Finans Analistlerinin Kaydetmesi Gereken 25 Yapay Zeka Komutu

Güncellendi 16 Eki 2026 · Zekai editör ekibi tarafından incelendi

Üretken yapay zeka güçlü bir araçtır, ancak çıktısı yalnızca girdiniz kadar iyidir. Hassasiyet ve bağlamın her şey olduğu finans uzmanları için, genel tek satırlık komutlar işe yaramazdır. İyi hazırlanmış bir komut, Claude veya ChatGPT gibi büyük bir dil modelini (LLM) yetenekli bir genç analiste dönüştürebilir; özensiz bir komut ise ciddi hatalara yol açabilecek kulağa mantıklı gelen anlamsız şeyler üretir.

Bu, profesyonel düzeyde bir komut kütüphanesidir. “Bu 10-K’yı özetle” gibi komutların ötesine geçerek, finansal planlama ve analiz (FP&A), finansal modelleme, ay sonu kapanışı, hazine yönetimi ve denetim hazırlığı gibi belirli, günlük görevleri yerine getiren komutlar sunuyoruz. Her komut, kopyalanıp yapıştırılmak ve kendi verilerinizle doldurulmak üzere tasarlanmıştır. Ayrıca, iyi bir çıktının nasıl göründüğünü gösteriyor ve testlerimize dayanarak iş için en iyi yapay zeka aracını öneriyoruz. Bu araçların modern finans yığınına nasıl uyduğunu tam olarak görmek için Finansta Yapay Zeka rehberimize bakın.

İyi Bir Finans Komutunu Ne Oluşturur?

Yardımcı bir yapay zeka yanıtı ile tehlikeli derecede yanlış bir yanıt arasındaki fark, komutun kalitesine bağlıdır. Yüzlerce varyasyonu test ettikten sonra, en iyi finans komutlarının dört ortak özelliğe sahip olduğunu gördük:

1. Rol ve Hedef: Yapay zekaya kim olduğunu ve amacının ne olduğunu söyleyerek başlayın. Örneğin, “Bir CFO için varyans yorumu hazırlayan kıdemli bir FP&A analistisiniz.”
2. Yapılandırılmış Bağlam ve Veri: Gerekli tüm bilgileri açıkça sağlayın. Sayısal veriler için markdown tabloları kullanın, tam transkriptleri yapıştırın veya [veriyi buraya ekle] gibi köşeli parantezli yer tutucular kullanın.
3. Açık Format: Çıktıyı tanımlayın. Bir markdown tablosuna, bir JSON nesnesine, madde işaretli bir içgörü listesine veya e-posta taslağına mı ihtiyacınız var? Belirtin.
4. Kısıtlamalar ve Güvenlik Önlemleri: Yapay zekaya ne yapmaması gerektiğini söyleyin. “Veri uydurma. Bilgi eksikse, ‘SAĞLANMADI’ belirt. Yalnızca sağlanan verilere odaklan.”

Harika komutlar yapay zekayı kandırmakla ilgili değildir; gerçek dünyadaki genç bir analistin başarılı olmak için ihtiyaç duyacağı netliği ve kısıtlamaları sağlamakla ilgilidir.

FP&A ve Tahmin Komutları (5)

Bu komutlar, ilk tahmin taslaklarını oluşturmaktan temel iş sürücülerini analiz etmeye kadar, temel finansal planlama ve analiz görevlerine yardımcı olur.

1. Gelir Tahmini Anlatısı Taslağı Oluştur

Best Tool: Claude 3.5 Sonnet. Nüansı ele alma ve doğal, yüksek kaliteli düzyazı üretme gücü, anlatı taslakları hazırlamak için idealdir. Sample Output: > 4. Çeyrek için, 3. Çeyrek gerçeklerinden 1,3 milyon dolarlık ardışık bir artışla toplam 13,8 milyon dolar gelir tahmin ediyoruz. Bu büyüme, Ağustos ayında başlatılan yeni bir pazarlama kampanyasıyla desteklenen, öngörülen 1,5 milyon dolarlık Yeni İş ARR’si tarafından yönlendirilmektedir. Bu olumlu ivme, kurumsal segmentimizdeki doygunluğu yansıtan Genişleme ARR’sinde 0,7 milyon dolara düşüşle kısmen dengelenirken, Müşteri Kaybı ARR’sinin son müşteri başarı girişimleri sayesinde -0,4 milyon dolara iyileşmesi beklenmektedir. > > Tahminin birincil itici gücü yeni pazarlama kampanyasının performansıdır; erken olumlu sinyaller, bu tahmindeki temel fırsatı temsil eden 1,5 milyon dolarlık Yeni İş hedefine ulaşma potansiyelini artırabilir. > > Tersine, 4. Çeyrek rakamına yönelik ana risk, Aralık ayında potansiyel bir rakip ürün lansmanıdır ve bu, çeyreğin sonuna doğru Yeni İş hattını olumsuz etkileyebilir. Potansiyel müşteri hacmini ve kazanma/kaybetme oranlarını yakından takip edeceğiz.

