aalto1 untyped-item.component.html
LLM-assisted accounts payable scheduling in Odoo
Loading...
Files
Aalto login required (access for Aalto Staff only).
URL
Journal Title
Journal ISSN
Volume Title
School of Business |
Bachelor's thesis
Electronic archive copy is available locally at the Harald Herlin Learning Centre. The staff of Aalto University has access to the electronic bachelor's theses by logging into Aaltodoc with their personal Aalto user ID. Read more about the availability of the bachelor's theses.
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
Department
Major/Subject
Mcode
Degree programme
Language
en
Pages
40+3
Series
Abstract
This thesis examines how large language models (LLMs) can support accounts payable (AP) scheduling within the Odoo 19 Enterprise ERP system. Following a design science approach, it develops PayOpt LLM, a prototype that integrates synthetic AP data, deterministic scheduling logic, and an LLM reasoning layer under strict schema validation and post-processing controls. The system generates draft-only payment plans within Odoo, enforcing liquidity constraints and due-date penalties through deterministic code. Discount-window logic is included at the data and interface level but is disabled in the final evaluation, and discount outcomes are therefore not assessed.
The prototype is evaluated using 100 deterministic synthetic scenarios and compared against a FIFO-by-due-date baseline and a mixed-integer linear programming (MILP) benchmark. Results show that the LLM-assisted planner consistently preserves higher cash balances and reduces peak daily outflows, but does so primarily by deferring payments beyond the planning horizon. As a consequence, lateness outcomes under the LLM planner are substantially worse than under FIFO. The MILP benchmark achieves modest reductions in lateness relative to FIFO, providing a reference point for what is achievable under the same constraints.
The findings demonstrate that a schema-constrained, tool-augmented LLM can reliably translate high-level payment policies into valid, auditable scheduling inputs, but that improved scheduling performance is not automatic. In its current form, the LLM planner functions as a conservative, liquidity-first decision policy rather than a due-date-optimising alternative. The thesis contributes an ERP-embedded artifact, a reproducible evaluation framework, and empirical evidence on the strengths and limitations of LLM-assisted decision support in accounts payable management.
Tässä kandidaatintyössä tarkastellaan, miten suuret kielimallit (LLM:t) voivat tukea ostoreskontran maksuaikataulujen muodostamista Odoo 19 Enterprise -toiminnanohjausjärjestelmässä. Tutkimus noudattaa design science -lähestymistapaa ja esittelee PayOpt LLM -prototyypin, joka yhdistää synteettisen AP-datan, deterministisen aikataulutuslogiikan sekä LLM-pohjaisen päättelykerroksen tiukkojen skeemavalidointien ja jälkikäsittelymekanismien alaisuudessa. Järjestelmä tuottaa Odoossa ainoastaan luonnosmuotoisia maksusuunnitelmia ja toteuttaa maksuvalmiusrajoitteet sekä eräpäiväsakot deterministisen koodin avulla. Alennusikkunoihin liittyvä logiikka on mukana tietomallissa ja käyttöliittymässä, mutta se on poistettu käytöstä lopullisessa arvioinnissa, eikä alennustuloksia siksi analysoida.
Prototyyppiä arvioidaan 100 deterministisellä synteettisellä skenaariolla, ja sitä verrataan eräpäiväpohjaiseen FIFO-perusmenetelmään sekä kokonaislukumuotoiseen lineaariseen optimointimalliin (MILP). Tulokset osoittavat, että LLM-avusteinen suunnittelija säilyttää johdonmukaisesti korkeammat kassasaldot ja pienentää päivittäisten maksujen huippuarvoja, mutta tekee tämän pääasiassa siirtämällä maksuja suunnitteluhorisontin ulkopuolelle. Tämän seurauksena myöhästyneiden maksujen määrä on LLM-suunnittelijalla selvästi suurempi kuin FIFO-menetelmällä. MILP-vertailumalli saavuttaa FIFO-menetelmään nähden maltillisia parannuksia maksujen ajantasaisuudessa ja toimii viitepisteenä sille, mitä samoilla rajoitteilla on mahdollista saavuttaa.
Tulokset osoittavat, että skeemarajoitettu ja työkaluihin tukeutuva LLM pystyy luotettavasti muuntamaan korkean tason maksupolitiikkoja valideiksi ja auditoitaviksi aikataulutuksen syötteiksi, mutta parempi aikataulutustulos ei synny automaattisesti. Nykyisessä muodossaan LLM-suunnittelija toimii konservatiivisena, maksuvalmiutta painottavana päätöskäytäntönä eikä eräpäivien optimointiin keskittyvänä vaihtoehtona. Työ tuottaa ERP-järjestelmään integroidun artefaktin, toistettavan arviointikehyksen sekä empiiristä näyttöä LLM-avusteisen päätöksenteon vahvuuksista ja rajoitteista ostoreskontran hallinnassa.