AI-fakturabehandling: case med reelle resultater fra Latinamerikas største helikopteroperatør

NovaGate Solutions byggede en AI-platform til fakturabehandling for OHI (Omni Helicopters International), Latinamerikas største helikopteroperatør. Mellem 8. februar og 18. oktober 2026 modtog den 1.468 dokumenter. 995 blev til godkendte fakturaer, 78 % af dem uden en eneste manuel rettelse, og 182 dubletter blev stoppet ved modtagelsen. En person godkendte hver eneste faktura; det gjorde AI'en aldrig. Denne case viser, hvordan platformen virker, hvordan vi tæller, og hvad mennesker stadig gør.

Resultater af AI-fakturabehandling: tallene og hvordan vi tæller dem

Det er målinger fra produktionssystemet mellem 8. februar og 18. oktober 2026, ikke estimater. Hvert nøgletal har en definition, fordi den samme betegnelse kan betyde forskellige ting i forskellige cases.

Hvad er AI-fakturabehandling, og hvordan adskiller det sig fra OCR?

AI-fakturabehandling betyder, at software læser leverandørfakturaer, henter de felter, der er vigtige, kontrollerer dem og sender dem videre til den rette person, hvor en model står for læsningen i stedet for en skabelon. Klassisk OCR omdanner et billede til tekst og kræver derefter regler for hver leverandørs layout. Her læser en multimodal AI-model pdf'en direkte, som et menneske ville gøre, så en ny leverandør ikke er et nyt projekt. Modellen læser kun. Almindelig kode kontrollerer derefter resultatet mod stamdata, og mennesker træffer beslutningerne.

Den opdeling er grunden til, at „bare tilføj OCR“ sjældent løser noget. At læse er den lette del. Det dyre er kontrol, videresendelse, godkendelse og arkivering, og platformen dækker alle fire.

Hvordan bevæger en faktura sig gennem platformen?

Følg én faktura fra indbakken til arkivet. De fremhævede stop i diagrammet er kontrolpunkter: steder, hvor platformen eller en person kan sige nej.

1. Den ankommer. Fakturaen kommer ind pr. e-mail gennem en dedikeret postkasse og går selv ind i platformen. En validator kan også uploade et dokument manuelt.
2. AI læser den. En multimodal model, som standard Googles Gemini med Anthropics Claude og OpenAI-modeller som automatiske reserver, henter leverandør, datoer, beløb og linjedetaljer fra pdf'en, uanset layout.
3. Platformen kontrollerer den. Almindelig kode sammenligner de uddragne data med stamdata (godkendte leverandører, koncernselskaber og fly) og giver fakturaen et grønt, gult eller rødt resultat. Dubletter og dokumenter, der ikke er fakturaer, stoppes her.
4. En person gennemgår den. En validator ser på det, AI'en har læst, og retter alt, der er forkert. Hver rettelse gemmes som en før-og-efter-version.
5. En person godkender den. Hvis intet skulle rettes, kan en validator godkende fakturaen. Hvis nogen har ændret et felt, lader platformen ikke en validator godkende den: den går til en godkender.
6. Den arkiveres og logges. Den godkendte faktura går til det rigtige selskabs mappe i kundens SharePoint, og hvert trin står allerede i auditloggen.

Hvor nøjagtig er den i drift, og hvad betyder „touchless“ egentlig?

Af 995 godkendte fakturaer blev 780 (78,4 %) godkendt uden manuel rettelse. Vi kalder det andelen uden rettelser: intet felt blev ændret mellem AI'ens læsning og godkendelsen. Det er ikke det samme som touchless. En person åbner og godkender stadig hver faktura, fordi platformens valgfrie indstilling til automatisk godkendelse er slået fra hos OHI. Tæller man strengt, er den helt touchless andel 0 %, med vilje.

Offentliggjorte branchebenchmarks sætter den gennemsnitlige touchless-andel til omkring en tredjedel af fakturaerne og de bedste til omkring halvdelen (se Parseurs gennemgang af benchmarks og Docsumos guide til touchless, som citerer forskning fra Ardent Partners), men de siger sjældent, hvordan touchless tælles. Sammenlign definitioner, før du sammenligner tal. De øvrige 215 fakturaer (21,6 %) fik mindst ét felt rettet af en person. Vi har ikke offentliggjort et nøjagtighedstal på feltniveau, og vi ville være på vagt over for enhver, der angiver 99 % uden en stikprøvestørrelse.

Hvordan opdager den dublerede fakturaer og dokumenter, der ikke er fakturaer?

Dubletter udgjorde 182 af 1.468 dokumenter (12,4 %), cirka hver ottende. Leverandører sender fakturaer igen, og postkasser videresender kopier. Hvis ingen griber ind, er hver kopi en betaling, der venter på at ske.