2. Temel Finansal Sürücüleri Belirle

Best Tool: ChatGPT with GPT-4o. Yapılandırılmış veri analizi ve tablo oluşturmada üstündür. Sample Output: | Sıra | Kalem Adı | Varyans (Bütçeye Göre) | Hipotez | | :— | :— | :— | :— | | 1 | Satış ve Pazarlama | ($50,000) | Yeni bir kampanya için plansız harcamalar veya beklenenden yüksek potansiyel müşteri oluşturma maliyetleri olumsuz varyansı tetikledi. | | 2 | Gelir | $50,000 | Beklenenden yüksek satış hacmi veya uygun fiyatlandırma, gelir hedefini aşmayı sağlamış olabilir. | | 3 | Satılan Malın Maliyeti (COGS) | $10,000 | Uygun girdi maliyetleri veya üretim verimlilikleri, satılan malın maliyetinin düşmesine neden olmuş olabilir. | | 4 | Ar-Ge | $10,000 | Gecikmiş proje harcamaları veya bütçelenenden düşük personel sayısı, olumlu varyansı açıklayabilir. | | 5 | Genel ve İdari Giderler (G&A) | $10,000 | Beklenenden düşük yasal veya idari maliyetler, olumlu varyansa katkıda bulundu. |

3. Power BI DAX Formülü Oluştur

Best Tool: Power BI with Copilot. Doğrudan entegredir ve veri modelini anlar, ancak GPT-4o’lu ChatGPT de bağımsız DAX oluşturmak için güçlü bir seçenektir. Oluşturulan herhangi bir formülde olduğu gibi, ona güvenmeden önce kendi veri modelinize karşı test edin. Sample Output: “`dax Revenue YoY % = VAR CurrentYearRevenue = SUM ( Sales[Revenue] ) — Geçerli filtre bağlamındaki cari dönem için toplam geliri hesaplar.

VAR PreviousYearRevenue = CALCULATE ( SUM ( Sales[Revenue] ), SAMEPERIODLASTYEAR ( ‘Date'[Date] ) ) — Önceki yılın aynı dönemi için toplam geliri hesaplar.

RETURN DIVIDE ( CurrentYearRevenue – PreviousYearRevenue, PreviousYearRevenue ) — Potansiyel sıfıra bölme hatalarını sorunsuz bir şekilde ele almak için DIVIDE() kullanarak yüzde farkını hesaplar. “`

4. Dönemlik Tahmin Oluştur

Best Tool: Gemini veya ChatGPT gibi herhangi bir genel amaçlı LLM, bu basit veri manipülasyonu görevi için iyi çalışır. Sample Output: | Ay | Gerçekleşenler | Bütçe | Dönemlik Tahmin | | :— | :— | :— | :— | | Jan | $100K | | $100K | | Feb | $105K | | $105K | | Mar | $110K | | $110K | | Apr | | $112K | $112K | | May | | $115K | $115K | | Jun | | $118K | $118K | | Jul | | $120K | $120K | | Aug | | $122K | $122K | | Sep | | $125K | $125K | | Oct | | $128K | $128K | | Nov | | $130K | $130K | | Dec | | $135K | $135K |

5. Duyarlılık Analizi Kurulumu

Best Tool: ChatGPT. Elektronik tablolarda doğrudan kullanım için yapılandırılmış tablolar oluşturmada mükemmeldir. Sample Output: | WACC / Büyüme | 2.00% | 2.25% | 2.50% (Temel) | 2.75% | 3.00% | | :— | :—: | :—: | :—: | :—: | :—: | | 7.00% | | | | | | | 7.50% | | | | | | | 8.00% (Temel) | | | | | | | 8.50% | | | | | | | 9.00% | | | | | |

Finansal Modelleme ve Senaryo Analizi Komutları (5)

Varsayımları oluşturmaktan modelinizi stres testine tabi tutmaya kadar, bu komutlar modelleme sürecini hızlandırmaya yardımcı olur.

