شش لایه گردش کار که هر شرکت مالیاتی قبل از اتخاذ اتوماسیون هوش مصنوعی در سرتاسر چرخه کامل تعامل به آن نیاز دارد

اکثر شرکت‌های مالیاتی با انتخاب یک ارائه‌دهنده و تلاش برای تطبیق عملیات خود با آنچه ارائه‌دهنده ارائه می‌دهد، به اتوماسیون هوش مصنوعی روی می‌آورند. نتیجه معمولاً استقراری است که یک بخش از تعامل را بهبود می‌بخشد و بخش دیگری را از بین می‌برد، زیرا شرکت ابتدا لایه‌های گردش کار مورد نیاز برای اتوماسیون را تعریف نکرده است. شرکت‌هایی که بازده پایدار از سرمایه‌گذاری‌های اتوماسیون خود به دست می‌آورند، برعکس عمل می‌کنند. آنها ابتدا لایه‌های گردش کار را تعریف می‌کنند، ارزیابی می‌کنند که آیا هر لایه برای اتوماسیون آماده است یا خیر، و تنها پس از آن ابزارهایی را که متناسب با آن لایه هستند، وارد می‌کنند.

آنچه در ادامه می‌آید، یک روش‌شناسی برای تعریف و آماده‌سازی شش لایه گردش کار است که هر شرکت مالیاتی قبل از اتخاذ اتوماسیون هوش مصنوعی برای شرکت‌های آماده‌سازی مالیاتی در سرتاسر چرخه کامل تعامل به آن نیاز دارد. هر لایه معیارهای آمادگی خاص خود، حالت‌های شکست خاص خود را در صورت عدم رعایت معیارها، و پیامدهای خاص خود را برای نوع اتوماسیونی که واقعاً کار خواهد کرد، دارد.

لایه اول: لایه پذیرش مشتری و تعریف تعامل

لایه پذیرش و تعریف تعامل جایی است که شرکت تصمیم می‌گیرد کدام تعاملات را بپذیرد، با چه شرایطی و با چه دامنه‌ای. این لایه قبل از رسیدن هر سندی اتفاق می‌افتد و کیفیت تصمیمات اتخاذ شده در اینجا، کیفیت هر لایه پایین‌دستی را تعیین می‌کند.

معیارهای آمادگی برای این لایه بیانشان ساده است اما تحققشان دشوار. شرکت برای هر نوع تعاملی که می‌پذیرد، به یک نامه تعهد واضح نیاز دارد. شرکت به معیارهای مستند برای اینکه کدام تعاملات با ظرفیت شرکت مطابقت دارد و کدام نه، نیاز دارد. شرکت به یک فرآیند تعریف شده برای جمع‌آوری اطلاعات اولیه مورد نیاز برای تعیین دامنه تعامل قبل از تعهد به کار، نیاز دارد.

شرکت‌هایی که سعی می‌کنند پذیرش را بدون این معیارها خودکار کنند، اتوماسیونی تولید می‌کنند که تعاملاتی را می‌پذیرد که شرکت نمی‌تواند آنها را ارائه دهد، یا تعاملات را با هزینه‌هایی تعیین می‌کند که کار مورد نیاز را پوشش نمی‌دهند. اتوماسیون تصمیمات موجود شرکت را به جای اصلاح آنها تقویت می‌کند، به این معنی که خودکارسازی تصمیمات بد فقط تصمیمات بد بیشتری را سریع‌تر تولید می‌کند.

آمادگی صحیح برای این لایه، صرف زمان برای شفاف‌سازی معیارهای واقعی تعامل شرکت قبل از معرفی اتوماسیون است. کدام انواع مشتری با تخصص شرکت مطابقت دارد. کدام آستانه‌های پیچیدگی را شرکت می‌تواند بدون استخدام کارکنان ارشد اضافی مدیریت کند. کدام ساختارهای هزینه کار مربوطه را پوشش می‌دهند. هرچه این معیارها در سطح انسانی شفاف‌تر باشند، اتوماسیون پس از استقرار مفیدتر می‌شود.

