.... Me kun tietenkin ensin kerätään näitä ideoita jatkuvasti, mitä saadaan operatiiviselta tiimiltä, mutta sitten myös mitä keksitään itse.” (H2) Kehittämisen perusta vaikuttaa vastauksien perusteella olevan ongelmien tunnistamisessa ja ratkaisujen etsimisessä. Haastateltava tuo tämän esille korostamalla oivallusten ja ideoiden tärkeyttä erityisesti virheiden tai poikkeamien ilmetessä. Tämä proaktiivinen ideoiden kerääminen sekä operatiivisista tiimeistä että omista oivalluksista toisaalta korostaa myös jatkuvan seurannan ja palautteen merkitystä kehitysprosessissa. Järjestelmäanalytiikan rooli nousee myös esiin tärkeänä välineenä huomata virheitä ja poikkeamia. Tässä yhteydessä analytiikan käyttö korostaa järjestelmän tarjoamien suoritusmittareiden merkitystä poikkeamien juurisyiden tunnistamisessa. Tulevaisuudessa analytiikan roolin odotetaan edelleen kasvavan: “...laskunkäsittelyjärjestelmässä on vaikka se "analytics” osio, eli siellähän me nähdään, vaikka automaattisen mätsäyksen tasoa ja sitten me nähdään sitä “exceptionia”, elikkä minkälaisia poikkeuksia siellä on ja vähän sitä, että minkälaisissa asioissa niitä poikkeuksia tulee, että niihinhän pyritään sitten tarttumaan, että se juurisyyn selvittäminen, että miksi vaikka manuaalimatchia on tämän verran tai tämän verran.” (H4) “...iso trendi tulee olemaan toi analytiikka ja raportointipalveluiden kasvu, että kun dataa alkaa olla pirun iso määrä järjestelmissä, niin sieltä ehkä datan pohjalta löydetään, vaikka nytten laskun käsittelyprosessiin liittyen niitä pullonkauloja ja sitten sitä dataa tutkimalla pystyttäisiin ehkä saada niitä konkreettisia kehitysehdotuksia esiin.” (H1) Kehittäminen heijastaa pohjimmiltaan organisaation prioriteetteja ja resurssien asettamia rajoituksia. Haastateltava toteaa, että haasteeksi kehittämisessä nousevat usein alustan perustoiminnot, joiden pitäisi lähtökohtaisesti toimia. 68 Perustoimintojen kehitys voi olla hyvin resurssi-intensiivistä, jolloin aikaa ei jää keskittyä muiden toiminnallisuuksien kehittämiseen: “…nyt me yritetään saada just sitä tunnistumista tavallaan, että laskujen tiedot tunnistuisi mahdollisimman oikein... sitä kehitettyä…, että siinä on kyllä paljon haasteita ja tulee olemaan jatkossakin, koska on niin paljon erilaisia laskuja. Tavallaan tuommoisten ongelmien kanssa painiminen myös sitten rajoittaa sitä muiden kehitysten ehkä tekemistä...”(H3) Perustoimintojen painottaminen korostaa niiden merkitystä, mutta painopisteen muuttuminen osoittaa, että järjestelmäkehityksen prioriteetit ovat luonteeltaan mukautuvia. Alustan käyttöönoton aikana case-yritys keskittyi tuotannon ongelmien korjauksiin. Vastaavasti nyt kehityksen painopistettä on siirretty prosessin yleisen sujuvuuden ja loppukäyttäjäkokemuksen parantamiseen: ”Tänä päivänä kehitetään paljon enemmän järjestelmätoimintoja ja pyritään siihen, että se laskun käsittely olisi mahdollisimman automaattista ja sitten ne, mitkä ei mene automaattisesti, niin niitten laskujen käsittely olisi mahdollisimman helppoa ostolaskujen käsittelijöille… …2017, kun nykyinen ostolaskujen käsittelyalusta on otettu täällä käyttöön… …Silloin ne ensimmäiset kehitykset oli ehkä enemmän tällaisia tuotannon ongelmien korjauksia, että kun se oli tavallaan uusi järjestelmä täällä, niin sitten siellä saattoi olla tuotannon defectejä, mitä piti sitten tavallaan kehityksenä korjata tai sitten ne oli sellaisia, että mitä oltiin vaikka meidän ERP:in päässä suunniteltu väärin ja data tuli väärin sitten ostolaskujen käsittelyjärjestelmään, niin tällaisia kehityksiä sitten piti ehkä silloin muutama vuosi sitten tehdä enemmän... ..., niin siinä mielessä me ollaan nyt voitu järjestelmän kehittäjän resurssit käyttää puhtaasti sitten kehittämiseen ja laskun käsittelyn helpottamiseen. ”(H1) “...yritetään tietysti valikoida ja miettiä semmoisia (kehityksiä), mikä tukisi ja helpottaisi mahdollisimman paljon operatiivisen tiimin työtä, että mahdollisimman vähän... olisi sitä semmoista ns. turhaa manuaalineppailua, mitä tällä hetkellä on, että pystyttäisiin siihen vaikuttamaan positiivisesti. “(H2) Muutos välittömien tuotannon ongelmien ratkaisemisesta käyttäjäkokemuksen parantamiseen on yksi järjestelmäkehityksen tunnusmerkeistä. Organisaatiot eivät siis pyri vain ratkaisemaan yksittäisiä ongelmia, vaan ne pyrkivät kehittämään prosessejaan kokonaisvaltaisesti. Tarkasteltaessa yksittäisiä organisaation toteuttamia kehityshankkeita saadaan vielä selkeämpi kuva havaitusta trendistä: “…siitä on projekti päällä, eli sitä indirect hankintaa siirretään ostolaskujen käsittelyalustan puolelle, jolloin se PR (purchase requisition) ja PO (purchase order) syntyy jo järjestelmän puolella ja sitten sitä kautta saadaan sitä laskuautomaatiota.” (H5) 5.4 Ostolaskuprosessin käytännön haasteet Tässä luvussa tarkastellaan digitaalisessa ostolaskuprosessissa esiin nousseita erilaisia haasteita. Haastatteluissa nousi esille muun muassa laskun formaattiin, master datan hallinnointiin, laskujen validointiin, täsmäytyslogiikkaan, järjestelmäintegraatioihin ja räätälöintiin liittyviä kysymyksiä. Kuten aiemmissa 69 alaluvuissa on tullut ilmi, haastateltavat kokevat yksimielisesti prosessissa pinnalla olevien haasteiden olevan hyvin pitkälle käytetystä laskujenkäsittelyjärjestelmästä riippumattomia. Laskujen vastaanottotavat ja formaatit ovat muuttuneet vuosien saatossa merkittävästi johtuen suurelta osin digitaalisesta kehityksestä. Tältä osin caseyritys on vielä siirtymävaiheessa, missä laskuja otetaan vastaan moninaisissa formaateissa, sekä sähköisesti että paperisesti. Globaali toimintaympäristö ja toimittajien edellytykset lähettää laskuja strukturoidussa digitaalisissa muodoissa luovat kuitenkin case-yrityksestä riippumattoman pullonkaulan e-laskujen vastaanottomäärille. Varsinaisen prosessin kannalta tämä voi olla ongelmallista, sillä erityyppisten laskujen käsittely vaatii usein erilaisten teknologioiden ylläpitoa ja työnkulussa esiintyviä eriäviä käytännön tason toimintatapoja: “…meillehän ostolaskuja tulee nyt kolmella tavalla, elikkä ostolaskujen käsittelysysteemiin tulee e-laskuja ja PDF-laskuja ja sittenhän meille tulee vielä valitettavasti jonkin verran noita paperilaskuja, jotka sitten täällä skannataan tuonne järjestelmään... Se laatu on kirjavaa, eli mitä enemmän me saadaan e-laskuja, niin sitä paremmin se meidän prosessi kulkee.” (H4) Yritystoiminnan globaalit piirteet korostavat pohjimmiltaan liiketoimintaprosessien standardoinnissa esiin nousseita haasteita. Teknologioiden käyttöönotoissa esiintyvä vaihtelevuus eri maanosissa edellyttää case-yritykseltä joustavaa otetta laskujen digitaaliseen käsittelyyn, jossa on otettava huomioon laskujen erilaiset formaatit ja vastaanotettujen laskujen laatuun liittyvät kysymykset. Kuten eräs haastateltava huomauttaa, laskun laatu, oli kyseessä PDF- tai paperilasku, voi vaikuttaa merkittävästi käsittelyprosessin tehokkuuteen ja etenkin laskun käsittelyyn vaadittuun manuaalityön määrään: “...se kone tekee tiettyyn pisteeseen saakka, mutta sieltä aina tulee riippuen sen laskun laadusta, sen ei aina tarvitse olla PDF-lasku, vaan voi olla ihan paperilasku, mitä valitettavasti vieläkin näkee, niin jos se on yhtään huonolaatuinen, huonosti kirjoitettu, niin se vaatii sen ihmisen siihen täydentämään niitä tietoja ja siellä on sitten isot säännöstöt, mitä sen pitää tehdä..., kun joka toimittajalla periaatteessa on omat laskurakenteet siellä ja se "look and feel” siitä laskusta, niin jos jotain jää poimimatta, niin sitten sinne pitää mennä ihmisen täydentämään sitä tietoa...“ (H5) Keskeistä automatiikan toiminnan kannalta on juuri vastaanotetun laskun laatu ja ennen kaikkea sen formaatti. E-lasku on strukturoitu ja tasalaatuinen laskuformaatti, jonka käsittelyä on huomattavasti helpompi automatisoida. Globaali toimintaympäristö kuitenkin tarkoittaa sitä, että maa- ja toimittajakohtaiset erot laskujen lähettämistavoissa heijastuvat suoraan ostolaskuprosessissa saavutettavissa oleviin automaatioasteisiin. Haastateltava toteaa, että Suomessa e-laskujen vastaanottaminen on arkipäivää ja etelässä puolestaan harvinaisempaa. Toimittajien opastamisella ja uusien laskuformaattien käyttöön kannustamisella voi havaitusti myös olla keskeinen rooli laskujen käsittelyn tehostamisessa. Haastateltava korostaa, että toimittajille suunnattu tehostettu viestintä voisi olla yksi keino parantaa vastaanotetun laskuaineiston laatua: 70 “Suomihan on ihan ehdoton ykkönen, elikkä meille se on jotenkin e-lasku arkipäivää, eli no nyt Ruotsissahan on ollut kampanja, eli siellä on noussut se määrä, mutta sanotaanko, että no pohjoismaat, voisi sanoa, että täällä on aika hyvin. Että tossa, kun lähdetään sitten etelämmäksi tai idemmäksi tai lännemmäksikin, niin ei olla todellakaan vielä sillä tasolla, että kyllähän Suomessa ollaan semmoisessa aika hyvässä teknologiakuplassa.” (H4) “...se vaan tarvitsisi ehkä semmoista rohkaisua toimittajien suuntaan... Laskunkäsittelyjärjestelmän kehittäjä ihan tarjoaa sitten esimerkiksi myös portaalin, että jos on semmoinen pienempi toimittaja, ...minkä kautta voit lähettää laskuja järjestelmään, elikkä se on myös tämmöistä niin kuin tiedon ja opastamisen asiaa, että se laatu lähtee nousemaan.