Accountant shows how AI forecasts budgets and cash flow for retail chain

مساء الخير. تحية طيبة لجميع مشتركينا من الفئتين الذهبية والبلاتينية الذين ينضمون إلينا في هذه الاستشارة الحصرية الجديدة. نرحب أيضاً بالدكتور فرانسيسكو مورينو، الذي سيتولى تقديم هذا التدريب حول جميع المواضيع المتعلقة بالذكاء الاصطناعي وكيف يمكن للمحاسبين المحترفين الاستفادة القصوى من هذه الأدوات. أرحب به لكي يبدأ هذا اللقاء الاستشاري. سأكون هنا لمتابعة الأشخاص الذين يرفعون أيديهم عبر محادثة Teams لمنحهم الكلمة وطرح أسئلتهم على الدكتور فرانسيسكو. فرانسيسكو ، مساء الخير. تفضل.

مساء النور يا كارلوس. ومساء الخير لجميع الزملاء والمتابعين الذين يتابعون هذا البث اليوم. اليوم سنقدم بثاً مثيراً للاهتمام حول ما هو قادم لنحدد، أيها الزملاء الأعزاء، كيف يمكننا إجراء التخطيط المالي للعام القادم. وقد تتساءلون، هل من الممكن القيام بذلك باستخدام الذكاء الاصطناعي؟ والإجابة كما هي دائماً، بالطبع نعم. مستعدون؟ إذاً، سنستعرض بعض الحالات القوية والمثيرة للاهتمام، وسيتم تطبيقها في نماذج وشرائح عرض، أو في هذه الحالة موارد ومذكرات ستكون متاحة لكم بالتأكيد إذا كنتم مشتركين. مستعدون؟ إذاً، سأقوم بمشاركة الشاشة، أيها الزملاء ، هل هذا ممكن؟ وفي هذه اللحظة يجب أن تكونوا ترون شاشتي، أليس كذلك ؟ حسناً جداً، أيها الزملاء. إذاً، ماذا نرى هنا؟ لكي تضعوا ذلك في اعتباركم، سنتحدث عن التخطيط المالي باستخدام الذكاء الاصطناعي وسننظر في هذا المختبر عبر ثلاث مراحل. المرحلة الأولى، التنبؤ. المرحلة الثانية، وضع الميزانية. والمرحلة الثالثة، بالطبع، جانب مهم للغاية وهو حماية التدفق النقدي في هذه الحالة. مستعدون؟ من المهم جداً أن تضعوا في اعتباركم، أيها الزملاء، أن الذكاء الاصطناعي يتنبأ والإدارة هي التي تخطط ، هل هذا مفهوم؟ والمحاسب لا يسمح بحدوث خلط بينهما. إذاً، هناك ثلاثة أسئلة نريد حلها بالفعل اليوم خلال هذا المؤتمر، لكي تتمكنوا من تطبيقها في شركاتكم ، أليس كذلك؟ اليوم سيكون لدينا شركة نموذجية طوال مشروعنا أو هذا المؤتمر بالكامل، لنرى النتائج التي يمكننا تحقيقها في هذه الفرصة مع تلك الشركة. لكن لدي أخبار سارة جدًا لكم، وهي أن الأوامر البرمجية (prompts) التي أعددناها لكم اليوم يمكنكم استخدامها يا زملائي في أي نوع من المؤسسات، لذا أدعوكم للحصول عليها. تذكروا، إذا كنتم مشتركين، فستتاح لكم الفرصة للحصول عليها. حسنًا، في الحالة الأولى سنتحدث عن التنبؤ مقابل الإسقاط، أليس كذلك؟ سنقوم بالتحديد بالنظر إلى سجل المبيعات التاريخي، هل هذا واضح؟ سنحدد موسميته ثم سنقوم لاحقًا بالتنبؤ بمبيعاته. حسنًا، الحالة الثانية التي سنراها هي وضع ميزانية ، في هذه الحالة، لمصاريف عام 2027 بناءً على المعلومات المحاسبية. وبالفعل، سنقوم بإجراء دراسة حالة حول هذا الموضوع حتى تضعوها في الاعتبار وتتمكنوا من تكرارها في مؤسستكم. وفي الخطوة الثالثة، سننظر في كيفية تحديد التدفق النقدي بناءً على تلك الميزانية التي وضعتموها يا زملائي. نعم، على مدار العام بأكمله. الشركة التي سنتناولها هنا هي "ألماثينيس كاسا سيفاس "، أليس كذلك؟ وهي سلسلة متوسطة الحجم تضم خمسة متاجر للأزياء والأحذية والمستلزمات المنزلية في مراكز التسوق. بالطبع، تم إخفاء هوية البيانات لكي نتمكن من تنفيذ التمرين بشكل فعال. هل أنتم مستعدون ؟ تذكروا أن الذكاء الاصطناعي يتنبأ ويضع الميزانيات ويحذر، لكنه لا يتخذ القرارات أبدًا. في المقابل، نحن كمحاسبين نقوم بالمراجعة والتحقق من جميع المعلومات التي يقدمها، وفي النهاية نتخذ القرار ونمضي قدمًا بالمعلومات. هل هذا واضح؟ إذًا، لنفهم هذه اللحظات الثلاث. التنبؤ، الإسقاط، والميزانية. إذًا، التنبؤ، عندما نتحدث عن التنبؤ في الجانب المالي، فنحن نتحدث عما سيحدث على الأرجح. هل هذا واضح؟ إذًا أنتم تنتقلون من سياق السجلات التاريخية إلى عملية تعتمد على الاتجاهات والموسمية. تذكروا أن معيار التدقيق الدولي (ISA 3400) يخبرنا بأنه يجب على المرء وضع فرضيات تعبر عن أفضل التقديرات في هذه الحالة. هل هذا واضح؟ ولهذا سنقوم بهذا التمرين مع الذكاء الاصطناعي اليوم في الحالة الثانية، زملائي الأعزاء، سنرى ما الذي قد يحدث. نعم. بعد وضع الفرضيات الافتراضية للإدارة. انتبهوا، من المهم جدًا أن نضع في اعتبارنا أن تاريخ المبيعات هو سابقة مهمة للغاية، ولكن يجب علي أيضًا أن أضع في ذهني تلك الخصائص الداخلية التي أحتاج إلى تطويرها كمؤسسة. أليس كذلك؟ لذا، سنقوم بتحديد أو وضع تلك الأنواع من السيناريوهات. واللحظة الثالثة، لا، أؤكد، هي ما نتعهد بتحقيقه في هذه الحالة ، مثل الأهداف المعتمدة وغيرها من عمليات الرقابة التي نريد حلها. سنرى هذا هنا في الحالتين الثانية والثالثة. جاهزون؟ إذًا، لنبدأ بالنقطة الأولى يا زملاء. الأمر بسيط للغاية. ستأتون أنتم إلى هنا إلى Cloud. سنقوم بتشغيله، هل هذا مفهوم ؟ لكي تروا العملية بالفعل كما هي. سيتم تسليمكم هذا، حسناً، ستجدون مجموعات البيانات الثلاث هذه في القاعة أو في الأكاديمية. نعم. وسنأخذ ملف المبيعات من هنا. نعم، سنقوم بلصقه هنا في Cloud، يا زملاء. سنبحث عن التلقين رقم واحد، الذي أعددناه لكم بالفعل. نعم. وستحضرون ذلك التلقين رقم واحد الذي سأخبركم الآن بما نفعله به اليوم. تذكروا أنه لتشغيل هذا التلقين تحتاجون إلى النسخة المدفوعة من الذكاء الاصطناعي. يمكنكم الحصول عليها في Claude أو في ChatGPT، لكن في كلتا الحالتين، استخدامها صالح. وهنا أقول له، نفذ، هل هذا واضح؟ التلقين المرفق ، حسناً؟ مع المعلومات المرفقة. إذاً، لماذا نطلب تشغيل هذا؟ لرؤية النتيجة بعد قليل. إذاً، لنعد إلى شريحتنا، يا زملاء. التنبؤ بتوقعات المبيعات لعام 2027. جاهزون؟ إذًا، عادةً ما تطرحون على أنفسكم الأسئلة التالية أو ربما طرحتموها في وقت ما. مديري يريد ميزانية مبيعات 2027 ولا أعرف سوى حساب المتوسط وإضافة التضخم. كيف أفعل ذلك؟ في هذه الحالة باستخدام الذكاء الاصطناعي. حسناً. سؤال آخر ربما تطرحونه، أو ما ينص عليه في هذه الحالة معيار ISAE 3400، الفقرة 4، هو افتراضات حول أحداث تتوقع الإدارة حدوثها لتقديم أفضل تقدير لها . ويحدد لنا المعيار نفسه الافتراضات الافتراضية حول أحداث وإجراءات لا يُتوقع بالضرورة حدوثها. إذًا ، ما هي مشكلة إجراء تقدير الإيرادات كما يحدث بالفعل؟ أنها مجرد متوسط زائد تضخم، فهي ليست تنبؤاً، بل تتجاهل يا زملاء شهوراً معينة، بناءً على موسم الذروة أو الركود في كياننا. حسناً. على سبيل المثال، متجر ملابس كهذا، من بين نقاط أخرى، من الواضح أنه سيشهد مواسم ذروة في ديسمبر ويونيو. نعم. ولأسباب واضحة، فإن حساب متوسط القيم الشهرية لن يكون الخيار الأفضل. إذًا، ماذا يفعل الذكاء الاصطناعي هنا يا زملاء؟ إنه يقوم بتنظيف تلك السلسلة. نعم، يختبر طريقتين مقابل أحدث 6 أشهر فعلية ويختار الأقل خطأً. هل أنتم مستعدون ؟ وأخيرًا، يضع لنا عملية واضحة. لذا، في " الأمر"(Prompt) الذي نقوم بتشغيله يا زملاء، نعم ، لقد قمت برفع مجموعة بيانات مبيعات لأريكم إياها، نعم، لكي تطلعوا عليها بأنفسكم ، هل هذا واضح؟ انتبهوا، يمكنكم تعديل هذا النموذج في مؤسساتكم بكل سهولة، هل هذا واضح؟ إذًا، كما ترون هنا، يجب عليّ تقديم 24 شهرًا على الأقل من الاتجاه. أو من المعلومات التاريخية للمبيعات. هل هذا مفهوم؟ إذًا، لدينا هنا عام 2023، حسنًا، نحن نقيس من أكتوبر 2023 إلى سبتمبر 2026. هل هذا مفهوم؟ إذًا ، هنا يوجد 36 شهرًا، هل هذا مفهوم؟ ولكن كما تلاحظون هنا، لدينا الفترة الزمنية، هل هذا مفهوم؟ لدينا المبيعات حسب المتجر ولدينا المبيعات حسب الخط، هل هذا مفهوم؟ مع إجمالي المبيعات، والمرتجعات، وفي النهاية المبيعات الصافية ككل. هل هذا واضح؟ وقد استخرجنا هذه المعلومات لأعوام 2023 و 2024، نعم، و 2025، يمكنكم ملاحظتها. وأخيرًا، عام 2026 حتى الآن، وتحديدًا حتى شهر سبتمبر. حسنًا، يمكننا هنا رؤية البيانات لشهر سبتمبر كما هي. هل هذا واضح؟ تذكروا أننا سنقدم مجموعة البيانات لكي تتمكنوا من محاكاة هذا النوع من المعلومات المشابهة، هل هذا مفهوم؟ وهو أمر بسيط للغاية يمكن توليده من المحاسبة. حسنًا، إذًا ماذا سنطلب من الذكاء الاصطناعي هنا؟ في " أمرنا" سنطلب التعرف على البيانات، وتحديد الأعمدة، والسلاسل، والمتاجر، والخطوط، والقيم الأخرى، هل هذا مفهوم؟ وأن ينظف البيانات، هل هذا مفهوم؟ وأن يحدد القيم الشاذة، هل هذا مفهوم؟ وما لا يمكن تفسيره، أن يسألنا عنه. نعم. ثالثًا، أن يتنبأ، وأن يقوم بعمل اتجاه مقابل الموسمية في التوقعات. نعم. وأن يحدد لي أيضًا نسبة الخطأ في حال لم يتمكن الذكاء الاصطناعي من حسابها بدقة. نعم. وأخيرًا، أن يعرض لي سيناريوهات متفائلة ومتشائمة بناءً على افتراضات الإدارة القابلة للتعديل. وفي النهاية، أريد أن يعرض لي المبيعات الفعلية من يناير إلى سبتمبر بالإضافة إلى توقعات أكتوبر إلى ديسمبر. إذن يا زملاء، نحن نطلب هنا اتخاذ أربعة قرارات: التعديل، والاستبعاد، وحذف ما لن يتكرر، والإبقاء على الحالات الاستثنائية