AI laatii jatkolaskut automaattisesti – näin nopeutat laskutustasi jopa 80 %

Miksi perinteiset jatkolaskut vievät aikaa ja rahaa

Ollaanpa rehellisiä: jatkolaskut ovat yrityksesi piilossa lymyävä aikasyöppö. Työntekijäsi avaavat viimeisen laskun, kopioivat asiakastietoja, muokkaavat rivejä ja toivovat, etteivät unohda mitään oleellista. Yhtä laskua kohti kuluu 15–25 minuuttia – toistuvissa laskutuksissa tämä muuttuu nopeasti kalliiksi.

Käsin laskutuksen piilokustannukset

Konepajayritys, jolla on 50 huoltosopimusta, menettää kuukausittain 20 tuntia pelkkään jatkolaskujen laatimiseen. Kun tuntihinta on 45 €, tämä tekee 900 € kuukaudessa – 10 800 € vuodessa. Tämä on kuitenkin vasta jäävuoren huippu. Lisäksi tulevat:

• Virhekustannukset: Väärät summat, puuttuvat rivit tai vanhentuneet asiakastiedot aiheuttavat lisätyötä
• Viiveet: Myöhäinen laskutus johtaa myöhäisiin maksuihin
• Compliance-riskit: Epäjohdonmukaiset laskut haastavat tarkastuksissa
• Skaalautumisongelmat: Jokainen uusi asiakas lisää työtä lineaarisesti

Miksi Excel-automaatio törmää rajuihinsa

Moni yritys yrittää ratkaista ongelmaa Excel-makroilla tai yksinkertaisilla pohjilla. Tämä toimii – kunnes ei enää toimi. Excel ei kykene monimutkaisiin muutoksiin. Kun hinnat vaihtuvat, uusia rivejä lisätään tai asiakkaalta tulee erityistoiveita, työ palaa manuaaliksi. Ja kuka jaksaa selvittää makrojen mysteereitä, kun kiire iskee kirjanpitoon?

Kassavirran pullonkaula

Myöhästynyt laskutus vaikuttaa suoraan kassavirtaasi. Yritykset, jotka nopeuttavat laskutustaan vain 5 päivällä, huomaavat selkeän parannuksen maksuvalmiudessa. Miksi tämä on tärkeää? Koska nopeampi laskutus ei ainoastaan säästä kustannuksia, vaan myös vakauttaa rahavirrat.

Miten tekoäly mullistaa laskutusprosessisi

Tekoäly muuttaa toistuvan laskutuksen manuaalirutiinista älykkääksi automaatioksi. Sen sijaan, että kopioisit kaavoja, tekoäly analysoi aiempia laskutietojasi ja löytää yhtäläisyyksiä, joita ihminen ei välttämättä havaitse.

Mikä tekee tekoälylaskutuksesta niin vahvan?

Modernit tekoälyjärjestelmät hyödyntävät useita teknologioita samanaikaisesti: Natural Language Processing (NLP) – kyky ymmärtää laskutekstejä ja muokata niitä fiksusti. Tekoäly tunnistaa, onko kyseessä huoltolasku, projektilasku vai lisenssimaksu. Machine Learning – järjestelmä oppii jokaisesta laskusta lisää. Mitä enemmän tietoja syötät, sitä tarkempia jatkolaskuista tulee automaattisesti. Sääntöpohjainen automaatio – määrittelet yrityksesi laskutussäännöt kerran, ja tekoäly soveltaa niitä johdonmukaisesti. Hintamuutokset, alennukset tai asiakaskohtaiset ehdot huomioidaan automaattisesti.

Ero perinteiseen automaatioon

Perinteiset järjestelmät toimivat jäykkien ehtosääntöjen mukaan. Tekoäly puolestaan ymmärtää kontekstin ja vivahteet. Esimerkki: Tekoäly tunnistaa, että asiakas A saa aina 5 % alennuksen huoltotyöstä – mutta vain, jos laskun arvo ylittää 1 000 €. Tämä tieto ei ole missään suoraan, vaan tekoäly päättelee sen laskuhistoriasta.