6. Finansal Model Varsayımlarını Beyin Fırtınası Yap

Best Tool: Claude 3.5 Sonnet. Geniş bilgi tabanı, beyin fırtınası yapmak ve bağlamsal gerekçeler sunmak için harikadır. Sample Output: > Gelir Sürücüleri > * Aynı Mağaza Satış Büyümesi (%): Olgun perakende için temel sürücü. *Gerekçe:* Mevcut lokasyonlardan büyümeyi ölçer, marka sağlığını gösterir. *Kaynak:* Şirketin 10-K/10-Q dosyaları, yatırımcı sunumları. > * Yeni Mağaza Açılışları (Sayı): Genişleme gelirinin birincil sürücüsü. *Gerekçe:* Doğrudan yeni gelir akışları ekler. *Kaynak:* Şirketin üç aylık kazanç çağrıları, yönetim rehberliği. > * Ortalama Fiş Boyutu ($): Müşterilerin işlem başına ne kadar harcadığını ölçer. *Gerekçe:* Fiyat artışları veya ürün karmasındaki değişikliklerden etkilenebilir. *Kaynak:* Genellikle kazanç çağrısı transkriptlerinde tartışılır. > * Lisanslı Mağaza Gelir Büyümesi (%): Ortakların işlettiği mağazalardan büyüme. *Gerekçe:* Yüksek marjlı gelir akışı. *Kaynak:* 10-K’daki segment verileri. > > Maliyet Sürücüleri > * Yeşil Kahve Çekirdeği Fiyatları ($/lb): Satılan Malın Maliyetinin (COGS) ana bileşeni. *Gerekçe:* Volatil emtia fiyatı brüt kar marjını doğrudan etkiler. *Kaynak:* Kahve vadeli işlem piyasası verileri (örn. ICE), şirketin hedging açıklamaları. > * Mağaza İşçilik Maliyetleri (Gelirin %’si): En büyük işletme gideri. *Gerekçe:* Ücret enflasyonu ve mağaza personel seviyeleri tarafından yönlendirilir. *Kaynak:* Şirketin işletme gideri dökümü, asgari ücret mevzuatı. > * Kira Gideri Büyümesi (%): Önemli sabit maliyet. *Gerekçe:* Kira yenilemelerini ve yeni mağaza lokasyonlarını yansıtır. *Kaynak:* Finansal tablolardaki işletme kirası yükümlülüklerinden çıkarılır.

7. Senaryo Analizi Taslağı Oluştur

Best Tool: Herhangi bir genel amaçlı LLM. Sample Output: | Sürücü | Kötümser Durum | Temel Durum | İyimser Durum | | :— | :— | :— | :— | | Web Sitesi Trafik Büyümesi | +%5 Yıllık | +%15 Yıllık | +%25 Yıllık | | Dönüşüm Oranı | %2,0 | %2,5 | %3,0 | | Ortalama Sipariş Değeri (AOV) | $75 | $80 | $90 | | Brüt Kar Marjı % | %48 | %50 | %52 |

8. İş Mantığını Excel Formülüne Çevir

Best Tool: ChatGPT, genellikle açık, verimli Excel formülleri oluşturmada güçlüdür, ancak ona güvenmeden önce formülün sınır koşullarını her zaman kendi verilerinize göre doğrulayın. Sample Output: “excel =A2 * IFS(A2 > 10000, 0.10, A2 >= 5000, 0.075, A2 < 5000, 0.05)` İç içe IF'ler kullanan alternatif (eski Excel sürümleri için):`excel =A2 * IF(A2 > 10000, 0.10, IF(A2 >= 5000, 0.075, 0.05))“

9. LBO Giriş Çarpanı Gerekçesi Taslağı Oluştur

Best Tool: Claude 3.5 Sonnet. Notlar ve raporlar için resmi, profesyonel düzyazı hazırlamada mükemmeldir. Sample Output: > 8.0x Son On İki Aylık (LTM) FAVÖK giriş çarpanı öneriyoruz. Bu değerleme, karşılaştırılabilir halka açık şirketlerin (9.5x) ve önceki birleşme ve satın alma (M&A) işlemlerinin (9.0x) medyan LTM FAVÖK çarpanlarına göre sırasıyla yaklaşık %16 ve %11’lik cazip bir iskonto temsil etmektedir. Bu iskontonun, öncelikle hedefin emsal grubuna göre ortalamanın altında büyüme profili ve önemli müşteri yoğunlaşma riskini yansıtarak uygun ve savunulabilir olduğuna inanıyoruz. Bu disiplinli giriş noktası, önemli bir güvenlik marjı sağlar ve çıkışta çarpan genişlemesi potansiyelini artırır.

