يمكن لـ ChatGPT قراءة ملفَّي CSV لكشفَي حساب بنكيَّين وإنتاج نتيجة تبدو كتسوية. ما لا يستطيع فعله هو إثبات أن تلك النتيجة مكتملة أو صحيحة. الفرق مهم: صف مفقود واحد، أو مبلغ مكرر، أو مطابقة خاطئة، قد يغيّر الرصيد الختامي.

هل يمكن لـ ChatGPT تسوية ملفات CSV البنكية بشكل موثوق لإقفال الشهر؟ لا. يمكنه مساعدتك في فحص عناوين الأعمدة، أو شرح الحقول غير المألوفة، أو اقتراح صيغ، أو وصف نهج للمطابقة. لكنه لا ينبغي أن يكون النظام الذي يقرر أي المعاملات تمت تسويتها وما إذا كان كل صف قد حُسب.

المشكلة هيكلية. نموذج اللغة يولّد استجابة معقولة من البيانات والتعليمات التي يتلقاها. التسوية تتطلب مقارنة حتمية يكون فيها كل صف من الملفَّين إما مطابَقاً، أو غير مطابَق، أو مُعلَّماً كاستثناء.

ما يحدث عند تحميل ملفَّين CSV بنكيَّين

افترض أن الملف الأول يحتوي على تصدير المعاملات من البنك:

RowDateReferenceAmount
182026-05-04DEP-10421,250.00
192026-05-04DEP-10431,250.00
202026-05-05FEE-7781-35.00

الملف الثاني يحتوي على المعاملات المسجَّلة في دفتر الأستاذ:

RowPosting dateDocument referenceAmount
442026-05-04DEP-10431,250.00
452026-05-05FEE-7781-35.00

التسوية الصحيحة تستوجب ربط صف البنك 19 بالصف 44 من دفتر الأستاذ، وربط صف البنك 20 بالصف 45، وترك صف البنك 18 دون مطابقة. الإيداعان يحملان التاريخ ذاته والمبلغ ذاته. المرجع وحده هو ما يميّزهما.

قد يصف ChatGPT النتيجة بشكل صحيح. وقد يطابق الصف 44 من دفتر الأستاذ مع صف البنك 18 لأن التاريخ والمبلغ يبدوان متوافقَين، ثم يُبلّغ عن إيداع واحد غير مطابَق دون الحفاظ على العلاقة الفعلية بين الصفوف. يمكن للإجماليات أن تبدو معقولة في حين تكون المطابقة ذاتها خاطئة.

هذا إيجابي كاذب. النتيجة تقول إن معاملة جرى تسويتها، لكنها طُوبقت مع معاملة خاطئة.

الحدود الثلاثة التي تجعل النتيجة غير موثوقة

قد تتم معالجة الملفات الكبيرة بشكل جزئي

ملف CSV هو نص. كل عنوان وتاريخ ومرجع ووصف ومحدد ومبلغ يستهلك جزءاً من السياق المتاح للنموذج. ملف بخمسة أعمدة ومراجع قصيرة يستهلك مساحة أقل من ملف بعشرين عموداً وأوصاف دفع طويلة.

عندما يتجاوز المحتوى السياقَ المتاح، لا يمكن تحليل مجموعة البيانات الكاملة في استجابة واحدة. وفقاً للواجهة وطريقة تحميل الملف، قد يُلخَّص الملف أو يُقسَّم أو يُمثَّل جزء منه فقط في سياق عمل النموذج. ملف تصدير معاملات يضم آلاف الصفوف قد ينتج إجابة مبنية على عدد أقل من الصفوف الفعلية.

الخطر ليس في الحد ذاته. الخطر أن ملخصاً مصاغاً بإتقان قد يبدو كاملاً.

قبل الوثوق بأي نتيجة، تحقق من هذه الأعداد:

العددما يجب إثباته
صفوف الملف Aكل معاملة من كشف الحساب الأول ممثَّلة
صفوف الملف Bكل معاملة من كشف الحساب الثاني ممثَّلة
الأزواج المطابَقةكل زوج يستهلك صفاً محدداً من كل ملف
الصفوف غير المطابَقة من الملف Aكل صف متبقٍّ من الملف A مُدرَج
الصفوف غير المطابَقة من الملف Bكل صف متبقٍّ من الملف B مُدرَج

الحسابات يجب أن تُغلَق. إذا كان الملف A يحتوي على 4,850 صفاً من البيانات، فإن المخرجات المطابَقة وغير المطابَقة يجب أن تُحاسب على الـ 4,850 كاملة. عبارة مثل "تطابقت معظم المعاملات" لا تُثبت شيئاً عن الصفوف المفقودة.