Platformen blokerer en nøjagtig gentagelse automatisk: samme leverandør, fakturanummer, dato, beløb og valuta. Næsten-ens dokumenter, for eksempel en faktura og dens kreditnota, der har samme nummer og dato, markeres til en person i stedet for at blive blokeret, for også det at blokere et legitimt dokument er en fejl. Dokumenter, der ikke er fakturaer, får samme behandling: 157 (10,7 %), mest betalingsmeddelelser, blev sat i karantæne i stedet for at komme ind i kreditorforløbet.

Hvad gør mennesker stadig i en AI-fakturaproces?

Mennesker gør stadig det arbejde, der kræver skøn, og det er med vilje. Validatorer kontrollerer det, AI'en har læst, og retter det på cirka hver femte faktura. Godkendere godkender hver faktura, der er blevet rettet. Mennesker gennemgår markeringerne af næsten-dubletter, og en anden person godkender hver ændring af leverandørstamdata (151 godkendt, 5 afvist).

Det, der er ændret, er arten af arbejdet. Ingen genindtaster en faktura eller leder efter den rigtige mappe; mennesker kontrollerer AI'ens læsning og træffer beslutninger. Derfor siger vi, at AI-fakturabehandling ændrer jobs i kreditorbogholderiet i stedet for at erstatte dem.

Begrænsningerne er reelle. AI'en kan læse beløb, moms eller linjedetaljer forkert, især på tætte eller usædvanlige layouts, og derfor gennemgår en person resultatet, og platformen validerer det, før noget godkendes.

Hvilke kontroller får en revisor?

En økonomiplatform er kun nyttig, hvis CFO'en kan forklare den for en revisor. Seks kontroller bærer den vægt.

• Adskilte roller. Ingen kan have både en validator- og en godkenderrolle, og administratoren kan ikke have nogen af dem. Rollerne håndhæves på serveren, ikke kun i brugerfladen.
• Ingen godkendelse af egne rettelser. En validator kan ikke godkende en faktura, der er blevet rettet; den går til en godkender.
• En navngiven person på hver godkendelse. Alle 995 godkendelser i auditloggen har en bruger og et tidsstempel.
• Versionerede rettelser. Hver manuel ændring gemmes som en før-og-efter-version, så man kan se, hvad AI'en læste, og hvad en person ændrede.
• Godkendte stamdata. Ændringer af leverandører, koncernselskaber og fly kræver en anden persons godkendelse, og hver skrivning logges.
• Sikker genbehandling. En faktura kan sendes gennem forløbet igen, og nulstillingen efterlader ingen halve tilstande.

Hvordan fungerer den sammen med SharePoint og Microsoft 365?

OHI er en koncern af virksomheder, og hver enkelt har sin egen plads i SharePoint. Fakturaer kommer ind gennem en Microsoft 365-postkasse, og platformen router hver godkendt faktura efter OHI's eget selskab-til-mappe-kort ind i kundens SharePoint. En knap i platformen åbner den præcise placering, så „hvor endte den egentlig?“ har et svar med ét klik.

Selve platformen hostes, overvåges og vedligeholdes af NovaGate. Postkassen og SharePoint-arkivet forbliver i kundens egen Microsoft 365.

Hvad sker der, når en AI-model ikke er tilgængelig?

AI-modeller begrænser, hvor mange forespørgsler man kan sende dem, og enhver leverandør kan have en dårlig time. For en chatbot er det en gene. For en fakturaproces er det et stop, så platformen afhænger aldrig af en enkelt model. Afviser den første model en forespørgsel, går fakturaen videre til en reservemodel. Hvis den stadig sidder fast, prøver platformen igen hver time helt af sig selv og sender en alarm-mail, så ingen behøver at opdage en stilhed for at finde ud af, at noget er galt.

Hvis vi byggede den igen, ville failover være med i den første version. En økonomiproces, der afhænger af én ekstern leverandør, har et single point of failure med en andens navn på.

Byg eller køb: hvorfor fik OHI en skræddersyet platform?

OHI er en koncern med flere selskaber, fakturaer i flere valutaer, sin egen SharePoint-struktur, sin egen rollemodel og luftfartsspecifikke stamdata som fly. Færdige kreditorsystemer er bygget omkring en standardproces, og at passe en koncern som denne ind i et sådant system betyder som regel, at man må ændre processen, så den passer til værktøjet.

Den ærlige tommelfingerregel: Hvis dine fakturaer kommer fra én enhed, ét ERP og standardmatching mod indkøbsordrer, så køb først. Byg, når formen på din organisation er det svære. For at vurdere potentialet uanset hvad kan du bruge ROI-beregneren.

