Jak efektywnie zapewnić całkowicie automatyczne rozliczanie płatności w operacjach faktoringowych

Każdy, kto zarządza operacjami rozliczeniowymi w firmie faktoringowej, dobrze zna realia poniedziałkowych poranków.

To wtedy spływają przelewy bankowe z całego weekendu, najczęściej w różnym formacie i z różną szczegółowością w tytule. Nazwy nadawców nie pasują do żadnej umowy w systemie, a odpowiednie kwoty rozmijają się o parę groszy. Zespół otwiera więc kolejkę rozliczeń i zmuszony jest do ręcznego ich przetwarzania, i zanim wszyscy się z tym uporają, mija znaczna część dnia.

Tak wygląda codzienny proces rozliczania płatności na dużą skalę. To jeden z najbardziej skomplikowanych problemów operacyjnych w faktoringu – nie na tyle poważny, aby wymusić całkowitą zmianę, ale wystarczająco kosztowny, by w skali roku ukradkiem pochłaniać tysiące godzin pracy zespołu.

Dlaczego tak trudno jest wyeliminować ręczne rozliczenia?

Instynkt podpowiada, że rozliczanie płatności powinno być proste: system zawiera wszystkie dane o należnościach, a bank monitoruje spłaty, umożliwiając ich automatyczne porównanie.

W praktyce jest to dużo bardziej skomplikowane.

Dla każdego przychodzącego przelewu system musi ustalić dwie kluczowe informacje: nadawcę oraz odniesienie do konkretnej umowy. Obie te dane są w dużej mierze uzależnione od jakości informacji zawartych w tytule przelewu, która, dość powiedzieć, jest mocno zróżnicowana w zależności od nadawcy.

Duzi klienci korporacyjni zazwyczaj korzystają z jednolitego formatu, co sprawia, że ich płatności są łatwe do zidentyfikowania. Numery referencyjne, numery umów i dane nadawcy są starannie dopasowane do zapisów w systemie, co gwarantuje sprawne automatyczne rozliczanie – osiągające niemal 100% skuteczności.

Mniejsi klienci stanowią odrębną kategorię. Ich przelewy mogą zawierać np. ręcznie wpisany tytuł ze skróconą nazwą firmy, częściowym numerem faktury lub nie zawierać żadnych dodatkowych informacji poza kwotą. Ten sam klient może zmieniać format tytułu przelewów z miesiąca na miesiąc – czasem poda numer umowy, a innym razem jedynie nazwę firmy i zaokrągloną sumę.

Właśnie tego typu niespójności stanowią główną przyczynę problemu z dopasowaniem płatności w rozliczeniach.

Algorytmy poprawiające skuteczność

Najprostszym podejściem do automatycznego rozliczania płatności jest tzw. metoda FIFO (z ang. first in, first out), czyli „pierwsze przychodzi, pierwsze wychodzi”. Kiedy przychodzi płatność od zidentyfikowanego nadawcy, jest ona przypisywana do najstarszego zaległego zobowiązania na danej umowie. System ten działa wystarczająco dobrze, gdy klienci spłacają poszczególne faktury po kolei, bez wpłat częściowych czy skonsolidowanych.

Niestety odnosi się to tylko do niewielkiej części rzeczywistych transakcji.

Zaawansowane algorytmy rozliczeniowe opierają się na tytule przelewu i kwocie, szukając zgodności z numerami umów, identyfikatorami faktur lub kodami klientów. Są skuteczne, gdy nadawcy podają dane precyzyjnie, jednak często tak nie jest. Na przykład polski klient z zaległościami na umowie „FKT/2026/00123” może wpisać w tytule "FKT 123”, „faktura 123” albo po prostu „123”. Algorytmy bazujące na dokładnym dopasowaniu pomijają takie warianty.

Kolejnym krokiem jest dopasowywanie rozmyte, czyli algorytmy, które szukają częściowych podobieństw zamiast dokładnych dopasowań. Logika zakłada tutaj, że nadawcy mogą popełniać błędy, używać skrótów lub nie znać dokładnego formatu, którego oczekuje system. Jeśli tytuł przelewu zawiera rozpoznawalny fragment odniesienia do umowy, nawet jeśli zawiera literówki lub w którym brakuje jakiegoś znaku, algorytm może nadal uznać możliwe dopasowanie.

W przypadku tej metody ilość trafień znacznie się zwiększa. Dopasowywanie fragmentarycznych ciągów znaków wychwytuje sporą część przypadków, które inaczej zostałyby pominięte. Większość błędów po stronie nadawcy to drobne pomyłki: np. brakująca cyfra, źle postawiony znak lub separator.

Jak na tym polu prezentuje się system faktoringowy Comarch?