هنگامی که لایه پذیرش به درستی آماده شود، اتوماسیون می‌تواند بخش‌های معمول تعریف تعامل را بدون دخالت آماده‌کننده مدیریت کند. پورتال مشتری اطلاعات اولیه را جمع‌آوری می‌کند. سیستم تعامل را در برابر معیارهای شرکت اجرا می‌کند. آماده‌کننده فقط برای تعاملاتی که در منطقه خاکستری بین پذیرفته شده آشکار و رد شده آشکار قرار می‌گیرند، دخالت می‌کند.

لایه دوم: لایه جمع‌آوری و اعتبارسنجی اسناد

لایه جمع‌آوری و اعتبارسنجی اسناد جایی است که اسناد منبع به شرکت وارد می‌شوند و قبل از شروع هر کار آماده‌سازی، از نظر کامل و دقیق بودن اعتبار سنجی می‌شوند. این لایه در بسیاری از شرکت‌ها در اوج فصل، بالاترین حجم را دارد و لایه‌ای است که اتوماسیون تمایل دارد بیشترین صرفه‌جویی زمان قابل اندازه‌گیری را ایجاد کند.

معیارهای آمادگی برای این لایه بر استانداردسازی اسناد و انتظارات مشتری متمرکز است. شرکت باید بداند کدام اسناد را از هر مشتری انتظار دارد، که ایده‌آل است از پرونده سال قبل استخراج شود. شرکت به یک فرآیند واضح برای ارسال اسناد توسط مشتری نیاز دارد. و شرکت به معیارهای پذیرش تعریف شده برای اینکه چه چیزی به عنوان مجموعه سند کامل آماده برای کار آماده‌سازی تلقی می‌شود، نیاز دارد.

شرکت‌هایی که سعی می‌کنند این لایه را بدون معیارهای آمادگی خودکار کنند، با اتوماسیونی روبرو می‌شوند که هر آنچه را که مشتری ارسال می‌کند، بدون توجه به کامل بودن، پردازش می‌کند. بازده‌ها با اسناد گمشده به آماده‌سازی می‌رسند، که با کشف قطعات گمشده در اواسط تعامل، به عنوان بازکاری آماده‌کننده ظاهر می‌شوند. اتوماسیون یک حس کاذب از پیشرفت ایجاد می‌کند که در گران‌ترین مرحله از بین می‌رود.

آمادگی صحیح شامل ساخت یک پروفایل سند مورد انتظار برای هر مشتری است که سیستم بتواند در برابر آن اعتبار سنجی کند. این پروفایل از پرونده سال قبل شروع می‌شود و بر اساس ارتباطات مشتری در مورد تغییرات در وضعیت آنها تنظیم می‌شود. اعتبارسنجی با رسیدن اسناد اجرا می‌شود و مشتری قبل از پیشرفت تعامل، برای ارائه هر چیز گمشده درخواست دریافت می‌کند.

هنگامی که این لایه به درستی آماده شود، اتوماسیون استخراج اسناد، اعتبارسنجی در برابر پروفایل مورد انتظار، و رفت و برگشت با مشتریان در مورد اسناد گمشده را مدیریت می‌کند. دخالت آماده‌کننده تنها زمانی آغاز می‌شود که چیزی وارد شود که با هیچ الگوی مورد انتظاری مطابقت ندارد، یا زمانی که مشتری به درخواست‌های مکرر برای اقلام گمشده پاسخ نمی‌دهد.

لایه سوم: لایه آماده‌سازی و محاسبه

لایه آماده‌سازی و محاسبه جایی است که بازده واقعی ساخته می‌شود. این لایه ای است که اکثر شرکت‌ها هنگام فکر کردن به نرم‌افزار مالیاتی به آن فکر می‌کنند، و لایه‌ای است که پلتفرم‌های موجود بیشترین سرمایه‌گذاری را در ویژگی‌ها در دو دهه گذشته انجام داده‌اند. فرصت اتوماسیون هوش مصنوعی برای شرکت‌های آماده‌سازی مالیاتی در این لایه کمتر به معنای جایگزینی موتور محاسباتی و بیشتر به معنای حذف اصطکاک اطراف آن است.

