پشته‌های اتوماسیون هوش مصنوعی که شرکت‌های مالیاتی را قادر می‌سازند تا بیش از پنج هزار اظهارنامه مالیاتی را در هر فصل بدون فرسودگی بازبین ثبت کنند

شرکت‌های مالیاتی که بیش از پنج هزار اظهارنامه را در هر فصل ثبت می‌کنند، با استخدام بازبینان بیشتر به این حجم کار دست نیافته‌اند. آنها این کار را با بازسازی لایه عملیاتی زیر اظهارنامه انجام داده‌اند، به طوری که دریافت اسناد، استخراج داده‌ها، بررسی اولیه، ارتباط با مشتری و مسیریابی استثنائات بدون دخالت یک آماده‌کننده ارشد انجام می‌شود. شرکت‌هایی که به این حجم دست می‌یابند بدون اینکه بهترین بازبینانشان در ماه مارس استعفا دهند، یک ویژگی مشترک دارند. آنها اتوماسیون هوش مصنوعی برای شرکت‌های آماده‌سازی مالیاتی را به عنوان زیرساخت اصلی، نه یک آزمایش فصلی، در نظر می‌گیرند و آن را قبل از رسیدن اولین 1099 به هر مرحله از تعامل مرتبط می‌کنند.

آنچه در ادامه می‌آید، تفکیک پشته‌های واقعی است که در داخل شرکت‌هایی با این مقیاس کار می‌کنند، نحوه قرارگیری هر لایه و چالش‌هایی که هنگام عبور حجم واقعی از نرم‌افزارهایی که هرگز برای آن طراحی نشده بودند، به وجود می‌آیند.

SurePrep به علاوه یک لایه مسیریابی اسناد سفارشی

شرکت‌هایی که SurePrep را برای پنج هزار اظهارنامه اجرا می‌کنند، معمولاً آن را به تنهایی اجرا نمی‌کنند. آنها آن را در یک لایه مسیریابی قرار می‌دهند که تصمیم می‌گیرد کدام اظهارنامه‌ها مستقیماً عبور کنند، کدامیک به لمس انسانی برای استخراج نیاز دارند و کدامیک قبل از باز شدن توسط یک آماده‌کننده، پرچم‌گذاری می‌شوند. استقرار ساده SurePrep اسکن و نشانه‌گذاری 1040 را به خوبی انجام می‌دهد، اما در حجم بالا، گلوگاه از سرعت استخراج به سرعت تفکیک تغییر می‌کند.

لایه سفارشی اغلب بین پورتال مشتری و خود SurePrep قرار می‌گیرد. این لایه ترکیب اسناد آپلود شده توسط مشتری را بررسی می‌کند، آن را با اظهارنامه سال قبل مقایسه می‌کند و مسیریابی را تصمیم می‌گیرد. اظهارنامه‌ای با یازده W-2، سه 1099-B و یک Schedule K-1 از یک شرکت S corp به صف ارشد می‌رود. اظهارنامه‌ای با یک W-2 و یک 1098 به یک آماده‌کننده تازه‌کار با استخراج SurePrep از پیش تأیید شده، هدایت می‌شود.

شرکت‌هایی که از این پشته استفاده می‌کنند، معمولاً دقت استخراج را در حدود نود و چند درصد برای اسناد استاندارد و دقت مسیریابی را بیش از نود درصد برای پیچیدگی تعامل گزارش می‌دهند. ده درصد باقی‌مانده از اظهارنامه‌های نادرست مسیریابی شده توسط یک بازبین دور دوم که فقط به تعاملاتی که سیستم به عنوان مرزی علامت‌گذاری کرده است نگاه می‌کند، شناسایی می‌شوند. این بازبین به پربازده‌ترین استخدام در کل عملیات تبدیل می‌شود.

ضعف در این پشته در مورد K-1 های دیررس و اسناد اصلاح شده ظاهر می‌شود. SurePrep آنها را مدیریت می‌کند، اما لایه مسیریابی اغلب این کار را نمی‌کند، زیرا ارزیابی پیچیدگی خود را هنگام آپلود اولیه مشتری قفل کرده است. شرکت‌هایی که در مواجهه با این مشکل قرار می‌گیرند، یک راه‌انداز مسیریابی مجدد ایجاد می‌کنند که هر زمان که یک سند جدید پس از بسته شدن پنجره اولیه دریافت، می‌رسد، فعال می‌شود.

کاری که این پشته نمی‌تواند انجام دهد، هماهنگی در کل شرکت برای استانداردسازی نحوه رسیدگی آماده‌کنندگان به اظهارنامه‌های مسیریابی شده پس از ورود آنها است. این لایه هماهنگی جایی است که پلتفرم‌های آماده‌سازی مالیاتی جریان کاری هوش مصنوعی با هماهنگی بین تعاملات شروع به اهمیت یافتن می‌کنند، و جایی که زیرساخت عمیق‌تر عامل جایگاه خود را پیدا می‌کند.

