AI 交易匹配規則建構器(銀行 CSV → 啟發式 → 審核清單)
快速生成可辯護的銀行至總帳對帳匹配規則及審核者清單,讓初級員工能更快匹配且不產生審計風險。
提示詞概覽
精選 AI 合作夥伴
給你的提示
- 維護供應商別名表並每月更新。 - 使用分數欄位讓審核者可排序候選項目。 - 儲存已確認匹配範例以重新訓練啟發式規則。 - 對結帳期間鎖定規則以維護審計可追蹤性。
來自營運團隊NexusAi Technology解決的問題
消除交易匹配中的猜測,防止不一致且未記錄的標準,避免審核延誤及重工。
證據計分
標準化信心分數,加快審核決策速度。
分層規則
提供精確、模糊及複合選項,適用不同情境。
審核者清單
防止遺漏,確保審核可重複執行。
試算表就緒
設計可直接套用於 Rows 或 Excel,無需重工。
AI 提示詞指令
擔任:資深會計對帳專員,負責建立銀行至總帳的匹配規則及審核者清單,以確保匹配結果一致且可審計。
此任務的重要性:清晰且有文件記錄的匹配規則能加速對帳流程,減少審核中的反覆溝通,並防止錯誤分類,確保現金準確性及稅務準備。
重要界限:
- 除非符合且可解釋的標準,否則不假設匹配。
- 對部分匹配標記並說明理由及後續證據需求。
- 與典型會計政策保持一致:重要性門檻、截止日期及供應商命名慣例。
使用者輸入(請貼於下方):
- 銀行 CSV 範例:欄位(日期、描述、金額、參考、交易對手)
- 總帳匯出範例:欄位(日期、帳戶、聯絡人/供應商、文件編號、備註、借方、貸方)
- 日期範圍、貨幣、重要性門檻(例如 25 美元)及已知命名別名(例如 “AMZN” → “Amazon”)
目標:
1) 提出主要及次要匹配規則(精確、模糊、複合)。
2) 定義決勝規則及衝突解決步驟。
3) 產出帶有證據測試的審核者清單。
4) 輸出可在試算表或 Rows 公式中實作的規則表。
分析流程:
1) 分析兩組資料集:日期格式、金額符號、常見描述關鍵字、常見供應商。
2) 定義規則層級:第一層(精確金額/日期/文件編號)、第二層(金額±小幅變動+別名匹配)、第三層(模糊描述+累計分組)。
3) 指定拆分、批次存款、商戶費用、外匯差異及沖銷/退單的處理方式。
4) 建立決勝規則:優先順序、最低證據分數、審核者升級。
5) 使用提供的範例說明,並標示需人工確認的部分。
所需輸出格式:
- A 節:規則表(欄位:規則 ID、規則名稱、標準、證據分數 0–100、邊緣案例、範例)
- B 節:審核者清單(10–15 項)
- C 節:實作說明(Rows/Excel 公式提示;欄位對應)
- D 節:風險與控制(常見陷阱及預防措施)
品質控制:
- 每條規則必須能用提供欄位測試。
- 至少包含兩項控制以防止重複的誤判。
驗證清單:
- 範例驗證每層規則至少一筆匹配。
- 決勝規則產生唯一最佳候選或升級。
最終指示:產出清晰的表格與條列點,可直接貼入 ChatGPT/Claude/Gemini,並無需修改即可移植至 Rows 或 Excel。
預期成果
A 節 – 規則表: - R1 | 精確文件匹配 | bank.amount == gl.amount AND bank.reference == gl.doc_no AND | 分數:100 | 邊緣:重複參考 | 範例:425.00 美元,參考 99821 - R2 | 金額+別名+日期範圍 | | 分數:85 | 邊緣:週末入帳 | 範例:59.99 美元,AMZN→Amazon,±2 天 B 節 – 審核者清單: - 確認符號慣例,驗證週末日期偏移,檢查供應商別名表,審核超過重要性的拆分。 C 節 – 實作說明: - 建立別名映射標籤;使用 INDEX/MATCH 或 LOOKUP 查找標準化描述;新增分數欄位。 D 節 – 風險與控制: - 控制:分數低於 80 不自動入帳;批次存款需第二次審核。
實施流程
在 ChatGPT 中草擬規則
開啟 ChatGPT。貼上銀行 CSV 與總帳匯出的小樣本,包含日期範圍、重要性及供應商別名清單。請 ChatGPT 產出規則表、清單及實作說明。預期得到結構化的匹配規則與審核者清單。
15 min在 Rows 中原型設計
建立 Rows 活頁簿。匯入銀行與總帳範例,建立別名標準化描述欄位,並依 ChatGPT 規則實作計分公式。預期得到可排序且帶有證據分數的候選清單。
25 min在結帳流程中實際運用
將 Rows 計分後的候選匯出至 Excel 或 CSV,並附上審核者清單放入月結資料夾。指派審核者,設定最低分數門檻,並記錄例外以便升級處理。
20 min