Integraatio olemassa oleviin järjestelmiin

Modernit tekoälyratkaisut eivät elä omissa siiloissaan. Ne liittyvät suoraan ERP-järjestelmääsi, synkronoivat asiakastiedot ja vievät valmiit laskut suoraan kirjanpitoon. Tämä tarkoittaa: Ei käsittelyvaiheiden katkoja, ei tuplakirjauksia, ei unohdettuja laskuja. Tekoäly hoitaa taustatyön, ja tiimisi voi keskittyä oikeasti tuottavaan tekemiseen.

Tärkeimmät tekoälyominaisuudet automaattisiin jatkolaskuihin

Kaikki tekoälytoiminnot eivät ole laskutuksesi kannalta olennaisia. Katsotaan, mitkä ominaisuudet tuovat todellista hyötyä.

Älykäs mallien tunnistus laskutiedoista

Tekoäly analysoi olemassa olevat laskut ja tunnistaa toistuvat rakenteet, kuten:

• Tyypilliset laskutusjaksot (kuukausittain, neljännesvuosittain, vuosittain)
• Hinnoittelumallit ja alennusportaat
• Asiakaskohtaiset mukautukset ja erityisehdot
• Kausivaihtelut tai projektikohtaiset lisät

Käytännön esimerkki: Tekoäly huomaa, että konepajateollisuuden huoltosopimukset alkavat useimmiten tammikuussa, mutta ensimmäinen lasku on usein osittainen. Se soveltaa tätä logiikkaa automaattisesti uusiin sopimuksiin.

Dynaaminen hinnansäätö ja indeksointi

Moderni tekoäly voi hyödyntää ulkoisia tietolähteitä. Jos sopimuksesi on sidottu inflaatioindekseihin, tekoäly hakee ajantasaiset arvot automaattisesti tilastokeskukselta. Tämä toimii myös esimerkiksi: – Materiaalien hintojen indeksit rakennusalalla – Energian hinnan muutokset palveluyhtiöillä – Valuuttakurssimuutokset kansainvälisille asiakkaille

Kontekstia huomioivat tekstiehdotukset

Tekoäly ei luo pelkkiä summia – se generoi myös asiakaslähtöiset kuvaustekstit aiemman viestinnän perusteella. Sen sijaan, että käytettäisiin yleistä ilmaisua kuten Huolto sopimuksen mukaan, tekoäly voi tuottaa täsmällisiä kuvauksia: Tuotantolinjan 3 neljännesvuositarkastus, sopimus WV-2024-0147, sisältäen ohjelmistopäivityksen ja kalibrointiprofiilin päivityksen.

Poikkeusten käsittely ja järkevyyden tarkastus

Hyvä tekoälyjärjestelmä huomaa, milloin asianmukainen skeptisyys on paikallaan. Se tunnistaa epänormaalit poikkeamat ja ohjaa epäilyttävät laskut manuaaliseen tarkistukseen.

Monipuolinen vienti ja compliance

Tekoäly laatii laskut eri formaateissa: PDF toimitusta varten, XRechnung julkiselle hallinnolle, XML asiakkaidesi automaatiojärjestelmiin. Samalla se huomioi automaattisesti: – GoBD-vaatimukset arkistointiin – Arvonlisäveron erityissäännöt asiakasmaasta riippuen – Toimialakohtaiset normit ja standardit

Käytännön esimerkkejä: Näin yritykset menestyvät tekoälylaskutuksen kanssa

Teoria on tärkeää, mutta käytäntö vakuuttaa. Katsotaan konkreettisia esimerkkejä siitä, miten tekoälylaskutus toimii saksalaisissa yrityksissä.

Tapaus 1: Konepajateollisuus ja monimutkaiset huoltosopimukset

Schneider Maschinenbau GmbH Baden-Württembergistä hallinnoi 180 huoltosopimusta erilaisin ehdoin. Jotkut asiakkaat maksavat kiinteästi, toiset käytön mukaan. Joillakin on alennusportaat, toiset taas minimivolyymejä. Haaste: Jokainen jatkolasku piti tarkistaa ja muokata erikseen. Työmäärä: 2,5 tuntia per laskutusjakso ja asiakas. Tekoälyratkaisu: Järjestelmä analysoi kolmen vuoden laskutiedot ja tunnisti automaattisesti sopimuslogiikan. Nyt tekoäly luo 95 % huoltolaskuista kokonaan automaattisesti. Tulos: Laskutuksen ajansäästö 78 %. Kirjanpito voi nyt keskittyä strategisiin tehtäviin rutiinin sijaan.