معیارهای آمادگی برای این لایه، به جای عمق ویژگی، شامل چگالی گردش کار است. شرکت باید درک کند که آماده‌کنندگان واقعاً چگونه از پلتفرم مالیاتی استفاده می‌کنند، زمان خود را در کجا صرف می‌کنند و کدام الگوهای ناوبری آنها را کند می‌کند. شرکت باید بداند که کدام محاسبات را پلتفرم به طور تمیز انجام می‌دهد و کدام‌ها نیاز به راه‌حل‌های موقت دارند. و شرکت باید استانداردهای مستند برای نحوه رویکرد آماده‌کنندگان به انواع بازده‌های رایج را داشته باشد.

شرکت‌هایی که سعی می‌کنند این لایه را بدون درک گردش کار واقعی آماده‌کننده خودکار کنند، با اتوماسیونی روبرو می‌شوند که با الگوهای موجود پلتفرم مبارزه می‌کند. آماده‌کنندگان در دو جهت کشیده می‌شوند، صرفه‌جویی زمان مورد انتظار شرکت محقق نمی‌شود، و رضایت آماده‌کننده از اتوماسیون به حدی کاهش می‌یابد که پذیرش شکست می‌خورد.

آمادگی صحیح شامل مشاهده آماده‌کنندگان در حین کار، مستندسازی الگوهای واقعی کار روزانه آنها، و شناسایی لحظات خاصی است که اتوماسیون می‌تواند بدون تغییر فرآیند آماده‌سازی زیربنایی، اصطکاک را از بین ببرد. اهداف رایج شامل ورود داده است که می‌تواند از طریق ادغام بهتر پذیرش حذف شود، الگوهای ناوبری که می‌توانند از طریق اسکریپت‌نویسی گردش کار ساده‌تر شوند، و بررسی‌های بازبینی که می‌توانند در زمان واقعی انجام شوند به جای پس از اینکه آماده‌کننده بازده را کامل علامت‌گذاری کند.

هنگامی که این لایه به درستی آماده شود، اتوماسیون به عنوان بهبودهایی به جای جایگزینی، در گردش کار موجود آماده‌کننده قرار می‌گیرد. زمان آماده‌کننده برای هر بازده کاهش می‌یابد زیرا نقاط اصطکاک هموار می‌شوند، اما کار زیربنایی که آماده‌کننده انجام می‌دهد آشنا باقی می‌ماند.

لایه چهارم: لایه بازبینی و تضمین کیفیت

لایه بازبینی و تضمین کیفیت جایی است که خطاها قبل از رسیدن به مشتری شناسایی می‌شوند. این لایه جایی است که اکثر شرکت‌ها یا ریسک را مهار می‌کنند یا اجازه می‌دهند پخش شود، و معیارهای آمادگی برای اتوماسیون در اینجا سخت‌گیرانه‌تر از اکثر لایه‌های دیگر است زیرا هزینه شکست اتوماسیون بالاتر است.

معیارهای آمادگی بر استانداردهای بازبینی مستند متمرکز است. شرکت به معیارهای صریح برای اینکه چه چیزی بازبینی می‌شود، توسط چه کسی، و با چه عمقی نیاز دارد. شرکت به آستانه‌های مستند برای بازبینی مرحله دوم، تأیید شریک، و تشدید استثنائات نیاز دارد. و شرکت به درک روشنی از اینکه کدام دسته‌های بازبینی توسط بررسی‌های داخلی پلتفرم قبلاً مدیریت می‌شوند و کدام‌ها نیاز به قوانین خاص شرکت دارند که روی آنها اعمال شود، نیاز دارد.

شرکت‌هایی که سعی می‌کنند بازبینی را بدون این معیارها خودکار کنند، با اتوماسیونی روبرو می‌شوند که خطاهای آشکار را شناسایی می‌کند اما الگوهای خاص شرکت را که شهرت شرکت به آنها بستگی دارد، از دست می‌دهد. اتوماسیون یک حس کاذب از بازبینی جامع را فراهم می‌کند در حالی که بازبینی اساسی همچنان به توجه آماده‌کننده ارشد بستگی دارد.

