收益：
- 能够通过五步人工智能流程执行端到端的月末结算
- 能够在每个阶段应用强制验证、校验和和源标签步骤
- 能够通过整体审计提示和审计跟踪生成可抵抗外部审计的结案
在前面的十个单元中，我们一一学习了：表格解读、发票处理、预算现金分析、KPI报告、预测、Excel、采购、运营、审计和隐私。在最后一个单元中，我们将所有内容合并到一个真正的工作流程中：月末结算和管理报告。目的是建立一个整体流程，同时使用人工智能作为端到端助手，同时永不放弃身份验证、隐私和审计跟踪的纪律。我们将逐步了解会计/财务专业人士如何管理真正的月末。
什么是月末结算？
月末结算是记录和核对一段时间内的所有财务交易、最终确定报表并生成管理报告的过程。它通常是在时间压力下完成的，数据来自多个来源。这正是人工智能加速但最需要纪律的过程。
我们将流程分为五个阶段：（1）数据收集和清理，（2）处理和分类，（3）分析和核对，（4）报告，（5）验证和归档。我们将指出我们在每个阶段使用的单位技能。
提示：在端到端流程中分阶段使用人工智能，而不是通过一个巨大的提示。验证每个阶段的输出并将其输入到下一个阶段可以尽早发现错误；错误在成本最低的源头得到纠正。
一步一步：五步结束
- 收集并清洁（第 6 单元）。将银行对账单、费用清单、销售数据整合为单一格式；使用 AI 清洁脏柱。
- 处理和分类（单元 2）。绘制免费文本费用图表并检查增值税平等。
- 分析和调节（第 1、3、9 单元）。解释表格，提取预算实现偏差，并执行异常扫描。
- 报告（第 4 单元）。制作KPI总结和管理报告；在每个图上贴上来源标签。
- 验证并存档（第 9、10 单元）。手动确认关键数据，保留审计跟踪，将输出保存在安全区域。
弱流/强流
弱流程：一次性将整个月的数据粘贴到人工智能中，说“给我准备一份月末报告”，然后将结果报告发送给管理层，而无需验证。
这会产生无法验证的输出，其来源无法追踪，并带来隐私风险。
强流程（分阶段）：第 1 阶段 - 清理：“将以下银行对账单栏（文本金额）转换为数字，显示步骤。”第 2 阶段 - 分类：“用[方案]将这些费用放入表中；检查基数+增值税=总计。”第 3 阶段 - 分析：“计算预算实现偏差，排名前 5 个最大。”“用[异常规则]扫描记录，标记并证明。”第 4 阶段 -报告：“编写以下 KPI 的管理摘要，并用[来源]标记每个数字。”第 5 阶段 - 验证：“将此摘要中的数字声明与源表相匹配，将不匹配的标记为未验证。” + 手动 3 位数确认 + 审计跟踪。
每个阶段的输出进入下一个阶段的清理和验证。
阶段-技能-验证图
舞台
使用的技能
强制验证
收集/清洁
数据清理（Ü6）
小数据测试，检查行数
分类
发票/费用处理 (Ü2)
增值税方程式，检查总计
分析
报告解释、预算（Ü1,3）
手动确认百分比
异常
审计（Ü9）
人工审查，非判断
报告
关键绩效指标报告 (Ü4)
来源标签，中性色调
存档
隐私、审计跟踪 (Ü9,10)
匿名化、可追溯
关闭控制提示
在该过程结束时，运行整体审核提示：
您的角色：高级财务审计师。任务：查看下面的月末报告以了解发布准备情况。检查：1）每个数值断言与源表的一致性2）总和和百分比的算术准确性（重新计算）3）任何不成立或来源不清楚的陈述4）中性语气（是否有夸大/轻描淡写）输出：通过检查|检查失败|纠正建议。批准；只需审核并报告。<report>...</report> <source_tables>...</source_tables>
