యూనిట్ 2 / 11

ఖర్చు మరియు ఇన్‌వాయిస్ డేటా ప్రాసెసింగ్

లాభాలు:

  • ఉచిత టెక్స్ట్ మరియు ఇన్‌వాయిస్ డేటాను స్థిర స్కీమా ప్రకారం నిర్మాణాత్మక పట్టికగా మార్చగల సామర్థ్యం
  • ఖర్చు వర్గీకరణ, VAT బ్యాక్ లెక్కింపు మరియు క్రమరాహిత్యాల గుర్తింపు కోసం పునరావృత ప్రాంప్ట్‌లను సెటప్ చేయగల సామర్థ్యం
  • VAT సమానత్వం మరియు మొత్తం అనుగుణ్యత తనిఖీలతో సంగ్రహించిన ఆర్థిక ఫీల్డ్‌లను ధృవీకరించగల సామర్థ్యం

అకౌంటింగ్ బృందాలు ఎక్కువ సమయం వెచ్చించే పనులలో ఒకటి చెల్లాచెదురుగా ఖర్చు మరియు ఇన్‌వాయిస్ డేటాను వ్యవస్థీకృత పట్టికలుగా నిర్వహించడం. ఇమెయిల్‌కి జోడించబడిన ఇన్‌వాయిస్, WhatsApp నుండి పంపబడిన రసీదు యొక్క ఫోటో, "అంకారా మీటింగ్ భోజనం + టాక్సీ 840 TL" వంటి ఉచిత-వచన వ్యయ గమనిక... అవన్నీ ఒకే స్థలంలో ముగుస్తాయి: కేటగిరీలు, మొత్తం, VAT (విలువ ఆధారిత పన్ను), తేదీ మరియు సరఫరాదారు ఫీల్డ్‌లతో రూపొందించబడిన లైన్.

ఈ "ఫ్రీ టెక్స్ట్ టు స్ట్రక్చర్" పరివర్తనలో కృత్రిమ మేధస్సు (AI) చాలా శక్తివంతమైనది. కానీ ఆర్థిక డేటాలో, ఒక్క పైసా కూడా తప్పుగా మారడం ఆమోదయోగ్యం కాదు. కాబట్టి ఈ యూనిట్‌లో మనం కలిసి రెండు విషయాలను నేర్చుకుంటాము: AI స్థిరమైన స్కీమా (ఫీల్డ్‌ల ముందుగా నిర్ణయించిన జాబితా) ప్రకారం డేటాను ఉత్పత్తి చేసేలా చేయడం మరియు మొత్తం స్థిరత్వ తనిఖీలతో అవుట్‌పుట్‌ను ధృవీకరించడం.

"స్కీమా" ఎందుకు చాలా ముఖ్యమైనది?

స్కీమా అనేది ప్రతి వరుసలో ఏ ఫీల్డ్‌లు, ఏ క్రమంలో మరియు ఏ ఫార్మాట్‌లో ఉంటాయో ముందుగానే చెప్పడం. మీరు స్కీమాను అందించకపోతే, మోడల్ ప్రతి ఇన్‌వాయిస్‌కు వేరే ఆకృతిని ఉత్పత్తి చేస్తుంది; మాన్యువల్‌గా సరిదిద్దకుండా వాటిని ఒకే పట్టికలో కలపడం కష్టం. మీరు స్కీమాను అందించినట్లయితే, అవుట్‌పుట్ స్థిరంగా మరియు ధృవీకరించదగినదిగా ఉంటుంది.

మంచి ఖర్చు చార్ట్ కింది ఫీల్డ్‌లను కలిగి ఉంటుంది: తేదీ, సరఫరాదారు, వివరణ, వర్గం, VAT మినహాయింపు మొత్తం (బేస్), VAT రేటు, VAT మొత్తం, VATతో సహా మొత్తం, పత్రం సంఖ్య.

చిట్కా: ఎల్లప్పుడూ "పీరియడ్/కామా" కన్వెన్షన్‌తో సంఖ్యా ఫీల్డ్‌లను నిర్వచించండి. "వేలాది సెపరేటర్ లేకుండా, 1234.56 ఫార్మాట్‌లో మొత్తాలను వ్రాయండి" అని చెప్పడం వలన, తర్వాత Excelకి ఎగుమతి చేసేటప్పుడు గంటల తరబడి పీడకల ఫార్మాటింగ్‌ను నివారించవచ్చు.