10. 3 Tablolu Model İçin Veri Listele

Best Tool: Herhangi bir genel amaçlı LLM. Bu, bilgi tabanlı bir istektir. Sample Output: > Gelir Tablosu > * Gelir > * Satılan Malın Maliyeti > * Faaliyet Giderleri (SG&A, Ar-Ge) > * Amortisman ve İtfa Payı > * Faiz Gideri ve Geliri > * Gelir Vergisi Gideri > * Net Kar > * Dolaşımdaki Hisse Senetleri (Basit ve Seyreltilmiş) > > Bilanço > * Nakit ve Nakit Benzerleri > * Alacak Hesapları > * Stoklar > * Maddi Duran Varlıklar (PP&E), Brüt ve Net > * Şerefiye ve Maddi Olmayan Duran Varlıklar > * Borç Hesapları > * Tahakkuk Eden Giderler > * Kısa Vadeli ve Uzun Vadeli Borçlar > * Özkaynaklar > > Nakit Akış Tablosu > * Faaliyetlerden Nakit Akışı (CFO) > * Yatırım Faaliyetlerinden Nakit Akışı (CFI), Sermaye Harcamaları (CapEx) dahil > * Finansman Faaliyetlerinden Nakit Akışı (CFF), Borç Geri Ödemeleri/İhraçları ve Hisse Geri Alımları dahil > > Notlar ve Çizelgeler > * Borç Çizelgesi: Tüm borç dilimleri için faiz oranları, vadeler ve sözleşmeler hakkında detaylar. > * Maddi Duran Varlıklar Çizelgesi: Sermaye harcamaları, amortisman ve varlık satışlarının dökümü. > * Hisse Bazlı Tazminat: Nakit olmayan bir gider olan hisse senedi opsiyon gideri hakkında detaylar. > * Segment Bilgileri: İş segmentine göre gelir ve faaliyet karı.

Varyans Analizi ve Ay Sonu Kapanışı Komutları (5)

Bu komutlar, aylık kapanış sürecinde yer alan tekrarlayan ancak kritik görevleri hızlandırmak için tasarlanmıştır.

11. Varyans Açıklaması Taslağı Oluştur

Best Tool: Herhangi bir LLM. Sample Output: > Danışmanlık Ücretlerindeki 100 bin dolarlık olumsuz varyans, plansız bir stratejik proje ve bütçelenenden yüksek yasal giderlerden kaynaklandı. Özellikle, 80 bin doları CEO tarafından onaylanan “Project Titan”a harcandı ve kalan 20 bin doları sözleşme incelemesi için yasal ücretlerdeki aşırı harcamadan kaynaklandı.

12. Defter-i Kebir Mutabakat Kontrol Listesi Oluştur

Best Tool: ChatGPT veya Claude. Sample Output: > 1. Bakiyeleri Alın: Dönem sonu mizanı Defter-i Kebir’den ve ilgili alt defterden (örn. AP sistemi, gider tahakkuk çizelgesi) detaylı işlem listesini indirin. > 2. Açılış Bakiyesini Onaylayın: Defter-i Kebir’deki hesabın açılış bakiyesinin, önceki aya ait mutabakattaki açılış bakiyesiyle eşleştiğini onaylayın. > 3. Alt Defteri Defter-i Kebir ile Eşleştirin: Alt defterden detaylı işlem listesini toplayın. Toplam, Defter-i Kebir’deki hesabın kapanış bakiyesiyle eşleşmelidir. > 4. Farklılıkları Araştırın: Bakiyeler eşleşmiyorsa, mutabakat kalemlerini belirleyin. Yaygın kalemler arasında zamanlama farklılıkları, doğrudan Defter-i Kebir’e kaydedilen yevmiye kayıtları veya veri giriş hataları bulunur. > 5. Mutabakat Kalemlerini Belgeleyin: Her mutabakat kalemi için net bir açıklama, tutar ve farkın nedenini sağlayın. > 6. Düzeltme Kayıtları Hazırlayın: Herhangi bir hata tespit edilirse (örn. yanlış kaydedilmiş bir fatura), gerekli düzeltme yevmiye kayıtlarını hazırlayın. > 7. Onay: Hazırlayan ve bir gözden geçiren, tamamlanan mutabakatı imzalamalı ve tarihlendirmelidir.