注意：人工智能自我监控很强大，但还不够。该模型还可以确认其自身的错误。这个提示是第二层眼睛；最终的签名和责任始终由人类专业人员承担。从来源手动验证至少三个关键数据。
使流程可重用
一旦建立了这个流程，您就不必每个月从头开始重写。将阶段提示、规则集和验证步骤编译成“结束剧本”。这样，流程不再依赖于个人，团队中的每个人都按照相同的标准工作，并且质量月复一月保持一致。人工智能还可以帮助您首次设置此剧本。
将下面的五步月末结账流程变成可重复使用的“结账手册”：- 对于每个阶段：目的 |提示模板使用 |强制验证| 负责任的角色 |预计时间 - 阶段之间的“过渡检查”（进入下一个阶段之前要确认的内容） - 在末尾添加“结束完成标准”清单 将此作为可以每月填写的模板。
该手册允许新团队成员快速学习流程，并允许您在外部审计中说“我们的流程是标准化的并记录在案的”。标准化是人工智能驱动流程最有价值的成果之一：您可以获得可重复的质量和速度。
提示：保持剧本新鲜。每次结账结束时，“这个月出了什么问题，我们应该改进哪些提示？”进行简要评估并更新模板。因此，这个过程每个月都会变得更加尖锐。
迷你箱
案例 1——三天关闭为一天。财务团队利用渐进式人工智能流程重建了月末流程。当数据清理和分类实现自动化后，3 天的结账时间减少到 1 天。但关键的一点是：分析和报告阶段的验证步骤被保留，而不是为了速度而牺牲。结果既快速又可靠。
案例 2 — 渐进式流程很早就发现了错误。清理阶段的行数为 1,240，分类后减少到 1,198。校验和立即表明了这一点；由于格式错误，遗漏了 42 条记录。如果只使用一个巨大的提示，这个缺陷就会默默地反映在报告中。渐进式验证挽救了工作。
案例 3 — 通过审计追踪审计。在年终外部审计中，团队提交了一份档案，其中包含每个月末的数据源、使用的提示、模型、日期和验证者。外部审计员将该流程评估为“可监控和可控制”。人工智能的使用被认为是一种控制力，而不是一种风险。
常见错误
- 用一个巨大的提示处理整个月。错误被隐藏；在渐进式流动中，它在源头被捕获。
- 跳过速度验证。成交时最大的风险是未经证实的抢购。
- 不进行跨阶段校验。行/金额损失悄悄地泄漏到报告中。
- 忘记源标签。每个数字都应该在结案报告中可追溯。
- 忽视审计跟踪和归档。无法监控的结账在外部审计中没有证据价值。
综上所述
- 月末结算是一个真正的端到端场景，它将模块的所有功能组合在一个流程中。
- 分阶段使用人工智能；验证每个阶段的输出并将其输入到下一个阶段，错误就会在源头被捕获。
- 每个阶段都有自己的强制验证：增值税平等、校验和、百分比确认、来源标签、匿名化。
- 整体控制提示提供了第二只眼睛，但不能替代人类签名；手动验证至少三个关键数字。
- 审计跟踪和安全存档使人工智能驱动的结账速度可靠且耐外部审计。
应用任务
准备每月（实际或样本）结账数据：银行对账单、费用清单、销售和预算数据。从开始到结束遵循五步流程：清理、分类、消除偏差和异常、生成执行摘要、然后使用关闭控制提示进行审核并手动验证至少三个数字。在整个过程中完成审计跟踪表，并确保对数据进行匿名处理以保护隐私。最后，在一段中写下如果重新执行此过程您会更改哪些内容。
清单
- [ ] 我将这个过程分为五个阶段，而不是一个巨大的提示。
- [ ] 我验证了每个阶段的输出并将其输入到下一阶段。
- [ ] 我检查了阶段之间的校验和和行数。
- [ ] 我在管理报告中的每个数字上都贴上了来源标签。
- [ ] 我运行了关闭检查提示并手动验证了至少三位数字。
- [ ] 我保留了审计跟踪并对数据进行了匿名处理并将其存档在安全区域。