దశల వారీగా: ఉచిత వచనం నుండి పట్టిక వరకు

  1. పథకాన్ని పరిష్కరించండి. ఫీల్డ్ పేర్లు, ఆర్డర్ మరియు ఆకృతిని వ్రాయండి.
  2. వర్గం జాబితా ఇవ్వండి. మీ జాబితా నుండి ఎంచుకోవడానికి మోడల్‌ను అడగండి, ఆమె తలపై వర్గాలను రూపొందించడానికి కాదు.
  3. అనిశ్చితి నియమాన్ని రూపొందించండి. అతనికి ఖచ్చితంగా తెలియని ప్రాంతాన్ని ఖాళీగా ఉంచి, "చెక్" గుర్తు పెట్టనివ్వండి.
  4. VAT లాజిక్‌ను ధృవీకరించండి. మోడల్ సమీకరణ బేస్ + VAT = మొత్తం తనిఖీ చేయండి.
  5. మొత్తం చెక్ చేయండి. అన్ని లైన్‌ల మొత్తం మీ చెక్‌సమ్‌కు సరిపోతుందా?

బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్

బలహీనమైన ప్రాంప్ట్: కింది ఖర్చులను టేబుల్‌గా మార్చండి: - అంకారా ఫుడ్ టాక్సీ 840 - వ్యాట్‌తో సహా స్టేషనరీ 300 - హోటల్ 2 రాత్రులు 3600

ఇది కేటగిరీ అస్థిరతతో కూడిన అవుట్‌పుట్‌ను ఇస్తుంది, ప్రతి పంక్తిలో విభిన్నమైన ఆకృతి, VAT కలపబడింది.

శక్తివంతమైన ప్రాంప్ట్:ఈ పథకం ప్రకారం ఖచ్చితంగా క్రింది ఉచిత వచన ఛార్జీలను పట్టికగా మార్చండి: ఫీల్డ్స్ (ఈ క్రమంలో): తేదీ | సరఫరాదారు | వివరణ | వర్గం |బేస్ | vat_రేట్ | వ్యాట్_మొత్తం | మొత్తం | noteRules:- ఈ క్రింది జాబితా నుండి మాత్రమే వర్గం: [ప్రయాణం, వసతి, ఆహారం, స్టేషనరీ, రవాణా, ఇతర]- మొత్తాలను 1234.56 ఫార్మాట్‌లో వ్రాయండి (వేలాది సెపరేటర్ లేదు).- "VAT చేర్చబడింది" అని పేర్కొన్నట్లయితే, ఆధారాన్ని మరియు VATని తిరిగి లెక్కించండి; మీకు VAT రేటు తెలియకపోతే, నోట్ ఫీల్డ్‌లో "రేటు నిర్ధారణ" అని వ్రాసి, దానిని ఖాళీగా ఉంచండి. - ప్రతి లైన్‌లో పన్ను బేస్ + VAT_amount = మొత్తం సమానత్వాన్ని అందించండి; అది అందించకపోతే, నోట్ ఫీల్డ్‌లో "DOES NOT MEET" అని వ్రాయండి. - మీకు ఖచ్చితంగా తెలియని ఫీల్డ్‌ను వదిలివేయండి, గమనికకు "చెక్" జోడించండి.

ఈ ప్రాంప్ట్ స్టేషనరీ కోసం వేట్‌తో సహా 250కి మరియు VATని 50కి తిరిగి గణిస్తుంది, అస్పష్టమైన రేట్‌లతో ఐటెమ్‌లను ఫ్లాగ్ చేస్తుంది మరియు ఒకే టేబుల్‌గా కలపగలిగే క్లీన్ అవుట్‌పుట్‌ను ఉత్పత్తి చేస్తుంది.