“ (H4) Ratkaisevaa on, että tavarantoimittajat ovat tietoisia erilaisista laskun lähettämis- ja vastaanottotavoista ja että heidän toimintaansa helpotetaan alustoilla, mitkä linkittyvät laajempaan digitaaliseen globaaliin liiketoimintaympäristöön. Haastateltava korosti järjestelmätoimittajien roolia erilaisten laskutusvalmiuksien tarjoamisessa: ”...käytännössä siis network palveluista, kun puhutaan, niin ne on laskun vastaanottamisen ja lähettämisen palvelut... ...meillä on oikeastaan joka maailmankolkassa kyvykkyys ottaa vastaan aitoja verkkolaskuja ja se on aika lailla puhtaasti järjestelmän tarjoajan verrattain laajan network palveluiden ansiota... ...yleensä se edesauttaa sitä automatiikkaa, kun saadaan jollain tavalla standardoidussa muodossa se laskuaineisto meille.” (H1) Laskun perustietojen validointiin käytettävillä työkaluilla on merkittävä vaikutus koko prosessin tehokkuuteen ja tarkkuuteen. Viime vuosikymmenien teknologinen kehitys on tuonut mukanaan erilaisia teknisiä ratkaisuja, kuten optisen tekstintunnistuksen (OCR) ja viimeisimmin järjestelmätoimittajien omia tekoälypohjaisia validointiratkaisuja, mitkä ovatkin jo osittain syrjäyttämässä OCR-tek- nologiaa koneluettavien dokumenttityyppien yleistyessä. Case-yrityksen osalta tekoälyavusteinen laskuvalidointi on jo otettu käyttöön. Tämä tekoälyä hyödyntävä teknologia tehostaa mm. laskujen perustietojen tunnistamis- ja digitointiprosessia. Tämä ei ainoastaan nopeuta prosessia, vaan vähentää myös merkittävästi manuaalisen työn määrää: “...laajennetuissa määrin sitä otetaan käyttöön sitä älykästä laskutietojen tunnistusratkaisua... Case-yrityksellä paperi- ja PDF-laskut oli aikaisemmin mennyt suoraan tonne skannauspalvelun, eli ihan tota joku ihminen skannaa paperin... ja sitä kautta sitten saadaan se PDF-muotoon ja sitä kautta OCR:ään, niin nyt se tavallaan se meidän palvelu on tuonut siihen aika paljon uutta ja vähentänyt sitä manuaalista ihmisen tekemää työtä, että siellä on AI teknologiaa siinä ratkaisussa ja tämmöistä... Aika iso osa PDF-dokumenteista on kuitenkin tällasta koneluettavaa “machine readable” PDF:ää, että siinä on se rakenne, se ei oo kuva, vaan se on tämmöistä rakenteellista PDF:ää ja sitä kautta se älykäs tekoälypohjainen ratkaisu pystyy poimimaan sieltä paljon laadukkaammin dataa.” (H5) “AI puolella sitten ja “template” puolella, niin se on toki paljon halvempaa sitten pitkässä juoksussa, koska massat on isot ja vähentää myös niitä ihmisvirheitä sieltä.” (H5) 71 Nykyinen prosessi nojaa kuitenkin yhä osittain OCR-teknologiaan paperisten laskujen kohdalla. Eli prosessi vaatii vielä myös ihmisen manuaalityötä, erityisesti kun käsitellään sellaisista maista vastaanotettuja laskuja, missä toimittajat eivät ole vielä täysin ottaneet käyttöön sähköistä rakenteellista laskutusta: ” ...niin käytännössä nytten laskut, mitkä ei mene sen meidän AI pohjaisen ratkaisun kautta, niin ne menee OCR:ään. Sitten, jos OCR ei pysty sieltä kaikkia perustietoja lukemaan, niin sittenhän se menee vielä tämän alihankkijan kautta tuonne ulkoiselle tuelle. Eli sitten siellä he pyrkii laskulta ihmissilmämääräisesti poimimaan ne laskun käsittelyyn vaaditut tiedot. Ja kyllä täytyy sanoa, että niissä se laatu on selkeästi heikompaa, kun vaikka nyt tuossa AI pohjaisen ratkaisun kautta tulleissa laskuissa, niin sanoisin että pienissä maissa ollaan vielä aika riippuvaisia siitä OCR:stä.” (H1) Sekä tapaustutkimuksen kohdeyritys että laskujenkäsittelyalustan kehittäjä jakavat yhteisen näkemyksen OCR-teknologian käytön vähentämisestä. Tässä aidot verkkolaskut ja rakenteelliset PDF-tiedostot koetaan automaation tehokkuuden kannalta parempina vaihtoehtoina: “...varmaan kummankin yhteinen tavoite case-yrityksen sekä laskujenkäsittelyalustan kehittäjän puolella on pitkässä kaaressa se, että OCR:äystä ei tarvitse niinkään tehdä enää, vaan verkkolaskut on aina paras ja rakenteelliset PDF:t on se toiseksi paras tällä hetkellä.” (H5) Järjestelmän omien älykkäiden teknologisten ratkaisujen ja OCR:llä käsiteltyjen laskujen laatu- ja tarkkuuserot korostavat case-yrityksen osittaista validointiin liittyvää teknologista riippuvuutta, erityisesti pienten maiden kohdalla, joissa laskujen validointi nojaa yhä OCR-teknologiaan. Tulevaisuudennäkymät ovat kuitenkin lupaavat, sillä tekoälyavusteisten työkalujen kyvykkyydet tulevat väistämättä parantumaan ja ne vastaavat yhä enemmän globaalilla tasolla tapahtuvaa teknologioiden omaksumiseen liittyviä trendejä. Yhä useampi maa on lainsäädännön vauhdittamana siirtymässä kohti sähköistä laskutusta, mikä tuo luonnollisesti mahdollisuuksia vähentää optisen tekstintunnistuksen käyttöä asteittain: “...isot valtiot pakottaa jonkinasteiseen rakenteelliseen laskuaineistoon, että sellaset paperilaskut, käsinkirjoitetut laskut johonki ruutupaperille, mitä näkee joissain pienemmissä maissa..., niin kyllä se on ehdoton trendi silleen globaalisti ja lokaalisti Suomessakin, että verkkolaskuihin on… tämmöiseen kontrolloidumpaan rakenteeseen ehdottomasti ollaan menossa, että se OCR on ehkä semmoista vanhahkoa teknologiaa, mutta niin kauan, kun niitä löytyy nyt paperilaskuja tai tämmöisiä ei koneluettavia PDF:iä, niin niin kauan se teknologia pitää olla tuettuna siellä.“ (H5) “...valtiothan haluaa tätä e-laskutusta kehittää..., niin se tulee tekemään tässä lähivuosina ison muutoksen kyllä tähän laatuasiaan... Kyllä mä luulen, että siihen suuntaan ihan globaalistikin ollaan menossa, että se e-lasku tulee olemaan se muoto, miten laskut halutaan, mutta ei ihan vielä.“ (H4) Edellä mainittujen laskujen formaattisidonnaisten haasteiden lisäksi, itse laskujen laatu ja perustietojen täydellisyys aiheuttavat myös järjestelmästä riippumattomia ongelmia. Keskusteluissa toistuvana teemana nousi esiin monimutkainen toimittajarakenne ja siitä juontuva master datan jäsentymättömyys, mikä 72 vaikuttaisi toimivan keskeisenä osatekijänä automaation asianmukaisen toiminnan taustalla: “Se semmoinen toimittajatietojen taikka laskun perustietojen validointi on aika ongelmallinen ja se johtuu osittain siitä, että meidän toimittajarakenne on tosi kompleksinen, elikkä meidän master data, toimittaja master data, on hyvin jäsentymätöntä, mikä hankaloittaa sitten sitä laskujen perustietojen validaatiota. Sitäkin on kyllä siis paljon kehitetty ja saatu parannettua, mutta edelleen siellä on paljon haasteita. “ (H6) “...sen tavallaan yhdistäminen ja kuntoon laitto olisi ja on valtava punnerrus, koska siellä on niin paljon tavallaan menneisyydestä sitä ikään kuin heikompilaatuista master dataa... ...on mahdollista tehdä tilaus toimittaja ID:lle X, mutta sitten meillä onkin laskujenkäsittelyjärjestelmän puolella laskujen käsittelyssä ID:llä Z, jolloin vaaditaan sitten taas manuaalitoimenpidettä, että se ei ole varsinainen este sille käsittelylle, että ne ID:t on eri, mutta se tosiaan se automatiikka kaatuu siihen.” (H2) Toimittajarakenteessa esiintyneet puutteet saattavat johtaa epäjohdonmukaisuuksiin ostotilausten ja vastaanotettujen laskujen välillä, minkä vuoksi järjestelmä ei välttämättä pysty kohdistamaan niitä toisiinsa automaattisesti. Toimittajatietojen päällekkäisyyden lisäksi tilannetta saattaa pahentaa heikkolaatuinen lähdedata ja toiminnanohjausjärjestelmän epäselvät ostotilausprosessin työnkulut. Haastateltava edelleen painottaa, että kyseiset järjestelmästä riippumattomat seikat tulisi saada kuntoon ennen järjestelmien mukauttamista ja räätälöintiä: “...sieltä löytyy paljon tupla, tripla tai jopa 20 kertaa perustettuja samoja toimittajia ja sitten mä näkisin ehkä myös sen lähdedatan laadun yhtenä ongelmana, että esimerkiksi meidän ostotilausprosessi ERP:ssä näyttää minulle siltä, että se ei ole kauhean selkeä meidän kaikille ostajille, mikä tarkoittaa sitten sitä, että tilauksia tehdään summalla X ja sitten lasku on jotain ihan muuta, että tota eihän se automaattisesti mene, jos se lähdedata on huonolaatuista tai ei ole tehty alusta asti kunnolla.” (H1) ”...automaatiota ei saavuteta, jos meillä ei ole lähdedatat kunnossa, että ihan sama mitä temppuja me laskunkäsittelyjärjestelmässä tehdään, niin se lasku ei liiku yhtään automaattisemmin, jos siellä vaikka toimittajanumerot on mitä sattuu tai ostotilausdata on mitä sattuu tai jotain vastaavaa, että se on ehkä se kulmakivi mun mielestä kaikessa, että sitten vasta kun lähtötiedot on kunnossa, niin sen jälkeen voidaan miettiä, että mitä järjestelmänäkökulmasta voidaan tehdä, että nää laskut menisi vielä automaattisemmin tai paremmin.” (H1) Case-yrityksen globaali toimittajaverkosto ulottuu eri puolille maailmaa, mikä puolestaan korostaa master datan oikeellisuuden ja tarkkuuden keskeisyyttä entisestään. Master data voi olla siis hyvin kirjavaa muun muassa toimittajien erityyppisten pankkitilien ja maksutapojen seurauksena: “...puhutaan vaikka pankkitilitiedoista ja erilaisista payment metodeista vaikka SEPA maksuista tai sitten ulkomaan maksuista. Se on tosi hankala automatisoida, että siellä on aina se oikea master data, oikeat pankkitilit, maksutavat tulee sieltä toimittajatiedon takaa tai että ne tunnistuu. Tämmöisiä haasteita tuo tavallaan tää globaali toimintaympäristö. “ (H3) Vaikka master dataan liittyvät ongelmat ovat usein järjestelmästä riippumattomia, on niiden kommunikointi järjestelmän kehittäjälle silti keskeistä. Kun 73 käytetty järjestelmä on pitkälle räätälöitävissä ja mukautuva, tehokas viestintä voi mahdollisesti edistää laskujen vastaanottologiikan kehittämistä, mikä voi puolestaan lieventää heikkolaatuisesta master datasta juontuvia haasteita. Vaikka kehittäjän kyky vaikuttaa järjestelmän ulkopuolisiin ongelmiin voi olla vaikeaa, haastateltava korostaa tästä huolimatta läpinäkyvyyden merkitystä: “...me nähdään, missä ne laskut sitten kyseisiltä toimittajilta, vaikka jumittuu, eli sinne hyvin alkuvaiheeseen, ja miten se aiheuttaa case-yritykselle ylimääräistä työtä, niin se semmoinen läpinäkyvyys ja konkretia, ja että mitä se datan huono laatu aiheuttaa, niin se on ehkä semmoinen isoin asia. Ja sitten siihen, sen palvelun ympärille, että mitä me kehittäjinä pystytään tekemään vai onko se pelkästään siihen master dataan liittyvä asia...“ (H5) “...on siinä tehty hurja määrä kehitystä myös sinne laskun importointi- ja saapumisvaiheeseen, että tota..., miten se toimittaja tunnistetaan, miten yhtiö tunnistetaan. Siellä on vanhoja VAT-tunnuksia ja tän tyyppisiä, niin sinne on tehty paljon kehitystä.... Varmaan pikkuhiljaa alkaa... sanotaan laskujen käsittelyalustan päässä tehtävistä muutoksista..., joustavuutta antavista..., että pärjätään sillä sanotaan osittain heikolla master datalla, niin ne alkaa pikkuhiljaa olla tehty...” (H5) Vastaukset pohjimmiltaan korostavat jäsennellyn ja tarkan toimittajakohtaisen tiedon tärkeyttä automatisoidun ja saumattomasti toimivan täysin digitaalisen ostolaskuprosessin saavuttamisen taustalla. Nykyisten master dataan liittyvien haasteiden voidaan katsoa johtuvan pääasiassa historiallisista tekijöistä, monimutkaisesta maailmanlaajuisesta toimintaympäristöstä ja hankinnan työnkulusta. Yleinen mielipide haastateltavien keskuudessa on, että master datan laatua on parannettava automaation toiminnan tehostamiseksi. Useat haastateltavien tunnistamat haasteet korostavat ostolaskujen käsittelyn täydellisen automatisoinnin saavuttamisen haastavuutta viitaten siihen, että vaikka käytössä olisi kehittyneitä teknologisia ratkaisuja ja järjestelmiä, ongelmia aiheuttavat usein näistä riippumattomat seikat. Esimerkiksi PDF-laskujen vastaanottaminen ja validointi tuo mukanaan omanlaisensa haasteensa, missä automaatiosta huolimatta tietyt yksittäiset validointivirheet saattavat jäädä satunnaisesti huomaamatta johtuen prosessin korkeasta automaatioasteesta. Tämä koskee etenkin laskutietojen, kuten ostotilausnumeroiden, viitehenkilöiden tai hintatietojen tunnistumista: “PDF-laskujen kanssa on sitten hyvin paljon semmoisia validaatio-ongelmia, lasku tunnistuu väärälle toimittajalle väärillä summilla, mitä sitten tarvitsee jälkikäteen korjata, kun meillä on kuitenkin sitten hyvin pitkälti automatisoitu prosessi ja siellä ei välttämättä ihmisiä ole sitä laskun dataa validoimassa, niin sitten niitä korjaillaan jälkikäteen.