模块考试
1. AI总结损益表后最关键的一步是什么？
- A) 将摘要中的关键数字和百分比与源表进行比较，并手动验证至少其中一项 ✔
- B) 将摘要按原样传达给管理层，因为人工智能的计算不会出错
- C) 重新总结摘要以使其更短
- D）仅检查语法错误
描述：虽然人工智能摘要看起来很流畅，但它们可能包含数字错误或幻觉。将摘要中的每个关键数字和百分比与源表进行比较并至少手动验证一个是金融业务中不可协商的步骤。
2. 使用人工智能处理自由文本发票描述时最可靠的方法是什么？
- A) 接收每张发票的自由格式、不同格式的答案
- B) 根据固定区域方案要求输出并检查增值税和总一致性 ✔
- C) 将金额留给人工智能的视觉估计
- D）允许模型适应自己的类别，而不需要提供类别列表
解释：根据固定的预定模式（类别、基础、增值税、日期等字段）请求输出，然后检查基础 + 增值税 = 总计是否相等，使数据一致且可验证。
3. 在预算与实际分析中使用人工智能最有效的方式是什么？
- A) 只需给出实际数字并让 AI 估算预算
- B) 将人工智能所编造的偏差原因放入报告中而不进行核实
- C) 通过给出预算和实际情况来计算偏差，列出最大的偏差并将原因解释为假设✔
- D) 只是问“我的预算进展如何”而不给出数字
说明：将预算和实际数字放在一起，以百分比计算偏差，明确收入/支出方向，并按绝对百分比列出最大偏差；它加快了计算和叙述的速度。模型提出的原因是假设，必须得到人类的证实。
4. 在准备通过 AI 提交给董事会的 KPI 报告时，以下哪一项最准确？
- A）仅共享一长串数字
- B）允许人工智能夸大数字，让它们看起来令人印象深刻
- C) 添加来源不明的数字并注明“AI 计算”
- D) 呈现每个指标的趋势、背景、建议的操作和可追溯的来源 ✔
说明：一份好的管理报告不是一堆空洞的数字；向每个指标提供趋势、背景、建议的操作和可跟踪的来源，可以为决策者增加价值。语气也应该是中立和诚实的。
5. 使用人工智能进行收入预测时，哪种框架最准确？
- A) 使用人工智能作为助手，生成明确的假设、乐观/基线/悲观情景，并通过人类判断确认预测✔
- B）接受人工智能给出的单个数字作为确切的未来
- C) 说“预测明年”而不陈述任何假设
- D）在不提供历史数据的情况下相信模型的直觉
描述：人工智能非常擅长根据历史数据和明确假设的情况生成场景；然而，应该要求一个假设的范围，而不是一个单一的数字，并且最终的估计应该由熟悉业务背景的人的判断来确认。该模型不知道未来，它处理模式和假设。
6. 使用 AI 生成复杂的 Excel 公式后的最佳行为是什么？
- A) 将公式直接粘贴到主工作簿中并开始使用
- B）假设公式很长的话是正确的
- C) 在已知结果的小样本数据集上测试公式 ✔
- D）只看公式是否正确运行而不检查结果
描述：AI 在生成公式方面非常有帮助，但可能包含单元格引用、版本/语言设置或逻辑错误。在将公式导入主文件之前，必须在具有已知结果的小样本数据集上测试公式。
7. 用人工智能比较供应商报价的最佳方式是什么？
- A) 只选择最低单价，忽略运费和期限
- B) 使用不同的标准单独评估每个报价
- C）毫无理由地接受人工智能的“这是最好的”答案
- D) 将投标标准化为一组通用标准，并根据总成本进行比较 ✔
说明：根据一组常见的预定标准（单价、运输、交货时间、付款期限、保修）对报价进行标准化，并将其与总拥有成本进行比较，从而提供同类比较。在最终决策中也会考虑无法量化的因素。