W platformie faktoringowej Comarch skuteczność automatycznego dopasowania osiąga zakres między 70% a 100%, zależnie od jakości opisów rozliczanych przelewów od kontrahentów. Dla portfeli, w których klienci zwykle używają ustrukturyzowanych, spójnych opisów płatności, system obsługuje niemal wszystko automatycznie. W portfelach z gorzej opisanymi płatnościami wskaźnik ten jest bliższy 70%, a reszta jest kierowana do ręcznej weryfikacji.

Ten zakres płatności odesłanych do weryfikacji wynika głównie nie z wad systemu automatycznego, lecz z niedostatecznej ilości informacji w poszczególnych przelewach, co utrudnia ich precyzyjne dopasowanie. Całkowita automatyzacja przy niskiej pewności dopasowania może prowadzić do błędnego rozliczenia, które i tak następnie trzeba będzie poprawić. To zaś może wygenerować wyższy koszt rozliczenia niż gdyby było prowadzone w całości ręcznie.

Obecna polityka jest zatem celowa. Dopasowania o wysokim poziomie pewności odbywają się automatycznie, podczas gdy przypadki niejednoznaczne trafiają do ręcznej weryfikacji.

Gdzie AI już się sprawdza, a gdzie jeszcze nie do końca

Kolejna faza rozwoju platformy faktoringowej Comarch wprowadza dopasowanie wspomagane przez sztuczną inteligencję dla przypadków niejednoznacznych.

Model analizuje pełen kontekst transakcji, historię nadawcy, schematy płatności, relacje między kwotami i fragmenty tytułów, a następnie generuje propozycję rozliczenia do zatwierdzenia przez operatora. Zamiast zaczynać od zera i szukać ręcznie, operator otrzymuje listę rekomendacji, które może zatwierdzić, edytować lub odrzucić.

To znaczący wzrost efektywności zespołów odpowiedzialnych za rozliczenia. System automatycznie analizuje skomplikowane dane, wskazując najprawdopodobniejsze dopasowania, a następnie pracownik zatwierdza lub koryguje te wyniki.

Kluczowe w tym projekcie jest to, że ostateczna decyzja należy do operatora. Sugestie AI dotyczące dopasowania służą jedynie jako rekomendacje, a nie jako automatyczne działanie. W faktoringu ta różnica jest szczególnie ważna, ponieważ nieprawidłowe zaksięgowanie płatności może prowadzić do błędnych wyliczeń odsetek, niepoprawnych raportów i problemów ze zgodnością na kolejnych etapach. Koszt podjęcia pewnej, ale błędnej decyzji jest wyższy niż koszt zachowania ostrożności.

Zaufanie do sztucznej inteligencji będzie rosło w miarę jak modele będą gromadziły coraz więcej doświadczeń. Obecnie architektura opiera się na rozsądnym podejściu: używajmy AI, by zredukować wysiłek umysłowy przy ręcznym rozliczaniu płatności, a w niejasnych sytuacjach wciąż pozostawmy człowieka w pętli decyzyjnej.

Istotne jest właściwe podejście do tematu

W przypadku dużego wolumenu różnica między 70% a 95% automatycznego dopasowywania jest nie tylko wyraźnym wskaźnikiem wydajności, ale i kwestią przepustowości.

Obsługa faktoringu wiąże się z realizacją tysięcy przelewów miesięcznie. Jeśli 30% z nich jest rozliczanych ręcznie, to znaczna część czasu analityków jest marnowana na zadania głównie polegające na rozpoznawaniu wzorców, i niewiele więcej – takie prace zdecydowanie powinny zostać zautomatyzowane. To pozwoli zespołom rozliczeniowym skoncentrować się na naprawdę skomplikowanych zadaniach, które wymagają ich pełnej uwagi.

Platforma faktoringowa Comarch poprawia dokładność dopasowań, korzystając z wysokiej jakości danych. Wykorzystanie rekomendacji opartych na AI jeszcze bardziej usprawnia ten system, umożliwiając operatorom podejmowanie lepszych decyzji.

Dla firm faktoringowych, które chcą ograniczyć ręczne rozliczenia i uniknąć błędów związanych z całkowicie automatycznym systemem weryfikacji wpłat, najlepszym rozwiązaniem jest właśnie połączenie zaawansowanej automatyzacji z AI oraz końcowego zatwierdzenia przez pracownika.

Takie podejście umożliwia osiągnięcie niemal 100% skuteczności – choć nie od razu i nie we wszystkich portfelach, regularne działania we właściwym kierunku z pewnością pomogą nam się do tego zbliżyć.

Chcesz dowiedzieć się, jak to działa w praktyce? Skontaktuj się z zespołem Comarch, aby wspólnie przeanalizować obecne wolumeny rozliczeń i wskazać obszary, w których automatyzacja może przynieść najwięcej korzyści w najkrótszym czasie.