VAT బ్యాక్ కాలిక్యులేషన్ లాజిక్

VATతో సహా మొత్తం నుండి పన్ను ఆధారాన్ని కనుగొనడం అనేది అకౌంటింగ్‌లో తరచుగా అవసరమైన ప్రక్రియ. ఫార్ములా: బేస్ = మొత్తం / (1 + రేటు). ఉదాహరణకు, 20% VATతో సహా 300 TL కోసం, బేస్ = 300 / 1.20 = 250, VAT = 50. మీరు ఈ ఫార్ములాను మోడల్‌కు స్పష్టంగా ఇస్తే, లోపం యొక్క మార్జిన్ తగ్గుతుంది.

లావాదేవీ

సూత్రం

నమూనా (20%)

VAT మినహాయించబడింది → చేర్చబడింది

మొత్తం = బేస్ × (1 + రేటు)

250 × 1.20 = 300

VAT చేర్చబడింది → బేస్

బేస్ = మొత్తం / (1 + రేటు)

300 / 1.20 = 250

VAT మొత్తం

vat = మొత్తం - బేస్

300 - 250 = 50

నియంత్రణ

బేస్ + వ్యాట్ = మొత్తం

250 + 50 = 300

ఇన్‌వాయిస్ ఫోటో మరియు OCR ప్రింట్‌అవుట్‌తో పని చేస్తోంది

ఫీల్డ్ నుండి ఖర్చులు తరచుగా రసీదు ఫోటో లేదా PDF ఇన్‌వాయిస్‌గా వస్తాయి. ఈ చిత్రాల నుండి వచనాన్ని సంగ్రహించే సాంకేతికతను OCR (ఆప్టికల్ క్యారెక్టర్ రికగ్నిషన్) అంటారు. విజువల్ AI సాధనాలు పనిని చేయగలవు, కానీ OCR అవుట్‌పుట్ ఎల్లప్పుడూ లోపభూయిష్టంగా ఉంటుంది: కామాను డాట్‌గా చదవవచ్చు, "5"ని "S"తో గందరగోళం చేయవచ్చు, మొత్తంలో ఒక అంకె కోల్పోవచ్చు. కాబట్టి, OCR నుండి నేరుగా అకౌంటింగ్‌లో మొత్తాలను ఎప్పుడూ చేర్చవద్దు.

ఈ ఇన్‌వాయిస్ ఇమేజ్ నుండి క్రింది ఫీల్డ్‌లను సంగ్రహించి, వాటిని సరిగ్గా క్రింది స్కీమాలో వ్రాయండి:తేదీ | సరఫరాదారు | పన్ను_నో | బేస్ | vat_రేట్ | వ్యాట్_మొత్తం | totalRules:- మీరు చదవలేని లేదా ఖచ్చితంగా తెలియని ఏదైనా ఫీల్డ్‌లో "UNREAD" అని వ్రాయండి, ఊహించవద్దు.- బేస్ + vat_amount = మొత్తం చెక్ చేయండి; లేకపోతే, "చెక్" గుర్తు పెట్టండి. - 1234.56 ఫార్మాట్‌లో మొత్తాలను ఇవ్వండి.

అనిశ్చిత ప్రాంతాన్ని ఎవరూ ఊహించకూడదనేది కీలకమైన భద్రతా నియమం. మోడల్ సంఖ్యను "అత్యధికంగా" పూర్తి చేస్తే, రికార్డ్ నిశ్శబ్దంగా లోపంలోకి ప్రవేశిస్తుంది. "అన్‌రీడ్" ఫ్లాగ్ మానవుడు అసలు పత్రానికి తిరిగి వెళ్లి దానిని నిర్ధారించడానికి అనుమతిస్తుంది.

చిట్కా: OCR ప్రింట్‌అవుట్‌లో, పెద్ద ఫాంట్‌లో వ్రాయబడినందున మొత్తం మొత్తం సాధారణంగా చదవడానికి అత్యంత విశ్వసనీయ ఫీల్డ్‌గా ఉంటుంది. పన్ను ఆధారం + VAT = మొత్తం సమీకరణం ఉండకపోతే, ఈ సమీకరణం నుండి వెనుకకు వెళ్లడం ద్వారా ఏ ప్రాంతంలో లోపం ఉందో మీరు కనుగొనవచ్చు.

