Enheter
1. Finansiell rapport og erklæringsfortolkning 2. Behandling av utgifts- og fakturadata 3. Budsjett og kontantstrømanalyse 4. Utarbeide KPI og ledelsesrapport 5. Prognose og prognosestøtte 6. Excel-formelgenerering og datarensing 7. Forsynings- og innkjøpsanalyse 8. Drifts- og prosessoptimalisering 9. Revisjon, internkontroll og avviksdeteksjon 10. Personvern, samsvar og begrensninger på finansielle data 11. End-to-end-applikasjon: AI-drevet månedsavslutning
Enhet 2 / 11

Behandling av utgifts- og fakturadata

Gevinster:

  • Evne til å konvertere fritekst og fakturadata til en tabell strukturert etter et fast skjema
  • Evne til å sette opp repeterbare spørsmål for utgiftskategorisering, tilbakeberegning av mva og oppdagelse av anomalier
  • Evne til å verifisere uttrukket økonomiske felt med MVA-likhet og total konsistenskontroll

En av oppgavene som regnskapsteam bruker mest tid på, er å organisere spredte utgifts- og fakturadata i organiserte tabeller. En faktura som er vedlagt en e-post, et bilde av en kvittering sendt fra WhatsApp, en fritekstseddel som «Ankara møtemåltid + taxi 840 TL»... De skal alle havne på samme sted: en linje strukturert med kategorier, beløp, MVA (Value Added Tax), dato og leverandørfelt.

Kunstig intelligens (AI) er veldig kraftig i denne "fri tekst til struktur"-transformasjonen. Men i økonomiske data er det uakseptabelt at selv en krone går galt. Så i denne enheten vil vi lære to ting sammen: få AI til å produsere data i henhold til et fast skjema (forhåndsbestemt liste over felt) og validere utdataene med aggregerte konsistenssjekker.

Hvorfor er "skjema" så viktig?

Skjema er når du forteller på forhånd hvilke felt som skal være i hver rad, i hvilken rekkefølge og i hvilket format. Hvis du ikke oppgir et skjema, produserer modellen et annet format for hver faktura. Da ville det være vanskelig å kombinere dem til en enkelt tabell uten å korrigere manuelt. Hvis du oppgir et skjema, vil utdataene være både konsistente og verifiserbare.

Et godt utgiftsdiagram inkluderer følgende felter: dato, leverandør, beskrivelse, kategori, momsfradragsbeløp (grunnlag), momssats, momsbeløp, totalt inkl. mva, dokumentnr.

Tips: Definer alltid numeriske felt med "punktum/komma"-konvensjonen. Å si "Skriv beløpene i formatet 1234.56, uten tusenskilletegn" vil unngå timer med formateringsmareritt når du eksporterer til Excel senere.

Trinn for trinn: Fra fritekst til tabell

  1. Fiks ordningen. Skriv feltnavnene, rekkefølgen og formatet.
  2. Gi kategorilisten. Be modellen velge fra listen din, ikke lage kategorier i hodet hennes.
  3. Lag en usikkerhetsregel. La ham forlate området han ikke er sikker på, og sett et "sjekk"-skilt.
  4. Bekreft MVA-logikk. Få modellen til å sjekke ligningsgrunnlaget + mva = totalt.
  5. Krysssjekk totalen. Stemmer summen av alle linjer med sjekksummen din?

Svak forespørsel / sterk forespørsel

Svak melding: Gjør følgende utgifter til en tabell: - Ankara mattaxi 840 - skrivesaker 300 inkludert mva - hotell 2 netter 3600

Dette gir en utgang med kategori inkonsistent, MVA blandet, format forskjellig på hver linje.

