Artikler
En «kunstig» lønnsmedarbeider
Å produsere en enkel lønnslipp er komplisert, og mange feil er vanskelige for et menneske å oppdage. Derfor har Aditro Lønn fått utviklet et program som lærer seg selv å oppdage disse feilene.
En høy grad av effektivisering og automatisering i Aditros lønnssystemer gjør at rollen som lønnsmedarbeider vil endres. Teamet fra Aditro Lønn og NoIS har utviklet et system som lærer seg selv hvordan det skal oppdage feil. F.v.: Arne Lockert, utviklingsdirektør Aditro, Vigleik Lund, data scientist, NoIS, Einar Wigum Arbo, data scientist, NoIS, Tor-Erik Hagen, senior software architect, Aditro. Foto: Aditro Lønn.
– Aditro har svært fornøyde brukere, men vi begynte etter hvert å få tilbakemeldinger om at vi så litt gammeldagse ut. Derfor begynte vi litt på nytt, og dro med oss kjernen over til en ny skybasert løsning med vekt på automatisering, sier utviklingsdirektør Arne Lockert i Aditro.
Aditro leverer produkter innen lønn, HR og outsourcingstjenester, og har kontorer i Norge, Sverige og Finland.
God kontroll på nye feil
Høy grad av automatisering, brukervennlig og prosessorientert grensesnitt, og gode kontrollsystemer for å fange opp feil har vært avgjørende faktorer for det nye systemet.
– Aditro leverer lønnssystemer til store bedrifter som trenger mer automatiserte løsninger. De jobber meget seriøst med maskinlæring og kunstig intelligens for å oppnå en høy automatiseringsgrad, sier Jørgen Longva, IT-rådgiver og oppdragsansvarlig i Norconsult Informasjonssystemer (NoIS).
Litt forenklet fungerer kontrollmekanismene i Aditros nye lønnsprogram slik: I bunnen ligger en avansert algoritme som gjennomgår alle lønnsdata for å finne potensielle feil. Ved bruk av kunstig intelligens lærer ikke programmet bare seg hvordan det skal oppdage kjente feil, men også finne helt nye feil ved å identifisere uvanlige transaksjoner.
Uveiledet læring og kunstige feil
Innen maskinlæring benyttes to kategorier av algoritmer. Veiledet, der algoritmen lærer basert på en rekke eksempler på hva som er rett og feil, og uveiledet, hvor algoritmen selv finner feil basert på hvordan dataene er distribuert.
– Uveiledete algoritmer er veldig mye vanskeligere. Problemet her var at vi ikke hadde mange gode eksempler på tidligere korrigeringer, forklarer Longva.
NoIS og Aditro har samarbeidet tett siden tidlig i fjor vinter og Aditro har bistått med alle typer databaser og godkjenninger fra kunder, slik at algoritmen kunne trene på reelle, men anonymiserte data.
– NoIS har mye erfaring med dette, og er tydelige på hva de mener er bra og ikke bra. Vi hadde ikke klart å gjøre denne jobben alene. Vi var helt avhengige av å få både kompetanse og gjennomføringskraft, og input fra utsiden, sier Lockert.
Lyst til å lese mer? I ISYnytt 02/19 finner du en utvidet versjon av denne artikkelen.