المرتبطة بنشاط العمل، مثل المواسم المرتفعة والمنخفضة. وترك الأمور التي لا يمكن تفسيرها إلا من قبل المحاسب معلقة. حسناً، لقد قمنا بتشغيل " البرومبت"، وهذا ملخص لما حدث، ولكن كما أوضحت لكم يا زملائي الأعزاء، إليكم التفاصيل. نعم، نحن نطلب من الذكاء الاصطناعي ما يلي. لنرى. تصرف كمحلل مالي لديه خبرة في توقعات المبيعات. نعم، تم تجميع المبيعات الشهرية لكل متجر وخط إنتاج من أكتوبر 2023 إلى سبتمبر 2026. هناك فعلياً 36 شهراً هنا. 23، 24، 25، 26. آه، لا توجد 4 سنوات إضافية بالضبط. حسناً. وأريدك أن تضع لي أفقاً زمنياً من أكتوبر 2026 إلى ديسمبر 2027. نعم، أنا أطلب منه أولاً تنظيف البيانات. تلك التي تمثل 50 حالة استثنائية تتجاوز 40%، ومقاطعتها مع الأحداث المعروفة، لقد شرحوا ذلك السؤال، ولا يتم تصحيحه، ويجب عليه التوقف للسؤال. حسناً. المرحلة الثانية يا زملاء، هي أن يقوم بعمل توقع، واتجاه يعتمد على الموسمية مقابل التوقعات. نعم. وإجراء اختبار عكسي من أبريل إلى سبتمبر، وإعطائي نسبة خطأ "MAPE"، وهو الخطأ الإحصائي في هذه الحالة لتحديد مستوى الانحراف. في هذه الحالة، كلما كانت البيانات أقل انحرافاً، كانت النتيجة أفضل. وكذلك النطاق الذي سيتم تحديده. أخيراً، أطلب منه وضع تصور، يا زملاء. للسيناريوهات المتفائلة والمتشائمة بناءً على افتراضات الإدارة. وأفضل تقدير أو الفرضية، وفي النهاية أن يسلمني ملفاً من خمس علامات تبويب يحتوي على معادلات ذلك. إذن، عندما يعطينا النتيجة هنا، فقد أصبح لدينا جزء منها بالفعل. لذا، ما يتعين علينا التحقق منه يا زملاء هو، انتبهوا، لنرَ. تقاطع الحالات الاستثنائية مع الأحداث المعلنة. نعم، سأل عن الشهر الذي سجل صفراً بدلاً من تصحيحه، وتوقف عن توقع الخط المغلق. حسناً، على أي حال. في هذه الحالة، الأسئلة ترتبط بأحداث خاصة بالشركة. في حالاتكم، عندما تقومون بتشغيل " البرومبت" يا زملاء، سيظهر لكم بدقة ماهية هذه الأحداث الخاصة. اتفقنا؟ إذن، ماذا سنراقب؟ لذا، دعونا ننتقل هنا لاستعراض النتيجة يا زملائي، التي أنتجها لي في هذه الحالة. لقد طلبت ذلك من الذكاء الاصطناعي. نعم، أن يعد لي مستنداً. نعم، بصيغة إكسل. دعونا نلقي نظرة على مستند الإكسل. نعم ، من الواضح أنه قبل هذا، حدد لي الذكاء الاصطناعي، هنا قمت بتنفيذه، والأمر، وما إلى ذلك، حدد لي في هذه النقطة التعرف على البيانات، أليس كذلك؟ تليها نتائج التنظيف، أليس كذلك؟ حيث طلبت منه بالفعل بعض الأسئلة للإدارة. وقلت له استمر لأنني كنت موافقاً تماماً على التحليل الذي قام به، جاهز. إذن دعونا نرى يا زملائي توقعات المبيعات التي وضعها الذكاء الاصطناعي في هذه الفرصة. جاهز. حسناً، سأقوم بتكبير الشاشة لكم هنا. هنا يعرض لي المبيعات الفعلية من يناير إلى سبتمبر وهي 12,681. هذا بالألف من البيزو. نعم. إيه، دعونا نرى هنا يمكنكم ملاحظتها. هذه هي المبيعات الشهرية، أليس كذلك؟ التي كانت البيانات الأصلية. وهنا يوضح لي كيف ستكون تلك المبيعات. نعم، إيه، بدون تعد