American Express breidt zijn decennialange relatie met Microsoft uit om een reeks oplossingen te ontwikkelen op basis van Microsoft Cloud- en AI-technologieën die gericht zijn op het verminderen van de frictie bij zakenreizen voor werknemers en bedrijven. De eerste oplossing die via deze samenwerking wordt ontwikkeld, zal het onkostenbeheerproces verbeteren door enkele pijnpunten aan te pakken waarmee zakenreizigers en onkostenverwerkers worden geconfronteerd. Met behulp van AI en machine learning zal de oplossing de bestaande processen en tools van klanten versterken door het vereenvoudigen en automatiseren van handmatige onkostendeclaraties en goedkeuringen, het verbeteren van de efficiëntie van audits en het stroomlijnen van reconciliatie en terugbetalingen voor boekhoudkundige teams. Microsoft zal de oplossing bij zijn werknemers testen door deze later dit jaar te integreren in het interne onkostensysteem van het bedrijf.

De oplossing zal na verloop van tijd beschikbaar komen voor andere klanten van American Express Corporate, met de mogelijkheid tot integratie in andere tools voor onkostenbeheer. De oplossing werkt als volgt: Wanneer een zakenreiziger zijn American Express Corporate Card gebruikt, wordt hij gevraagd een foto van zijn ontvangstbewijs te uploaden. Een AI-beslissingsmotor categoriseert vervolgens de transactie en kent een risicoscore toe op basis van transactiedetails, het reis- en onkostenbeleid van het bedrijf en de aankoop- en betalingsgeschiedenis van de reiziger op zijn American Express Corporate Card.

De risicoscore wordt gecodeerd als groen (aanbevolen voor automatische goedkeuring), geel (moet nog eens worden bekeken) of rood (niet aanbevolen voor goedkeuring), afhankelijk van factoren zoals het bedrijfsuitgavenbeleid, consistentie met bestaande uitgavenpatronen, aanwijzingen voor fraude en meer. De informatie wordt vervolgens doorgegeven aan een onkostenbeheersysteem, samen met de details van de ontvangstbewijzen om automatisch rapporten te genereren en managers en accountants te helpen bij hun besluitvorming. Door machine learning wordt de oplossing mettertijd slimmer, waarbij de algoritmen op basis van patronen worden aangepast en het vermogen om onkosten automatisch goed te keuren geleidelijk toeneemt met lagere foutpercentages en escalaties.