“ (H6) “Sitten ne suuremmat ongelmat saattaa liittyä ehkä tämmöiseen, miten se järjestelmä tunnistaa vaikka laskuja, laskun tietoja oikein vaikka jotain ostotilausnumeroa tai viitehenkilöitä ja summia, että tää on ehkä semmoinen aika iso haaste.” (H3) Muun muassa tilaukseton lasku saattaa validoitua seuraavassa esimerkkitapauksessa virheellisesti tilaukselliseksi laskuksi järjestelmän tunnistaessa laskun XML-sanomasta tilausnumeroa muistuttavan numerosarjan. Lasku saattaa tässä 80 “...tuntuu, että koko ajan enemmän ja enemmän sieltä vaan löytyy semmoisia lakisääteisiä asioita, mitä täytyy ottaa huomioon, ja mitkä sitten vaatii kehitystä niin laskujenkäsittelyjärjestelmän kuin ERP:nkin päässä.“ (H6) “…jatkuvasti tulee uusia maita järjestelmään, on rolloutteja ja eri maat saattaa vaatia sitten erinäisiä kehityksiä vaikkapa verojen tiimoilta, että siellä on joillekin maille jouduttu rakentamaan hyvinkin komplekseja... tämmösiä poikkeusmalleja sinne, että mitkä on vain valideja sitten kyseisen maan konsernin comppanyille. Esimerkiksi hyvänä esimerkkinä, vaikka Euroopassa maa X ja sitten kokonaisuutena Pohjois-Ame- rikka, että näissä on hyvin EMEA näkökulmasta poikkeukselliset verokäytänteet, että on hyvinkin pitkälle joutunut räätälöimään sitten näitä. Isoimmaksi osaksi toki ERP:ssä, mutta se täytyy olla se ulkoisen laskujenkäsittelyjärjestelmän pääkin sitten tavallaan semmoinen, että se saadaan ERP:iin sitten halutulla tavalla se ikään kuin verodata niiltä laskuilta.” (H2) Näiden haasteiden moninaisuutta havainnollistavat haastateltavien esittämät konkreettiset esimerkit yksittäisten maiden erityisistä juridisista vaatimuksista, jotka ovat vaatineet case-yritystä toteuttamaan erinäisiä yksilöllisiä räätälöintejä käytettyihin järjestelmiin: “Hyvänä esimerkkinä, vaikka meillä se Puolan split payment 12 eli jouduttiin rakentamaan laskujenkäsittelyjärjestelmään sitten tietyt jutut, että me saadaan taas automaatiota siihen meidän käsittelyyn ja sitten tieto menemään ERP:iin ja sitä myötä maksatukseen, että miten ne splittimaksut pitää tehdä.“ (H4) “…laskua ei voi suoraan maksaa vaan koko summaa toimittajalle, vaan osa siitä laskusta pitää maksaa Puolan veroviranomaiselle. Siihen pitää tehdä tosi aukottomat ja tarkat semmoset kehitykset noihin tietojärjestelmiin esim., että ne menee sitten varmasti sinne verottajalle.“ (H3) “...monilla eri mailla saattaa olla jotain tosi spesifejä vaatimuksia, mitä siinä maksujen tiedoissa pitää olla, vaikka mitä pankeista lähetetään sitten eteenpäin niille toimittajille. Ainakin Etelä-Afrikassa, jos haluaa maksaa bulkkimaksuja, eli vieraan valuutan maksuja muihin maihin, niin pankkiin pitää lähettää tosi tarkat ja detaljit dokumentit, joka on tosi manuaalista ja johonkin viidenkymmenen euron maksuun saatetaan käyttää yli 50 euron arvosta työvoimaa tavallaan, että pahimmillaan tilanne saattaa olla tommoinen, että kyllä niitä riittää melkein yhtä paljon niitä legaaleja vaatimuksia, kun eri maitakin.” (H3) Monimutkaiset lakisääteiset vaatimukset ja niistä kumpuava räätälöintitarve ei ainoastaan lisää järjestelmän monimutkaisuutta, vaan herättää myös kysymyksiä siitä, kenen organisaation sisällä tulisi valvoa näitä räätälöinti- ja kehitysprosesseja ja ennen kaikkea niiden tosiasiallista tarpeellisuutta. Organisaation sisäinen yhtenäistetty toimintamalli räätälöintitarpeiden tarkastelussa on siten erityisen keskeistä: 12 Puolan "jaettu maksumekanismi" (Split Payment Mechanism, SPM) on maksujärjestely, jossa liiketoimen maksusuoritus jaetaan kahteen osaan: nettomyyntisummaan, joka maksetaan tavarantoimittajan perustilille, ja arvonlisäverosummaan, joka maksetaan erilliselle arvonlisäverotilille. Arvonlisäverotilejä koskevilla erityissäännöksillä pyritään rajoittamaan toimittajan mahdollisuutta hallita varoja, ensisijaisesti arvonlisäveropetosten ehkäisemiseksi. (KPMG, 2019.) 81 ”...kun vaikka on globaali organisaatio, niin tietyllä tapaa esim. laskuautomaation kehitystä vedetään täältä EMEAsta käsin, niin sitten siinä on aina vähän haasteena se, että onko välttämättä EMEA-puoli oikea porukka sanomaan siitä, että miten laskuja pitää käsitellä muissa maanosissa. Että, kun siinä pitäisi olla tavallaan läpileikkaus silleen, että meidän laskunkäsittelyprosessi on aidosti globaali, ja sitä tehdään globaalisti sellaisenaan ja mitään maakohtaisia räätälöintiä ei tulla tekemään, ellei ne ole lakivaatimuksia... meillä pitää olla globaali laskunkäsittelyn blueprintti, ja siitä ei pitäisi mitenkään vaan poiketa, ellei siellä ole lakivaatimusta taustalla. ” (H1) “...ja sitten se mikä on oleellinen asia, on monesti se, että onko se ihan oikeasti lakisääteinen vaade vai ei, että nääkin on aina hyvä tutkia, että voi olla että tämmöinen pitää olla, mutta että pitääkö oikeasti olla...” (H4) 5.5 Globaalin end-to-end -prosessin realiteetit Kuten aiemmista luvuista on käynyt ilmi, ostolaskujen käsittelyprosessi on vain yksi osa globaalin organisaation laajempaa useiden osaprosessien muodostamaa toisiinsa linkittynyttä kokonaisuutta. Tässä alaluvussa keskitytään haasteisiin ja niihin käytännön realiteetteihin, jotka liittyvät näiden toisiinsa kytkeytyneiden osien koordinointiin. Luvussa tarkastellaan, miten hankintatoimen ratkaisuilla voi olla seurannaisvaikutuksia taloushallinnon osaprosesseihin, kuten ostolaskujen käsittelyn automatisointiin, ja millaisia hyötyjä hyvin toteutetulla kokonaisvaltaisella hankintastrategialla on saavutettavissa ostolaskuprosessin tehokkuuden näkökulmasta. Lisäksi käsitellään prosessiin osallistuvien eri osapuolien välisen viestinnän ja koulutuksen keskeisyyttä standardoitujen toimintatapojen jalkauttamisessa. Globaalin ostoprosessin toimivuus edellyttää hyvin koordinoitua ja kokonaisvaltaista lähestymistapaa. Keskittymällä pelkästään yksittäisiin osa-alueisiin, kuten laskujen käsittelyyn, on vaarana, että organisaatiot jättävät huomioimatta end-to-end -prosessin linkittyneen luonteen. Minkä tahansa osaprosessin tehokas automatisointi vaikuttaa riippuvan siis organisaation kyvystä ottaa koko organisaation end-to-end putki huomioon liiketoimintaprosessien kehittämisessä. Useat haastateltavat painottivat tällaisen lähestymistavan keskeisyyttä: ”Sanoisin, että laskunkäsittely tai koko P2P-prosessi, niin se pitäisi aina miettiä end- to-end -prosessina, että meidän on minun mielestä vähän turhaa miettiä laskun käsittelyn automatiikkaa, jos me ei oteta sitä koko end-to-end putkea huomioon. Eli käytännössä jos sitä automatiikkaa halutaan lisätä, niin sitten se pitäisi aina katsoa silleen, että no... aina siitä ostotilauksen tai ”pureqin” luomisesta lähtien aina sinne laskun maksuun saakka.“ (H1) “...me ollaan end-to-end -prosessi, missä kaikki osa alueet vaikuttaa toisiinsa, eli lähtien sieltä toimittajaportaalista, missä meidän master data on, ja siitä mitä tehdään ERP:ssä, miten sitten ERP:ssä vaikka fina tieto (liikkuu)..., että kaikkihan, mitä on meitä ennen, vaikuttaa meihin... ..., että kyllä siellä oston prosessilla on merkittävä vaikutus siihen, miten meidän laskun käsittelyn automaatio toimii. Toki omat haasteet siellä järjestelmässä ja kehittämiset, mutta kyllä se lähtee siitä niin sanotusta “first time right” periaatteesta.“ (H4) 82 “...kun se hankintaprosessi linkitetään siihen laskunkäsittelyprosessiin myös, että ei pelkästään, että saadaan hyvään hintaan tiettyjä materiaaleja tai tuotteita, niin jos ei reflektoidu tavallaan... se toimittajan laatu sinne laskutuspuolelle, niin sitten hankinta on ok, mutta sitten laskutus ei, eli se AP (Accounts Payable) kärsii. Pitää ajatella päästä päähän logiikoita…” (H5) Prosessin sisäinen kontrolli, toimittajavalinta ja asianmukaisten menettelytapojen noudattaminen vaikuttavat olevan tehokkaan ostolaskujen käsittelyn automatisoinnin perusedellytyksiä. Pelkän teknisen integraation lisäksi inhimillisten tekijöiden, kuten avoimen kommunikaation ja koulutuksen merkitystä ei tule kuitenkaan aliarvioida prosessissa, missä keskeistä on yksittäisissä prosessisegmenteissä toteutettujen toimenpiteiden jälkivaikutuksien ymmärtäminen ja näiden viestiminen edelleen tehokkaasti kaikille koko ostoprosessissa operoiville osapuolille ja sidosryhmille: “...nyt mä näkisin vähän sen, että täällä joissain asioissa hyvin toimii se end-to-end putki, että eri asioista vastaavat ihmiset keskustelee hyvin keskenään, mutta sitten että välillä se tuppaa unohtumaan, että vaikka ERP:in päässä kehitetään jotakin, mikä liittyy laskun käsittelyyn, mutta sitä ei muisteta koskaan kertoa tuonne vaikka ostolaskujen käsittelystä vastaavalle tiimille..., että vähän semmoista ehkä avoimempaa ja keskustelevampaa ilmapiiriä tuonne kaipaisi.” (H1) “...ei testata jotain pätkää, vaan se pitäisi aina miettiä se koko projekti läpi, koska silloin myös ehkä näkee niitä sivuvaikutuksia, mitä sillä voi olla. ...mä oon aina sanonut, että meillä on prosessit, joita pitää aina vähän tutkailla uudestaan, meillä on työkalut niitä prosesseja varten ja niitäkin pitää aina tutkailla, mutta sitten meillä on ne ihmiset, jotka sitten tekee niitä prosesseja käyttäen niitä työkaluja, niin kyllähän näissä kaikissa... nää on mun mielestä ne 3 asiaa, että onhan niissä aina tekemistä, että saadaan ne kaikki kolme osa-aluetta täydelliseen symbioosiin.” (H4) Ostosta maksuun -prosessin monimutkaisuus ja linkittynyt luonne merkitsee siis sitä, että prosessissa ylätasolla esiintyneistä häiriöistä ja virhetilanteista voi aiheutua sivuvaikutuksia erityisesti laskujen käsittelyyn. Keskeinen ongelma vaikuttaa olevan ohjeistettujen menettelytapojen ja konkreettisten käytäntöjen välinen ristiriita, erityisesti yksittäisissä liiketoimintayksiköissä. Esimerkkitapauksissa korostuvat käytännön haasteet, taustalla olevat poikkeamat ja ohjeistettujen käytäntöjen noudattamisen usein aliarvioitu merkitys, missä toimintatavoissa esiintyvät epäjohdonmukaisuudet ja vapaamuotoisemmat käytänteet, kuten ostotilaukseton hankinta lisäävät luonnollisesti manuaalityön määrää laskien automaatioprosentteja: ”No automaatio tällä hetkellä on rakennettu tavallaan niille sovituille prosesseille, mitkä ainakin paperilla pitäisi päteä, mutta aika nopeasti sitten meillä nousee vastaan ne, että ne prosessit ei aina tavallaan ole ihan yhtenäiset, että on edelleen sitten vähän tuolla bisnesyksiköittäin saattaa olla semmoisia vähän omia tapoja toimia... ..., jolloin se automatiikka ei voi mitenkään toimia, kun siellä ei ne tausta-actionit ole tavallaan sitä prosessia tukevia, joka sitten johtaa poikkeuskäsittelyyn, eli mikä sitten tarkoittaa manuaalikäsittelyä täällä laskujenkäsittelytiimissä.” (H2) “...meillä on jonkin verran noita ostotilauksettomia laskuja ja valitettavasti suurin... tai ei voi sanoa, että suurin osa, mutta siellä on suuri osa semmoisia, että otetaan puhelin käteen ja tilataan vaan joltakin toimittajalta jotakin tavaraa ja sitten siinä vaiheessa, 83 kun se toimittaja laskuttaa meitä, niin meillä ei ole koko toimittajaa täällä... sanotaanko se nyt toimittajaportaalissa.