Tapaus 2: SaaS-palvelu ja käyttöperusteinen laskutus

Müncheniläinen SaaS-logistiikkaohjelmiston tarjoaja laskuttaa käyttäjämäärän, transaktioiden ja lisämoduulien perusteella. Erityisyys: Asiakkaat voivat vaihtaa paketteja kuukausittain, joten laskutuksessa täytyy huomioida muutokset ja laskea suhteelliset kulut. Tekoälyintegraatio: Järjestelmä on suoraan integroitu ohjelmistoon ja kerää käyttödataa reaaliajassa. Tekoäly laskee osakustannukset ja huomioi automaattisesti päivitykset ja alennukset. Hyödyt: Kolmen työpäivän kuukausittainen työ on nyt automaattista. Asiakkaat saavat selkeät, ymmärrettävät laskut ilman viivettä.

Tapaus 3: Energiayhtiö ja vaihtelevat työaikahinnat

Alueellinen energiayhtiö laskuttaa kuukausittain 15 000 yritysasiakasta. Työaikahinnat vaihtelevat kulutuksen ja markkinatilanteen mukaan. Monimutkaisuus: Eri hinnat, erikoissopimukset, valtionmaksut ja yksilölliset alennukset pitää kaikki huomioida laskuilla. Tekoälyratkaisu: Järjestelmä integroi kulutusdatan älymittareista, ajantasaiset energiahinnat ja sopimusehdot. Tekoäly tunnistaa kulutuskuviot ja jopa ennakoi seuraavan vuoden maksueriä. Muutokset: Kolmesta viikon laskutustyöstä kahteen päivään. Reklamaatioiden osuus laski 60 %, sillä laskut olivat täsmällisempiä ja läpinäkyvämpiä.

Kaikkien onnistuneiden toteutusten yhteistä

Kaikissa onnistuneissa hankkeissa oli kolme yhteistä piirrettä:

1. Laadukkaat tiedot ensimmäiseksi: Ennen kuin tekoälyä koulutettiin, yritykset puhdistivat laskutietonsa
2. Vähitellen laajentaminen: Aloitus helpoista, toistuvista laskuista ja laajennus monimutkaisempiin vaiheittain
3. Jatkuva kehittäminen: Kuukausittaiset tarkistukset ja tekoälyn jatkokoulutus uusilla tiedoilla

Oikeudellinen varmuus ja tietosuoja tekoälylaskuissa

Tekoälyn luomien laskujen on täytettävä samat lailliset vaatimukset kuin manuaalisesti tehtyjen – ja usein niistä voi tulla jopa turvallisempia, kun asia on hyvin hoidettu.

GoBD-yhteensopivuus: mitä pitää huomioida

Kirjanpidon lakisääteiset ohjeet (GoBD) koskevat myös tekoälyn tekemiä laskuja. Tämä tarkoittaa: Jäljitettävyys: Jokaisen laskun on oltava rekonstruoitavissa. Tekoälyn on dokumentoitava, mitä tietoja ja sääntöjä se on käyttänyt. Muuntamattomuus: Luotuja laskuja ei saa muuttaa jälkikäteen. Järjestelmän on luotava versioituja varmuuskopioita ja seurattava muutoksiin liittyviä lokitietoja. Täydellisyys: Kaikki automaattisesti luodut laskut on arkistoitava aukottomasti – myös metatiedot luontiprosessista.

GDPR-yhteensopiva tietojen käsittely

Tekoälylaskutus käsittelee asiakkaidesi henkilötietoja. Tärkeimmät compliance-pisteet:

• Tietojen tarkoitus: Tekoäly saa käyttää asiakastietoja vain laskutukseen, ei muihin analyyseihin
• Tiedon minimointi: Vain laskutukseen tarpeelliset tiedot sallittu
• Säilytysaikojen rajoitus: Selkeät poistokäytännöt tarpeettomille koulutusaineistoille
• Läpinäkyvyys: Asiakkaita on tiedotettava automaattisesta laskutuksesta

Säilytysajat ja arkistointi

Saksalaisyrityksillä on lakiin perustuva 10 vuoden laskujen säilytysvelvollisuus. Tekoälyllä laadittuihin laskuihin liittyy vielä yksi erityispiirre: myös käytetyn algoritmin versio pitää dokumentoida. Tämä on tärkeämpää kuin ehkä luulisi. Jos verottaja kysyy asiasta vuosien päästä, sinun täytyy kyetä osoittamaan, että tekoälyllä tehdyt laskut olivat ajallaan oikeellisia.