13. Alacak Hesapları Yaşlandırma Analizi Yap

Best Tool: Claude 3.5 Sonnet, verileri anlatısal içgörülere dönüştürme yeteneği nedeniyle. Sample Output: > 1. Gözlem: ‘Cari’ alacakların toplam içindeki oranı %75’ten %65’e düşerken, vadesi geçmiş tüm dilimler toplamın yüzdesi olarak artmıştır. > Çıkarım: Bu, tahsilat zamanlamasında genel bir kötüleşmeyi göstermektedir; bu da nakit akışını olumsuz etkileyebilir ve şüpheli alacak riskini artırabilir. > > 2. Gözlem: ’31-60 Gün Gecikmiş’ dilimi, 0,5 milyon dolardan 0,8 milyon dolara çıkarak en büyük göreceli artışı göstermiştir. > Çıkarım: Artık önemli ölçüde daha geç ödeme yapan belirli bir müşteri grubuyla ilgili sistemik bir sorun olabilir veya faturalandırma süreçlerindeki son bir değişiklik gecikmelere neden olabilir. Bu grup, 61-90 günlük dilime girmeden önce acil dikkat gerektirmektedir. > > 3. Gözlem: Toplam Alacak Hesapları 1,2 milyon dolar artarken, ‘Cari’ kısım yalnızca 0,2 milyon dolar artmıştır, bu da büyümenin 1,0 milyon dolarının vadesi geçmiş hesaplarda olduğu anlamına gelmektedir. > Çıkarım: Şirket kredi veriyor ve gelir kaydediyor, ancak nakdi etkili bir şekilde tahsil edemiyor, bu da satış ve tahsilat fonksiyonları arasında potansiyel bir kopukluğa işaret ediyor.

14. Açıklamalı Yevmiye Kaydı Taslağı Oluştur

Best Tool: Herhangi bir LLM. Sample Output: > Yevmiye Kaydı Açıklaması: [Ay, Yıl] ayına ait amortisman giderini kaydetmek için. > > | Hesap No | Hesap Adı | Borç | Alacak | > | :— | :— | :— | :— | > | 65100 | Amortisman Gideri | $25,000 | | > | 18110 | Birikmiş Amortisman – Ekipman | | $25,000 |

15. Bütçe Sahipleri İçin Sorular Oluştur

Best Tool: Claude 3.5 Sonnet, sosyal nüansı ve profesyonel iletişimi anlama gücü nedeniyle. Sample Output: > 1. “Dijital Reklamcılık harcaması bütçenin yaklaşık 80.000 dolar üzerinde gerçekleşti. Bu artışı hangi kampanyaların tetiklediğini bana açıklayabilir misiniz?” > 2. “Daha yüksek harcamadan elde edilen iş sonuçlarıyla ilgileniyorum. Bu yatırımla ilişkilendirebileceğimiz potansiyel müşteri hacmi veya müşteri edinimi gibi temel metriklerde buna karşılık gelen bir artış gördük mü?” > 3. “İleriye dönük olarak, bu yeni 280 bin dolarlık seviyeyi Dijital Reklamcılık için yeni çalışma oranı olarak mı görmeliyiz, yoksa bu tek seferlik stratejik bir yatırım mıydı?” > 4. “Beklenenden daha iyi performans gösteren ve üzerine daha fazla yatırım yapmaya karar verdiğiniz belirli kanallar veya kampanyalar oldu mu?”

Hazine ve İşletme Sermayesi Komutları (4)

Nakit yönetimi, likidite ve bilançonun verimliliğine odaklanan komutlar.