“ (H6) Ostoprosessin osaprosessien keskinäiset vuorovaikutussuhteet korostuvat ennen kaikkea tilauksellisten laskujen prosessissa, missä kolmikantaisen täsmäytysprosessin loppuunsaattaminen laskun, tilauksen ja vastaanoton välillä voi poikkeustilanteissa edellyttää toimenpiteitä usealta eri ostoprosessin osapuolelta. Käytännön tasolla tämä voi tarkoittaa ostajan tarvetta päivittää ostotilauksen tietoja ostolaskua vastaavaksi, hintaeron hyväksyntää tai tilatun tuotteen tai palvelun vastaanottamista: “...saattaa sitten se ostolasku tipahtaa sinne meidän manuaaliprosessiin, joko juuri tämmöisen hintaeron taikka tilauksen vastaanoton puuttumisen vuoksi, jolloinka sitten joudutaan kommunikoimaan sen hankinnan pään kanssa ja se hidastaa todella paljon sitä prosessia ja näin tuntuu, että varmasti semmoinen kokonaiskuva on kaikilla vähän silleen hävöksissä, että kenen vastuulla on missäkin vaiheessa tehdä ja mitä, että saadaan mahdollisimman semmoinen jouheva prosessi.“ (H6) “...tällä hetkellä ehkä sanoisin, että suuremmat ongelmat liittyy niihin ostotilauksiin, niiden tietojen oikeellisuuteen, niiden ajallaan vastaanottamiseen, että ne olisi vastaanotettu mahdollisimman nopeasti ja siellä ei olisi vaikka esim. hintaeroa tai muita virheitä liittyen vaikka tilauksen valuuttaan tai mihinkä ikinä sitten.” (H3) “...edelleen tehdään sitä sitten, että se ostotilaus tavallaan päivitetään sen laskun kuvan perusteella.“ (H6) Tärkeää on kuitenkin tiedostaa, että prosessin sisäiset ongelmat eivät välttämättä johdu tietämättömyydestä tai puutteellisesta tiedotuksesta. Suuren yrityksen liiketoimintaprosessit ovat pohjimmiltaan monimutkaisia, jolloin inhimillisistä virheistä juontuvista ongelmista tai haasteista tuskin päästään eroon, kuten eräs haastateltava toteaa: “Kyllähän näitä ongelmia tulee varmasti olemaan, osa ihan käyttäjälähtöisiä, esim. joku käyttäjä tekee virheen vaikka ostotilausta tehdessä. Näistä tämmöisistä ihmisen virheistä ei päästä ikinä eroon.” (H3) Yksi esimerkki tällaisesta virheestä ja loppukäyttäjän valppauden merkityksestä nousee esille ostolaskujärjestelmän ehdottaessa laskuille automaattitiliöintejä. Vaikka järjestelmä pyrkii yksinkertaistamaan työtehtäviä tarjoamalla historiatietoon perustuvia tiliöintiehdotuksia, eivät nämä ehdotukset ole aina täysin oikeita: “...ottaen huomioon sen automaattitiliöinnin perusperiaatteen, että se tavallaan yrittää ehdotella tiliöintejä aikaisempien laskujen perusteella, niin se ei sitten läheskään aina osu oikeaan. Ja siinä missä loppukäyttäjän pitäisi sitten olla hereillä, että jos ei se osu lainkaan oikeaan tai ehdottelee sieltä ihan puppua, niin sitten sieltä pitäisi osata valikosta valita mahdollinen toinen ehdotelma... …, mutta siinä on tosiaan tullut ilmi ihan tämmöisiä tapauksia sitten, että... sinne on generoitunut automaattitiliöinnin myötä täydellinen tiliöinti..., mutta se sisältö on ollut sitten väärin, mutta loppukäyttäjä on ollut tyytyväinen, että siellä joku tiliöinti on ja lasku on sitten laitettu vaan eteenpäin... ..., että kuitenkin se vastuu pitäisi olla loppukäyttäjällä.” (H2) 84 Tämä esimerkkitapaus puolestaan korostaa entisestään ihmisen osallistumisen merkitystä ja roolia kehittyvissä digitaalisissa prosesseissa. Vaikka automaatio helpottaa lähtökohtaisesti tehokkuutta, sen lopputuloksen laatu riippuu sen toiminnan pohjalla olevan tiedon laadusta ja ihmisen harjoittaman valvonnan määrästä. Koulutuksen merkitys korostuu siten keinona varmistaa, että kaikki sidosryhmät, erityisesti uudet työntekijät, ymmärtävät P2P-prosessin ja automaation erityispiirteet. Tiedon jalkauttaminen suuressa yrityksessä voi kuitenkin olla haastavaa, etenkin kun otetaan huomioon liiketoimintayksiköiden kulttuureissa ja toimintatavoissa esiintyvät eroavaisuudet: “Kun tulee näitä uusia yhtiöitä, niin kyllä me pidetään heille aina koulutukset tästä prosessista ja laskujenkäsittelyjärjestelmästä ja me kyllä pyritään pitämään tasasin väliajoin jonkinlaista pientä koulutusta, jos on esim. tullut uusia ostajia taloon, että miten se prosessi toimii, ja jos on ongelmia ostajalla, niin hän voi myös olla meihin yhteydessä ja me kyllä autetaan niitten kanssa.“ (H3) “...isossa yrityksessä niin se, että me saadaan jokaiselle se informaatio vietyä, niin se on aika haastavaa, että se koulutus on semmoinen iso juttu.” (H4) “Esimerkiksi osa meidän yhtiöistä..., tietyt yhtiöt, niin se yhteistyö toimii tosi hyvin ja sitten joidenkin tiettyjen konserniyhtiöiden kanssa on todella suuria haasteita näiden ostajien kanssa, että selkeästi siinä on vaihtuvuutta eri organisaatioiden ja maidenkin välillä, miten hyvin se on onnistunut ja näihinhän tietysti pitää enemmän kiinnittää sitten huomiota, mitkä ei toimi...“ (H3) Hankintaprosessi ja sen henkilöstö vaikuttavat nousevan keskeisiksi osiksi automaation täyden potentiaalin saavuttamista. Jotta järjestelmä toimisi toivotulla tavalla, on tärkeää, että organisaatiossa ostajat ovat sekä valveutuneita että prosessiin perehtyneitä. Tällä viime kädessä varmistetaan, että laskut ovat asianmukaisia ja puutteettomia, mikä edelleen edesauttaa automaation toimintaa: “...niin siellä jokasta ostoa tehdessä olisi ensiarvoisen tärkeätä tavallaan, että se ostaja olisi tietoinen tästä prosessista. Esimerkiksi, jos hän tilaa jotain laskulla, että siellä olisi se oikea ostotilausnumero tai viitehenkilö varmasti laskulla, ilmoitetaan se toimittajille ja varmistetaan, että toimittaja laittaa sen oikein sinne laskulle, jotta se sitten automaatio lukisi sen sieltä laskulta...“ (H3) “... ja sitten tavallaan meilläkin on todella paljon ostajia… ja todella paljon toimittajia, niin sitten se olisi tavallaan tärkeätä, että kun niitä ostoja tehdään, niin olisi sitten myös tietämys, että mikä se toimittaja on, onko se meillä avoinna jo master datassa... ...Niin kyllä se kaikki lähtee tavallaan sieltä alusta, että jos siellä menee joku pieleen, niin se lasku ei kyllä ikinä mene oikein automaattisesti läpi meidän järjestelmistä, vaikka kuinka niitä kehitettäisiin.“ (H3) On selvää, että case-yrityksellä on selkeä käsitys ostosta maksuun -prosessin automatisointiin liittyvistä haasteista ja erityispiirteistä. Täysin kosketuksettoman ostolaskuprosessin saavuttaminen koskisi paitsi huolellista prosessinvalvontaa myös edellisissä luvuissa esiin nostettuja kokonaisuuksia, kuten kurinalaista laskutusvalmiuksiin sidottua toimittajahallintaa. Yksi haastateltavista kokee täysin kosketuksettoman prosessin saavuttamisen viime kädessä realistiseksi tavoitteeksi. Tämä kuitenkin edellyttää vankkaa prosessi- ja toimittajahallintaa: 85 ”Mä sanoisin, että se “touchless invoicing” -prosessi, niin tota se olisi jo tällä hetkellä täysin mahdollista, mutta toki se vaatisi sen, että meillä on pirun hyvin kontrollissa prosessit ja sitten myös toimittajahallinta. Eli käytännössähän se tarkoittaisi sitä, että meidän pitäisi antaa toimittajille raamit, että miten ne saa laskuttaa meitä, mitä dataa pitää tulla missäkin formaatissa ja missäkin vaikka verkkolaskusanomien kentissä ja vastaavaa ja meillä pitäisi olla hyvin kontrolloitu sitten oston prosessi, että meillä on aina kun tehdään tilauksia, niin ne täsmäisi sitä, mitä toimittaja laskuttaa ja tää nyt palaa taas siihen toimittajayhteistyöhön, että pitäisi olla enemmän ja enemmän sopimustoimittajia ja niistä sopimuksista ei pitäisi poiketa.” (H1) Prosessia ei itsessään myöskään tule nähdä mustavalkoisena vaan ennemminkin monitahoisena ja muuttuvana kokonaisuutena, korostaen, että prosessin johtaminen edellyttää joustavuutta ja sopeutumiskykyä sekä halukkuutta kartoittaa erilaisia lähestymistapoja toimintatapojen kehittämiseksi: “...voi sanoa, vaikka että… on tää tilauksellinen prosessi, mikä oli, että kaikki ostaminen piti saada tilauksille. No nyt on huomattu, että ok ei pystytä..., eli nyt pitää etsiä niitä keinoja…, että ei ole mustavalkoista, vaan tässähän on vähän harmaan sävyjä... Mun mielestä tää on se, että ei saa juuttua johonkin vaan pitää tunnustaa, että ok nyt tää ei toimi ja sitten pitää miettiä niitä muutoksia, toimenpiteitä.“ (H4) 5.6 Yksilön sopeutuminen ja kasvu digitaalisen kehityksen rinnalla Vuosien mittaan teknologinen kehitys on muuttanut työtehtävien sisältöä ja luonut edellytyksiä toiminnan tehostamiselle ja virtaviivaistamiselle. Myös yksilön rooli on muuttunut, mikä edellyttää yksilöltä ennen kaikkea sopeutumiskykyä ja kykyä jatkuvaan oppimiseen. Tässä luvussa kerrotaan, miten haastateltavat ovat kokeneet edellä esiin tuodut työtehtävien muutosta ja yleistä teknologista kehitystä koskevat kysymykset. Edellä esiin nostetut trendit konkretisoituvat ennen kaikkea haastateltavien omissa näkemyksissä. Ostolaskuprosessissa ja sen työtehtävissä on tapahtunut viimeisen kymmenen vuoden aikana merkittäviä muutoksia: ”...automatiikka on vuosien myötä lisääntynyt aika huimasti, jos verrataan sitä, mitä vaikka laskunkäsittely on ollut 10 vuotta takaperin oikeastaan organisaatiosta riippumatta, niin isolla osalla yhtiöistä ei ollut edes ostotilauksia käytössä, että käytännössä kaikki oli non-po:ta tai jos siellä oli ostotilaus käytössä, niin sitä ostotilausta ei osattu automaattisesti täsmätä siihen laskuun, että se täsmääminen tehtiin manuaalisesti. Niin se, että onhan tässä... sanotaan, että viimeisen kymmenen-viidentoista vuoden aikana tapahtunut aika iso harppaus teknologioissa siihen, että ylipäätään pystytään siihen automatiikkaan ja järjestelmät kykenee siihen.” (H1) “Tää laskunkäsittelijän työhän on muuttunut tosi paljon siitä, mitä se oli seittemän vuotta sitten. Järjestelmät ja prosessit ja työtehtävät ja vastuut, kaikki on muuttunut ihan... ihan niinku todella paljon.