آمادگی صحیح شامل ممیزی الگوهای بازبینی واقعی شرکت در یک فصل اخیر است. کدام خطاها در بازبینی شناسایی شدند و کدام‌ها به تحویل رسیدند. کدام انواع تعامل بیشترین تشدید بازبینی را ایجاد کردند. کدام آماده‌کنندگان به طور مداوم بازده‌هایی تولید کردند که نیاز به بازبینی کمتری داشتند و کدام‌ها بازده‌هایی تولید کردند که نیاز به بازبینی بیشتری داشتند. ممیزی بار واقعی بازبینی و دسته‌های خطاهایی را که اتوماسیون باید شناسایی کند، آشکار می‌کند.

هنگامی که این لایه به درستی آماده شود، اتوماسیون بررسی‌های دسته‌بندی را که قبلاً زمان بازبینی را مصرف می‌کردند، مدیریت می‌کند، و بازبین انسانی بر قضاوت‌هایی که اتوماسیون نمی‌تواند انجام دهد، تمرکز می‌کند. صف بازبینی کوتاه‌تر می‌شود، عمق بازبینی در تعاملاتی که به آن نیاز دارند بیشتر می‌شود، و کیفیت کلی بازبینی شرکت به جای کاهش، بهبود می‌یابد.

لایه پنجم: لایه ارتباط با مشتری و تحویل

لایه ارتباط با مشتری و تحویل همه چیزهایی را پوشش می‌دهد که بین علامت‌گذاری کامل یک بازده توسط آماده‌کننده و تأیید محصول نهایی توسط مشتری اتفاق می‌افتد. این لایه در اکثر گفتگوهای اتوماسیون نامرئی است زیرا شامل موتور محاسباتی یا اسناد منبع نمی‌شود، اما یکی از بزرگترین مصرف‌کنندگان زمان آماده‌کننده در شرکت‌هایی است که در آن سرمایه‌گذاری نکرده‌اند.

معیارهای آمادگی برای این لایه شامل الگوهای ارتباطی استاندارد شده است. شرکت به الگوهایی برای رایج‌ترین ارتباطات با مشتری نیاز دارد. شرکت به یک مسیر تشدید تعریف شده برای سؤالات مشتری که خارج از الگوها قرار می‌گیرند، نیاز دارد. و شرکت به یک فرآیند واضح برای مدیریت جمع‌آوری امضا و تحویل نهایی نیاز دارد.

شرکت‌هایی که سعی می‌کنند این لایه را بدون این معیارها خودکار کنند، اتوماسیونی تولید می‌کنند که ارتباطات عمومی ارسال می‌کند که مشتریان آن را آزاردهنده می‌یابند. اتوماسیون ارتباطی که کار می‌کند، از نوعی است که به نظر می‌رسد از شرکت آمده است و نه از یک سیستم، که شرکت را ملزم می‌کند قبل از معرفی اتوماسیون، در تعریف لحن و الگوهای ارتباطی خود سرمایه‌گذاری کرده باشد.

آمادگی صحیح شامل مستندسازی الگوهای ارتباطی واقعی مشتری است که شرکت امروزه استفاده می‌کند. کدام پیام‌ها در کدام مراحل از تعامل ارسال می‌شوند. شرکت از چه لحنی برای بخش‌های مختلف مشتری استفاده می‌کند. شرکت چگونه دسته‌های مختلف سؤالات را مدیریت می‌کند. مستندسازی اساس اتوماسیون می‌شود و اتوماسیون صدای شرکت را حفظ می‌کند به جای اعمال یک صدای عمومی.

هنگامی که این لایه به درستی آماده شود، اتوماسیون تماس‌های معمول با مشتری را که قبلاً زمان آماده‌کننده را مصرف می‌کردند، مدیریت می‌کند. مشتری در مورد سؤالات معمول پاسخ‌های سریع‌تری دریافت می‌کند. آماده‌کننده زمان بیشتری برای گفتگوهای اساسی با مشتریان پیدا می‌کند. جمع‌آوری امضا به طور تمیز انجام می‌شود زیرا سیستم پیگیری را به طور خودکار انجام می‌دهد.