قد تبدو المبالغ محسوبة دون وجود حساب قابل للتدقيق

يمكن لـ ChatGPT توليد صيغ وقد يستخدم أدوات حسابية في بعض البيئات. المشكلة أن رقماً في إجابة مكتوبة لا يُظهر بحد ذاته كيف جرى الوصول إليه.

تأمَّل هذه المبالغ الأربعة:

File AFile B
4,218.164,218.16
980.00980.00
125.40152.40
-42.75-42.75

الزوج الثالث يختلف بمقدار 27.00. المشكلة ليست ما إذا كان ChatGPT يستطيع رصد هذا الفرق، بل أن الـ 27.00 في إجابته هو نص مُولَّد وليس النتيجة المرئية لعملية طرح يمكنك إعادة تشغيلها. قد يُفيد بـ 27.00، أو يُفيد بـ 17.00، أو يصنّف الزوج على أنه مطابَق، ولا شيء في الإجابة يوضّح أي حساب أنتج هذا الرقم. الأمر ذاته ينطبق على أي مجموع يطبعه: مع مئات القيم المتشابهة، المجموع المُعلَن هو توقع النموذج لما ينبغي أن يكون عليه المجموع، وليس دليلاً على إضافة كل صف فعلياً.

لا خلية تُفحص، ولا سلسلة صيغ تُتتبَّع، ولا ضمان أن المجموع المُعروض أُعيد حسابه من كل صف أصلي. يتعين عليك إعادة بناء التحقق خارج الإجابة. عند هذه النقطة، لا يُجري ChatGPT التسوية التي يمكنك الاعتماد عليها. إنه يصوغ تفسيراً لا يزال يحتاج إلى تسوية.

الإجابة ليست سجل مطابقة صف بصف

هذا هو القيد الحاسم. التسوية ليست مكتملة لأن الإجماليات تتوافق. هي مكتملة عندما تكون العلاقة بين الملفَّين مرئية.

تقرير قابل للتحقق يحتاج إلى:

  • كل صف من الملف A.
  • كل صف من الملف B.
  • الصف الدقيق من الملف A المرتبط بكل صف من الملف B.
  • الحقل أو الحقول المستخدمة في تلك المطابقة.
  • كل صف غير مطابَق من كلا الملفَّين.
  • علامات منفصلة لفروق المبلغ والتاريخ والمرجع.

الإجابة الحوارية تُركّز عادةً على الخلاصة: كم سجلاً جرى تسويته، وأي الفئات تختلف، أو ما الأسباب المحتملة. هي لا تُنشئ بذاتها سجلاً دائماً صفاً بصف يُثبت أن أي صف من المصدر لم يُتخطَّ أو يُعاد استخدامه.

بدون ذلك السجل، لا يمكنك الإجابة على سؤال مراجعة أساسي: "أي معاملة بنكية بالتحديد طُوبقت مع هذا القيد المحاسبي، ولماذا؟"

ChatGPT مفيد قبل المطابقة وبعدها

هذا القيد لا يجعل ChatGPT عديم الفائدة في سير العمل. يعني أن النموذج لا ينبغي أن يكون محرك المطابقة.

يمكنه مساعدتك في:

  • تحديد أن أحد الملفَّين يستخدم Transaction Date في حين يستخدم الآخر Posting Date.
  • اقتراح تنسيق تاريخ موحَّد.
  • شرح سبب ضرورة دمج عمودَي المدين والدائن في عمود مبلغ واحد بإشارة.
  • صياغة معادلة Excel لفحص منضبط.
  • تلخيص تقرير استثناءات بعد التحقق من مطابقات الصفوف.
  • تحويل قائمة استثناءات مُتحقَّق منها إلى تفسير موجَّه للعميل.