Kraftig ledetekst:Konverter følgende fritekstavgifter til en tabell NØYAKTIG i henhold til dette skjemaet:Felter (i denne rekkefølgen): dato | leverandør | beskrivelse | kategori |base | mva_rate | mva_beløp | totalt | noteRegler:- Kun kategori fra følgende liste: [Reise, Overnatting, Mat, Skrivesaker, Transport, Annet]- Skriv beløpene i formatet 1234.56 (ingen tusenskilletegn).- Hvis "MVA inkludert" er oppgitt, beregn grunnen og MVA tilbake; Hvis du ikke kjenner mva-satsen, skriv "satsbekreftelse" i notatfeltet og la det stå tomt. - Oppgi likheten av skattegrunnlag + VAT_amount = total i hver linje; Hvis den ikke gir det, skriv "MØTER IKKE" i notatfeltet. - Forlat feltet du ikke er sikker på, legg til "sjekk" i lappen.

Denne forespørselen kalkulerer tilbake grunnlaget for skrivesaker inkludert MVA til 250 og MVA til 50, flagger varer med tvetydige priser og gir en ren utgang som kan kombineres til en enkelt tabell.

MVA Tilbake Beregningslogikk

Å finne skattegrunnlaget fra et beløp inkludert merverdiavgift er en ofte påkrevd prosedyre i regnskapsføring. Formel: base = totalt / (1 + rate). For eksempel, for 300 TL inkludert 20 % MVA, er basisen = 300 / 1,20 = 250, MVA = 50. Hvis du eksplisitt gir denne formelen til modellen, reduseres feilmarginen.

transaksjon

formel

Prøve (20 %)

mva ekskl. → inkludert

totalt = base × (1 + rate)

250 × 1,20 = 300

mva inkludert → base

base = totalt / (1 + rate)

300 / 1,20 = 250

momsbeløp

vat = totalt − base

300 − 250 = 50

kontroll

base + mva = totalt

250 + 50 = 300

Arbeid med Fakturafoto og OCR-utskrift

Utgifter fra felten kommer ofte som kvitteringsbilde eller PDF-faktura. Teknologien som trekker ut tekst fra disse bildene kalles OCR (Optical Character Recognition). Visuelle AI-verktøy kan gjøre jobben, men OCR-utgangen er alltid feil: et komma kan leses som en prikk, "5" kan forveksles med en "S", et siffer av beløpet kan gå tapt. Inkluder derfor aldri beløp fra OCR direkte i regnskapet.

Trekk ut følgende felt fra dette fakturabildet og skriv dem NØYAKTIG inn i følgende skjema:dato | leverandør | tax_no | base | mva_rate | mva_beløp | totalRegler:- Skriv "ULEST" i et hvilket som helst felt du ikke kan lese eller er usikker på, ikke gjett.- base + vat_amount = sjekk total; Hvis ikke, merk "SJEKK". - Oppgi beløpene i formatet 1234,56.

Det er en kritisk sikkerhetsregel å ikke få noen til å gjette det usikre området. Hvis modellen fyller ut et tall med "mest sannsynlig til", skriver posten feilen stille inn. "ULEST"-flagget lar mennesket gå tilbake til originaldokumentet og bekrefte det.

Tips: I OCR-utskriften er totalbeløpet vanligvis det mest pålitelige feltet å lese fordi det er skrevet med stor skrift. Dersom avgiftsgrunnlaget + mva = totalligningen ikke holder, kan du finne i hvilket område feilen ligger ved å gå tilbake fra denne ligningen.

Deteksjon av avvik og duplikatposter

AI oversetter ikke bare; Den finner også mistenkelige gjenstander. For eksempel nesten samme beløp fra samme leverandør to ganger på samme dag, eller en uvanlig stor utgift for kategorien.

I utgiftstabellen nedenfor markerer du følgende avvik og skriv årsaken:1) Mulig duplikatpost (samme leverandør + tilsvarende beløp + nylig dato)2) Beløp større enn 3 ganger kategorigjennomsnittet3) MVA-sats forskjellig fra forventet for kategorien Bare merk og skriv årsaken; ikke slett eller endre noen rader.