لایه ششم: لایه پس از تعامل و ردیابی انطباق

لایه پس از تعامل و ردیابی انطباق همه چیزهایی را پوشش می‌دهد که پس از ارسال بازده اتفاق می‌افتد. این لایه اغلب در عملیات شرکت نادیده گرفته می‌شود زیرا مستقیماً به درآمد تعامل کمک نمی‌کند، اما جایی است که شرکت حافظه سازمانی را می‌سازد که تعامل سال آینده را سریع‌تر می‌کند و جایی که شرکت مسائل انطباق را که پس از تحویل ظاهر می‌شوند، شناسایی می‌کند.

معیارهای آمادگی برای این لایه شامل استانداردهای جذب داده است. شرکت باید نقاط داده‌ای را از تعامل که برای مراجعات آینده جذب می‌شوند، تعریف کند. شرکت به یک فرآیند برای ردیابی اعلامیه‌ها و تأییدیه‌های IRS پس از ثبت نیاز دارد. و شرکت به یک فرآیند برای بستن تعاملات به طور تمیز نیاز دارد تا داده‌ها برای مرجع سال قبل سال آینده آماده باشند.

شرکت‌هایی که سعی می‌کنند این لایه را بدون معیارها خودکار کنند، با داده‌هایی روبرو می‌شوند که جذب شده‌اند اما قابل استفاده نیستند، زیرا ساختار داده از سؤالاتی که شرکت بعداً می‌خواهد به آنها پاسخ دهد، حمایت نمی‌کند. اتوماسیون یک گورستان از سوابق تعامل را تولید می‌کند که هیچ کس به آنها مراجعه نمی‌کند، و حافظه سازمانی که باید در طول زمان انباشته می‌شد، انباشته نمی‌شود.

آمادگی صحیح شامل فکر کردن به این است که شرکت می‌خواهد در مورد کتاب کسب و کار خود به کدام سؤالات پاسخ دهد. کدام مشتریان بیشترین زمان آماده‌کننده را نسبت به هزینه ایجاد کرده‌اند. کدام انواع تعامل بیشترین اصلاحات را تولید کرده‌اند. کدام آماده‌کنندگان کدام انواع بازده را به صورت کارآمدترین روش انجام داده‌اند. سؤالات به جای برعکس، جذب داده را هدایت می‌کنند.

هنگامی که این لایه به درستی آماده شود، اتوماسیون جذب داده را به عنوان یک محصول جانبی طبیعی از گردش کار تعامل مدیریت می‌کند. ردیابی اعلامیه IRS بدون دخالت آماده‌کننده اتفاق می‌افتد. ارتباط با مشتری پس از تعامل طبق برنامه اجرا می‌شود. داده‌های انباشته شده در طول چندین فصل به تصمیمات مربوط به کارکنان، تصمیمات مربوط به قیمت‌گذاری، و تصمیمات مربوط به ترکیب مشتری بازخورد می‌دهد.

نحوه تعامل لایه‌ها

شش لایه به صورت جداگانه عمل نمی‌کنند. تصمیمات اتخاذ شده در هر لایه، آنچه را که در لایه‌های پایین‌دستی ممکن است، محدود می‌کند. یک شرکت با پذیرش ضعیف، جمع‌آوری اسناد ضعیف را تولید می‌کند. یک شرکت با جمع‌آوری اسناد ضعیف، کار آماده‌سازی را تولید می‌کند که نیاز به توجه آماده‌کننده بیشتری دارد. یک شرکت با بازبینی ضعیف، خطاها را به ارتباط با مشتری منتقل می‌کند. یک شرکت با جذب داده‌های پس از تعامل ضعیف، حافظه سازمانی را از دست می‌دهد که تصمیمات پذیرش سال آینده را دقیق‌تر می‌کند.