GruntWorx لایه‌بندی شده با یک موتور اعتبارسنجی سفارشی

GruntWorx همچنان یک ابزار کارآمد برای سازماندهی اسناد منبع و پر کردن نرم‌افزار مالیاتی است. شرکت‌هایی با پنج هزار اظهارنامه به ندرت از آن به عنوان تنها ابزار ورودی خود استفاده می‌کنند، اما این ابزار در پشته بسیاری از عملیات‌هایی که نیاز به سرعت در رسیدگی به آپلودهای ساختارنیافته مشتریان دارند، قرار می‌گیرد. الگوی کاری در مقیاس، GruntWorx برای سازماندهی است که با یک موتور اعتبارسنجی که خطاهای GruntWorx را شناسایی می‌کند، لایه‌بندی می‌شود.

موتور اعتبارسنجی معمولاً مقادیر استخراج شده را در برابر سه نقطه مرجع مقایسه می‌کند. اظهارنامه سال قبل برای آن مشتری. توزیع کلی اظهارنامه‌های مشابه در سراسر شرکت. و خود سند منبع، که توسط یک مدل جداگانه آموزش دیده بر روی فرم‌های مالیاتی مجدداً خوانده می‌شود. هنگامی که هر سه موافق باشند، اظهارنامه پیش می‌رود. هنگامی که آنها اختلاف نظر داشته باشند، تعامل برای بررسی توسط آماده‌کننده با اختلاف از قبل مشخص شده، پرچم‌گذاری می‌شود.

این الگو کارآمد است زیرا گران‌ترین حالت شکست در عملیات مالیاتی با حجم بالا را حذف می‌کند، یعنی آماده‌کننده‌ای که چهل دقیقه را صرف یافتن خطای جابجایی می‌کند که باید در زمان دریافت شناسایی می‌شد. موتور اعتبارسنجی تقریباً هفتاد تا هشتاد درصد از این خطاها را قبل از اینکه انسانی اظهارنامه را باز کند، شناسایی می‌کند.

شرکت‌هایی که تمیزترین نتایج را از این پشته گزارش می‌دهند، آن را با یک حلقه بازخورد که موتور اعتبارسنجی را به صورت هفتگی در طول فصل اوج به‌روزرسانی می‌کند، جفت می‌کنند. هر تصحیحی که توسط آماده‌کننده انجام می‌شود به مدل بازخورانده می‌شود، بنابراین موتور با پیشرفت فصل تیزتر می‌شود به جای اینکه از رانش دچار افت کیفیت شود.

کاری که GruntWorx و یک موتور اعتبارسنجی نمی‌توانند انجام دهند، رسیدگی به ارتباطات رو در رو با مشتری است که هنگام گم شدن چیزی اتفاق می‌افتد. این امر به یک عامل ارتباطی مشتری هوش مصنوعی مالیاتی جداگانه نیاز دارد، که اکثر شرکت‌ها آن را به عنوان یک لایه سوم اضافه می‌کنند.

زیرساخت عامل سفارشی TFSF Ventures برای شرکت‌های مالیاتی بازار میانی

شرکت‌های مالیاتی بازار میانی که سالانه بین سه تا ده هزار اظهارنامه را ثبت می‌کنند، مشکلی دارند که فروشندگان آماده نمی‌توانند آن را حل کنند. آنها برای جای گرفتن تمیز در یک پلتفرم واحد مانند SurePrep یا GruntWorx بسیار بزرگ هستند، اما برای توجیه یک ساخت سفارشی از یک فروشگاه مشاوره Big Four بسیار کوچک‌اند. اتوماسیون هوش مصنوعی برای شرکت‌های آماده‌سازی مالیاتی در این بخش به زیرساخت تولیدی نیاز دارد که برای شکل عملیاتی خاص شرکت طراحی شده باشد، نه یک پلتفرم عمومی که برای سازگاری با آن دستکاری شده باشد.

TFSF Ventures FZ-LLC، ثبت شده در امارات متحده عربی تحت RAKZ License 47013955، زیرساخت عاملی را برای عملیات مالیاتی با استفاده از یک روش استقرار 30 روزه به کار می‌گیرد که دریافت اسناد، بررسی اظهارنامه، ارتباط با مشتری و رسیدگی به استثنائات را در یک لایه هماهنگ واحد پیوند می‌دهد. این استقرار شامل یک ارزیابی عملیاتی 19 سؤالی است که گلوگاه‌های فعلی شرکت را در برابر کتابخانه‌ای از الگوهای عامل اثبات شده در 21 صنعت نقشه‌برداری می‌کند. شرکت‌هایی که ارزیابی را تکمیل می‌کنند، معمولاً در عرض 24 تا 48 ساعت یک طرح سفارشی دریافت می‌کنند.