„NovaGates team tager sig tid til at forstå processerne og udfordringerne og omsætter forretningskrav til praktiske og effektive løsninger. Jeg vil trygt anbefale NovaGate til enhver organisation, der leder efter en teknologipartner, der kombinerer teknisk ekspertise med en ægte forståelse af sine kunders behov.“

Hvad vi ville gøre igen

• Kontrollér, før en person ser fakturaen. Validering mod stamdata først gør gennemgangen hurtigere og mere meningsfuld.
• Gør roller til en serveropgave. Funktionsadskillelse, der kun findes i brugerfladen, er ikke funktionsadskillelse.
• Planlæg for en AI-model, der er nede. Failover og nye forsøg hører hjemme i første version, ikke i anden.
• Se arkiveringen som en del af produktet. At sende en godkendt faktura til den rigtige mappe er det trin, et økonomiteam mærker hver dag.
• Definér hvert nøgletal fra første dag. Versionshistorik og auditloggen er det, der lader os tælle andelen uden rettelser ærligt.

Ofte stillede spørgsmål om AI-fakturabehandling

Hvor nøjagtig er AI-fakturabehandling?

I denne implementering krævede 78,4 % af de godkendte fakturaer ingen manuel rettelse i løbet af otte måneders drift, og en person kontrollerede hver eneste. Vi rapporterer andelen uden rettelser i stedet for et nøjagtighedstal på feltniveau, for et overskriftstal for nøjagtighed uden stikprøve og definition fortæller meget lidt.

Hvad er en god touchless-andel i fakturabehandling?

Det afhænger af, hvordan der tælles. Brancherapporter sætter gennemsnittet til omkring en tredjedel af fakturaerne og de bedste til omkring halvdelen, men definitionerne varierer. Beslut først din definition (ingen rettelse eller slet intet menneskeligt klik), og mål den derefter på dine egne fakturaer.

Erstatter AI medarbejderne i kreditorbogholderiet?

Det gjorde den ikke her. Arbejdet flytter sig fra at taste og søge til at kontrollere AI'ens læsning og træffe beslutninger. Validatorer, godkendere og økonomimedarbejdere er alle stadig med i forløbet.

Kan AI godkende fakturaer på egen hånd?

Teknisk set ja: platformen har en valgfri indstilling til automatisk godkendelse af rene fakturaer. OHI holder den slået fra, så hver godkendelse har en navngiven person bag sig. Om den skal slås til, er en risikobeslutning for hver virksomhed, ikke en teknisk.

Hvad sker der, når AI'en tager fejl på en faktura?

En validator retter den før godkendelsen, rettelsen gemmes som en før-og-efter-version, og kontrollerne mod stamdata og dubletreglerne kører igen. Intet når arkivet uden en persons godkendelse.

Virker det, når hver leverandørs faktura ser forskellig ud?

Det er det normale. En multimodal model læser layoutet direkte, så en ny leverandør ikke kræver en skabelon. Platformen kontrollerer derefter resultatet mod stamdata og markerer det, der ikke passer.

Kan den håndtere SharePoint, Microsoft 365 og flere juridiske enheder?

Ja. Godkendte fakturaer arkiveres i kundens SharePoint, i den rigtige mappe for hvert koncernselskab, og stamdata dækker leverandører, koncernselskaber og fly. Fakturaer i US-dollar, euro og pund sterling kører gennem det samme forløb.

Hvilke AI-modeller læser fakturaerne?

Multimodale modeller fra Google (Gemini), Anthropic (Claude) og OpenAI med automatisk failover imellem dem. Fakturaindholdet sendes til leverandøren for at blive læst, så valg af leverandør, region og databetingelser er en del af designet for hver kunde.

Er AI-fakturabehandling GDPR-kompatibel?

Det afhænger af opsætningen, ikke af AI som sådan: hvilken leverandør der behandler dokumenterne, hvor, under hvilken kontrakt, og om dine data bruges til træning. Vi definerer og dokumenterer de valg sammen med hver kunde før go-live. Hvis du vil have dem gennemgået for din situation, kan du tage kontakt til NovaGate Solutions.

Hvad koster AI-fakturabehandling, og hvor hurtigt tjener det sig ind?

Det afhænger af dit fakturavolumen, andelen af manuelt arbejde og antallet af involverede systemer. ROI-beregneren giver dig et første estimat på få minutter, og en pilot på dine egne fakturaer giver dig rigtige tal.

Hvad nu

Hvis dit finansteam behandler dokumenter på tværs af flere systemer, så læs hvad du automatiserer først, og hvad der forbliver manuelt, se de andre kundecases, eller vurder dit eget potentiale med ROI-beregneren. Du kan også tage kontakt til NovaGate Solutions om en pilot med dine egne fakturaer.