Unidad 2 / 11

Procesamiento de datos de gastos y facturas

Ganancias:

  • Capacidad para convertir texto libre y datos de facturas en una tabla estructurada según un esquema fijo
  • Capacidad para configurar mensajes repetibles para la categorización de gastos, cálculo de devolución de IVA y detección de anomalías
  • Capacidad para verificar campos financieros extraídos con controles de igualdad de IVA y coherencia total

Una de las tareas a las que los equipos de contabilidad dedican más tiempo es organizar datos dispersos de gastos y facturas en tablas organizadas. Una factura adjunta a un correo electrónico, una foto de un recibo enviado por WhatsApp, una nota de gastos en texto libre como "Comida de reunión en Ankara + taxi 840 TL"... Todos deberían terminar en el mismo lugar: una línea estructurada con categorías, importe, IVA (Impuesto sobre el Valor Añadido), fecha y campos de proveedor.

La inteligencia artificial (IA) es muy poderosa en esta transformación de “texto libre a estructura”. Pero en los datos financieros, es inaceptable que incluso un centavo salga mal. Entonces, en esta unidad aprenderemos dos cosas juntos: hacer que la IA produzca datos de acuerdo con un esquema fijo (lista predeterminada de campos) y validar el resultado con comprobaciones de coherencia agregadas.

¿Por qué es tan importante el "esquema"?

El esquema es cuando usted dice de antemano qué campos estarán en cada fila, en qué orden y en qué formato. Si no proporciona un esquema, el modelo produce un formato diferente para cada factura; Entonces combinarlos en una sola tabla sería difícil sin corregirlos manualmente. Si proporciona un esquema, el resultado será coherente y verificable.

Un buen cuadro de gastos incluye los siguientes campos: fecha, proveedor, descripción, categoría, monto de exclusión de IVA (base), tasa de IVA, monto de IVA, total incluido IVA, documento no.

Consejo: Defina siempre los campos numéricos con la convención "punto/coma". Decir "Escribe las cantidades en el formato 1234.56, sin el separador de miles" evitará horas de pesadilla de formato al exportar a Excel más adelante.

Paso a paso: del texto libre a la tabla

  1. Arreglar el esquema. Escriba los nombres de los campos, orden y formato.
  2. Dar la lista de categorías. Pídele a la modelo que elija de tu lista, no que invente categorías en su cabeza.
  3. Haz una regla de incertidumbre. Déjele que deje en blanco el área de la que no está seguro y coloque un cartel de "verificación".
  4. Verificar la lógica del IVA. Haga que el modelo verifique la ecuación base + IVA = total.
  5. Verifique el total. ¿El total de todas las líneas coincide con su suma de verificación?

Aviso débil / Aviso fuerte

Mensaje débil: convierta los siguientes gastos en una tabla: - Taxi de comida en Ankara 840 - Papelería 300 IVA incluido - Hotel 2 noches 3600

Esto da como resultado una categoría inconsistente, IVA mezclado y formato diferente en cada línea.

Mensaje potente:Convierta los siguientes cargos de texto libre en una tabla EXACTAMENTE de acuerdo con este esquema:Campos (en este orden): fecha | proveedor | descripción | categoría |base | tasa_iva | importe_IVA | totales | notaReglas:- Categoría únicamente de la siguiente lista: [Viajes, Alojamiento, Comida, Papelería, Transporte, Otros]- Escriba los montos en el formato 1234.56 (sin separador de miles).- Si dice "IVA incluido", calcule la base y el IVA de regreso; Si no conoce la tasa de IVA, escriba "confirmación de tasa" en el campo de nota y déjelo en blanco. - Proporcionar la igualdad de base imponible + importe_IVA = total en cada línea; Si no lo proporciona, escriba “NO CUMPLE” en el campo de nota. - Deje el campo del que no está seguro y agregue "verificar" a la nota.

Este mensaje calcula la base para el material de oficina, incluido el IVA a 250 y el IVA a 50, marca artículos con tarifas ambiguas y produce una salida limpia que se puede combinar en una sola tabla.

Lógica de cálculo del IVA atrasado

Encontrar la base imponible a partir de un importe que incluye el IVA es un procedimiento frecuentemente requerido en contabilidad. Fórmula: base = total / (1 + tasa). Por ejemplo, para 300 TL, incluido el 20% de IVA, la base = 300 / 1,20 = 250, IVA = 50. Si le da explícitamente esta fórmula al modelo, el margen de error disminuye.

transacción

fórmula

Muestra (20%)

IVA excluido → incluido

total = base × (1 + tasa)

250 × 1,20 = 300

IVA incluido → base

base = total / (1 + tasa)

300/1,20 = 250

importe del IVA

iva = total − base

300 - 250 = 50

controlar

base + iva = total

250 + 50 = 300

Trabajar con fotografía de factura e impresión OCR

Los gastos del campo suelen llegar como una foto del recibo o una factura en PDF. La tecnología que extrae texto de estas imágenes se llama OCR (Reconocimiento Óptico de Caracteres). Las herramientas visuales de IA pueden hacer el trabajo, pero la salida de OCR siempre es defectuosa: una coma puede leerse como un punto, "5" puede confundirse con una "S" y se puede perder un dígito de la cantidad. Por lo tanto, nunca incluya importes del OCR directamente en la contabilidad.