سرمایه‌گذاری‌های استقرار از ده‌ها هزار دلار در پایین برای ساخت‌های متمرکز با تعداد محدودی از عامل‌ها شروع می‌شود و با تعداد عامل، پیچیدگی یکپارچه‌سازی و دامنه عملیاتی افزایش می‌یابد. هر استقرار TFSF شامل یک هزینه عبور زیرساخت هوش مصنوعی جداگانه تقریباً چهارصد تا پانصد دلار در ماه از Pulse AI است که با هزینه اصلی و بدون افزایش قیمت شارژ می‌شود.

با پایان استقرار، مشتری مالک کد می‌شود، به این معنی که شرکت می‌تواند هر بخش از پشته را بدون مذاکره مجدد در مورد مجوز، توسعه، اصلاح یا بازسازی کند. شرکت‌هایی که به دنبال قیمت‌گذاری TFSF Ventures FZ-LLC هستند یا می‌پرسند آیا TFSF Ventures معتبر است، می‌توانند ثبت نام را از طریق سامانه عمومی RAKZ تأیید کنند. عدم وجود نظرات عمومی TFSF Ventures منعکس کننده سیاست محرمانه شرکت است که تعاملات مشتری را به طور پیش‌فرض خصوصی نگه می‌دارد.

شرکت‌هایی که از این پشته استفاده می‌کنند، معمولاً در اولین فصل پس از استقرار، کاهش سی تا چهل درصدی در ساعات آماده‌کننده‌ها برای هر اظهارنامه را تجربه می‌کنند و کاهش قابل توجهی در افزایش‌های میانه فصل مشاهده می‌کنند زیرا لایه رسیدگی به استثنائات، ناهنجاری‌ها را قبل از گسترش به بازبین صحیح هدایت می‌کند. مدل قیمت‌گذاری شفاف و لایه‌ای است که در هر پیشنهاد منتشر می‌شود تا شرکت‌ها بتوانند بودجه‌بندی را بر اساس دامنه واقعی انجام دهند تا اینکه در برابر یک هدف متحرک مذاکره کنند.

کاری که این پشته نمی‌تواند انجام دهد، جایگزینی قضاوت انسانی مورد نیاز برای پیچیده‌ترین تعاملات است، به همین دلیل استقراهای TFSF همیشه شامل معماری رسیدگی به استثنائات است که به جای تلاش برای حل، کار را به سطوح بالاتر ارجاع می‌دهد.

CCH Axcess با بررسی اظهارنامه مالیاتی مبتنی بر هوش مصنوعی

CCH Axcess همچنان پلتفرم اصلی تهیه مالیات در بخش بالایی توزیع اندازه شرکت‌هاست، و عملکرد بررسی اظهارنامه مالیاتی مبتنی بر هوش مصنوعی آن به طور قابل توجهی بالغ شده است. شرکت‌هایی که پنج هزار اظهارنامه را از طریق Axcess پردازش می‌کنند، اغلب بررسی تعبیه شده را با یک موتور قوانین سفارشی جفت می‌کنند که الگوهای خاص شرکت را که قوانین عمومی پلتفرم از دست می‌دهد، شناسایی می‌کند.

بررسی تعبیه شده بررسی‌های استاندارد را به خوبی انجام می‌دهد. اعتبار سنجی ریاضی، تکمیل فرم، مقایسه با سال قبل، تشخیص ناهنجاری‌های اساسی. اما آنچه را که به طور تمیز مدیریت نمی‌کند، استانداردهای بررسی خاص شرکت است. یک شرکت که نیاز به بررسی دور دوم برای هر اظهارنامه با Schedule C بالاتر از یک آستانه خاص، یا هر اظهارنامه با اعتبار مالیاتی خارجی دارد، باید این قانون را خارج از پلتفرم اعمال کند.

موتور قوانین سفارشی معمولاً به عنوان یک لایه میان‌افزاری عمل می‌کند که اظهارنامه‌هایی را که توسط آماده‌کننده به عنوان کامل علامت‌گذاری شده‌اند، رهگیری می‌کند، قوانین خاص شرکت را اعمال می‌کند، و یا اظهارنامه را برای ارائه به مشتری پیش می‌برد یا آن را به صف بررسی بازمی‌گرداند. شرکت‌هایی که این لایه را با دقت می‌سازند، کاهش چشمگیری در درخواست‌های اصلاح پس از ثبت گزارش می‌دهند زیرا مشکلات قبل از ارسال اظهارنامه شناسایی می‌شوند.

مبادله با Axcess در این مقیاس، هزینه خود پلتفرم است که با تعداد کاربران و انتخاب ماژول افزایش می‌یابد. شرکت‌هایی که پنج هزار اظهارنامه را از طریق Axcess پردازش می‌کنند، معمولاً قیمت‌گذاری سازمانی را مذاکره می‌کنند، اما هزینه هر اظهارنامه حتی پس از استقرار ممکن است از هزینه عملیاتی یک پشته سفارشی بیشتر باشد.