Riskienhallinta ja laadunvarmistus

Tarkkakin tekoäly voi tehdä virheitä, joten kontrollimekanismit ovat välttämättömiä:

Vakuutusturva tekoälyjärjestelmille

Tarkista yritysvakuutuksesi: kattaako se tekoälylaskuista aiheutuvat vahingot? Monet vakuuttajat tarjoavat nykyään erillisiä kyber- ja tekoälytuotteita. Käytännön vinkki: dokumentoi laskutusprosessisi mahdollisimman tarkasti. Tämä helpottaa tarkastuksia ja voi alentaa vakuutusmaksuja.

Askel askeleelta: Tekoälylaskutus yrityksessäsi

Onnistunut tekoälyn käyttöönotto vaatii rakenteellisen lähestymistavan. Tässä on toimintasuunnitelma – testattu yli 50 saksalaisyrityksessä.

Vaihe 1: Analyysi ja valmistelu (viikot 1–2)

Vaihe 1: Laskutusprosessien kartoittaminen Dokumentoi nykyinen toimintasi. Missä jatkolaskut syntyvät? Mitkä muutokset ovat tyypillisiä? Ketkä osallistuvat? Hyödynnä prosessikarttaa: Piirrä vaiheet tilauksesta arkistointiin asti. Vaihe 2: Tiedonlaadun arviointi Tekoäly on vain niin hyvä kuin datasi. Tarkista: – Asiakasrekisterin täydellisyys – Laskunumeroiden johdonmukaisuus – Rivitekstien laatu – Historiallisten laskujen saatavuus (vähintään 12 kk) Vaihe 3: Käyttötapausten priorisointi Älä aloita monimutkaisimmista laskuista. Tunnista helpot, toistuvat tapaukset: – Vuokra- ja leasingsopimukset – Kiinteäehtoiset huoltosopimukset – Tilaukset ja tilauspohjaiset palvelut

Vaihe 2: Pilottikokeilu (viikot 3–6)

Vaihe 4: Tekoälyratkaisun valinta ja käyttöönotto Valitse ratkaisu, joka sopii IT-ympäristöösi. Tärkeimmät kriteerit:

• ERP-integraatio ilman ohjelmointityötä
• GDPR-yhteensopiva tietojen käsittely Saksassa
• Läpinäkyvät tekoälypäätökset (Explainable AI)
• Skaalautuvuus kasvuun

Vaihe 5: Opetusdatan valmistelu ja tekoälyn koulutus Vie ulos 12–24 kuukauden laskuhistoria. Tekoäly tarvitsee: – Rakenteelliset asiakastiedot – Täydelliset laskurivit – Säännöt muutoksia varten – Sopimustiedot taustakontekstiin Koulutus kestää yleensä 1–2 viikkoa, riippuen datamäärästä ja monimutkaisuudesta. Vaihe 6: Pilottivaihe valituilla asiakkailla Aloita 10–20 asiakkaan kanssa, joiden laskut tunnet hyvin. Anna tekoälyn laatia laskut rinnakkain manuaalisen kanssa ja vertaa tuloksia. Tyypillinen osumatarkkuus ensimmäisen koulutuksen jälkeen: 80–85 %. Tämä on normaalia ja paranee jokaisella palautekierroksella.

Vaihe 3: Laajamittainen käyttöönotto (viikot 7–12)

Vaihe 7: Henkilöstön koulutus ja prosessien mukautus Kirjanpitäjistä tulee tarkastajia ja ratkaisijoita. Tähän tarvitaan uusia taitoja: – Tekoälyn laatuindikaattoreiden tulkinta – Poikkeusten ja erityistapausten käsittely – Tarkastus- ja hyväksyntätyökalujen käyttö Varaa 2–3 koulutuspäivää henkilöä kohden. Vaihe 8: Automatisoinnin laajentaminen kaikkiin toistuviin laskuihin Kasvata automaatiota vaihe vaiheelta: – Viikot 7–8: Kaikki vakiotyyppiset jatkolaskut – Viikot 9–10: Helpohkosti mukautuvat sopimukset – Viikot 11–12: Monimutkaiset, asiakaskohtaiset laskut Vaihe 9: Seuranta ja jatkuva kehittäminen Valvo viikoittain: – Automaatioaste (tavoite: >90 % peruslaskuissa) – Virheprosentti (tavoite: <2 % virheellisiä laskuja) – Ajansäästö per lasku (vertailuarvo: 80 % vähemmän työtä)