“ (H6) Automaation ja digitalisaation myötä laskentatoimen työtehtävät ovat muuttuneet merkittävästi, minkä johdosta työntekijöiltä edellytetään yhä enemmän 86 proaktiivista ja myönteistä asennoitumista itsensä kehittämiseen. Koska työntekijät eivät voi turvautua ennalta määriteltyihin malleihin ja työohjeisiin, heidän on usein luotava omat ratkaisunsa varsinkin järjestelmien kehittämiseen liittyvissä kysymyksissä. Haastatteluiden perusteella itseohjautuvuuden rooli näyttäisi korostuvan erityisesti juuri taloushallinnon työtehtävissä, missä käytännön tason työtä tehdään alati kehittyvissä tietoteknisissä järjestelmissä synnyttäen jatkuvasti uusia oppimisvaateita alan asiantuntijoille: ”Tässä sitä mukaa, kun vaan pääsee tekemään ja asioita ihmettelemään, niin sitä kautta sitten myöskin oppii ja itse kehittyy niiden äärellä... me ei koodata itse mitään koodinpätkiä lisää mihinkään, vaan me valtuutetaan ne osaaville tahoille, sama pätee ongelmanratkaisuun... Meidän pitää viestiä joko laskunkäsittelyalustan tai sitten ERP:n porukalle, että nyt on täällä asioita rikki, korjatkaa. Niin ei voi sitten myöskään ihan niin määräänsä enempää syvälle kaikkeen sukeltaa, mutta meille periaatteessa riittää, kun me ollaan vaan siinä kaiken laskunkäsittelyalustan, EAI:n ja ERP:n rajapinnassa itsessään.” (H2) “Tääkin on sitten just asia mikä liittyy tähän, että tavallaan sitä omaa roolia täytyy aktiivisesti myös kehittää, että kun tämmöistä (työtehtävää) ei ole aikaisemmin ollut, niin ei ole myöskään mitään valmista toimintamallia esimerkiksi dokumentoinnin osalta, niin näitä joutuu myös osittain sitten rakentamaan itse.... niinku no toimintamalleja, että siihen saisi semmoisen oikeanlaisen rakenteen, että siinä on järkeäkin siinä tekemisessä.” (H2) ”...ehkä omallakin kohdalla niin toi automatiikan lisääntyminen ja digitalisoituminen... niin se on ehkä pakottanut itsekin orientoitumaan… enemmän teknisesti juttuihin… ..., koska sitä on tavallaan vuosien varrella ollut vähän niinku pakko myös itse opetella juttuja, koska ei niitä kukaan muukaan ole osannut selittää.” (H1) “...jos miettii mun koulutustaustaa, se on kuitenkin aika laskennallista, niin kyllä tässä on huomannut, että tää tietotekninen taito olisi melkein jopa tärkeämpää...” (H3) Työnkuvan muutos näkyy havaitusti varsinkin sellaisissa tilanteissa, joissa ongelmia tai erityistilanteita ilmenee vain satunnaisesti. Näin ollen työntekijän itse aiemmin tekemiin ratkaisuihin luottaminen voi olla haasteellista: ”Tässä on tiettyjä tilanteita, mitkä toistuu aika ajoin, mutta riittävän harvoin, että niihin ei synny rutiinia ja saattaa seuraavaan kertaan mennessä ollakin unohtunut. Niin sitten periaatteessa pitäisi olla dataa viime kerralta, vaikka ratkaisuehdotus tai suoranainen ratkaisukin olla jo tiedossa, mutta sitten siinä saattaa muodostua haasteeksi, että onko sitä ekalla kerralla dokumentoitu riittävällä tavalla niin... voi olla, että joutuu tekemään sitten joitain asioita uudestaan.” (H2) Teknologinen muutos edellyttää teknistä asiantuntemusta, sopeutumiskykyä ja uudenlaista lähestymistapaa perinteisiin laskennallisiin työtehtäviin. Muutos on vaikuttanut merkittävästi erityisesti kirjanpitäjien työtehtäviin ja vastuualueisiin, missä työnkuvasta on tullut analyyttisempaa. Eräs haastateltava toteaa, että laskujenkäsittelijältä vaaditaan nykyään hyvinkin monipuolista osaamista, missä erityisesti kehityksestä vastaavilla tietotekniset taidot korostuvat: ”Laskunkäsittelijältä tarvitaan tämmöistä teknistä ymmärrystä ja osaamista, että... Toki pitää olla vahva substanssiosaaminen, se talouden puolen osaaminen, mutta 87 sitten, että jotta ymmärtää, että miksi jokin lasku nyt meni näin siellä järjestelmässä, niin siinä pitää kuitenkin olla jonkun verran sitä teknistä ymmärrystä taustalla... …puhumattakaan nyt, jos mennään tuohon vaikka kehitystiimiin, niin siellä mä sanoisin, että toki substanssiosaamista tarvitaan, mutta siellä tarvitaan jo sitten aika iso määrä sitä teknistä ymmärrystä, että kun pitäisi vähän ymmärtää lukea XML-sanomia ja XML-standardia ymmärtää.” 13 (H1) Toinen haastateltava toisaalta kuvailee työtehtävän jatkuvasti muuttuvaa luonnetta ja tuo esille työn painopisteen siirtymistä perinteisiksi luonnehdituista tehtävistä datan analysointiin liittyviin tehtäviin: “...työnkuvaanhan tää vaikuttaa niin, että meidän pitäisi enemmänkin käyttää sitä dataa, meidän pitäisi enemmän analysoida, nostaa esiin ongelmia, mitä siellä on, että päästään kehittämään ja työnkuvan pitäisi..., jos automaatio pyörisi niin kun, vaikka melkein täydellisesti, eli olisi pari hassua poikkeusta siellä, niin enemmänhän meidän pitäisi nyt sitä trendien seurantaa sitten tehdä. Eli siitä transaktion tekemisestä ikään kuin se automaatio vapauttaisi meitä enemmänkin analysoimaan sitä prosessia ja sen tehokkuutta ja vaikka e-laskujen määrää ja vielä enemmän vaikka kampanjoida jollekin maan toimittajille e-laskuista, ja eli transaktion tekemisestä ikään kuin tämmöisen datan käyttäjäksi.“ (H4) Automaatiota ei kuitenkaan pidä pitää ainoastaan työtehtävien ja vastuualueiden laajentamisen mahdollistajana. Siinä, missä työtehtävät muuttuvat, vanhat saattavat helpottua. Tulevaisuudessa järjestelmä kykenee esimerkiksi mahdollisesti antamaan loppukäyttäjälle laskujen käsittelyyn liittyviä vinkkejä: “...sellainen tulee yleistymään, että järjestelmä itsessään antaa esimerkiksi loppukäyttäjälle ohjeistuksia tai tavallaan “guidancea” siitä, että mitenkä jatkossa nämä sinun laskut menisivät paremmin tai automaattisemmin, sen mä ehkä näen tulevaisuuden kehityksenä, että se loppukäyttäjä ei tule jäämään siitä laskunkäsittelyprosessista kokonaan pois, mutta se että se järjestelmä tulee enemmän ja enemmän antamaan tavallaan vinkkejä ja neuvoja siitä, että mitenkä nyt, vaikka meidän laskut pystyttäisiin käsitellä paremmin.” (H1) Jatkuvan itseohjautuvuuden ja teknologisen sopeutumiskyvyn mukanaan tuomiin mahdollisuuksiin liittyy kuitenkin myös omat haasteensa. Haastateltavat toivat jaetusti esille, että suuri informaatiomäärä ja nopea digitaalinen muutostahti voi tuntua kuormittavalta, mikä voi puolestaan vaikeuttaa uuden oppimista. Kuitenkin juuri jatkuvan muutoksen mukanaan tuomat oppimisvaateet ja niihin liittyvät haasteet voivat myös tehdä työstä merkityksellisempää ja mielekkäämpää: “...tavallaan, että pysyy kaikesta kartalla jatkuvasti, niin siinä itsessään kyllä riittää hommaa ja se on varmasti se isoin haaste tässä.” (H2) “...mielelläänhän sitä aina uutta oppii, mutta kyllähän aina jossakin vaiheessa on sitten semmoinen fiilis, että tietoa tulee liikaa ja ei ehdi vaan yksinkertaisesti sisäistää kaikkea sitä informaatiota.“ (H6) 13 ks. liite 1 JSON- ja XML-esimerkit 88 “On se omalla tavallaan raskasta, koska kaikki... monet asiat kehittyy ja muuttuu koko ajan, mutta kyllä mä oon sen kokenut sillein, että se on myös se mielenkiinto tässä, että se saa tuntumaan työpäivät mielenkiintoisilta ja merkitykselliseltä... Tavallaan se työ imaisee paljon enemmän mukanaan sitten, kun on koko ajan jotain käynnissä.” (H3) “Toisaaltahan se on varmaan myös pelottava asia sitten, että on näitä uusia vaateita, eli pitäisi ikään kuin siirtyä transaktion tekijästä enemmän asiantuntijatyöhön.” (H4) Yksilöllisistä kokemuksista tiimikohtaiseen tarkasteluun siirryttäessä, kollektiivisen työskentelyn dynamiikka nousee esiin tärkeänä teemana. Aikarajoitteet vaikuttaisivat luovan merkittäviä haasteita tiimin osaamisen kehittymiselle, mikä voi vaikuttaa paitsi yksilön oppimiseen myös kokonaisten tiimien toimintaan ja tehokkuuteen. Vaikka yksilö omaisikin riittävät tiedot ja taidot tekniseen ongelmanratkaisuun, päivittäisen käytännön työn realiteetit ja työmäärä saattavat usein jarruttaa tällaisia aloitteita. Aika ja sen puute vaikuttaa olevan rajoittava tekijä paitsi yksilön kehittymiselle myös tiimien toiminnan tehokkuudelle: ”Mä uskon, että edellytykset on kyllä, ja kuka tahansa periaatteessa pystyy taklaamaan erinäisiä ongelmia, niinku meillä just operatiivinen tiimi on laskujen käsittelijät, mutta kyse on ehkä enemmänkin siitä, että operatiivisella tiimillä on vähän liian kiire kaiken muun kanssa, niin ei ole ollut eikä välttämättä tule olemaankaan riittävästi aikaa syventyä niiden aiheiden äärelle.” (H2) “Sanoisin, että ehkä se haaste siinä miksi ei ole koulutettu on se, että kaikki on tosi kiireisiä töissä. Kaikilla on tosi paljon tekemistä koko ajan, että jos koulutetaan, niin se kyllä lyhyellä aikavälillä sitten olisi pois niiku siitä työtehokkuudesta, että ehkä se on se syy miksi kaikkea ei sitten kouluteta.” (H3) “...meillä vielä enemmän varmaan pitäisi olla koulutusta nimenomaan siihen semmoiseen analysointiin ja raporttien lukemiseen ja semmoiseen, että se on varmaan, mikä meillä on vielä kesken...” (H4) “Se manuaalinen massa, mikä siellä nyt työllistää ja tietyllä tavalla vähän nykyisellään estää sen... ikään kuin asiantuntijaroolin syntymisen...” (H2) Koulutuksen puute voi puolestaan johtaa siihen, että toiminnallisiin ongelmiin ei pystytä puuttumaan tehokkaasti. Järjestelmän yksityiskohtiin ja toimintaan perehtynyt laskujenkäsittelijä ei ainoastaan kykene ratkaisemaan itsenäisesti pieniä ongelmia, vaan toimii myös avainasemassa tiedonvälittäjänä kehitystiimille monimutkaisempien ongelmien ilmaantuessa. Koulutuksen puute saattaa kuitenkin rajoittaa heidän kykyään esittää ja artikuloida kohtaamiaan ongelmia tehokkaasti, mikä voi edelleen aiheuttaa pullonkauloja kehitysprosessissa: ”No tota kyllähän se yleensä on niin, että jos puhutaan loppukäyttäjästä tai vaikka laskunkäsittelijästä, niin eihän ne pysty kauhean pitkälle ongelmia itse tutkimaan tai ratkaisemaan tai selvittämään... Se vaatii sen, että loppukäyttäjä tai joku muu käyttäjä, joka ei ole siis kehitystiimissä, niin osaa kuvata sen ongelman riittävän hyvin vaikka sillä tiketillään, että se kehitystiimi saa siitä kiinni, että mistä tässä voi olla kyse ja tietää, mistä lähtee sitten sitä ongelmaa oikeasti selvittämään.” (H1) “...se ensimmäinen asia, mistä tää lähtee on se, että ihmettelee, että miksi tää joka kerta tippuu tää lasku tähän, jonka jälkeen lähdettäisiin tutkimaan ja tai jos ei itse tutkita, 89 niin ainakin nostetaan esille. Eli siitähän tää lähtisi, eli se on semmoinen ensimmäinen kynnys.” (H4) 5.7 Ostolaskuprosessin tulevaisuus Järjestelmien toiminnallisuuksien, niissä esiintyvien moninaisten, sekä käytännönteknisten että prosessisidonnaisten haasteiden ja henkilöstön sopeutumiskykyyn liittyvien teemojen valossa vaikuttaisi siltä, että laskujen käsittelyn automaation tulevaisuus on case-yrityksessä aktiivisen pohdinnan kohteena. Jatkuva kehittäminen pysyy keskeisessä asemassa, ja kuten on havaittu, siirtyminen pilvipohjaisiin alustoihin on luonut valmiuksia adaptiivisempiin lähestymistapoihin järjestelmien kehittämisessä. Haastateltavien odotukset liittyvät pääasiassa kahteen keskeiseen tekijään: prosessikontrollin parantumiseen ja tekoälyyn perustuvien järjestelmäominaisuuksien käyttöönottoon. Haastateltavat korostavat prosessikontrollin ja tehokkaan automaation välistä suhdetta. Kuten aiemmissa luvuissa on todettu, peruselementit, kuten master data ja prosessissa