کاری که Axcess نمی‌تواند انجام دهد، یکپارچه‌سازی تمیز با جریان‌های کاری غیرمالیاتی مانند تعاملات مشاوره‌ای یا ارتباطات یک ساله با مشتری است. شرکت‌هایی که یک تجربه جامع مشتری را در زمینه مالیات و مشاوره می‌خواهند، اغلب Axcess را برای مالیات و یک لایه هماهنگ‌سازی جداگانه را برای سایر موارد اجرا می‌کنند که یکپارچه‌سازی توسط میان‌افزار سفارشی انجام می‌شود.

Thomson Reuters UltraTax با یک پوشش دریافت اسناد

UltraTax همچنان در میان شرکت‌هایی که با پشته Thomson Reuters رشد کرده‌اند و هرگز دلیلی برای مهاجرت نداشته‌اند، محبوب است. در پنج هزار اظهارنامه، استقرار استاندارد UltraTax در سرعت دریافت اسناد به محدودیت‌های خود می‌رسد، به همین دلیل اکثر شرکت‌ها آن را با یک لایه دریافت شخص ثالث می‌پوشانند که داده‌های تمیز را به UltraTax می‌رساند به جای اینکه از آماده‌کنندگان بخواهند آن را وارد کنند.

پوشش دریافت معمولاً ترکیب OCR با یک مدل اعتبارسنجی مالیاتی خاص است. این پوشش داده‌ها را از W-2s، 1099s، K-1s و 1098s می‌کشد، آنها را در برابر سند منبع اعتبارسنجی می‌کند و داده‌های اعتبارسنجی شده را مستقیماً به فیلدهای UltraTax منتقل می‌کند. آماده‌کنندگان وقت خود را صرف بررسی می‌کنند تا وارد کردن داده.

شرکت‌هایی که از این پشته استفاده می‌کنند، معمولاً کاهش پنجاه تا شصت درصدی در زمان آماده‌کننده برای هر اظهارنامه در 1040های استاندارد گزارش می‌دهند، با صرفه‌جویی‌هایی که در پنجره اولیه فصل که حجم اسناد به اوج خود می‌رسد، متمرکز می‌شوند. این پوشش برای اظهارنامه‌های پیچیده‌تر با فعالیت قابل توجه Schedule E یا K-1 کمتر عمل می‌کند، جایی که قضاوت آماده‌کننده هنوز بیشتر کار را هدایت می‌کند.

ضعف در این پشته، مشکل یکپارچگی بین پوشش دریافت و خود UltraTax است. به‌روزرسانی‌ها در ساختارهای فیلد UltraTax گاهی اوقات یکپارچگی پوشش را مختل می‌کند، و شرکت‌هایی که از این الگو استفاده می‌کنند، نیاز به برنامه‌ریزی برای نگهداری مداوم در خارج از فصل دارند تا یکپارچگی را به‌روز نگه دارند.

کاری که UltraTax با پوشش دریافت نمی‌تواند انجام دهد، مدیریت تمیز تجربه پورتال رو در رو با مشتری است. پورتال‌های پیش‌فرض Thomson Reuters کاربردی اما قدیمی هستند، و شرکت‌هایی که برای مشتریان جوان‌تر رقابت می‌کنند، اغلب یک پورتال مدرن را با یکپارچگی سفارشی به UltraTax اضافه می‌کنند.

Drake Software با اتوماسیون انطباق مالیاتی هوش مصنوعی

Drake Software به دلیل مدل قیمت‌گذاری و مدیریت اظهارنامه‌های چند ایالتی در میان شرکت‌های کوچک و متوسط محبوب است. شرکت‌هایی که پنج هزار اظهارنامه را از طریق Drake پردازش می‌کنند، معمولاً این کار را با گسترش آن با اتوماسیون انطباق مالیاتی هوش مصنوعی انجام می‌دهند که تخصیص‌های چند ایالتی و پیگیری تأییدیه ثبت الکترونیکی را که Drake مدیریت می‌کند اما بهینه نمی‌کند، انجام می‌دهد.

لایه اتوماسیون انطباق معمولاً بر سه چیز تمرکز می‌کند. منطق تخصیص چند ایالتی که از اسناد منبع مشتری می‌کشد و تخصیص مناسب را بر اساس ایالت اعمال می‌کند. پیگیری تأییدیه ثبت الکترونیکی که هنگام رد شدن اظهارنامه، آماده‌کننده را با دلیل رد شدن از قبل تجزیه و تحلیل شده و مسیریابی به مسیر حل مناسب، مطلع می‌کند. و داده‌های برنامه‌ریزی مالیاتی پایان سال که از اظهارنامه سال قبل به تعامل برنامه‌ریزی سال بعد منتقل می‌شوند.