شرکت‌هایی که بیشترین بهره را از سرمایه‌گذاری‌های اتوماسیون انطباق مالیاتی هوش مصنوعی خود می‌برند، تعامل بین لایه‌ها را درک می‌کنند و آنها را به ترتیب صحیح آماده می‌کنند. لایه پذیرش اول می‌آید زیرا همه چیز پایین‌دستی به آن بستگی دارد. لایه جمع‌آوری اسناد دوم می‌آید زیرا لایه آماده‌سازی به داده‌های منبع تمیز بستگی دارد.

لایه آماده‌سازی سوم می‌آید زیرا لایه بازبینی به بازده‌هایی بستگی دارد که بر اساس استانداردهای روشن تهیه شده‌اند. لایه بازبینی چهارم می‌آید زیرا ارتباط با مشتری به بازده‌هایی بستگی دارد که اعتبار سنجی شده‌اند. لایه ارتباطات پنجم می‌آید زیرا ردیابی پس از تعامل به تعاملاتی بستگی دارد که به طور تمیز بسته شده‌اند. لایه ردیابی انطباق ششم می‌آید زیرا داده‌هایی را جمع‌آوری می‌کند که تصمیمات پذیرش چرخه بعدی را اطلاع‌رسانی می‌کند.

شرکت‌هایی که سعی می‌کنند لایه‌ها را رد کنند یا آنها را به ترتیب اشتباهی مورد بررسی قرار دهند، استقرارهای اتوماسیونی را تولید می‌کنند که در ضعیف‌ترین لایه شکست می‌خورند. استقرار ممکن است در لایه‌هایی که مورد بررسی قرار گرفته‌اند، موفق به نظر برسد، اما کیفیت کلی تعامل بهبود نمی‌یابد زیرا لایه‌هایی که مورد بررسی قرار نگرفته‌اند، همچنان گلوگاه‌هایی را تولید می‌کنند که عملکرد شرکت را محدود می‌کنند.

استقرار 30 روزه در سطح لایه چگونه است

روش‌شناسی استقرار 30 روزه که برای اتوماسیون هوش مصنوعی در شرکت‌های آماده‌سازی مالیاتی به کار می‌رود، کار را بر اساس لایه‌ها سازماندهی می‌کند تا بر اساس پیاده‌سازی‌های فروشنده. هفته اول بر لایه‌های پذیرش و جمع‌آوری اسناد تمرکز دارد، زیرا این لایه‌ها در اوج فصل بیشترین حجم را دارند و سریع‌ترین بازده قابل اندازه‌گیری را از استقرار تولید می‌کنند. هفته دوم بر لایه‌های آماده‌سازی و بازبینی تمرکز دارد، زیرا این لایه‌ها به پذیرش تمیز و داده‌های اسناد بستگی دارند. هفته سوم بر لایه‌های ارتباط با مشتری و پس از تعامل تمرکز دارد، زیرا این لایه‌ها به کار آماده‌سازی و بازبینی تکمیل شده بستگی دارند. هفته چهارم بر هماهنگی که لایه‌ها را به هم متصل می‌کند و مدیریت استثنائات که موارد شکست جریان استاندارد را شناسایی می‌کند، تمرکز دارد.

این توالی‌بندی اهمیت دارد زیرا کار هر هفته به پایه‌های هفته قبل بستگی دارد. استقراری که سعی می‌کند هر شش لایه را به صورت موازی مورد بررسی قرار دهد، پیاده‌سازی‌های جزئی را در هر لایه تولید می‌کند که هیچ لایه‌ای به طور کامل کار نمی‌کند. استقراری که لایه‌ها را به ترتیب قرار می‌دهد، لایه‌های کاملاً کارآمدی را تولید می‌کند که با پیشرفت هفته‌ها، ارزش افزوده می‌شوند.

سرمایه‌گذاری‌های استقرار تحت این روش‌شناسی با ده‌ها هزار دلار برای اولین گذرگاهای متمرکز که دو لایه با اولویت بالا را برای شرکت مورد بررسی قرار می‌دهند، و با تعداد لایه‌ها و پیچیدگی ادغام در هر لایه مقیاس‌پذیر هستند. هر استقرار TFSF Ventures شامل هزینه عبور زیرساخت هوش مصنوعی جداگانه‌ای حدود چهارصد تا پانصد دلار در ماه از Pulse AI است که با قیمت تمام شده و بدون سود اضافی شارژ می‌شود. مشتری مالک کد در پایان استقرار است، به این معنی که شرکت می‌تواند استقرار را به لایه‌های اضافی بدون مذاکره مجدد در مورد مجوز گسترش دهد.