క్రమరాహిత్యం మరియు డూప్లికేట్ రికార్డ్ డిటెక్షన్

AI కేవలం అనువదించదు; ఇది అనుమానాస్పద వస్తువులను కూడా కనుగొంటుంది. ఉదాహరణకు, ఒకే రోజున రెండుసార్లు ఒకే సరఫరాదారు నుండి దాదాపు ఒకే మొత్తం లేదా వర్గానికి అసాధారణంగా పెద్ద ఖర్చు.

దిగువన ఉన్న వ్యయ పట్టికలో, కింది క్రమరాహిత్యాలను గుర్తించి, కారణాన్ని వ్రాయండి: 1) సాధ్యమైన నకిలీ రికార్డు (అదే సరఫరాదారు + సారూప్య మొత్తం + ఇటీవలి తేదీ) 2) కేటగిరీ సగటు కంటే 3 రెట్లు ఎక్కువ మొత్తాలు3) వర్గానికి ఊహించిన దానికంటే భిన్నమైన VAT రేటు కేవలం కారణాన్ని గుర్తించి వ్రాయండి; ఏ అడ్డు వరుసలను తొలగించవద్దు లేదా మార్చవద్దు.

హెచ్చరిక: AI యొక్క "ఇది పునరావృతం కావచ్చు" హెచ్చరిక సూచన, నిర్ణయం కాదు. రెండు రికార్డులు వాస్తవానికి రెండు వేర్వేరు సేవలు కావచ్చు. తొలగించడం లేదా విలీనం చేయాలనే నిర్ణయం ఎల్లప్పుడూ మానవులచే చేయబడుతుంది; మోడల్ మీ దృష్టిని ఆకర్షిస్తుంది.

మినీ కేసులు

కేస్ 1 - 300 చిప్‌ల స్టాక్. అకౌంటింగ్ నిపుణుడు రేఖాచిత్రం ప్రాంప్ట్‌తో సుమారు 15 నిమిషాలలో 300-లైన్ ఉచిత-టెక్స్ట్ నెల-ముగింపు ఖర్చుల జాబితాను టేబుల్‌గా మార్చారు. మాన్యువల్‌గా చేసినప్పుడు 4 గంటలు పట్టే జాబ్, వెరిఫికేషన్‌తో 40 నిమిషాలకు తగ్గించబడింది. లాభం కేవలం వేగం కాదు; వర్గం స్థిరత్వం కూడా పెరిగింది.

కేసు 2 - డబుల్ చెల్లింపు క్యాచ్. ఒక సరఫరాదారుకి 4,720 TL ఇన్‌వాయిస్ రెండు వేర్వేరు డాక్యుమెంట్ నంబర్‌లతో రెండుసార్లు నమోదు చేయబడిందని అనామలీ ప్రాంప్ట్ ఫ్లాగ్ చేసింది. పరీక్షలో ఒకటి డ్రాఫ్ట్ అని, మరొకటి ఫైనలైజ్డ్ ఇన్‌వాయిస్ అని, రెండూ చెల్లించాల్సి ఉందని తేలింది. AI లేకుండా, డబుల్ చెల్లింపు ఉంటుంది.

కేసు 3 — VAT రేటు ఉచ్చు. మోడల్ ప్రధానమైన ఆహారాన్ని కొనుగోలు చేయడానికి 20% VATని కేటాయించింది; అయితే వస్తువు తక్కువ రేటు సమూహంలో ఉంది. "రేటు నిర్ధారణ" నియమానికి ధన్యవాదాలు, నిపుణుల మూలం ద్వారా లైన్ గుర్తించబడింది, ధృవీకరించబడింది మరియు సరిదిద్దబడింది. పాఠం: VAT రేటును మోడల్‌కు వదిలివేయవద్దు, జాబితా లేదా పత్రం నుండి దాన్ని నిర్ధారించండి.