Forsiktig: AIs advarsel om "dette kan være repeterende" er et hint, ikke en beslutning. De to postene kan faktisk være to forskjellige tjenester. Beslutningen om å slette eller slå sammen tas alltid av mennesker; Modellen fanger bare oppmerksomheten din.

Minivesker

Tilfelle 1 — Stabel med 300 sjetonger. En regnskapsekspert konverterte en 300-linjers fritekstliste over månedlige utgifter til en tabell på omtrent 15 minutter med diagrammet. Jobben, som tok 4 timer når den ble utført manuelt, ble redusert til 40 minutter med verifisering. Gevinsten er ikke bare hastighet; kategorikonsistensen økte også.

Sak 2 — Fanget dobbeltbetaling. Uregelmessighetsmeldingen flagget at en faktura på 4720 TL til en leverandør ble lagt inn to ganger med to forskjellige dokumentnummer. Undersøkelsen viste at det ene var et utkast og det andre var en ferdigbehandlet faktura, og begge forfalt til betaling. Uten AI ville det vært dobbeltbetaling.

Sak 3 — Merverdiavgiftsfelle. Modellen tildelte 20 % merverdiavgift til kjøp av basismat; mens varen var i den lavere satsgruppen. Takket være «rate confirmation»-regelen ble linjen merket, verifisert og korrigert av ekspertkilden. Leksjon: Ikke overlat momssatsen til modellen, bekreft den fra listen eller dokumentet.

Vanlige feil

  • Oversettelse av data uten å oppgi et skjema. Hver linje kommer i et annet format, kombinering krever manuell korrigering.
  • Oppgir ikke kategorilisten. Modellen passer til sine egne kategorier; rapporteringen blir inkonsekvent.
  • Ikke å få sjekket mva-likhet. avgiftsgrunnlag + mva = rader som ikke summerer seg til totalen legges stille inn i tabellen.
  • Å ta feil av en advarsel om uregelmessigheter for en avgjørelse. «Kan gjentas» er en start; Mennesket tar beslutningen om å slette.
  • Hopp over sjekksummen. Stole på utgangen uten å sammenligne totalen av radene med en kjent kontrollmengde.

Oppsummert

  • Når du behandler fritekstutgifts-/fakturadata med AI, er den mest pålitelige måten å be om utdata i henhold til et fast skjema.
  • Å gi en liste over kategorier og tydeliggjøre formateringsregler (punktum/komma, tusenskilletegn) holder utdataene konsistente og overførbare.
  • Gi eksplisitt mva-tilbakeberegningsformelen til modellen og kontroller likheten mellom avgiftsgrunnlag + mva = totalt i hver linje.
  • AI er kraftig til å flagge dupliserte og unormale poster, men beslutningen om å slette/flette tas alltid av mennesket.
  • Kryssvalidering av linjetotalene med en kjent kontrollsum sikrer hele jobben.

Søknadsoppgave

Lag en blandet liste over utgifter (faktisk eller prøve) på minst 10 linjer; bevisst inkludere en duplikatoppføring og en vare med feil momssats. Konverter den til en tabell med den kraftige ledetekstmalen, og kjør deretter uregelmessige spørsmål. Sjekk om modellen fanger de to fellene du setter og kontroller manuelt momslikheten i tre rader.

sjekkliste

  • [ ] Jeg definerte et fast skjema med feltnavn, rekkefølge og format.
  • [ ] Jeg ga kategorilisten til modellen, jeg lot den ikke gjøre opp.
  • [ ] Jeg la til regelen for numerisk format (punktum/komma, ingen tusenskilletegn).
  • Jeg sjekket [ ] skattegrunnlaget + moms = total likhet.
  • [ ] Jeg fikk utført en anomali/duplikatskanning og tok avgjørelsene som et menneske.
  • [ ] Jeg sammenlignet radtotalen med en kjent kontrollsum.
Tidligere Neste