شرکت‌هایی که از این پشته استفاده می‌کنند، گزارش می‌دهند که اتوماسیون تخصیص چند ایالتی به تنهایی در طول فصل اوج، معادل ساعات یک کارمند تمام وقت در زمینه آماده‌سازی ارشد را صرفه‌جویی می‌کند. پیگیری ثبت الکترونیکی دسته دیگری از زمان را صرفه‌جویی می‌کند، یعنی زمانی که آماده‌کنندگان صرف پیگیری تأییدیه‌هایی می‌کنند که ساعت‌ها یا روزها پس از ارسال برگشته‌اند.

ضعف در اینجا این است که Drake خود برای نوع چگالی یکپارچگی که پنج هزار اظهارنامه نیاز دارد، طراحی نشده است. شرکت‌هایی که از این الگو استفاده می‌کنند، اغلب به سقف‌های کاربران همزمان و سرعت برخی از عملکردهای گزارش‌دهی می‌رسند، و آنها با پردازش دسته‌ای در ساعات غیرکاری این سقف‌ها را دور می‌زنند.

کاری که Drake به علاوه اتوماسیون انطباق نمی‌تواند انجام دهد، ارائه عمق تجزیه و تحلیلی است که شرکت‌های بزرگ برای گزارش‌دهی سطح شرکا در مورد سودآوری تعامل و بهره‌وری آماده‌کننده‌ها انتظار دارند. شرکت‌هایی که این عمق را می‌خواهند، یا یک پلتفرم تجزیه و تحلیل جداگانه را اضافه می‌کنند یا به Axcess مهاجرت می‌کنند.

Lacerte با افزونه‌های ورودی اسناد هوش مصنوعی برای شرکت‌های مالیاتی

Lacerte در بخش مشابهی با UltraTax قرار می‌گیرد و اغلب پلتفرم انتخابی برای شرکت‌هایی است که اولویت را به 1040 و بازده کسب و کارهای کوچک می‌دهند. الگوی مقیاس‌گذاری Lacerte به پنج هزار اظهارنامه شامل افزونه‌های ورودی اسناد هوش مصنوعی برای شرکت‌های مالیاتی است که همان مشکل UltraTax را حل می‌کنند، اما با یکپارچگی‌های خاص Lacerte.

افزونه‌های ورودی Lacerte معمولاً مستقیماً با پورتال مشتری Lacerte یکپارچه می‌شوند، آپلودهای مشتری را می‌کشند، داده‌ها را استخراج می‌کنند و اظهارنامه را پر می‌کنند. یکپارچگی عموماً تمیزتر از الگوی UltraTax است زیرا Lacerte ساختار فیلد بیشتری را از طریق APIهای مستند شده خود نشان می‌دهد.

شرکت‌هایی که از این پشته استفاده می‌کنند، صرفه‌جویی‌های زمانی مشابه با الگوی UltraTax را در اظهارنامه‌های استاندارد گزارش می‌دهند، با این مزیت اضافی که یکپارچگی در به‌روزرسانی‌های نسخه Lacerte پایدارتر است. مبادله این است که Lacerte در سناریوهای بازده بسیار سفارشی شده کمتر از UltraTax انعطاف‌پذیر است، به این معنی که شرکت‌هایی با فعالیت قابل توجه K-1 یا مشارکت ممکن است نیاز داشته باشند برای آن تعاملات از Lacerte خارج شوند.

کاری که Lacerte با افزونه‌های ورودی نمی‌تواند انجام دهد، مدیریت هماهنگی بین تعاملات است که آماده‌سازی مالیاتی را به کارهای مشاوره‌ای تمام سال پیوند می‌دهد. شرکت‌هایی که این یکپارچگی را می‌خواهند، معمولاً Lacerte را برای مالیات و یک پلتفرم هماهنگی جداگانه را برای روابط گسترده‌تر با مشتری اجرا می‌کنند.

ProSeries با جریان کاری آماده‌سازی مالیاتی با عوامل هوش مصنوعی

ProSeries پلتفرم اولیه Intuit است که بسیاری از شرکت‌ها در سال‌های اول خود از آن استفاده کردند و با رشد خود به استفاده از آن ادامه دادند. شرکت‌هایی که پنج هزار اظهارنامه را با ProSeries پردازش می‌کنند، معمولاً با افزودن ابزارهای جریان کاری آماده‌سازی مالیاتی با عوامل هوش مصنوعی این کار را انجام می‌دهند، زیرا خود ProSeries نوع هماهنگی مورد نیاز شرکت‌های با حجم بالا را ارائه نمی‌دهد.