8. 在将包含公司尚未披露的财务业绩的表格粘贴到通用人工智能工具中之前应该做什么？
- A) 没问题，将其粘贴到任何免费工具中
- B) 检查车辆的数据政策；使用批准/机构工具和匿名数据 ✔
- C) 只需更改文件名并发送
- D) 通过截图发送数据消除风险
披露：未披露的财务数据可能是敏感信息和内幕信息。公司数据不应发送至没有保留保证的通用工具；应使用经批准/机构的工具和数据政策，并且应匿名化不必要的个人字段。
9. 人工智能“产生幻觉”金融数据的最大风险是什么？
- A）模型响应太慢
- B）模型只给出简短的答案
- C) 模型令人信服地生成了现实中不存在的数字、比率或来源 ✔
- D）模型扭曲了土耳其字符
解释：幻觉是指模型令人信服地再现了实际并不存在的数字、比率或来源。在金融领域，这可能显示为不存在的总数或错误的百分比；因此每个输出都必须根据源进行验证。
10. 以下哪项是在审计和合规方面使用人工智能的正确做法？
- A) 直接使用 AI 输出，无需记录它们
- B) 跳过验证步骤以加快速度
- C）将所有责任留给人工智能工具的提供者
- D) 保留审计跟踪记录所使用的数据、提示、日期和验证者 ✔
描述：在使用人工智能输出进行的财务分析中，应该可以追踪使用了哪些数据、在哪个提示下生成了什么数据、日期以及验证者。审计跟踪和人工审批构成合规性的基础；无法追踪的输出没有证据价值。
11. 为什么现金流量分析和利润分析之间的区别很重要？
- A) 利润和现金不同；即使盈利时期也可能出现现金赤字，因此也必须预测流动性✔
- B) 利润和现金是同一回事，没有必要将两者分开分析
- C）现金永远大于利润，没有风险
- D）现金预测不需要任何假设，它给出准确的结果
说明：利润是一个会计概念；发票开具时，销售额将被记录为收入，但现金可能会晚得多。即使是盈利的月份也可能会出现现金赤字。因此，有必要将流动性风险周与每周现金预测分开监控。
12. 使用人工智能扫描费用报表中的重复或异常记录时，最好的方法是什么？
- A) 直接删除AI说“重复”的所有行
- B) 让模型标记并证明记录的合理性，将删除/决策步骤留给人工审核 ✔
- C）要求模型做出明确的“不规则性”判断
- D）仅对少数记录进行采样，其余部分不扫描
澄清：人工智能在标记可疑记录方面非常强大，但“可能重复”只是一条线索，而不是一个决定。该模型表明并证明了；删除、合并或“不规则”判断始终由人工审核做出。
13. 使用人工智能清理杂乱的财务数据时，以下哪项是最佳实践？
- A) 清洗新色谱柱并保留原始数据，指定版本和分隔符并在小样本中验证结果 ✔
- B) 通过直接覆盖来更改原始数据
- C) 请求公式而不指定 Excel/Sheets 版本
- D) 将清理结果应用于所有数据而不进行任何检查
说明：数据清理应该在新列中进行，而不破坏原始数据。此外，应指定 Excel/Sheets 版本和小数点分隔符，并应在具有已知结果的小样本上验证结果。保护原始数据是能够从错误中恢复的保证。
14. 用AI进行端到端成交的最佳方式是什么？
- A) 通过一次提示处理所有月份数据并发送报告而不验证
- B) 跳过验证和校验和步骤以提高速度
- C) 只看最终报告，根本不检查中间阶段
- D) 将流程分为几个阶段，验证每个输出，制定控制总和并保留审核跟踪 ✔
描述：用一个巨大的提示渲染整个月会隐藏错误。逐步执行流程（清理、分类、分析、报告、验证）并验证每个阶段的输出，并在阶段之间执行校验和，从根源上捕获错误；审计跟踪和手动数字确认可确保完整性。