Yleiset sudenkuopat ja niiden välttäminen

Ongelma: Tekoäly laatii teknisesti oikeita, mutta epäselviä laskuja
Ratkaisu: Kouluta tekoälyä käyttäen parhaita manuaalilaskujasi laadun takeena Ongelma: Integraatio vanhaan ERP-järjestelmään ei onnistu
Ratkaisu: Hyödynnä middleware- tai pilvipohjaisia liitosratkaisuja Ongelma: Työntekijät pelkäävät työpaikkojensa puolesta
Ratkaisu: Viesti selkeästi: tekoäly poistaa rutiinia – ei ihmisiä. Näytä uudet tehtäväkentät.

Kustannus-hyöty-laskelma: Tekoälylaskutuksen ROI

Tekoälyinvestointien on oltava kannattavia. Tässä realistinen laskelma saksalaisen pk-yrityksen kokemusten pohjalta.

Tyypilliset investointikustannukset tekoälylaskutukseen

Kokonaiskulut riippuvat yrityksen koosta ja monimutkaisuudesta. Tässä suuntaa-antava taulukko:

Summat sisältävät ohjelmistolisenssit, käyttöönoton, koulutuksen ja 12 kuukauden tuen.

Mitattavat säästöt

Välitön ajansäästö:
Yritys, jolla on 200 jatkolaskua kuukaudessa, säästää 15 minuuttia per lasku – 50 tuntia kuukausittain. Keskimääräisellä 55 €:n tuntihinnalla tämä on 2 750 € joka kuukausi. Vähemmän virhekustannuksia:
Käsin tehtyjen laskujen virheet aiheuttavat paljon jälkityötä. 5 % virheillä ja 200 laskulla voi säästää useita satoja euroja kuukaudessa. Nopeammat maksusuoritukset:
Automaattinen laskutus lyhentää aikaa laskun lähetyksestä maksuun keskimäärin 4,5 päivää – kassavirta paranee selvästi.

Esimerkkilaskelma: Konepajayritys, 120 työntekijää

Lähtötilanne:

• 180 huoltosopimusta kuukausilaskutuksella
• 25 minuuttia per jatkolasku
• 2 kokoaikaista kirjanpitäjää laskutuksessa
• 8 % virheaste manuaalisissa laskuissa

Investointi:

• Käyttöönotto: 35 000 €
• Kuukausikulut: 2 200 €

Säästöjä kuukaudessa:

• Ajansäästö: 75 h × 52 € = 3 900 €
• Virheiden vähentyminen: 14 laskua × 45 € = 630 €
• Kassavirran parannus: 4,5 päivää × 2 % korko = 850 €
• Kokonaissäästö: 5 380 €/kk

ROI-laskelma:

• Kuukausittainen nettosäästö: 5 380 – 2 200 = 3 180 €
• Takaisinmaksuaika: 35 000 ÷ 3 180 = 11 kk
• ROI 2 vuodessa: 240 %

Pehmeät hyödyt, kova arvo

Kaikkea ei voi mitata euroissa – mutta silti arvo on kova: Henkilöstötyytyväisyys: Rutiinityön vähetessä tehtävät muuttuvat merkityksellisemmiksi. Tämä vähentää vaihtuvuutta ja rekrytointikustannuksia. Skaalautuvuus: Tekoälyllä voit tuplata laskujen määrän ilman lisähenkilökuntaa. Compliance-varmuus: Automatisointi pienentää sääntelyriskit ja mahdolliset sakot. Asiakastyytyväisyys: Ajallaan ja virheettömästi toimitetut laskut parantavat asiakassuhteita ja vähentävät kyselyitä.

Milloin tekoälylaskutus ei kannata?