Extraiga los siguientes campos de esta imagen de factura y escríbalos EXACTAMENTE en el siguiente esquema: fecha | proveedor | número_impuesto | bases | tasa_iva | importe_IVA | totalRules:- Escriba "NO LEÍDO" en cualquier campo que no pueda leer o del que no esté seguro, no adivine.- base + iva_amount = verificar total; En caso contrario, marque "COMPROBAR". - Dar los importes en el formato 1234,56.

Es una regla de seguridad fundamental no hacer que nadie adivine el área incierta. Si el modelo completa un número con "más probable", el registro ingresa silenciosamente el error. La bandera "NO LEÍDO" permite al humano volver al documento original y confirmarlo.

Consejo: En la impresión OCR, el importe total suele ser el campo más fiable para leer porque está escrito en fuente grande. Si la ecuación base imponible + IVA = total no se cumple, puedes encontrar en qué área está el error volviendo atrás de esta ecuación.

Detección de anomalías y registros duplicados

La IA no sólo traduce; También encuentra artículos sospechosos. Por ejemplo, casi la misma cantidad del mismo proveedor dos veces el mismo día, o un gasto inusualmente grande para la categoría.

En la tabla de gastos a continuación, marque las siguientes anomalías y escriba el motivo:1) Posible registro duplicado (mismo proveedor + monto similar + fecha reciente)2) Montos mayores a 3 veces el promedio de la categoría3) Tasa de IVA diferente a la esperada para la categoríaSolo marque y escriba el motivo; no elimine ni cambie ninguna fila.

Precaución: la advertencia de la IA "esto puede ser repetitivo" es una pista, no una decisión. Los dos registros pueden ser en realidad dos servicios diferentes. La decisión de eliminar o fusionar siempre la toman los humanos; El modelo simplemente te llama la atención.

Mini casos

Caso 1: pila de 300 fichas. Un experto en contabilidad convirtió una lista de gastos de fin de mes de texto libre de 300 líneas en una tabla en aproximadamente 15 minutos con el mensaje del diagrama. El trabajo, que tardaba 4 horas cuando se hacía manualmente, se redujo a 40 minutos con la verificación. La ganancia no es sólo velocidad; La consistencia de la categoría también aumentó.

Caso 2: Detectado pago doble. El mensaje de anomalía señaló que una factura de 4.720 TL a un proveedor se ingresó dos veces con dos números de documento diferentes. El examen mostró que uno era un borrador y el otro era una factura finalizada, y ambos estaban pendientes de pago. Sin IA, habría doble pago.

Caso 3: Trampa del tipo del IVA. El modelo asignaba el 20% de IVA a la compra de un alimento básico; mientras que el artículo estaba en el grupo de tarifas más bajas. Gracias a la regla de "confirmación de tarifa", la fuente experta marcó, verificó y corrigió la línea. Lección: No dejes la tasa de IVA al modelo, confírmala en la lista o documento.

Errores comunes

  • Traducir datos sin proporcionar un esquema. Cada línea viene en un formato diferente, la combinación requiere corrección manual.
  • No proporcionar la lista de categorías. El modelo se ajusta a sus propias categorías; los informes se vuelven inconsistentes.
  • No tener comprobada la igualdad del IVA. base imponible + iva = las filas que no suman el total se ingresan silenciosamente en la tabla.
  • Confundir una advertencia de anomalía con una decisión. "Puede repetirse" es un comienzo; El ser humano toma la decisión de borrar.
  • Saltarse la suma de comprobación. Confiar en la salida sin comparar el total de las filas con una cantidad de control conocida.

En resumen

  • Al procesar datos de gastos/facturas de texto libre con IA, la forma más confiable es solicitar la salida de acuerdo con un esquema fijo.
  • Proporcionar una lista de categorías y aclarar las reglas de formato (punto/coma, separador de miles) mantiene la salida consistente y transferible.
  • Dele explícitamente la fórmula de cálculo del IVA al modelo y verifique la igualdad de la base imponible + IVA = total en cada línea.
  • La IA es poderosa para detectar registros duplicados y anómalos, pero la decisión de eliminarlos o fusionarlos siempre la toma el ser humano.
  • La validación cruzada de los totales de la línea con una suma de verificación conocida asegura todo el trabajo.

Tarea de aplicación

Prepare una lista mixta de gastos (reales o de muestra) de al menos 10 líneas; incluya a sabiendas una entrada duplicada y un artículo con el tipo de IVA incorrecto. Conviértalo en una tabla con la poderosa plantilla de mensaje y luego ejecute el mensaje de anomalía. Verifique si el modelo detecta las dos trampas que usted estableció y verifique manualmente la igualdad del IVA en tres filas.

lista de verificación

  • [] Definí un esquema fijo con nombres de campos, orden y formato.
  • [ ] Le di la lista de categorías a la modelo, no dejé que se maquillara.
  • [] Agregué la regla de formato numérico (punto/coma, sin separador de miles).
  • Verifiqué la base imponible [ ] + IVA = igualdad total.
  • [] Me hicieron un escaneo de anomalía/duplicado y tomé las decisiones como humano.
  • [] Comparé el total de la fila con una suma de verificación conocida.