هذه مهام لغة وبنية وتفسير. تناسب نموذجاً لغوياً. أما تحديد ما إذا كان الصف 8,417 من كشف البنك هو المعاملة ذاتها الموجودة في الصف 7,992 من دفتر الأستاذ، فذلك مهمة مقارنة بيانات. تستلزم قاعدة قابلة للتكرار ونتيجة قابلة للفحص.

إذا بقيت في Excel، استخدم سير عمل يُحاسب على كل صف ويحتفظ بأساس المطابقة. يغطي هذا الدليل حول مقارنة كشفَي حساب بنكيَّين بصيغة CSV دون صيغ نهج مقارنة الملفات دون الاعتماد على إجابة حوارية كدليل.

ما يجب أن يتضمنه تقرير التسوية الموثوق

لا تُقيِّم أداةً بمدى منطقية ملخصها. قيِّم النتيجة.

المتطلبنتيجة حواريةتسوية قابلة للتحقق
تغطية كاملة للصفوفقد يقدم أعداداً أو ملخصاًيُدرج كل صف من كلا الملفَّين
علاقة المطابقةيصف المطابقاتيربط كل صف من الملف A بصف من الملف B
أساس المطابقةقد يستنتج الحقول المحتملةيُفصح عن المفتاح أو القاعدة الدقيقة المستخدمة
التعامل مع التكرارقد يختار زوجاً معقولاًيُعلّم المطابقات الغامضة غير الفريدة
فروق المبالغيُقدِّم مجموعاً سردياًيحتفظ بالقيمتين والفرق
مسار التدقيقسجل المحادثةتقرير قابل للتصدير صف بصف

أساس المطابقة يجب أن يكون صريحاً. معرّف مرجعي قوي يكفي لدعم مطابقة دقيقة. المبلغ مع التاريخ قد يدعم مطابقة مرشَّحة، لكنها تصبح غامضة عند وجود مبالغ مكررة. نص الوصف يمكن أن يدعم المراجعة، لكنه لا ينبغي أن يتجاوز بصمت مرجعاً متعارضاً.

يجب أن يحتفظ التقرير بالاستثناءات أيضاً. معاملة غير مطابَقة ليست تسوية فاشلة. هي نتيجة مفيدة. الفشل يكون في إخفاء تلك المعاملة داخل ملخص أو دفعها في الزوج الخاطئ لرفع نسبة المطابقة.

للتعمق في هذا المتطلب، يشرح لماذا لا يمكن الوثوق بمطابقة الذكاء الاصطناعي دون مسار تدقيق ما يجب أن يكون مرئياً قبل أن يمكن الدفاع عن نتيجة ما.

الطريقة الآمنة لاستخدام ChatGPT في العملية

إذا أردت توظيف ChatGPT، حدِّد دوره:

  1. احتفظ بملفات CSV الأصلية دون تعديل.
  2. سجّل عدد صفوف البيانات في كل ملف قبل المعالجة.
  3. حدِّد مفتاح المطابقة خارج ChatGPT.
  4. قارن الصفوف في Excel أو باستخدام أداة تسوية حتمية.
  5. تأكد من أن الصفوف المطابَقة وغير المطابَقة تُمثِّل كلا ملفَّي المصدر بالكامل.
  6. أعطِ ChatGPT قائمة الاستثناءات المُتحقَّق منها فقط إذا أردت مساعدة في شرح الأنماط أو صياغة ملاحظات.

هذا يُبعد النموذج عن القرار الوحيد الذي يجب أن تكون قادراً على إعادة إنتاجه: أي صفوف المصدر جرى ربطها ببعضها.

ويحمي أيضاً سير العمل من خطأ شائع. عندما يُعيد ChatGPT إجابة مقنعة، يكون الإغراء في مراجعة الاستثناءات التي يذكرها فقط. بدلاً من ذلك، تحقق أولاً من التغطية الإجمالية للصفوف. غياب قائمة استثناءات ليس دليلاً على أن جميع المعاملات قد جرى تسويتها.

يمكن لـ ChatGPT مساعدتك في فهم ملفَّي CSV لكشفَي حساب بنكيَّين. يمكنه المساهمة في تحضير الأعمدة واقتراح الفحوصات وشرح التناقضات المُتحقَّق منها. لكنه لا يستطيع استبدال المقارنة صف بصف ومسار التدقيق الذي يجعل التسوية قابلة للدفاع عنها.