Ollaan rehellisiä: tekoäly ei sovi kaikille. Liian vähän volyymia: Alle 50 jatkolaskua kuukaudessa, investointi ei yleensä kannata. Erittäin yksilölliset laskut: Jos jokainen lasku on täysin uniikki, tekoäly ei opi tarpeeksi. Epästabiilit prosessit: Jos laskutuslogiikka muuttuu jatkuvasti, tekoäly ei pysy mukana. Kehno datan laatu: Sekavilla asiakastiedoilla epäonnistuu huippualgoritmikin. Rehellinen suositus: Selvitä ensin omat prosessisi. Hyvin organisoitu manuaalinen laskutus automatisoituu helpommin kuin kaoottinen.

Usein kysytyt kysymykset

Voiko tekoälylaskutus integroitua olemassa olevaan ERP-järjestelmään?

Kyllä, modernit tekoälyratkaisut tukevat vakioliitäntöjä kuten REST-API:t, DATEV-tuonti/vienti ja EDI-muodot. Useimmille suosituimmille ERP-järjestelmille (SAP, Microsoft Dynamics, DATEV, Lexware) on valmiit liittimet saatavilla.

Kauanko tekoälylaskutuksen käyttöönotto kestää?

Hyvin organisoiduilla prosesseilla käyttöönotto kestää 8–12 viikkoa projektin alusta täyteen tuotantoon. Tämä sisältää data-analyysin, tekoälyn koulutuksen, testit ja työntekijöiden koulutuksen. Pilottikäyttö voi alkaa jo 3–4 viikossa.

Mitä tapahtuu, jos tekoäly tekee vääriä laskuja?

Ammattimaisissa järjestelmissä on sisäänrakennetut laatukontrollit, jotka merkitsevät poikkeavat laskut manuaaliseen tarkistukseen. Kaikki päätökset myös kirjataan, jotta virheet ovat jäljitettävissä ja korjattavissa. Myös kaksin silmin tarkastus on edelleen mahdollinen.

Täytyykö kirjanpitohenkilöstömme irtisanoa?

Ei, tekoäly poistaa toistotyön – ei ihmisiä. Henkilöstö voi keskittyä poikkeustapauksiin, asiakaspalveluun ja strategisiin tehtäviin. Monet yritykset suuntaavat vapautuneen ajan controllingiin tai liiketoiminta-analytiikkaan.

Onko tekoälylaskutus GDPR-yhteensopivaa?

Ammattitoimittajien kanssa kyllä. Kiinnitä huomiota tietojenkäsittelyn sijaintiin (Saksa/EU), läpinäkyvään poistopolitiikkaan ja selitettävään tekoälyyn. Asiakastietoja tulee käyttää vain laskutukseen, ei muihin analyyseihin tai koulutuksiin.

Millaiset laskut sopivat parhaiten tekoälyautomaatiolle?

Ihanteellisia ovat toistuvat, rakenteelliset laskut: huoltosopimukset, tilaukset, vuokra- ja leasinglaskut sekä käyttöön perustuvat veloitukset. Mitä standardoidumpi prosessi, sitä suurempi automaatioaste.

Mikä on tekoälyn tekemien laskujen virheaste?

Alkuvaiheen jälkeen virheaste laskee alle 2 %:iin – selvästi pienemmäksi kuin manuaalisessa (5–8 %). Tekoäly oppii jatkuvasti lisää ja paranee ajan myötä.

Voimmeko automatisoida tarjouksia ja muita asiakirjoja tekoälyllä?

Kyllä, samaa teknologiaa voi käyttää tarjouksiin, tilausvahvistuksiin, toimitusasiakirjoihin ja muihin yritysasiakirjoihin. Useimmat yritykset aloittavat laskutuksesta ja laajentavat käytön vaiheittain.

Mitkä ovat tekoälylaskutuksen tärkeimmät menestystekijät?

Puhdas asiakasrekisteri, rakenteelliset liiketoimintaprosessit ja selkeät vastuut. Aloita helposta käyttötapauksesta ja lisää monimutkaisuutta vähitellen. Henkilöstökoulutus ja muutosjohtaminen ovat yhtä tärkeitä kuin itse teknologia.

Miten mittaamme tekoälykäyttöönoton onnistumista?

Seuraa automaatioastetta (tavoite: >90 %), ajansäästöä per lasku (tavoite: >80 %), virheastetta (tavoite: <2 %) sekä aikaa tilauksesta laskuun. Myös pehmeät tekijät kuten henkilöstötyytyväisyys ja asiakaspalaute ovat tärkeitä mittareita.