16. Nakit Dönüşüm Döngüsünü Hesapla

Best Tool: ChatGPT veya güçlü hesaplama yeteneklerine sahip herhangi bir LLM. Sample Output: > 1. Günlük Satışlar (DSO): > * Formül: (Ortalama Alacak Hesapları / Gelir) * 365 > * Hesaplama: ($2,500,000 / $20,000,000) * 365 = 45.6 Gün > > 2. Günlük Stoklar (DIO): > * Formül: (Ortalama Stok / Satılan Malın Maliyeti) * 365 > * Hesaplama: ($2,000,000 / $12,000,000) * 365 = 60.8 Gün > > 3. Günlük Borçlar (DPO): > * Formül: (Ortalama Borç Hesapları / Satılan Malın Maliyeti) * 365 > * Hesaplama: ($1,500,000 / $12,000,000) * 365 = 45.6 Gün > > 4. Nakit Dönüşüm Döngüsü (CCC): > * Formül: DSO + DIO – DPO > * Hesaplama: 45.6 + 60.8 – 45.6 = 60.8 Gün

17. Nakit Akışı İyileştirme Önerisi Taslağı Oluştur

Best Tool: Claude 3.5 Sonnet. Sample Output: > Mevcut 60 günlük Günlük Satışlar (DSO) süremizi (sektör ortalamasının 15 gün üzerinde) ele almak için “2/10, net 30” erken ödeme indirimi programını pilot olarak uygulamayı öneriyorum. Müşterilere 10 gün içinde ödeme yapmaları halinde %2 indirim sunarak, daha hızlı tahsilatları teşvik edebilir ve nakit girişlerimizi önemli ölçüde hızlandırarak genel likidite pozisyonumuzu iyileştirebiliriz. Bu girişimin birincil maliyeti, erken ödenen faturalarda %2’lik kar marjı azalması olsa da, alacakları daha hızlı nakde çevirmenin faydasının, özellikle mevcut faiz oranı ortamında, maliyeti haklı çıkardığına inanıyoruz.

18. İşletme Sermayesi Eğilimlerini Analiz Et

Best Tool: Herhangi bir LLM. Sample Output: > Veriler, şirketin son üç yıldaki likidite ve operasyonel verimliliğinde olumsuz bir eğilim olduğunu göstermektedir. Hızlı Oran’ın artık 1.0x’in altına düşmesiyle birlikte azalan Cari ve Hızlı Oranlar, likiditede bir sıkılaşmaya ve stok satışlarına güvenmeden kısa vadeli yükümlülükleri karşılama yeteneğinin azaldığına işaret etmektedir. Bu durum, 20 gün artan Nakit Dönüşüm Döngüsü ile daha da doğrulanmaktadır, bu da nakdin daha uzun süreler boyunca operasyonlarda bağlı kaldığını göstermektedir.

19. 13 Haftalık Nakit Akışı Modeli Yapılandır

Best Tool: ChatGPT. Sample Output: > 13 Haftalık Nakit Akışı Tahmin Şablonu > > A. Nakit Tahsilatları (Girişler) > * Alacak Tahsilatları – Yurtiçi > * Alacak Tahsilatları – Yurtdışı > * Nakit Satışlar > * Varlık Satış Gelirleri > * Yeni Borç Finansmanı > * Sermaye Enjeksiyonu > * Toplam Nakit Tahsilatları > > B. Nakit Ödemeleri (Çıkışlar) > * Faaliyet Giderleri: > * Bordro ve Yan Haklar > * Kira ve Faturalar > * Stok Alımları / Tedarikçilere Ödemeler > * Pazarlama ve Reklamcılık > * Profesyonel Ücretler (Hukuk, Muhasebe) > * Finansman ve Sermaye Giderleri: > * Sermaye Harcamaları (CapEx) > * Borç Servisi (Anapara ve Faiz) > * Toplam Nakit Ödemeleri > > C. Net Nakit Akışı Özeti > * Dönem Başı Nakit Bakiyesi > * (+) Toplam Nakit Tahsilatları > * (-) Toplam Nakit Ödemeleri > * Net Haftalık Nakit Akışı > * Dönem Sonu Nakit Bakiyesi

Denetim Hazırlığı ve Uyumluluk Komutları (3)

Bu komutlar, denetimlere hazırlanmanıza ve uyumluluk sorunlarını düşünmenize yardımcı olur. Birçok firma için bu süreç, çeşitli muhasebe sistemlerinden güvenilir verileri alarak başlar; bu, özel araçların otomatikleştirmek için tasarlandığı bir süreçtir.