چگونه تصمیم بگیریم کدام لایه‌ها را ابتدا بررسی کنیم

همه شرکت‌ها نیازی به بررسی هر شش لایه به ترتیب یکسان ندارند. نقطه شروع صحیح بستگی به این دارد که کدام لایه‌ها در حال حاضر بزرگترین محدودیت‌های شرکت هستند. شرکتی که پذیرش آن در حال حاضر به طور تمیز در حال اجرا است اما بازبینی زمان زیادی از افراد ارشد می‌گیرد، باید با لایه بازبینی شروع کند. شرکتی که آماده‌سازی آن کارآمد است اما ارتباط با مشتری زمان آماده‌کننده را مصرف می‌کند، باید با لایه ارتباطات شروع کند.

روش‌شناسی برای تصمیم‌گیری در مورد اینکه کدام لایه‌ها را ابتدا بررسی کنیم، شامل اندازه‌گیری مصرف زمان واقعی در هر لایه در طول یک فصل اخیر است. شرکت ردیابی می‌کند که آماده‌کنندگان چقدر زمان را در پذیرش، جمع‌آوری اسناد، آماده‌سازی، بازبینی، ارتباطات، و کار پس از تعامل صرف می‌کنند. لایه‌هایی که بیشترین زمان را مصرف می‌کنند و بیشترین پتانسیل اتوماسیون را دارند، به لایه‌های اولویت برای استقرار تبدیل می‌شوند.

شرکت‌هایی که این اندازه‌گیری را نادیده می‌گیرند و لایه‌ها را بر اساس توصیه‌های فروشنده انتخاب می‌کنند، به بررسی لایه‌هایی می‌رسند که آسان‌تر برای نمایش هستند تا لایه‌هایی که گران‌ترین برای عملیات هستند. استقرار در مرحله پروپوزال خوب به نظر می‌رسد و در عملیات واقعی ضعیف عمل می‌کند، زیرا تصمیمات اولویت توسط راحتی فروشنده و نه اقتصاد شرکت هدایت شده‌اند.

اندازه‌گیری صحیح به اندازه کافی دقیق است تا نشان دهد زمان واقعاً به کجا می‌رود. معیارهای جمعی مانند کل ساعات آماده‌کننده در هر بازده کافی نیستند. شرکت باید بداند که این ساعات چگونه در شش لایه تقسیم می‌شوند، ایده‌آل است با اندازه‌گیری‌های جداگانه برای انواع مختلف تعامل و سطوح مختلف آماده‌کننده.

نقش مدیریت استثنائات در تمامی لایه‌ها

مدیریت استثنائات یک لایه جداگانه نیست؛ الگویی است که در هر لایه ظاهر می‌شود. هر لایه مواردی دارد که جریان استاندارد اعمال نمی‌شود و باید در مورد نحوه رسیدگی به استثنا تصمیم‌گیری شود. روش‌شناسی برای طراحی مدیریت استثنائات در هر شش لایه، آن را به عنوان یک الگوی ثابت و نه به عنوان یک افزونه خاص لایه در نظر می‌گیرد.

این الگو سه دسته دارد که به طور ثابت در هر لایه اعمال می‌شود. استثنائات حل خودکار، که سیستم می‌تواند با تلاش مجدد، بازگشت به عقب، یا اعمال یک قانون پیش‌فرض، استثنا را مدیریت کند. استثنائات حل کمکی، که سیستم استثنا را به همراه تمام زمینه‌های مورد نیاز برای یک تصمیم سریع به یک انسان نمایش می‌دهد. و استثنائات تشدید، که سیستم استثنا را به یک بازبین ارشد که نیاز به یک قضاوت اساسی دارد، هدایت می‌کند.

