Jämförelse
Fortnox, Visma eller Hogia – vilket passar AI bäst?
En jämförelse ur AI-perspektiv: hur systemen skiljer sig när man ska koppla på AI för kontering, fakturatolkning och automation – och varför systemvalet spelar mindre roll än de flesta tror.
Kort svar
Alla tre går att bygga AI mot. Fortnox har generellt den enklaste vägen in via ett väldokumenterat publikt API. Visma och Hogia är paraplyer över flera olika produkter, vilket gör att förutsättningarna behöver klargöras per installation innan man kan säga något.
Men systemvalet är sällan det som avgör om ett AI-projekt lyckas. Det gör datakvaliteten och hur konsekvent ni har konterat historiskt.
Jämförelse ur AI-perspektiv
| Fortnox | Visma | Hogia | |
|---|---|---|---|
| Typisk användare | Mindre och medelstora bolag, ofta med redovisningsbyrå inblandad. | Brett spann – från småföretag till större bolag, flera olika produkter under samma varumärke. | Ofta medelstora och större bolag, starkt inom lön och specifika branschlösningar. |
| Integrationsväg för AI | Publikt REST-API med god täckning för fakturor, verifikat och kontoplan. Enkel väg in för AI-lager. | API-utbudet skiljer sig mellan produkterna. Kartlägg vilken Visma-produkt och version ni kör innan arkitekturen sätts. | Integration sker ofta produktspecifikt. Räkna med en kartläggningsfas innan omfattningen är klar. |
| Vanligast första AI-steg | Fakturatolkning och konteringsförslag tränat på er egen historik. | Leverantörsfakturaflödet och attest, ofta i kombination med dokumenttolkning. | Löne- och personalnära flöden, samt dokumenthantering. |
| Att tänka på | API-anrop kan vara begränsade per tidsenhet – volymer behöver dimensioneras. | Ta reda på exakt produktnamn tidigt; "Visma" räcker inte som teknisk förutsättning. | Lokala installationer förekommer, vilket påverkar var modellerna kan köras. |
Leverantörernas egna AI-funktioner och API-villkor förändras löpande – stäm av aktuellt utbud och licensnivå med er leverantör innan ni fattar beslut.
Det som faktiskt avgör utfallet
Historikens konsekvens. En modell lär sig era mönster. Är samma typ av kostnad konterad på tre olika konton beroende på vem som gjorde det, lär sig modellen den oredan.
Volym. Automation lönar sig på antal. Några hundra leverantörsfakturor i månaden gör kalkylen enkel; några tiotal gör den svår oavsett system.
Vem som äger granskningen. En konfidensgräns skickar osäkra fall till en människa. Finns ingen utsedd person växer kön tills lösningen slutar användas.
Integrationsdjup. Läser ni bara ut data, eller ska förslag skrivas tillbaka? Återskrivning kräver mer arbete och mer kontroll – men det är där tidsbesparingen sitter.
Bör ni byta system?
Sällan enbart för AI:s skull. Om ni redan planerar ett byte av andra skäl är det rimligt att väga in integrationsmöjligheterna i beslutet. Men att byta ekonomisystem för att komma åt AI är att lösa ett litet problem med en stor förändring.
Vår rekommendation är att bygga AI-lagret mot det ni har, mäta effekten, och först därefter ta ställning till om systemet i sig är en begränsning.
Läs vidare
Vanliga frågor
Vilket av systemen är bäst för AI?
Inget av dem är diskvalificerat. Fortnox har en förhållandevis rak API-väg, medan Visma och Hogia kräver att man först klargör exakt vilken produkt och version som körs. Skillnaden i slutresultat beror mer på er datakvalitet än på systemvalet.
Måste vi byta system för att kunna använda AI?
Nej, och vi avråder oftast från att göra båda sakerna samtidigt. Ett systembyte parallellt med ett AI-införande gör det omöjligt att avgöra vad som gav effekt när något går fel.
Kan AI köras lokalt även med ett molnbaserat ekonomisystem?
Ja. Modellen behöver inte ligga där data lagras. Vi hämtar data via API, kör inferens i er miljö och skriver tillbaka resultatet.
Vad påverkar träffsäkerheten mest?
Hur mycket och hur konsekvent historisk kontering ni har. Ett företag med fem års konsekvent kontering får bättre resultat än ett med tio år av inkonsekvent – oavsett vilket system de använder.