20. Denetim Talep Listesi (PBC) Oluştur

Best Tool: Herhangi bir genel amaçlı LLM. Sample Output: > PBC Talep Listesi – Stok > > 1. Bilanço tarihi itibarıyla detaylı sürekli envanter listesi, kalem numarası, açıklama, miktar, konum ve maliyet dahil. > 2. Son fiziksel sayım tarihinden yıl sonuna kadar stok devri. > 3. Şirketin stok fiziksel sayım talimatlarının ve sonuçlarının kopyası. > 4. Tüm stok lokasyonlarının listesi (şirkete ait, üçüncü taraf depolar, konsinye). > 5. Yavaş hareket eden veya eskimiş kalemleri belirlemek için stok yaşlandırma raporu. > 6. Maliyet veya Piyasa Değerinden Düşük Olan (LCM) veya Net Gerçekleşebilir Değer (NRV) analizi ve ilgili değer düşüklüğü hesaplamaları. > 7. Şirketin stok maliyetlendirme metodolojisinin özeti (örn. FIFO, LIFO, Ağırlıklı Ortalama).

Not: Bu talepleri karşılamanın ilk adımı veri çıkarmadır. Validis gibi bir araç, bir müşterinin muhasebe sisteminden Defter-i Kebir ve alt defter verilerinin güvenli bir şekilde çıkarılmasını otomatikleştirebilir ve bu veriler daha sonra bu çizelgelerin çoğunu hazırlamak için kullanılabilir.

21. Karmaşık Bir Muhasebe Standardını Açıkla

Best Tool: Claude 3.5 Sonnet, karmaşık konuları basitleştirme yeteneği nedeniyle. Sample Output: > ASC 606’yı gelir kaydetmek için 5 adımlı bir tarif olarak düşünün. Parayı banka hesabımıza girdiğinde hemen tanıyamayız; imzaladığınız her anlaşma için bu adımları takip etmeliyiz. > > 1. Sözleşmeyi Belirle: İmzalanmış bir anlaşma var mı? > 2. Vaatlerimizi Belirle: Ne teslim etmeyi vaat ettik? (örn. bir yazılım lisansı ve 10 saat eğitim). > 3. Fiyatı Belirle: Toplam anlaşma değeri ne kadar? > 4. Fiyatı Dağıt: İki şey vaat ettiysek, toplam fiyatı bağımsız değerlerine göre aralarında bölmemiz gerekir. Hepsini sadece lisansa yükleyemeyiz. > 5. Teslim Ettiğimizde Geliri Tanı: Lisans için geliri erişim sağladığımızda tanırız ve eğitim için geliri saatleri teslim ettikçe tanırız. > > Temel çıkarım, kaydettiğimiz geliri yerine getirdiğimiz vaatlerle eşleştirmemiz gerektiğidir, bu da müşterinin bize ödeme yaptığı zamanla aynı takvimde olmayabilir.

22. Yeni Bir Ürün İçin Riskleri Beyin Fırtınası Yap

Best Tool: Claude 3.5 Sonnet. Sample Output: > Kredi Riski > * Temerrüt Riski: Müşterilerin ödeme yapmaması, doğrudan finansal kayıplara yol açar. > * Yetersiz Kredi Değerlendirmesi: Müşterileri onaylama sürecimiz çok gevşek, bu da beklenenden daha yüksek bir temerrüt oranına yol açıyor. > * Dolandırıcılık Riski: Kullanıcılar çalınan kimliklerle veya ödeme niyeti olmadan kaydolur. > > Yasal ve Uyumluluk Riski > * Tüketiciyi Koruma Yasaları: Ürün bir kredi olarak sınıflandırılabilir ve bizi hazırlanmadığımız eyalet ve federal kredi yasalarına (örn. Tüketici Kredisi Yasası) tabi tutabilir. > * Veri Gizliliği: GDPR veya CCPA gibi düzenlemelere tabi olabilecek hassas finansal veriler topluyoruz. > * Adil Olmayan ve Aldatıcı Uygulamalar: Ücretler ve cezalar açıkça açıklanmazsa pazarlama materyalleri yanıltıcı olarak görülebilir. > > Operasyonel Risk > * Hizmet Sunumu Başarısızlıkları: Sistemlerimiz, ödeme işleme, tahsilat ve müşteri hizmetleri sorgularını büyük ölçekte ele almak için yeterince sağlam değil. > * Sistem Entegrasyonu: BNPL özelliği, mevcut ödeme ve muhasebe sistemlerimizle düzgün bir şekilde entegre olamıyor ve veri hatalarına neden oluyor. > * İtibar Riski: Temerrütler veya agresif tahsilatlarla ilgili yüksek profilli bir sorun markamıza zarar verir.

