Från manuell dubbelkontroll till automatiserad trygghet: steg för steg med AI-granskningen

Om du sköter bokföringen i ett svenskt småföretag känner du igen mönstret: en leverantörsfaktura kommer in, någon bokför den, och sedan måste någon annan — kanske du själv, kanske din redovisningskonsult — gå tillbaka och kontrollera den. Stämmer momssatsen? Matchar beloppet underlaget? Är detta en dubblett av något som redan bokfördes förra veckan? Den här manuella kontrollrundan är nödvändig, men den är långsam, repetitiv och missar ändå saker när volymen ökar eller det är mycket att göra.

AI-granskningen i Flitz är byggd för att ersätta den manuella kontrollrundan med en strukturerad, automatiserad process — utan att ta bort mänsklig tillsyn där den faktiskt behövs. Här är en praktisk guide för att göra den förflyttningen, steg för steg.

Steg 1: kartlägg din nuvarande manuella kontroll

Innan du automatiserar något, skriv ner vad du faktiskt kontrollerar idag när en verifikation bokförs. De flesta svenska småföretag och redovisningsbyråer kontrollerar informellt någon kombination av:

Går verifikationen ihop (debet lika med kredit)?
Ligger datumet inom rätt räkenskapsperiod?
Är kontot rätt för den här typen av kostnad eller intäkt?
Matchar beloppet underlaget, till exempel kvittot eller fakturan?
Är momshanteringen rätt för den här typen av transaktion?
Är det här en dubblett av en verifikation som redan finns i bokföringen?

Känns listan bekant? Det är precis de här kategorierna som AI-granskningen kontrollerar automatiskt — strukturella kontroller och innehållsmässiga kontroller på varje verifikation, varje gång.

Steg 2: låt AI-genererade verifikationer gå genom granskningslagret

När verifikationer skapas — oavsett om det är från en uppladdad leverantörsfaktura, en inläst kontoutdrag eller någon annan AI-genererad bokning — körs granskningen innan något når din huvudbok. De strukturella kontrollerna täcker mekaniken: att det går ihop, datum, konton och belopp. De innehållsmässiga kontrollerna går djupare och tittar på kontering, momslogik och potentiella dubbletter. Det här är lagret som tidigare fanns i någons huvud eller på en mental checklista. Nu körs det konsekvent på varje verifikation, varje gång.

Steg 3: förstå vad som händer när något inte stämmer

Inte alla flaggade problem kräver din insats. Granskningen skiljer mellan två utfall:

Automatisk rättelse: för vanliga, välkända problem rättar systemet verifikationen själv och går vidare. Du behöver inte göra något för rutinmässiga fel.
Flaggat för manuell genomgång: när något är oklart eller avviker från det vanliga mönstret hålls verifikationen kvar och flaggas så att en person — du eller din redovisningskonsult — kan titta på den innan den slutförs.

Det här är den stora förändringen: istället för att gå igenom allt granskar du bara det som faktiskt behöver ett par mänskliga ögon.

Steg 4: ge systemet utrymme att rätta sig själv

Varje verifikation får upp till tre rättelseomgångar. Det betyder att om den första automatiska rättelsen inte löser problemet helt, försöker granskningen igen — upp till tre gånger — innan en verifikation bedöms verkligen behöva mänsklig uppmärksamhet. I praktiken innebär det att färre poster hamnar i din genomgångskö, eftersom systemet redan har försökt göra rimliga rättelser istället för att skicka varje litet fel direkt till dig.

Steg 5: bygg en lättare, mer fokuserad granskningsrutin

När granskningen väl är igång förändras din egen rutin. Istället för att öppna varje verifikation för att kontrollera att den går ihop, datum och momslogik, går du igenom din genomgångskö — den mindre mängd poster som flaggats för att de faktiskt kräver ett omdöme. Det är en annorlunda uppgift: mindre repetitiv genomgång, mer beslutsfattande kring gränsfall.

Steg 6: se flaggade poster som återkoppling, inte bara rättelser

När en post flaggas — säg en återkommande fråga om momsklassificering eller en leverantör vars fakturor ofta triggar en dubblettkontroll — se det som en signal. De här mönstren visar var dina egna rutiner (konteringsvanor, leverantörsuppsättning, kvalitet på underlag) kan stramas upp tidigare i flödet, vilket i sin tur minskar hur ofta liknande poster flaggas i framtiden.

Steg 7: tillämpa det konsekvent i alla moduler

Eftersom granskningen arbetar på AI-genererade verifikationer i hela Flitz bokföringsflöde gäller samma strukturella och innehållsmässiga kontroller oavsett om verifikationen kommer från fakturering, bankavstämning eller en annan ansluten modul. Du behöver inte hålla reda på separata manuella checklistor för olika delar av ditt arbetsflöde — granskningslogiken är densamma överallt där verifikationer skapas.

Vad du kan förvänta dig efter bytet

Att gå från manuell till automatiserad granskning innebär inte att tillsynen försvinner — den flyttas dit den gör mest nytta. Strukturella fel som verifikationer som inte går ihop eller fel datum fångas upp innan de ens når din huvudbok. Innehållsmässiga problem som felaktig kontering, momsfel eller dubbletter fångas också upp, ofta rättade automatiskt inom de tillåtna rättelseomgångarna. Kvar blir en mindre, mer meningsfull mängd beslut istället för en lång lista med rutinkontroller.

Du kan läsa mer om exakt hur kontrollerna och rättelseomgångarna fungerar på sidan om AI-granskningen.

Målet är inte att ta bort ditt omdöme från bokföringen — det är att se till att ditt omdöme bara behövs där det faktiskt spelar roll.