شرکت‌هایی که مدیریت استثنائات را در هر لایه به طور جداگانه می‌سازند، با الگوهای ناسازگاری روبرو می‌شوند که آماده‌کنندگان را گیج می‌کند و شکاف‌هایی را ایجاد می‌کند که استثنائات از آنها عبور می‌کنند. شرکت‌هایی که یک معماری مدیریت استثنائات یکپارچه در تمامی لایه‌ها می‌سازند، سیستمی را تولید می‌کنند که آماده‌کنندگان می‌دانند در صورت بروز مشکل چه انتظاری داشته باشند و شرکت دیدی نسبت به جایی که استثنائات بیشتر اتفاق می‌افتند، دارد.

معماری یکپارچه همچنین سیستم را در طول زمان قابل نگهداری‌تر می‌کند. هنگامی که شرکت نیاز به به‌روزرسانی نحوه مدیریت یک دسته خاص از استثنا دارد، به‌روزرسانی در یک مکان اتفاق می‌افتد و نه در شش پیاده‌سازی جداگانه خاص لایه. هزینه نگهداری با رشد پیچیدگی سیستم قابل مدیریت باقی می‌ماند.

این روش‌شناسی چه چیزی تولید می‌کند

شرکتی که هر شش لایه را آماده می‌کند و اتوماسیون را در برابر لایه‌های آماده شده مستقر می‌کند، سیستمی را تولید می‌کند که چرخه کامل تعامل را بدون شکاف‌ها و درزهایی که اکثر پروژه‌های اتوماسیون را محکوم به فنا می‌کند، مدیریت می‌کند. لایه پذیرش تعاملات صحیح را با دامنه صحیح می‌پذیرد. لایه جمع‌آوری اسناد داده‌های منبع تمیز را تولید می‌کند. لایه آماده‌سازی به طور کارآمد در برابر داده‌های تمیز اجرا می‌شود. لایه بازبینی خطاهایی را که از آماده‌سازی عبور می‌کنند، شناسایی می‌کند. لایه ارتباطات تجربه مشتری را بدون مصرف زمان آماده‌کننده حفظ می‌کند. لایه پس از تعامل داده‌هایی را جمع‌آوری می‌کند که تصمیمات چرخه بعدی را اطلاع‌رسانی می‌کند.

نتیجه یک سیستم کامل نیست. آماده‌سازی مالیاتی به اندازه کافی پیچیدگی دارد که سیستم‌های کامل قابل دستیابی نیستند. نتیجه سیستمی است که در آن هر لایه تحت حجم اوج فصل مقاومت می‌کند، جایی که لایه‌ها به طور تمیز به یکدیگر تغذیه می‌کنند، و جایی که شرکت دیدی نسبت به آنچه در سرتاسر چرخه کامل تعامل اتفاق می‌افتد، دارد و نه فقط در لایه‌هایی که شرکت به طور سنتی به آنها توجه کرده است.

شرکت‌هایی که به این نتیجه می‌رسند، یک ویژگی فراتر از معماری خود دارند. آنها در آماده‌سازی لایه‌ها قبل از سرمایه‌گذاری در خودکارسازی آنها سرمایه‌گذاری کردند. آنها آمادگی را به عنوان پایه‌ای که تعیین می‌کند آیا اتوماسیون موفق می‌شود یا نه، در نظر گرفتند تا به عنوان سرباری که استقرار را به تأخیر می‌اندازد. این توالی‌بندی تفاوت بین اتوماسیونی است که در طول چندین فصل ارزش افزوده می‌کند و اتوماسیونی که بودجه را بدون ارائه بهبود عملیاتی مصرف می‌کند.

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 عامل، ریل‌های پرداخت غیرسنتی، و یک موتور سرمایه‌گذاری کامل. TFSF با 27 سال تجربه در پرداخت‌ها و نرم‌افزار، به صورت جهانی فعالیت می‌کند و به 21 صنعت با روش‌شناسی استقرار 30 روزه خدمات ارائه می‌دهد. اطلاعات بیشتر در https://tfsfventures.com

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

Originally published at https://tfsfventures.com/blog/the-six-workflow-layers-every-tax-firm-needs-before-adopting-ai-automation-across

Written by TFSF Ventures Research