esiintyvien toimintatapojen yhdenmukaistaminen toimivat keskeisessä roolissa taloushallinnon prosessien onnistuneessa automatisoinnissa. Kuitenkin, vaikka tavoitteet asetetaankin palvelemaan lähes täydellisen automatisoinnin saavuttamista, tiedostetaan, että globaaleihin toimintoihin liittyvä monimutkaisuus asettaa näille tavoitteille väistämättömiä hidasteita: ”Ehkä eniten mä odotan sitä, jos me mietitään P2P-prosessia, että meillä olisi se koko prosessi kontrolloitu ja kaikki ketkä prosessin kanssa on tekemisissä ymmärtää, että miten sen prosessin pitäisi mennä ja sitten, että meillä olisi juuri lähdedatat kunnossa, koska se jo pelkästään edesauttaisi siihen… mä luulen, että vaikka me ei tehtäisi ostolaskun käsittelyjärjestelmän päähän mitään kehitystä, niin meillä olisi automaatioprosentit huomattavasti kovempia kuin tänä päivänä.” (H1) “...kyllä kovat tavoitteet on saada sinne lähemmäs yhdeksääkymmentä prosenttia ja uskon kyllä, että siihen varmaan päästäänkin, mutta se vaatii tän indirect puolen kuntoon laittamisen ja master datan kuntoon laittamisen ja sitten... PO-data tietysti pitää olla siellä direct puolella myös kunnossa...” (H5). “Mutta sitten, että kuinka realistisena näen tulevaisuudessa sen, että meillä on täysin automaattinen laskunkäsittelyprosessi, niin sanoisin, että meidän kokoisessa organisaatiossa, niin sinne on vielä aika pitkä matka, koska meillä toimittajapooliakin on useita kymmeniä tuhansia, niin se, että me pystytään kontrolloimaan sitä, miten toimittaja vaikka meitä laskuttaa, niin se on äärimmäisen haastavaa. ” (H1) Vaikka laskujen käsittelyn täydelliseen automatisointiin voidaan nähdä olevan pitkä matka, muista suurista organisaatioista saadut kokemukset osoittavat, että korkeat automaatioprosentit eivät suinkaan ole mahdottomia. Nämä tapaukset korostavat entisestään, että siirtyminen lähes aukottomaan ja saumattomaan automatisoituun prosessiin ei ole kyse pelkästään teknologisesta kehityksestä, vaan se riippuu merkittävästi sekä prosessien optimoinnista että datan laadun parantamisesta: 96 validointimahdollisuuksia ja –tehokkuutta. Vastaavasti perinteistä OCR-tekno- logiaa voidaan pitää havaintojen ja tutkimuskirjallisuuden (mm. Cristani ym., 2018) valossa osin vanhentuneena, mutta sen merkitys korostuu edelleen strukturoimattoman laskuaineiston käsittelyssä. Tämä nousee esille varsinkin sellaisissa tapauksissa, joissa laskuaineisto ei ole puhtaasti koneluettavaa (esim. kuvaformaatti ja skannatut asiakirjat). Osittainen riippuvuus OCR-teknologiasta nousee ajankohtaiseksi siten ainakin vielä joistakin maista vastaanotettujen ostolaskujen kohdalla, joilta rakenteisen koneluettavan laskuaineiston vastaanottaminen on epätodennäköisempää. Pohjimmiltaan nämä havainnot viittaisivat siihen, että automaatioasteet ostolaskuprosessissa tulevat väistämättä olemaan vähittäisen progressiivisen kasvun kohteena tulevina vuosina osittain sekä sähköisten laskutuskäytänteiden vakiintumisen että jatkuvan teknologisen kehityksen vauhdittamana. Ostolaskujen käsittelyalustojen ja toiminnanohjausjärjestelmien integroinnin merkitys nousi esiin myös yhtenä teemana. Järjestelmien integrointi ja saumaton tiedonvaihto vaikuttaa olevan avainasemassa tehokkaan digitaalisen työnkulun turvaamisessa. Haastattelutulokset viittaisivat alustavasti siihen, että toiminnanohjausjärjestelmän suorituskyky saattaa paikoittain aiheuttaa pilvessä toimivasta ostolaskujen käsittelyalustasta riippumattomia pullonkauloja ja rajoitteita. Tämä puolestaan alleviivaa käytössä olevien järjestelmien suorituskyvyn arvioinnin merkitystä pilvipalveluiden hankintaa arvioitaessa. Tutkimuskirjallisuuteen ja haastattelutuloksiin vedoten pilvipalvelut mielletään kuitenkin viime kädessä hyvin skaalautuviksi ja suorituskykyisiksi järjestelmäratkaisuiksi (Oliveira & Ribeiro, 2022; Quinn & Strauss, 2017). Pilvipalveluiden tehokkuutta vaikuttaisi mahdollisesti kuitenkin rajoittavan toiminnanohjausjärjestelmän suorituskyky, mikä ei aina vastaa integroidun pilvipalvelun tarjoamaa suorituskykyä, korostaen järjestelmäkomponenttien ja -kokonaisuuksien keskinäisten riippuvuussuhteiden asianmukaista huomioon ottamista digitaalisissa prosesseissa ja kehityshankkeissa. Keskeisenä teemana nousi myös esille käytettyjen järjestelmien räätälöintiin liittyvät kysymykset. Havainnot viittaisivat siihen, että järjestelmäräätälöinti on prosessina hyvin kompromissihakuista liiketoimintaympäristössä vastaan tulevien vaateiden, kuten lainsäädännön ja järjestelmien sisään rakennettujen ominaisuuksien välillä. Lainsäädäntöön mukautuminen saattaa vaatia organisaatiokohtaisia kehityksiä prosessissa käytettyihin järjestelmiin, mikä saattaa myöhemmin vaikeuttaa järjestelmien vakio-ominaisuuksien asianmukaista toimintaa ja päivittämistä. Eli vaikka räätälöinnillä pyritään vastaamaan organisaation erityistarpeisiin, se saattaa havaintojen perusteella lisätä yhteensopivuuteen liittyvien ongelmien riskiä erityisesti silloin, jos järjestelmien standardipäivitykset ovat ristiriidassa räätälöityjen ominaisuuksien kanssa. Edellä esitettyjen seikkojen lisäksi havaittiin, että liiketoimintayksiköissä noudatettavien menettelyjen ja ohjeistettujen toimintatapojen väliset ristiriidat voivat toisinaan myös aiheuttaa haasteita automaation toiminnan tehokkuudelle. Havainnot viittaavat siihen, että yksittäisten osaprosessien tai työtehtävien 97 automatisoinnissa onnistuminen edellyttää kokonaisten liiketoimintaprosessien huomioon ottamista, sillä häiriöt tai puutteelliset toimintatavat missä tahansa ostosta maksuun -prosessin vaiheessa voivat nostaa merkittävästi ostolaskujen käsittelyyn vaadittua manuaalityön määrää. Tältä osin manuaaliprosessien huolellinen analyysi, läpikäynti ja prosessidokumentaation ylläpito ovat tutkimuskirjallisuudessa tunnistettuja automaatiotehokkuuden keskeisiä osatekijöitä (mm. Chakraborti ym., 2020). Teknologia ei siis vielä itsessään kykene tulosten valossa olemaan kaikenkattava ratkaisu, vaan sen toimintaedellytyksiä tulee tukea sekä case-yrityksen tunnistamilla että tutkimuskirjallisuudessa esiin tuoduilla erinäisillä käytännön toimilla, kuten kommunikointikanavien ylläpidolla ja työntekijöiden kouluttamisella (mm. Fernandez & Aman, 2018; Cooper ym., 2019). End-to-end -prosessin sisäisen kommunikoinnin merkitys korostuu etenkin sellaisissa tilanteissa, joissa prosessin yksittäisissä osissa toteutettujen toimien vaikutukset tulee pystyä välittämään tehokkaasti kaikille prosessin sidosryhmille odottamattomien ongelmien syntymisen ehkäisemiseksi. Haastatteluissa esiin nousseet ongelmat korostavat itsessään varsinaisen teknologian ulkopuolisten tekijöiden, kuten tiedon laadun ja prosessien monimutkaisuuden vaikutusta lähes täysin digitaalisten prosessien toimintadynamiikkaan, alleviivaten kattavan lähestymistavan omaksumista globaalien prosessien automatisoinnissa ja standardoinnissa. Yksittäisiin prosessikomponentteihin fokusoituminen saattaa näin johtaa osaprosessien kytkeytyneisyyden huomiotta jättämiseen. Edellä kuvatut tekniset ja prosessikohtaiset havainnot korostavat hyvin myös kirjanpitäjien työnkuvan nopeasti muuttuvaa luonnetta digitaalisten liiketoimintaprosessien keskiössä. Havainnot viittaavat siihen, että digitaalisten ratkaisujen kehittyminen ja automaation roolin kasvanut merkitys on edellyttänyt etenkin kirjanpitäjiä orientoitumaan uusilla vaihtoehtoisilla tavoilla omaan työhönsä, missä kirjanpitäjät eivät enää ole riippuvaisia ennalta määritetyistä toimintamalleista ja työohjeista, vaan heiltä edellytetään entistä enemmän sopeutumiskykyä, itseohjautuvuutta ja innovatiivista asennetta. Työn painopisteen siirtyessä pois manuaalisesta toistuvaistyöstä enemmän tiedon analysointiin, kirjanpitäjät tulevat tarvitsemaan yhä enemmän erilaista osaamista, erityisesti työnkuvan tietoteknisillä ja laskennallisilla osa-alueilla. Tämä haastateltavien pohdinnoissa useasti esiin noussut näkemys vastaa laskentatoimen ammattikunnan yleisesti hyväksyttyjä kehityssuuntauksia, missä asiantuntijaroolin omaksumisella ja tehdyllä työllä tulee olemaan entistä selvempi yhteys organisaation strategian muodostumiseen ja päätöksentekoon. Muun muassa Scapens ja Jazayeri (2003) kirjoittivat asiantuntijaroolin ja organisaation sisäisen strategisen konsultin roolin omaksumisesta kirjanpidon tehtävissä. Havainnot ovat lisäksi linjassa mm. Cooperin ja kumppaneiden (2019) sekä Fernandezin ja Amanin (2018) esittämien innovatiivisuuden, luovuuden, ongelmanratkaisukyvyn ja kriittisen ajattelun merkitystä korostaneiden ajatusten kanssa. Havaintoja selittää osin tutkimuskirjallisuudessa jo dokumentoitu halu vähentää laskentatoimen asiantuntijoiden tietotekniseen tukeen liittyvää 98 riippuvuutta. Ohjelmisto- ja automaatiorobotiikkaan perustuvien järjestelmäratkaisujen käyttöönotot ovat havaitusti nostaneet sekä organisaation sisäisten IT- yksiköiden että ulkoisten konsulttien roolia merkittävästi, mikä puolestaan on sitonut liiketoimintaprosessit vahvasti riippuvaiseksi prosessien ulkoisesta IT- tuesta. Tämän seurauksena organisaatiot ovat enenevissä määrin edellyttäneet ns. prosessin omistajilta (engl. process owner) sekä kirjanpitäjiltä vahvaa IT-osaa- mista ja tietoteknistä orientoitumiskykyä riippuvuudesta syntyneiden riskien hallitsemiseksi. (Kokina & Blanchette, 2019.) Työntekijöiden itseohjautuvuus ja digitalisaation edellyttämä sopeutumiskyky luo kuitenkin omat työhyvinvointiin liittyvät haasteensa. Haastattelutulosten perusteella voidaan todeta, että uuden tiedon määrä ja digitaalisen muutoksen nopea tahti saattaa itsessään hankaloittaa yksilön oppimis- ja sopeutumiskykyä. Vaihtoehtoisesti kuitenkin jatkuva oppiminen saattaa joissakin tapauksissa lisätä myös työn mielekkyyttä ja palkitsevuutta. Selkeänä rajoitteena oppimiselle kuitenkin koettiin aikarajoitusten asettamat realiteetit, jotka pohjimmiltaan saattavat hidastaa sekä yksilön että tiimikohtaisten kompetenssien kehittymistä. Käytännön työssä nämä aikapaineet voivat edelleen hidastaa teknistä ongelmanratkaisua ja haitata sekä yksilön kehittymistä että ryhmän suorituskykyä. Lisäksi asianmukaisen koulutuksen puute voi johtaa siihen, ettei operatiivisia ongelmia pystytä ratkaisemaan tehokkaasti. Järjestelmän yksityiskohtiin ja toimintoihin perehtynyt laskujenkäsittelijä kykenee kuitenkin paitsi itsenäiseen ongelmanratkaisuun, myös järjestelmän ja prosessin kehittämiseen liittyvien ratkaisujen ja ideoiden tehokkaaseen viestintään. Havainnot antavat edelleen viitteitä siitä, että koulutuksen puute voi rajoittaa työntekijöiden kykyä kommunikoida ja ilmaista havaitsemiaan ongelmia tehokkaasti, mikä voi puolestaan johtaa pullonkauloihin prosessin kehityksessä. Ostolaskuprosessin kehityksen tulevaisuuden teemoiksi nousi prosessikontrollin sekä tekoälyn roolin kasvava merkitys. Vaikka täydellisen automaation saavuttaminen lähitulevaisuudessa on vielä epätodennäköistä, esimerkit muista saman kokoluokan yrityksistä osoittavat, että entistä korkeampien automaatioasteiden saavuttaminen on esiin nousseista järjestelmäratkaisujen ulkopuolisista haasteista huolimatta mahdollista. Kehitys kohti saumatonta automatisoitua prosessia ei siis riipu pelkästään teknologisesta kehityksestä vaan myös nykyisten prosessien optimoinnista ja järjestelmien toiminnan taustalla olevan digitaalisen tiedon laadun parantamisesta. Tekoälyn ja koneoppimisen odotetaan parantavan käytettyjen ohjelmistojen toiminnallisuuksia ja vähentävän toistuvaistehtävien määrää, mikä selittää haastateltavien keskuudessa esiintynyttä jaettua optimismia järjestelmäratkaisujen tulevasta suorituskyvystä ja saavutettavissa olevista automaatioasteista. Tulevaisuudessa erinäiset teknologiset ratkaisut kykenevät analysoimaan toistuvia toimintamalleja ja mukauttamaan toimintaansa niiden edellyttämällä tavalla. Teknologian kehittyessä myös ostosta maksuun -prosessin odotetaan kehittyvän sen rinnalla samanaikaisesti. 