Insights 
Säkerhet 
Automation AI som tittar på varje bokad verifikation — och flaggar det som ser ovanligt ut.
Varje gång en verifikation bokförs i Amber — manuellt, via attestflöde, från SIE-import, från avtalsfakturering — startar en AI-driven anomalikontroll i bakgrunden. Den jämför mot tidigare mönster och pekar ut det som avviker.
Vad kontrollen letar efter
| Mönster | Exempel |
|---|---|
| Belopp på fel storlek | Fakturan på 250 000 kr när leverantören vanligtvis fakturerar runt 25 000 |
| Konto utanför vanan | Leverantörens fakturor bokas vanligen på 5810 — nu kom en på 6210 |
| Fördubblad post | Likadan summa, samma datum, samma leverantör — kan vara dubblettbokning |
| Konstig periodisering | Bokfört i juni när alla tidigare avier låg i december |
| Ny leverantör med stort belopp | Första fakturan från leverantören är på 500 000 — värd att kolla |
Fire-and-forget — påverkar aldrig användaren
Kontrollen körs i en Task.Run efter att verifikationen är committad. Misslyckas den — loggas och ignoreras. Användaren får aldrig fel- eller fördröjningsmeddelande från anomalimotorn.
Resultat samlas och hanteras
Hittas avvikelse — sparas med:
- Verifikationsnummer
- Anomalimotor (vilken regel som triggade)
- Konfidensgrad (hög, medel, låg)
- Förklaring på naturligt språk
Anomalierna syns på två ställen:
Insights statusmail innehåller en sektion Avvikelser som listar nya anomalier sedan senaste mailet.
Bokföringsanomalier (under Redovisning) är en dedikerad vy med två flikar — aktiva avvikelser och historik. Därifrån kan du markera varje avvikelse som granskad eller ignorerad. Granskade avvikelser försvinner från den aktiva listan och hamnar i historiken — ett spår finns kvar men larmet är hanterat.
Inte ett block — en signal
Anomalimotorn stoppar inte bokföringen. Det är inte revisionsrobot — det är en uppmärksammare. Verifikationen bokas helt normalt. Anomalin är information du kan välja att agera på eller ignorera.
Lärande över tid
Modellen blir skarpare ju mer historik den ser. En leverantör som nyligen lagts upp har inga mönster att jämföra mot — där flaggar AI:n mer. När historiken växer minskar falsklarmen.