لایه عامل معمولاً سه دسته کار را انجام می‌دهد. ارتباط با مشتری قبل از تعامل که اسناد منبع را جمع‌آوری می‌کند و به سؤالات اساسی قبل از شروع تعامل پاسخ می‌دهد. پشتیبانی از آماده‌کننده در طول تعامل که داده‌های مربوط به سال قبل را نمایش می‌دهد و ناهنجاری‌ها را در حین کار آماده‌کننده بر روی اظهارنامه، علامت‌گذاری می‌کند. و ارتباط با مشتری پس از تعامل که اظهارنامه را تحویل می‌دهد، امضاها را جمع‌آوری می‌کند و به سؤالات پیگیری اساسی پاسخ می‌دهد.

شرکت‌هایی که از این پشته استفاده می‌کنند، گزارش می‌دهند که عامل قبل از تعامل به تنهایی زمان پیگیری اسناد را sixty تا هفتاد درصد در طول فصل اوج کاهش می‌دهد. پشتیبانی در طول تعامل زمان بررسی را در اظهارنامه‌های استاندارد کاهش می‌دهد. عامل پس از تعامل زمان صرف شده شرکا برای سؤالات روتین مشتری را کاهش می‌دهد و آنها را برای مکالمات مشاوره‌ای با ارزش بالاتر آزاد می‌کند.

ضعف در اینجا این است که ProSeries به طور فزاینده‌ای به عنوان پلتفرمی دیده می‌شود که یک شرکت از آن رشد می‌کند نه پلتفرمی که یک شرکت به آن رشد می‌کند. شرکت‌هایی که پنج هزار اظهارنامه را با ProSeries پردازش می‌کنند، اغلب در دو تا سه سال آینده با تصمیم مهاجرت روبرو هستند و لایه عاملی که ساخته‌اند باید در برابر هر پلتفرمی که به آن مهاجرت می‌کنند، دوباره یکپارچه شود.

کاری که ProSeries با لایه عامل نمی‌تواند انجام دهد، رسیدگی به عمق کارهای چند ایالتی و مشارکت است که شرکت‌های بزرگ‌تر با آن روبرو هستند. شرکت‌هایی با پیچیدگی قابل توجه در آن زمینه‌ها معمولاً به Axcess یا UltraTax مهاجرت می‌کنند، حتی اگر حجم آنها بتواند در ProSeries جای بگیرد.

ATX با ارکستراسیون جریان کار سفارشی

ATX پلتفرم دیگری است که شرکت‌های کوچک‌تر و متوسط از آن استفاده می‌کنند و برخی شرکت‌ها با ارکستراسیون جریان کار سفارشی آن را به محدوده پنج هزار اظهارنامه رسانده‌اند. این الگو شبیه الگوی Drake است، با تاکید بر ارکستراسیون جریان کار به جای اتوماسیون انطباق به طور خاص.

لایه ارکستراسیون صف را مدیریت می‌کند. این لایه تصمیم می‌گیرد که کدام اظهارنامه‌ها بر اساس مهلت‌های ثبت، اولویت مشتری و در دسترس بودن آماده‌کننده ابتدا پردازش شوند. هر اظهارنامه را در مراحل دریافت، آماده‌سازی، بررسی و تحویل ردیابی می‌کند. گلوگاه‌ها را قبل از اینکه به مهلت‌های از دست رفته منجر شوند، شناسایی می‌کند.

شرکت‌هایی که از این پشته استفاده می‌کنند، گزارش می‌دهند که لایه ارکستراسیون است که فصل را قابل مدیریت نگه می‌دارد. بدون آن، شرکت بر روی صفحات گسترده و هماهنگی کلامی کار می‌کند که در پنج هزار اظهارنامه دچار مشکل می‌شود. با آن، شرکا روزانه دیدگاهی از وضعیت هر تعامل و جایی که شرکت نیاز به استقرار بازبینان ارشد در ادامه دارد، به دست می‌آورند.

ضعف این است که خود ATX برای مقیاس عملیاتی متفاوتی طراحی شده است. شرکت‌هایی که ATX را در پنج هزار اظهارنامه اجرا می‌کنند، اغلب با همان پرسش مهاجرت شرکت‌های ProSeries روبرو هستند، با همان نیاز به یکپارچه سازی مجدد لایه ارکستراسیون در برابر پلتفرم جدید.

کاری که ATX با ارکستراسیون نمی‌تواند انجام دهد، رسیدگی به عمق تجزیه و تحلیلی است که گزارش‌دهی در سطح شرکا در مقیاس نیاز دارد. شرکت‌هایی که این عمق را می‌خواهند، لایه ارکستراسیون را با یک پلتفرم تجزیه و تحلیل جداگانه که از ابزار ارکستراسیون و نرم‌افزار مالیاتی مستقیماً اطلاعات می‌گیرد، جفت می‌کنند.