99 Tulevaisuudessa tarvitaankin nykyisten toimintatapojen automatisoinnin lisäksi rohkeutta tarkastella prosessin toteutustapoja uudelleen ja mukautua teknologian mukanaan tuomiin uusiin mahdollisuuksiin. Yritysten tulisi tämän muutoksen valossa ylläpitää työntekijöidensä osaamista osallistamalla heitä yhä enemmän erinäisiin digitaalisiin muutoshankkeisiin ja päätöksentekoprosesseihin. (Tanner & Richter, 2018.) Organisaatioiden tulee siis muistaa, että automatisointiin liitetyt hyödyt eivät ole rajoittuneita yksinomaan erilaisten ohjelmistoratkaisujen käyttöönoton hetkeen, vaan myös uuden teknologian omaksumisesta seuranneisiin oppimiskokemuksiin (Flechsig ym., 2022). 6.3 Tutkielman rajoitteet Tämän tutkielman rajoitteet liittyvät ensisijaisesti ostosta-maksuun -prosessin automatisoinnin nopeasti kehittyvään luonteeseen ja tietosisällöltään ajankohtaisen tutkimuksen tekemiseen nopeasti muuttuvassa ympäristössä. Tällaiset rajoitteet ovat yleisesti tiedostettuja tutkimuksissa, jotka kohdistuvat teknologian tapaisiin nopeasti kehittyviin ilmiöihin. Muun muassa Cooper ja kumppanit (2019) jakoivat vastaavanlaisia huolia omassa tutkimusartikkelissaan. Tämä tarkoittaa käytännön tasolla sitä, että käytännön työstä saatujen oppien ja sitä koskevan tutkimuskirjallisuuden välillä voi olla jaetun tiedon kannalta merkityksellisiäkin kuiluja ja epäjohdonmukaisuuksia. Lisäksi tämän tutkielman laajuus rajoittaa väistämättä tutkielmassa esiin nousseiden havaintojen ja näkökulmien syvällistä analyysia. Tutkielman kohteen moniaiheinen luonne, esiin nousseet teemat ja teknologian jatkuva kehitys viittaavat siihen, että tarkempi lähestymistapa olisi saattanut palvella syvällisemmän ymmärryksen muodostumista tiettyjen teemojen osalta. Tämän tutkielman laajuuden ja vallitsevien aikarajoitteiden vuoksi, esiin nousseiden näkökulmien syvällisempi tarkastelu ei kuitenkaan ollut mahdollista. Tulevissa tutkimuksissa aihe on rajattava tiiviimmäksi näkökulmien ja trendien tehokkaammin tunnistamiseksi. Tämän rajoitteen seurauksena tutkielman lukijoita kehotetaan tekemään myös omia johtopäätöksiä haastattelutuloksien pohjalta analyysia heikentäneiden aikarajoitteiden vaikutusten ehkäisemiseksi. Tutkielman perustana toimivaa teoriaa ja sen riittävyyttä pohdittaessa, selväksi tuloksia rajoittavaksi tekijäksi nousee tutkielman toteuttajan tietotekninen asiantuntemus, minkä johdosta tutkimuskysymysten kannalta keskeisiä seikkoja ja käsitteitä on saattanut jäädä vähälle huomiolle tai kokonaan käsittelemättä teoriassa tai haastatteluissa. Yksi tällaisista sekä teoriassa että haastatteluissa vähälle huomiolle jääneistä aiheista on mm. taloushallintoprosesseissa vahvasti läsnä olevat järjestelmäintegraatiot, niiden tekninen toteutus ja haasteet. Tämän lisäksi, vaikka tutkielman teoriaosuudessa käsiteltiin jonkin verran myös automatisoitujen prosessien tietoturvaan ja hallinnointiin liittyviä kysymyksiä, jäivät nämä seikat vähälle huomiolle varsinaisissa haastatteluissa. 100 Yksittäistapaustutkimuksesta saadut tulokset eivät myöskään ole kaikissa konteksteissa kovin yleistettäviä. Vaikka yksittäisen organisaation tarkastelu voi antaa arvokasta tietoa digitaalisesta ostolaskuprosessista, nämä tulokset eivät välttämättä ole sovellettavissa eri organisaatioympäristöissä. Digitaalisten liiketoimintaprosessien ja niiden automatisoinnin erityispiirteet riippuvat paljolti yrityksen toimialasta, toiminnan laajuudesta ja käytetyistä teknologioista. Näiden tekijöiden vaikuttaessa merkittävästi automaation käytettävyyteen, tutkielman johtopäätösten yleistäminen ei ole täysin suoraviivaista. 6.4 Jatkotutkimuskohteet Esiin nostettuihin rajoitteisiin vastaamiseksi usean organisaation kattavan tapaustutkimuksen toteuttaminen aiheeseen liittyen voisi olla perusteltua havaintojen ja johtopäätösten yleistettävyyden vahvistamiseksi. Tällainen lähestymistapa mahdollistaisi erilaisten organisatoristen olosuhteiden tarkastelun, joka voisi antaa kattavamman kuvan ostolaskuprosessin automaation haasteista ja ratkaisuista eri ympäristöissä. Lisäksi olisi myös olennaista tarkastella jatkossa laajemmin päästä päähän prosessien kaikkia osa-alueita, ei vain taloushallintoon liittyviä prosesseja. Tulokset osoittavat, että koko prosessin ja sen osaprosessien perusteellinen ymmärtäminen on tärkeää tehokkaan automatisoinnin saavuttamiseksi. Tulevissa tutkimuksissa aihetta voitaisiin lähestyä kokonaisvaltaisemmin siten, että haastattelut kohdistuisivat esimerkiksi useampiin sidosryhmiin, kuten ostajiin ja muuhun operatiiviseen henkilöstöön. Tämän tutkielman tulokset ja viimeaikaiset teknologiset kehitystrendit viittaisivat myös siihen, että tekoälyn rooli taloushallinnon prosesseissa voisi olla potentiaalinen jatkotutkimuskohde. Erityisesti vuonna 2023 todistetun tekoälyn arkisen hyödyntämisen yleistymisen valossa tällaisen tutkimuksen toteuttaminen voisi mahdollisesti tuoda esiin uusia automaatioon liittyviä näkökulmia ja palvella organisaatioiden prosessien tehostamistavoitteita. Muun muassa Chat- GPT:n ja Microsoft Copilotin kaltaisten työkalujen yleistyminen ja integrointi tarjoavat alustavia havaintoja kielimallien tulevasta roolista liiketoiminnan eri prosesseissa. Muun muassa OpenAI tarjoaa jo yrityksille kohdennettua erillistä “enterprise” kielimallia (OpenAI, 2023). Kehityssuuntausta korostaa entisestään myös Euroopan unionin sitoumus edistää tekoälyyn liittyvää huippuosaamista ja luottamusta (Euroopan komissio, 2023). Tutkijat, kuten Schulze-Horn ym., (2020) ovatkin jo tuoneet esille ihmisen ja tekoälyn välisen vuorovaikutuksen merkitystä hankintaprosessissa. Näiden älykkäiden järjestelmien käyttö tulee edellyttämään loppukäyttäjien koulutusta ja luottamuksen rakentamista uusiin teknologisiin suuntauksiin, missä tekoälyyn ei suhtauduttaisi kilpailijana vaan työtehtävien helpottajana. Ihmisten ja tekoälyn välinen vuorovaikutus, ihmisen manuaalityöpanoksen tarpeellisuus ja kasvava tekoälypohjaisiin ratkaisuihin kohdistuva luottamus on vaikeasti ymmärrettävä kokonaisuus, jota tulee ymmärtää tulevaisuudessa paremmin. (Schulze- 101 Horn ym., 2020.) Vastaavasti Burger, Nitsche ja Arlinghaus (2023) painottivat ihmisen roolia tekoälyratkaisujen hyödyntämisestä juontuvien riskien ja toimintarajoitteiden lievittäjänä juuri hankintaprosessin kontekstissa. Käytännössä järjestelmien valvonnan tarpeellisuutta selittää se, että vaikka osaprosesseja kyettäisiinkin automatisoimaan varsin tehokkaasti, tekninen skaalautuvuus tulee usein esteeksi prosesseissa, joissa esiintyy paljon poikkeamia (Burger ym., 2023). Koska niin sanotun “vahvan tekoälyn” (Artificial General Intelligence, AGI) saavuttamista lähivuosina pidetään epätodennäköisenä, tutkijat ovatkin esittäneet ihmisen ja tekoälyn yhteistoimintaan perustuvaa hybridiälykkyyttä väliaikaisratkaisuna. Sen odotetaankin olevan yksi seuraavista lähitulevaisuuden työnkuvia merkittävästi muovaavista suuntauksista ennen vahvan tekoälyn saavuttamista. (Dellermann ym., 2019.) Hybridiälykkyys saattaisi esimerkiksi tarjota ratkaisuja tutkijoiden (mm. Cooper ym., 2019 ja Kokina & Blanchette, 2019) havaitsemiin kirjanpitäjien ohjelmointitaitoja koskeviin kompetenssivaateisiin. Mielenkiintoista olisi tutkia esimerkiksi parantavatko kielimallit kirjanpitäjien kyvykkyyttä navigoida tietokannoissa kielimallien tuottamilla SQL-kyselyillä tai pystyykö kirjanpitäjä kielimallin avulla tekemään yksinkertaisia skriptejä omien työtehtäviensä automatisoimiseksi. Kielimallien on kuitenkin jo havaittu helpottavan ohjelmointia (Hassani & Silva, 2023), ja näiden teknologioiden käytöstä laskentatoimen tehtävissä, kuten tilintarkastuksessa, on myös alustavaa näyttöä (mm. Vasarhelyi ym., 2023). Tutkielman aiheen laajuus ja esiin nousseiden teemojen lukumäärä pohjimmiltaan osoittaa, että digitaaliseen ostolaskuprosessiin on tarpeellista perehtyä jatkossa vielä syvemmin. Case-yrityksestä saadut havainnot valottavat ostolaskuprosessin automatisointiin liittyviä haasteita ja sopeutumisstrategioita sekä henkilöstöön ja organisaatioon kohdistuvia digitalisaation suoria ja epäsuoria vaikutuksia, mikä puolestaan korostaa tarvetta rajatumman tutkimuksen toteuttamiseen. Rajatumpi tarkastelu voisi tuoda esiin näkemyksiä, jotka palvelevat entistä paremmin uuden tiedon muodostumista tehokkaampien organisatoristen ratkaisujen ja prosessien kehittämiseksi. Pohjimmiltaan tutkielman tulokset tarjoavat viitteitä tulevaisuudesta, jossa automaatio ja erilaiset teknologiset ratkaisut ovat entistä yleisempiä. On kuitenkin ilmeistä, että ihmisen panos poikkeusten hallinnassa ja tulevaisuuden tekoälyyn perustuvien teknologioiden toiminnan tukemisessa pysyy tärkeänä. Tämä havainto viittaisi siihen, että inhimillisiin tekijöihin liittyville seikoille olisi annettava järjestelmä- ja prosessikehityksen rinnalla vähintäänkin yhtä suuri painoarvo. Vaikka tämän tutkielman havainnot ja johtopäätökset ovat monien teemojen osalta alustavia, sen voi nähdä luovan mahdollisuuksia ja hyvät lähtökohdat kohdennetummalle tutkimukselle erityisesti hankintatoimen, tietotekniikan, tietojärjestelmätieteen, työhyvinvoinnin ja henkilöstöhallinnon piirissä. Alakohtaisen rajauksen omaksumalla voitaisiin muun muassa ehkäistä tässä tutkielmassa esiin nousseita rajoitteita ja luoda tarkempi käsitys digitaalisessa ostolaskuprosessissa vallitsevista kehityssuuntauksista, teemoista ja niihin liittyvistä haasteista. 