సాధారణ తప్పులు

  • స్కీమాను అందించకుండా డేటాను అనువదించడం. ప్రతి పంక్తి వేరే ఫార్మాట్‌లో వస్తుంది, కలపడానికి మాన్యువల్ కరెక్షన్ అవసరం.
  • కేటగిరీ జాబితాను అందించడం లేదు. మోడల్ దాని స్వంత వర్గాలకు సరిపోతుంది; రిపోర్టింగ్ అస్థిరంగా మారుతుంది.
  • VAT సమానత్వం తనిఖీ చేయబడలేదు. పన్ను బేస్ + వ్యాట్ = మొత్తానికి జోడించని వరుసలు నిశ్శబ్దంగా పట్టికలో నమోదు చేయబడతాయి.
  • నిర్ణయం కోసం క్రమరాహిత్యం హెచ్చరికను తప్పుగా భావించడం. "పునరావృతం కావచ్చు" అనేది ఒక ప్రారంభం; తొలగించడానికి మానవుడు నిర్ణయం తీసుకుంటాడు.
  • చెక్‌సమ్‌ను దాటవేయడం. అడ్డు వరుసల మొత్తాన్ని తెలిసిన నియంత్రణ మొత్తానికి సరిపోల్చకుండా అవుట్‌పుట్‌పై ఆధారపడటం.

సారాంశంలో

  • AIతో ఉచిత టెక్స్ట్ ఖర్చు/ఇన్‌వాయిస్ డేటాను ప్రాసెస్ చేస్తున్నప్పుడు, స్థిర స్కీమా ప్రకారం అవుట్‌పుట్‌ను అభ్యర్థించడం అత్యంత విశ్వసనీయ మార్గం.
  • వర్గాల జాబితాను అందించడం మరియు ఫార్మాటింగ్ నియమాలను (పీరియడ్/కామా, వేల సెపరేటర్) స్పష్టం చేయడం వల్ల అవుట్‌పుట్ స్థిరంగా మరియు బదిలీ చేయబడుతుంది.
  • మోడల్‌కు VAT బ్యాక్ లెక్కింపు సూత్రాన్ని స్పష్టంగా అందించండి మరియు ప్రతి లైన్‌లో పన్ను బేస్ + VAT = మొత్తం సమానత్వాన్ని తనిఖీ చేయండి.
  • డూప్లికేట్ మరియు క్రమరహిత రికార్డులను ఫ్లాగ్ చేయడంలో AI శక్తివంతమైనది, కానీ తొలగించడం/విలీనం చేయాలనే నిర్ణయం ఎల్లప్పుడూ మానవునిచే చేయబడుతుంది.
  • తెలిసిన చెక్‌సమ్‌తో లైన్ మొత్తాలను క్రాస్-ధృవీకరణ చేయడం మొత్తం ఉద్యోగాన్ని సురక్షితం చేస్తుంది.

అప్లికేషన్ టాస్క్

కనీసం 10 లైన్ల ఖర్చుల మిశ్రమ జాబితాను (అసలు లేదా నమూనా) సిద్ధం చేయండి; డూప్లికేట్ ఎంట్రీని మరియు తప్పు VAT రేట్‌తో ఉన్న వస్తువును ఉద్దేశపూర్వకంగా చేర్చండి. శక్తివంతమైన ప్రాంప్ట్ టెంప్లేట్‌తో దీన్ని టేబుల్‌గా మార్చండి, ఆపై క్రమరాహిత్య ప్రాంప్ట్‌ను అమలు చేయండి. మీరు సెట్ చేసిన రెండు ట్రాప్‌లను మోడల్ క్యాచ్ చేసిందో లేదో తనిఖీ చేయండి మరియు మూడు వరుసలలో VAT సమానత్వాన్ని మాన్యువల్‌గా ధృవీకరించండి.

చెక్లిస్ట్

  • [ ] నేను ఫీల్డ్ పేర్లు, ఆర్డర్ మరియు ఫార్మాట్‌తో స్థిరమైన స్కీమాను నిర్వచించాను.
  • [ ] నేను మోడల్‌కి వర్గ జాబితాను ఇచ్చాను, నేను దానిని రూపొందించడానికి అనుమతించలేదు.
  • [ ] నేను సంఖ్యా ఆకృతి (కాలం/కామా, వేల సెపరేటర్ లేదు) నియమాన్ని జోడించాను.
  • నేను [ ] పన్ను బేస్ + VAT = మొత్తం సమానత్వాన్ని తనిఖీ చేసాను.
  • [ ] నేను ఒక అనోమలీ/డూప్లికేట్ స్కాన్ చేసాను మరియు మానవునిగా నిర్ణయాలు తీసుకున్నాను.
  • [ ] నేను అడ్డు వరుస మొత్తాన్ని తెలిసిన చెక్‌సమ్‌తో పోల్చాను.