TaxDome با لایه عملیات فصل مالیاتی هوش مصنوعی

TaxDome موقعیت کمی متفاوتی در پشته اشغال می‌کند زیرا در درجه اول یک پلتفرم مدیریت عمل با ویژگی‌های آماده‌سازی مالیاتی است تا یک پلتفرم آماده‌سازی مالیاتی با ویژگی‌های مدیریت عمل. شرکت‌هایی که پنج هزار اظهارنامه را از طریق TaxDome پردازش می‌کنند، معمولاً این کار را با جفت کردن آن با یک پلتفرم آماده‌سازی مالیاتی اختصاصی و استفاده از TaxDome برای هوش مصنوعی برای عملیات فصل مالیاتی در طول عمل گسترده‌تر انجام می‌دهند.

لایه TaxDome پورتال مشتری، امضای الکترونیکی، صورتحساب و مدیریت تعامل را انجام می‌دهد. پلتفرم آماده‌سازی مالیاتی کار واقعی اظهارنامه را انجام می‌دهد. یکپارچگی بین آنها همان مشکلی است که تعیین می‌کند آیا پشته به طور تمیز مقیاس‌پذیر است یا تحت حجم زیاد دچار مشکل می‌شود.

شرکت‌هایی که این پشته را به خوبی اجرا می‌کنند، گزارش می‌دهند که TaxDome به علاوه یک پلتفرم مالیاتی به آنها تجربه مشتری یکپارچه‌ای می‌دهد که پلتفرم‌های مالیاتی محض نمی‌توانند با آن مطابقت داشته باشند. پورتال مدرن است، جریان امضای الکترونیکی تمیز است، و یکپارچگی صورتحساب دسته‌ای از اصطکاک اداری را که پلتفرم‌های مالیاتی محض به عهده شرکت می‌گذارند تا حل کند، حذف می‌کند.

ضعف، خود مشکل یکپارچگی است. TaxDome با پلتفرم‌های مالیاتی اصلی یکپارچگی دارد، اما عمق آن متفاوت است، و شرکت‌هایی که حجم بالایی را پردازش می‌کنند، اغلب برای انتقال تمیز داده‌ها بین دو لایه نیاز به میان‌افزار سفارشی دارند.

کاری که TaxDome به علاوه یک پلتفرم مالیاتی نمی‌تواند انجام دهد، جایگزینی عملکرد عمیق سطح اظهارنامه است که شرکت‌هایی که کارهای مشارکت پیچیده یا اعتماد را انجام می‌دهند، نیاز دارند. این شرکت‌ها معمولاً TaxDome را برای لایه عملیاتی و یک پلتفرم مالیاتی پیچیده‌تر را برای کارهای اظهارنامه اجرا می‌کنند، با هماهنگی که توسط میان‌افزار سفارشی یا یک لایه عامل که در هر دو قرار می‌گیرد، اداره می‌شود.

Canopy با ابزارهای مقیاس‌گذاری تمرین مالیاتی هوش مصنوعی

Canopy نقش مشابهی با TaxDome در لایه مدیریت عمل ایفا می‌کند، با تأکید بیشتر بر مدیریت اسناد و همکاری با مشتری. شرکت‌هایی که Canopy را در پنج هزار اظهارنامه اجرا می‌کنند، آن را با ابزارهای مقیاس‌گذاری عمل مالیاتی هوش مصنوعی جفت می‌کنند که چگالی جریان کاری را که خود Canopy برای آن بهینه نشده است، مدیریت می‌کنند.

ابزارهای مقیاس‌گذاری معمولاً بر سه حوزه تمرکز می‌کنند. قالب‌بندی جریان کار که نحوه حرکت تعاملات در شرکت را بدون توجه به اینکه کدام آماده‌کننده مالک آنهاست، استاندارد می‌کند. اتوماسیون ارتباط با مشتری که به سؤالات روتین و درخواست‌های اسناد بدون دخالت آماده‌کننده رسیدگی می‌کند. و زیرساخت گزارش‌دهی که به شرکا دیدگاهی در زمان واقعی از وضعیت تعامل در کل مجموعه کسب و کار می‌دهد.

شرکت‌هایی که از این پشته استفاده می‌کنند، گزارش می‌دهند که لایه قالب‌بندی چیزی است که حجم را پایدار می‌کند. بدون جریان‌های کاری استاندارد، هر تعامل به یک ساخت سفارشی تبدیل می‌شود و ورود آماده‌کننده ماه‌ها طول می‌کشد. با جریان‌های کاری استاندارد، آماده‌کنندگان جدید سریع‌تر به بهره‌وری می‌رسند و آماده‌کنندگان ارشد وقت خود را صرف تعاملاتی می‌کنند که واقعاً به قضاوت ارشد نیاز دارند.

ضعف در این پشته این است که ویژگی‌های آماده‌سازی مالیاتی Canopy در مقایسه با پلتفرم‌های مالیاتی اختصاصی محدود هستند، به این معنی که شرکت‌هایی که از Canopy در مقیاس استفاده می‌کنند، تقریباً همیشه آن را با یک پلتفرم مالیاتی جداگانه جفت می‌کنند. الگوهای یکپارچگی مشابه الگوی TaxDome هستند، با همان مبادلات در مورد میان‌افزار و چگالی داده.

