Auditor de Categorías de Gastos
PROIdentifica automáticamente gastos mal categorizados, envíos duplicados, violaciones de políticas y patrones de fraude usando detección de anomalías ML. Logra precisión de detección 90-95% con análisis comportamental contextual.
Ejemplo de Uso
Tengo 1.000 informes de gastos del último trimestre. Identifica gastos mal categorizados, posibles duplicados, y cualquier cosa sospechosa.
Prompt del Skill
Este skill funciona mejor cuando lo copias desde findskill.ai — incluye variables y formato que podrían no transferirse correctamente desde otros sitios.
Cómo Usar Este Skill
1
Copiar el skill usando el botón de arriba
2
Pegar en tu asistente de IA (Claude, ChatGPT, etc.)
3
Completa tus datos abajo (opcional) y copia para incluir con tu prompt
4
Envía y comienza a chatear con tu IA
Personalización Sugerida
| Descripción | Por defecto | Tu Valor |
|---|---|---|
| Detection aggressiveness (0-1). Higher catches more issues but increases false positives. | 0.75 | |
| Similarity threshold for duplicate detection (0-1). Accounts for minor amount/description variations. | 0.85 | |
| Violation handling: soft_alert (warning), hard_stop (block), or escalate (route to approver). | soft_alert | |
| Enable behavioral baseline comparison for contextual anomaly detection. | true | |
| Dollar amount triggering higher approval authority. | 5000 | |
| Require receipt image analysis for expenses above threshold. | true | |
| Enable automatic quarterly GL coding pattern audits. | true |
Fuentes de Investigación
Este skill fue creado usando investigación de estas fuentes autorizadas:
- Expense Coding Audit Red Flags Comprehensive guide on categorization inconsistencies and audit triggers.
- Expense Fraud Detection and Prevention AI-powered fraud detection methods and prevention strategies.
- Preparing for an Expense Audit 2025 Audit preparation checklist and best practices.
- ML-Based Personal Finance Assistant Multi-model approach for expense categorization and anomaly detection.
- Expense Tracker Using Machine Learning ML techniques for expense tracking and pattern analysis.
- Graph Neural Networks for Fraud Detection Advanced GNN approaches for financial fraud detection.
- Anomaly Detection in Financial Data Contextual anomaly detection techniques for financial systems.
- Deep Learning for Financial Anomalies Deep learning methods including autoencoders and LSTM for anomaly detection.