102 LÄHTEET Abu-Musa, A. (2004). Auditing E-Business: New Challenges for External Auditors. Journal of American Academy of Business, 4(1), 28. Alastalo, M. & Åkerman, M. (2010). Asiantuntijahaastattelun analyysi: Faktojen jäljillä. Teoksessa J. Ruusuvuori, P. Nikander, M. Hyvärinen (toim.), Haastattelun analyysi. Tampere: Vastapaino. Attaran, M & Attaran, S. (2002). Catch the wave of E-procurement. Industrial Management 44(3), 16. ProQuest. Arslan, H. (2022). End to End Invoice Processing Application Based on Key Fields Extraction. IEEE Access, 10, 78398–78413. Asquith, A., & Horsman, G. (2019). Let the robots do it! – Taking a look at Robotic Process Automation and its potential application in digital forensics. Forensic Science International: Reports, 1, 100007. Avram, M. G. (2014). Advantages and Challenges of Adopting Cloud Computing from an Enterprise Perspective. Procedia Technology, 12, 529–534. Basware. (2021). Robotic Process Automation (RPA) vs. Machine Learning (ML): What’s best for your P2P? Haettu osoitteesta: https://www.basware.com/en-en/blog/september-2021/robotic-process-automation- (rpa)-vs-machine-learni/#. Luettu: 2.3.2023. Basware. (2023A). What smartcoding can do for you. Haettu osoitteesta: https://www.basware.com/en-en/solutions/ap-automation/smartcoding/ Luettu: 2.3.2023. Basware. (2023B). Leveraging Basware Spend Plans for P2P process efficiencies & better spend visibility. Haettu osoitteesta: https://www.basware.com/en-en/blog/february-2021/leveraging-basware-spend-plans- for-p2p-process-eff. Luettu: 2.3.2023. Basware. (2023C). Are you looking to improve the quality and accuracy of invoice data and eliminate manual processes across the P2P process? Haettu osoitteesta: https://www.basware.com/en-en/why-basware/advanced-cloud- technology/ai-and-machine-learning. Luettu. 2.3.2023. Basware. (2023D). SmartPDF. Haettu osoitteesta: https://www.basware.com/en/solutions/ap-automation/smartpdf. Luettu: 16.12.2023. Benbasat, I., Goldstein, D. & Mead, M. (1987). The case research strategy in studies of information systems. MIS Quarterly 11(3), 369-386. Management Information Systems Research Center, University of Minnesota. Bettis, R. A., & Hitt, M. A. (1995). The new competitive landscape. Strategic Management Journal, 16(S1), 7–19. Bhatta, B. & Hiebl, M. R. W. (2022). Coding skills for accountants. Teoksessa: E. Strauss & M. Quinn. The Routledge Handbook of Accounting Information Systems, 2. painos. Brinkmann, S. (2014). Doing Without Data. Qualitative Inquiry, 20(6), 720–725. 103 Burger, M., Nitsche, A. M., & Arlinghaus, J. (2023). Hybrid intelligence in procurement: Disillusionment with AI’s superiority? Computers in Industry, 150, 103946. Caluwaerts, P. (2010). Towards a European electronic invoicing framework: Why businesses, service providers and consumers should switch to e-invoicing. Journal of Payments Strategy & Systems. 4(3). Capgemini. (2016). Robotic Process Automation - Robots conquer business processes in back offices. Haettu osoitteesta: https://www.capgemini.com/consulting-de/wp-content/uploads/sites/32/2017/08/robotic-process-automation-study.pdf. Luettu 13.1.2024 Chakraborti, T., Isahagian, V., Khalaf, R., Khazaeni, Y., Muthusamy, V., Rizk, Y., & Unuvar, M. (2020). From Robotic Process Automation to Intelligent Process Automation: – Emerging Trends –. Teoksessa A. Asatiani, J. M. García, N. Helander, A. Jiménez-Ramírez, A. Koschmider, J. Mendling, G. Meroni, & H. A. Reijers (Toim.), Business Process Management: Blockchain and Robotic Process Automation Forum (Vsk. 393, ss. 215–228). Springer International Publishing. Cleary, P. (2022). Introduction to accounting information systems. Teoksessa: E. Strauss & M. Quinn. The Routledge Handbook of Accounting Information Systems, 2. painos. Cohen, B. (2015). How Automating Accounts Payable Unlocks Financial Value. Cooper, L. A., Holderness, D. K., Sorensen, T. L., & Wood, D. A. (2019). Robotic Process Automation in Public Accounting. Accounting Horizons, 33(4), 15– 35. Cristani, M., Bertolaso, A., Scannapieco, S., & Tomazzoli, C. (2018). Future paradigms of automated processing of business documents. International Journal of Information Management, 40, 67–75. Croom, S., & Johnston, R. (2003). E‐service: Enhancing internal customer service through e‐procurement. International Journal of Service Industry Management, 14(5), 539–555. Dellermann, D., Ebel, P., Söllner, M., & Leimeister, J. M. (2019). Hybrid Intelligence. Business & Information Systems Engineering, 61(5), 637–643. Deloitte. (2015). The robots are coming. Haettu osoitteesta: https://www2.deloitte.com/content/dam/Deloitte/no/Documents/technology/the-ro- bots-are-coming-deloitte-prosessautomatisering.pdf. Luettu: 13.5.2023 Deloitte. (2020). Automation with intelligence: pursuing organisation-wide reimagination. Haettu osoitteesta: https://www2.deloitte.com/ro/en/pages/dprivate/articles/deloitte-automation-with-intelligence-pursuing-or- ganization-wide-reimagination.html. Luettu: 6.5.2023. Doxey, C. (2012). The evolution of the procure-to-pay process: out of the back office and into the cloud. Financial operation networks LLC. Doxey, C. H. (2019). Internal controls toolkit (1st edition, Vsk. 2019). Wiley. Dul, J. & Hak, T. (2008). Case study methodology in business research, 1. painos. Elsevier. 104 Edelmann, J., & Sintonen, S. (2006). Adoption of electronic invoicing in Finnish SMEs: Two complementary perspectives. International Journal of Enterprise Network Management, 1(1), 79. EU Direktiivi 55. (2014). Euroopan parlamentin ja neuvoston direktiivi 2014/55/EU. Haettu osoitteesta: https://eur-lex.europa.eu/legal-con- tent/fi/txt/?uri=CELEX%3A32014L0055. Luettu: 3.6.2023. Euroopan komissio. (2022). eInvoicing: A digital solution supported by the Connecting Europe Facility (CEF) Telecom programme. Haettu osoitteesta: https://hadea.ec.europa.eu/news/einvoicing-digital-solution-supported- connecting-europe-facility-cef-telecom-programme-2022-05-24_en. Euroopan komissio. (2023). A European approach to artificial intelligence. Haettu osoitteesta: https://digital-strategy.ec.europa.eu/en/policies/europeanapproach-artificial-intelligence. Luettu: 16.12.2023. Esswein, M., Mayer, J. H., Sednava, D., Pagels, D. & Albers J-P. (2020). Improving invoice allocation – An account recommender case study applying machine learning. Teoksessa: R. Agrifoglio, R. Lamboglia, D. Mancini & F. Ricciardi. Digital Business Transformation Organizing, Managing and Controlling in the Information Age. EY. (2015). Robotic Process Automation: Automation’s next frontier. Haettu osoitteesta: https://assets.ey.com/content/dam/ey-sites/eycom/en_gl/topics/digital/ey-robotic-process-automation.pdf. Luettu 13.1.2024. Fast-Berglund, Å., Fässberg, T., Hellman, F., Davidsson, A., & Stahre, J. (2013). Relations between complexity, quality and cognitive automation in mixedmodel assembly. Journal of Manufacturing Systems, 32(3), 449–455. Fernandez, D., & Aman, A. (2018). Impacts of Robotic Process Automation on Global Accounting Services. Asian Journal of Accounting and Governance, 9, 123–132. Flechsig, C., Anslinger, F., & Lasch, R. (2022). Robotic Process Automation in purchasing and supply management: A multiple case study on potentials, barriers, and implementation. Journal of Purchasing and Supply Management, 28(1), 100718. Gartner. (2020A). Hyperautomation. In Gartner Information Technology Glossary. Haettu osoitteesta: https://www.gartner.com/it-glossary/hyperautomation/. Gartner. (2020B). Master Data Management MGM. Haettu osoitteesta: https://www.gartner.com/en/information-technology/glossary/masterdata-management-mdm. Gotthardt, M., Koivulaakso, D., Paksoy, O., Saramo, C., Martikainen, M., & Lehner, O. (2020). Current State and Challenges in the Implementation of Smart Robotic Process Automation in Accounting and Auditing. ACRN Journal of Finance and Risk Perspectives, 9(1), 90–102. Haag, S., Born, F., Kreuzer, S., Bernius, S. (2013). Organizational Resistance to E- Invoicing – Results from an Empirical Investigation among SMEs. 105 Teoksessa: Wimmer, M.A., Janssen, M., Scholl, H.J. (eds) Electronic Government. EGOV 2013. Lecture Notes in Computer Science, vol 8074. Springer, Berlin, Heidelberg. Hagsten, E., & Falk, M. T. (2020). Use and intensity of electronic invoices in firms: The example of Sweden. Journal of Cleaner Production, 262, 121291. Haleem, A., Javaid, M., Singh, R. P., Rab, S., & Suman, R. (2021). Hyperautomation for the enhancement of automation in industries. Sensors International, 2, 100124. Harrast, S. A. (2020). Robotic process automation in accounting systems. Journal of Corporate Accounting & Finance, 31(4), 209–213. Harrast, S. & Wood, D. (2022). The status of robotic process automation. Teoksessa: E. Strauss & M. Quinn. The Routledge Handbook of Accounting Information Systems, 2. painos. Hassani, H. & Silva, E. (2023). The role of ChatGPT in data science: How AI-as- sisted conversational interfaces are revolutionizing the field. Big data and cognitive computing. 7(62) 1-16. IEEE. (2017). IEEE Guide for Terms and Concepts in Intelligent Process Automation. Januszewski, A., Kujawski, J., & Buchalska-Sugajska, N. (2021). Benefits of and Obstacles to RPA Implementation in Accounting Firms. Procedia Computer Science, 192, 4672–4680. Kirjanpitolautakunta. (2021). Kirjanpitolautakunnan yleisohje kirjanpidon menetelmistä ja aineistoista 20.4.2021. Kokina, J., & Blanchette, S. (2019). Early evidence of digital labor in accounting: Innovation with Robotic Process Automation. International Journal of Accounting Information Systems, 35, 100431. Kontogiannis, T., & Malakis, S. (2009). A proactive approach to human error detection and identification in aviation and air traffic control. Safety Science, 47(5), 693–706. KPMG. (2019). Frontiers in tax, Poland Edition: Split Payment Mechanism: a controversial tool for fighting VAT fraud. Haettu osoitteesta: https://kpmg.com/pl/en/home/insights/2019/12/split-payment- mechanism-a-controversial-tool-for-fighting-vat-fraud.html Luettu: 2.8.2023. Kristandl, G. (2022). Technologies underpinning accounting information systems. Teoksessa: Teoksessa: E. Strauss & M. Quinn. The Routledge Handbook of Accounting Information Systems, 2. painos. Kumar, P. & Revathy, S. (2021). An automated invoice handling method using OCR. Teoksessa: J. Jacob, S. Piramuthu & S. K. Shanmugam. Algorithms for Intelligent Systems. Lacity, M. C., & Van Hoek, R. (2021). How Walmart Canada Used Blockchain Technology to Reimagine Freight Invoice Processing. MIS Quarterly Executive, 219–233.