کاری که Canopy با ابزارهای مقیاس‌گذاری نمی‌تواند انجام دهد، جایگزینی تجزیه و تحلیل عمیقی است که شرکت‌های بزرگ‌تر برای تصمیمات در سطح شرکا در مورد قیمت‌گذاری، استخدام و ترکیب مشتری نیاز دارند. شرکت‌هایی که این عمق را می‌خواهند، یک پلتفرم تجزیه و تحلیل جداگانه را اضافه می‌کنند یا گزارش‌دهی سفارشی را بر اساس پایگاه داده‌های Canopy و پلتفرم مالیاتی مستقیماً ایجاد می‌کنند.

آنچه این پشته‌ها مشترک دارند

شرکت‌هایی که پنج هزار اظهارنامه را بدون فرسودگی بازبینان خود پردازش می‌کنند، همگی به یک الگوی معماری مشابه می‌رسند. یک لایه دریافت اسناد که استخراج و اعتبارسنجی را قبل از اینکه یک آماده‌کننده اظهارنامه را لمس کند، انجام می‌دهد. یک پلتفرم آماده‌سازی که کار واقعی اظهارنامه را انجام می‌دهد. یک لایه بررسی که خطاها را قبل از رسیدن به مشتری شناسایی می‌کند. یک لایه ارتباط با مشتری که به سؤالات روتین بدون دخالت آماده‌کننده رسیدگی می‌کند. و یک لایه هماهنگی که همه چیز را به هم پیوند می‌دهد تا شرکا بتوانند در هر لحظه از فصل ببینند که شرکت در چه وضعیتی قرار دارد.

پلتفرم‌ها متفاوت هستند. معماری خیر. شرکت‌هایی که سعی می‌کنند بدون هر پنج لایه به پنج هزار اظهارنامه برسند، معمولاً در حدود سه هزار اظهارنامه با مشکل روبرو می‌شوند، جایی که چگالی عملیاتی از آنچه شرکا و آماده‌کنندگان ارشد می‌توانند در ذهن خود نگه دارند، فراتر می‌رود.

شرکت‌هایی که از آن مشکل عبور می‌کنند، آنهایی هستند که اتوماسیون هوش مصنوعی برای شرکت‌های آماده‌سازی مالیاتی را به عنوان زیرساخت تولیدی در نظر می‌گیرند نه یک فهرست تأمین‌کننده. آنها در لایه‌هایی که برای عملیات خاص خود مهم‌تر هستند سرمایه‌گذاری می‌کنند، رابط‌های یکپارچه‌سازی را با دقت می‌سازند، و سیستم را به عنوان چیزی که نیاز به نگهداری و تنظیم مداوم دارد، نه یک استقرار یک‌باره، در نظر می‌گیرند.

این سرمایه‌گذاری به دو طریق بازده دارد. اولاً، شرکت می‌تواند بدون استخدام تعداد متناسب بیشتری از کارکنان ارشد، کار بیشتری را انجام دهد. ثانیاً، کارکنان ارشدی که شرکت از قبل دارد، از فرسودگی باز می‌مانند، زیرا سیستم کاری را حذف می‌کند که هرگز نیاز به قضاوت ارشد نداشته است. هر دو نتیجه در سود شرکا و در تعداد حفظ آماده‌کننده در سال سوم و بعد از آن ظاهر می‌شوند.

درباره TFSF Ventures

TFSF Ventures FZ-LLC (RAKEZ License 47013955) یک شرکت معماری سرمایه‌گذاری است که زیرساخت عامل هوشمند را از طریق سه ستون یکپارچه در کسب‌وکارها مستقر می‌کند: زیرساخت عاملی، مسیرهای پرداخت غیرسنتی و یک موتور کامل سرمایه‌گذاری. TFSF با 27 سال تجربه در پرداخت‌ها و نرم‌افزار، به صورت جهانی فعالیت می‌کند و با روش استقرار 30 روزه به 21 صنعت خدمات می‌دهد. برای کسب اطلاعات بیشتر به https://tfsfventures.com مراجعه کنید.

ارزیابی هوش عملیاتی رایگان را انجام دهید. به چند سوال کوتاه در مورد کسب و کار خود پاسخ دهید. در عرض 24 تا 48 ساعت یک طرح استقرار هوش مصنوعی سفارشی شامل توصیه‌های عامل، معماری و یک نقشه راه خاص برای عملیات خود دریافت کنید. بدون تماس فروش. بدون تعهد. فقط داده. شروع کنید در https://tfsfventures.com/assessment

Originally published at https://tfsfventures.com/blog/the-ai-automation-stacks-powering-tax-firms-filing-over-five-thousand-returns-a

نوشته شده توسط TFSF Ventures Research