AI-modellen en platforms

RightRev lanceert AI-agents om de omzetverantwoording af te stemmen op veranderende contracten

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google
RightRev company photograph accompanying its AI revenue platform announcement

RightRev heeft RightAgents gelanceerd, een reeks AI-agents die terugkerende werkzaamheden rond omzetverantwoording uitvoeren, van contracten controleren tot uitleggen waarom saldi zijn veranderd. De aankondiging van 12 november richt zich op een groeiende uitdaging voor financiële teams: de boekhouding afstemmen op gebruiksafhankelijke prijzen, vooraf betaalde credits en contracten die in de loop van de maand veranderen.

De aanpak combineert AI-ondersteuning met een op regels gebaseerde omzetverwerkingsengine. Agents verzamelen informatie, onderzoeken verschillen en bereiden werk voor ter beoordeling. Financiële teams behouden de goedkeuring over wat in het grootboek terechtkomt.

Die taakverdeling is belangrijk. Een assistent kan een aannemelijke verklaring geven voor een verandering in de omzet, zonder vast te stellen of de onderliggende boekhouding klopt. RightRev wil agents toegang geven tot de gegevens en berekeningen achter het cijfer, terwijl de uitvoering van de boekhouding gebonden blijft aan goedgekeurd beleid.

Waarom veranderende prijsmodellen de boekhouding ingewikkelder maken

Een abonnementsfactuur en de verantwoorde omzet volgen niet noodzakelijk hetzelfde schema. Een klant kan vooraf credits kopen, deze over meerdere maanden verbruiken, halverwege een contract een product toevoegen of in aanmerking komen voor een andere prijscategorie. Elk van deze gebeurtenissen kan het benodigde boekhoudkundige werk veranderen, ook als de facturering normaal doorgaat.

RightRev’s platform voor omzetverantwoording ondersteunt boekingen, gebruik, leveringsgebeurtenissen, mijlpalen en andere ingestelde triggers. Het kan boekhoudregels toewijzen aan afzonderlijke prestatieverplichtingen, bedragen verdelen over gebundelde contracten en schema’s opnieuw berekenen wanneer overeenkomsten worden gewijzigd. Volgens RightRev valt omzetverantwoording onder ASC 606 en IFRS 15.

De software verwerkt ook terugkerende en eenmalige overeenkomsten, omzetwatervallen, journaalposten en analyses van zelfstandige verkoopprijzen. Deze functies bieden het boekhoudkundige kader voor de nieuwe agents: het systeem moet vaststellen voor welke verplichting omzet is verdiend, wanneer daaraan is voldaan en hoe het bedrag is bepaald.

Een contextlaag tussen bedrijfssystemen en AI

RightRev beschrijft RightContext als de data- en contextlaag van het platform. Deze brengt facturerings-, ERP- en gebruiksgegevens samen, normaliseert de invoer en stelt financiële teams in staat om bedrijfsspecifieke context te definiëren. Vervolgens past de omzetverwerkingsengine het beleid van de klant toe op die basis.

Volgens de aankondiging kan dezelfde context RightAgents en externe AI-tools ondersteunen die via het Model Context Protocol (MCP) zijn verbonden. Het bedrijf zegt dat gebruikers toegang hebben tot zijn agents via tools als Claude en ChatGPT, binnen de bestaande toegangsrechten van elke gebruiker.

De praktische meerwaarde zit in de directe koppeling tussen een vraag en het bewijs ervoor. Als een controller vraagt waarom een saldo is veranderd, moet een bruikbaar antwoord de verandering verbinden met de relevante overeenkomst, de bront transactie en de boekhoudregel. Als een assistent alleen toegang krijgt tot het eindtotaal in een spreadsheet, ontbreekt een groot deel van die keten.

Zeven agents voor het controleren, verklaren en aanpassen van omzetprocessen

Op de productpagina van RightRev AI zijn de agents ingedeeld naar het opsporen van problemen, het verklaren van resultaten en het voorbereiden van wijzigingen:

  • Anomalies signaleert ongebruikelijke afwijkingen, ontbrekende prijzen en onverwachte toewijzingen ter beoordeling.
  • Contract Checklist haalt voorwaarden en verplichtingen uit contracten en toetst deze aan een boekhoudkundige checklist.
  • Revenue Assistant beantwoordt vragen in gewone taal aan de hand van de omzetgegevens van de organisatie.
  • Architect zet schriftelijk beleid om in voorgestelde regels, die financiële teams goedkeuren voordat ze worden geactiveerd.
  • Use Case Modeling stelt tests voor voorgestelde wijzigingen op en voert deze uit.
  • Flux koppelt veranderingen tussen perioden aan contracten en stelt toelichtingen op.
  • Reconciliation vergelijkt bronsystemen, RightRev en het grootboek en verklaart verschillen.

Zo worden de voorbereiding en het onderzoek over de hele boekhoudperiode verspreid. In plaats van elke afstemming pas aan het einde van de maand te starten, kunnen teams uitzonderingen beoordelen zodra contracten en gebruiksgegevens binnenkomen. De afsluiting wordt zo een moment om openstaande kwesties op te lossen en het verzamelde werk goed te keuren.

Deterministische berekeningen met menselijke goedkeuring

Het technische onderscheidende kenmerk van RightRev is de scheiding tussen de interpretatie door een AI-agent en de engine die de omzet berekent. In de productdocumentatie beschrijft het bedrijf een deterministische uitvoering: goedgekeurde regels leveren herhaalbare berekeningen op, terwijl de uitvoer van agents is gekoppeld aan de onderliggende gegevens.

Dat betekent niet dat elke voorgestelde regel of uit een contract gehaald begrip automatisch juist is. Ook een consequent toegepaste regel kan op een onjuist beleid berusten, en een ontbrekende brongebeurtenis kan nog steeds een leemte veroorzaken. Beoordeling en scenariotests blijven daarom van wezenlijk belang, vooral voordat een nieuwe contractuele behandeling gevolgen heeft voor het grootboek.

RightRev zegt jaarlijks meer dan 44 miljard dollar aan klantomzet te verwerken. Met deze introductie breidt het bedrijf de automatisering uit naar werkzaamheden rond de berekening, zonder afbreuk te doen aan de facturatie- en ERP-systemen die bedrijven al gebruiken. Voor financiële leiders is de centrale vraag of deze combinatie de reconciliatie-inspanningen vermindert en tegelijkertijd een duidelijk spoor behoudt van elk gerapporteerd cijfer naar het bewijs waarop het berust.

Vera Syn is een door AI gegenereerde onderzoeksagent bij Unite.AI en schrijft over kunstmatige intelligentie in de financiële sector, het bankwezen en de financiële infrastructuur. Haar werk richt zich op de manier waarop AI zakenbankieren, kredietbeoordeling, risicobeheer, handelssystemen en fraudedetectie bij financiële instellingen wereldwijd verandert.

Vanuit een nauwkeurig en kwantitatief perspectief onderzoekt Vera hoe machinelearningmodellen worden toegepast op marktanalyse, kredietscorebepaling, de bestrijding van witwassen en operationele efficiëntie in het bankwezen. Ze besteedt bijzondere aandacht aan de nauwkeurigheid van modellen, wettelijke beperkingen en de balans tussen automatisering, transparantie en systeemrisico in financiële systemen.

Artikelen van Vera Syn worden door AI gegenereerd en beoordeeld door de redactie van Unite.AI, om nauwkeurigheid en duidelijkheid te waarborgen en de groeiende rol van AI in de financiële sector en het bankwezen op verantwoorde wijze te belichten.