KMD Letbetaling

Tidslinje:

• 2019-2020: Udvikling og tidlige pilotprojekter
• 2020: Guldborgsund Kommune implementerede systemet
• 2020-2021: Halsnæs Kommune gennemførte pilottest og efterfølgende udrulning
• 2021-2022: Faxe Kommune implementerede systemet som del af KMD Opus suite
• Aktuelt status (2025): Systemet er i drift i 35+ kommuner

Machine Learning teknologi: KMD Letbetaling anvender machine learning til at:

Mønstergenkendelse: Systemet scanner store mængder gamle konteringsdata for at identificere mønstre i fakturahåndtering

Leverandørhistorik: Machine learning-modellen lærer leverandørhistorikken at kende og forstår typiske konterings- og købsmønstre

Kategorisering: Systemet kategoriserer automatisk varer og services og oversætter UNSPSC-koder til kommunens egen artskontoplan

Kontinuerlig læring: For hver faktura der håndteres, bliver modellen klogere - læring der kommer alle brugere af løsningen til gode

Sandsynlighedsberegning: Systemet tildeler hver kontering en sandsynlighedsscore der angiver, hvor sikker modellen er på sit forslag

AI-funktioner:

• Automatisk berigelse af fakturalinjer med kostbærer (via ML) og art (via UNSPSC)
• Generering af intelligente konteringsforslag
• Tilpasning til decentrale enheders varierende detaljeringsgrad

Træningsdata:

Historiske konteringsdata:

• Store mængder gamle konteringsdata fra kommunens økonomisystem
• Data om tidligere fakturabehandling og konteringsbeslutninger
• Typisk flere måneders historisk data

Leverandørinformation:

• Leverandørhistorik og købsmønstre
• EAN-numre og leverandøridentifikation
• Information om typiske varer og services fra specifikke leverandører

Kommunespecifik information:

• Den enkelte kommunes artskontoplan
• Kostbærere og organisationsstruktur
• Lokale konterings- og bogføringspraksisser

Træningsproces: Machine learning-modellen bruger flere måneder på at "tygge sig igennem" træningsdata ved implementering. Modellen fortsætter med at lære og forbedre sig gennem drift, idet hver håndteret faktura bidrager til yderligere træning.

Pilotprojekter:

Halsnæs Kommune:

• Gennemførte pilotdrift med overbevisende resultater
• Systemet blev efterfølgende rullet ud i hele kommunen
• Identificeret sidegevinst: Intelligente konteringsforslag også for ikke-automatiserede fakturaer

Guldborgsund Kommune (2020):

• Udarbejdede business case med forventede besparelser
• Estimerede automatisering af 60% af 80.000 årlige fakturaer i 2022
• Forventet årlig nettoværdi: ca. 1 mio. kr.

Identificerede udfordringer:

Organisatoriske udfordringer:

• Medarbejdere skulle vænne sig til ny rolle som controllere frem for datainput
• Nogle medarbejdertyper var "forsigtigt begejstrede" og foretrak selv at kontrollere
• Løsning: Fokus på positiv kommunikation og forklaring af de nye arbejdsroller

Tekniske udfordringer:

• Systemet kræver tid til korrekt opsætning
• ML-modellen skal trænes i kommunens specifikke forhold
• Varierende detaljeringsgrad i forskellige afdelinger
• Løsning: Tålmodig træningsperiode på flere måneder; løbende forbedring

Forventningshåndtering:

• KMD Letbetaling er ikke en "mirakelkur" - kræver aktiv implementering
• Løsning: Klar kommunikation om at systemet kræver tid og engagement

Positive erfaringer:

• Medarbejdere på tværs af organisationer tog generelt positivt imod systemet
• Større ensartethed i kontering
• Øget rettidighed i betalinger, færre rykkere
• Frigørelse af tid til ledelsestilsyn og strategisk arbejde

Primære begrundelser:

Ressourcebesparelse:

• Fakturabehandling tager i gennemsnit 5 minutter pr. bilag
• Med 70.000+ fakturaer årligt i selv mindre kommuner er potentialet betydeligt
• Forventede besparelser på ca. 1 mio. kr. årligt (Guldborgsund)

Effektivisering:

• Automatisering af op til 80% af fakturabehandlingen
• Frigørelse af medarbejderressourcer til mere kvalificerede opgaver
• Reduktion af manuel datainput

Moderne økonomistyring:

• Understøtter principper for moderne økonomistyring
• Fokus på store linjer frem for detaljekontrol
• Bedre ledelsestilsyn gennem frigivne ressourcer

Kvalitetsforbedring:

• Mere ensartet kontering på tværs af organisationen
• Færre fejl gennem standardisering
• Bedre rettidighed i betalinger

Strategisk digitalisering:

• Del af kommunernes digitaliseringsstrategi
• Optimering af arbejdsgange i økonomisk styring
• Modernisering af administrative processer

Udbredelse i Danmark: Over 35 danske kommuner anvender KMD Letbetaling, hvilket gør det til den mest udbredte AI-konteringsmotor i den offentlige sektor i Danmark.