收益：
- 能够以结构化格式将资产负债表、损益表和现金流量表交给人工智能进行有意义的解释
- 能够在人工智能支持下查询三个表（利润-现金差异、营运资金、债务）之间的联系
- 通过交叉检查人工智能对表格的解释与源数据，能够发现捏造的项目和错误的总数
财务报表是描述公司健康状况的三份基本文件，也是财务专业人员花费最多时间的领域。问题往往不是“找到数字”，而是“看看数字说了什么”。从数百个项目中提取故事、建立项目之间的联系并注意到明显的偏差需要时间和经验。人工智能极大地加快了这种阅读解释任务的速度：它总结了长表，计算变化，标记值得注意的项目，并为您提供渲染的轮廓供您解释。但请记住：人工智能解读是一个开始，而不是结束；每个项目必须与来源匹配。
在本单元中，我们将了解这三个表，学习如何将它们以结构化格式提供给 AI，并了解如何使用 AI 查询三个表（利润与现金差额、营运资金、债务）之间的联系。
概念： 资产负债表：某个时间点的资产、负债和权益的快照。损益表：一段时间内的收入、支出和利润流。现金流量表：同一时期内现金的来源和去向。营运资金：流动资产减去短期负债；现金缓冲来转换日常活动。
了解三个表
这三幅画是同一家公司从不同角度拍摄的照片，互为补充。
表
它显示了什么？
基本问题
资产负债表
在特定时刻你拥有什么和欠什么
“公司实力如何？”
损益表
在此期间他赚了多少钱，花了多少钱？
“公司盈利了吗？”
现金流量表
现金在此期间如何变化
“公司有现金吗？”
关键点是：赚取利润与产生现金不同。一家公司可能在纸面上实现盈利，但在同一时期却遭遇现金短缺；因为出售的钱可能还没有收到。让人工智能在提供表格时查询此连接会产生最有价值的解释。
提示：向 AI 提供表格时，至少给出两个期间（例如两年）。单个术语表示“情况”；这两个时期表示“变化和方向”。许多财经评论正在发生变化。
如何把桌子交给AI
您可以将表格以纯文本、表格或列表形式提供给 AI。重要的是项目名称、期间和单位清晰。单位混淆（TL/千 TL/百万 TL）是最常见的错误来源；从一开始就解决这个问题。
表格解读提示：“下面是A公司2023年和2024年的损益表（单位：千里拉）。1）保留各项目的年度变化，并以百分比计算。2）给出两年的毛利率、营业利润率和净利润率。3）解释最显着的3个变化并说明理由。只需使用我给出的数字，如果缺少则写“无数据”。[表格]”
提示一起阅读三张表：“我给你的是资产负债表、损益表和现金流量表（单位：千里拉）。解释一下净利润和经营现金流量之间的差异。哪个项目（应收账款、存货、应付账款）来自这个差异？就看我给的数字。”
笔验证提示：“在评论中使用的每个数字来自哪个表和哪支笔旁边的括号中写下。请勿使用任何无法显示来源的数字。”
危险信号筛选提示：“在这些图表中列出应引起金融专业人士注意的可能问题信号：应收账款迅速增加、现金侵蚀、短期债务增加、库存积累等。用相关数字证明每个信号的合理性。”
弱提示/强提示
弱：“解释一下这个资产负债表。” （结果：空句子，如“资产增加了，有债务。”） 强：“在这两年的资产负债表（千TL）中：（1）以百分比形式给出流动/固定资产和短期/长期债务结构的变化，（2）计算和解释两年的营运资金，（3）明确判断并证明债务是否增加或减少。”
迷你箱
情况一——有利润但没有现金。 B 公司公布 2024 年净利润为 800 万土耳其里拉，但其现金余额减少了 300 万土耳其里拉。给AI三张表，差异受到质疑。 AI标志着应收账款从1200万增加到2100万：公司做了销售，但收不到钱。点评：盈利能力良好，收款表现恶化；应审查到期政策。分析师证实了图表中的这两个数字。
案例2——化妆笔。分析师向 AI 提供损益表并请求评论。 AI引用了“外汇收入400万”这一项目，表中没有该项目。分析师执行项目验证提示； AI无法显示来源。合适的笔将从评论中删除。这是资源匹配至关重要的一个典型例子。
案例 3 — 利润崩溃。 C公司的营业额增加了20%，但净利润保持不变。 AI计算利润率：毛利率从38%下降到31%。点评：销量增长但成本压力正在侵蚀利润；应审查定价或供应成本。分析师手动验证两个项目的保证金计算。
注意：AI 可能会错误地计算总计和小计。资产负债表上必须保留“总资产=总资源”等式。根据这个基本会计方程检查人工智能返回的总额；如果没有，整个评论都是可疑的。
建立表之间的连接
最成熟的解释不是着眼于单幅画，而是着眼于三幅画共同讲述的故事。让 AI 查询这三个超链接：
- 利润→现金桥梁：为什么净利润不等于经营现金流？答案通常隐藏在应收账款、存货和应付账款的交换中。
- 增长→营运资金桥梁：如果应收账款和库存随着公司的发展而增长，那么这种增长可能会消耗现金。
- 债务→利息桥梁：金融债务的增加应在损益表上表现为利息支出的增加；如果不可见，则存在不一致。
常见错误
- 从一开始就没有修复设备。当 TL 和千 TL 混合时，整个解释在层次上发生了变化。
- 给它一个单一的术语。在没有看到变化的情况下所做的解释仍然是肤浅的。
- 不检查总数。如果资产负债表不相等，那么人工智能就在某个地方犯了错误。
- 没有注意到化妆笔。如果未进行源匹配，则可能会在理由中添加非 AI 项目。
- 混合利润和现金。 “赚钱就意味着拥有现金”的假设是危险的。
综上所述
这三张表格是同一家公司的不同照片，应该一起阅读。人工智能是总结图表、计算变化和标记信号的强大加速器；但可能会错误计算总数并弥补不存在的项目。因此，从一开始就固定单位，至少给出两个周期，将每个数字链接到来源并检查资产负债表的平等性。最有价值的评论隐藏在利润和现金之间的桥梁中。
应用任务
给AI一个真实的或虚构的公司两年的损益表和现金流量表（或汇总项目）。首先，计算利润和项目变化。那么“哪一项解释了净利润和经营现金流之间的差异？”问。查找并验证原表中AI指示的项。最后，运行来源验证提示，要求用户在括号内写下注释中每个数字的来源，并检查是否是捏造的。
清单
- [ ] 我从一开始就明确了单位（TL/千TL/百万TL）。
- [ ] 我至少给出了两个术语。
- [ ] 我计算了利润和项目变化。
- [ ] 我检查了资产负债表方程或小计。
- [ ] 我质疑利润与现金的差异。
- [ ] 我将每个图与源图表和铅笔进行了匹配。
- [ ] 已验证是否是假笔。