Paydaş İletişimi Komutları (3)

Karmaşık finansal verileri farklı kitleler için net, özlü mesajlara dönüştürmenize yardımcı olan komutlar.

23. Finansal Jargonu Basitleştir

Best Tool: Herhangi bir LLM. Sample Output: > Müşterilerden ödemeleri daha hızlı tahsil ederek ve kendi faturalarımızı biraz daha yavaş ödeyerek nakit akışımızı iyileştireceğiz. Bu, nakit rezervlerimizi artıracak ve işimizi finansal olarak daha güçlü hale getirecektir.

24. Yatırımcı İlişkileri Soru-Cevap Taslağı Oluştur

Best Tool: Claude 3.5 Sonnet. Sample Output: > “Sorunuz için teşekkür ederiz. Bu çeyrekte gelir beklentimizin altında kalmaktan dolayı hayal kırıklığı yaşıyoruz. %5’lik sapma, esas olarak, yaklaşık 10 milyon dolarlık ürün teslimatını 3. çeyreğin sonundan 4. çeyreğin başına iten beklenmedik liman gecikmelerinden kaynaklandı. Bu bir zamanlama sorunuydu, talep sorunu değil, çünkü siparişlerin kendisi sağlamlığını koruyor. Bu riski gelecekte azaltmak için, nakliye ortaklarımızı aktif olarak çeşitlendiriyor ve bölgesel merkezlerde tampon stoklarımızı artırıyoruz. Bu eylemlerin lojistik oynaklığını azaltacağına ve uzun vadeli talep sürücülerimizin her zamanki gibi güçlü kalacağına inanıyoruz.”

25. Şirket Geneli E-postası İçin Performansı Özetle

Best Tool: Claude 3.5 Sonnet. Sample Output: > * Hedefe Ulaşan Gelir: Çeyrek için 12,5 milyon dolarlık gelir hedefimize ulaştık, bu herkesin sıkı çalışmasının ve odaklanmasının bir kanıtıdır. > * Büyümeye Yatırım: “Project Titan”a yapılan yatırımı hızlandırmak için stratejik bir karar aldık, bu da karlılık hedefimizin altında kalmamıza neden oldu. Bu, uzun vadeli inşa etmek için bilinçli bir seçimdi ve bunun ne getireceği konusunda heyecanlıyız. > * Rekor Müşteri Büyümesi: Satış ve pazarlama ekipleri harika bir çeyrek geçirdi, 100 yeni müşteri kazandı ve hedefimizi %33 aştı! Tüm yeni ortaklarımıza hoş geldiniz.

Doğrulama İsteğe Bağlı Değildir

Yapay zeka araçları halüsinasyon görebilir, güncel olmayan bilgiler üretebilir veya ince hesaplama hataları yapabilir. Yapay zeka tarafından oluşturulan çıktıyı doğrulamadan doğrudan bir finansal rapora veya yönetim kurulu sunumuna asla kopyalayıp yapıştırmayın.

Finans Yapay Zeka Kontrol Listeniz:

• Matematiği Kontrol Edin: Yapay zeka tarafından sağlanan tüm rakamları her zaman yeniden hesaplayın.
• Kaynağı Takip Edin: Yapay zeka bir gerçeği veya metriği alıntılıyorsa, orijinal kaynak belgeyi bulun ve onaylayın.
• Yargınızı Uygulayın: Anlatı mantıklı mı? Sonuç, kendi uzmanlığınıza göre doğru geliyor mu? Yapay zeka bir araçtır, profesyonel yargınızın yerini tutmaz.
• Verilerinizi Koruyun: Hassas, kamuya açık olmayan önemli bilgileri genel yapay zeka araçlarına yapıştırmayın. ChatGPT Enterprise veya özel bir Azure OpenAI örneği gibi veri gizliliği kontrollerine sahip kurumsal düzeyde sürümleri kullanın.

Bu kütüphanedeki komutlar bir başlangıç noktasıdır. En iyi sonuçlar, şirketinizin, verilerinizin ve hedeflerinizin özel bağlamıyla bunları iyileştirmekten gelir. Yapay zekayı günlük işinize entegre etme hakkında daha fazla bilgi için ZEKAI Finans ve İş Analitiği için Yapay Zeka merkezindeki kaynakları keşfedin.