ChatGPT пришел за бухгалтерами? Используем ChatGPT для классификации бухгалтерских проводок

Привет! На связи Сергей, маркетинг-менеджер платформы Puzzle RPA. Мы занимаемся автоматизацией бизнес-процессов в крупных компаниях. Нельзя сказать, что там есть большое поле для экспериментов, поэтому мы решили потестировать новую хайповую игрушку на своем бизнесе.

Задачу для теста выбрали простую (генеральный директор сказал НЕ простую прим.ред.) – классификация бухгалтерских проводок.

Вот что chat gpt рассказывает о себе в контексте классификации бухгалтерских проводок:

Нужно сделать небольшой диклеймер, проводки мы тестировали прямо в бесплатном чате 3.5 без использования API.

Предварительно систему мы не обучали, то есть тест был сделан на «холодную».

Вот какой запрос мы дали на вход:

Перечень статей движения денежных средств:

Сами вопросы выглядели так:

Ответ: Выплата по платежу за пакет услуг ### за указанный период относится к статье "Оплата услуг банков".

Ответ: Выплата по РОП (расходы по операционной деятельности) обычно относится к статье "Выплата заработной платы". Однако, поскольку в данном случае указано, что это выплата по операции с картой MasterCard Business, возможно, что это относится к статье "Оплата услуг банков". Если уточнить, какая именно услуга была оплачена, то можно более точно определить, к какой статье следует отнести данную выплату.

Ответ: Поступление за выплату по оплате по счету 4 от 25.10.2022 за оказание консультационных услуг необходимо отнести к статье "Получение оплаты от покупателя"

Внимательный читатель обратит внимание, что мы получили 2 из 3 правильных ответа. Но учитывая, что второй вопрос был задан не до конца корректно можно сказать что алгоритм справился.

Однако, для достижения наилучшей точности классификации, желательно правильно обучить модель и использовать аугментацию данных. Хотя тесты показывают, что можно вполне обходиться и без дообучения.

Для использования аугментации в классификации бухгалтерских проводок можно использовать различные инструменты и библиотеки машинного обучения, такие как TensorFlow или PyTorch. Эти инструменты позволяют создавать функции аугментации, которые можно применять к существующим данным перед их использованием для обучения модели.

Чтобы достичь высокой точности, мы используем различные техники обучения модели. В том числе аугментацию данных, которая позволяет расширить набор обучающих данных путем создания вариаций существующих данных. Это помогает увеличить количество данных для обучения модели и сделать ее более точной в классификации проводок.

По горячим следам мы решили добавить функционал Chat GPT в нашу RPA платформу, ниже в видео видно, как идет процесс работы. Забегая вперед, скажу, что уже с использованием API и уточнением запросов мы получили результат 18 из 18 проводок были разнесены верно.

После завершения роботом процесса бухгалтеру остается только зайти в отчет и проверить корректность проставленных статей и видов операций. Наш отчет выглядит так:

Наша RPA-платформа Puzzle позволяет создавать роботов, которые могут автоматически обрабатывать бухгалтерские проводки. Боты могут считывать данные из различных источников, например, из электронных таблиц, баз данных или сканов бумажных документов. Далее, с помощью Chat GPT, боты могут классифицировать проводки по соответствующим категориям.

При этом мы уделяем большое внимание точности классификации, чтобы убедиться, что все проводки правильно отнесены к соответствующим категориям.

Также мы используем технику Fine-tuning, которая позволяет точнее настроить модель, используя предварительно обученные модели на больших наборах данных. Это позволяет получить более точные результаты в классификации.

По итогам теста мы запустили модуль классификации в прод, для начала будем тестировать на нашей головной компании в помощь финансовому менеджеру, а дальше планируем раскатать возможность на клиентские аккаунты.

Надо сказать, что работа возможности, которые дает данная технология на прикладном уровне заставляет задуматься. Ну кто мог сказать, что роботы придут сразу за бухгалтерами, а не скажем за маркетологами или разработчиками? Пока мы нащупываем почву, но вполне возможно, что через пару лет данная технология изменит целые отрасли и лучше начинать работать с ней уже сейчас.