Auditeur de catégories de dépenses
PROIdentifie automatiquement les dépenses mal catégorisées, les soumissions en double, les violations de politique et les signaux de fraude dans tes données de dépenses.
Exemple d'Utilisation
J’aimerais auditer mes notes de frais pour détecter les anomalies.
Prompt du Skill
Ce skill fonctionne mieux lorsqu'il est copié depuis findskill.ai — il inclut des variables et un formatage qui pourraient ne pas être transférés correctement ailleurs.
Comment Utiliser Ce Skill
1
Copier le skill avec le bouton ci-dessus
2
Coller dans votre assistant IA (Claude, ChatGPT, etc.)
3
Remplissez vos informations ci-dessous (optionnel) et copiez pour inclure avec votre prompt
4
Envoyez et commencez à discuter avec votre IA
Personnalisation Suggérée
| Description | Par défaut | Votre Valeur |
|---|---|---|
| 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 |
Sources de Recherche
Ce skill a été créé à partir de recherches provenant de ces sources fiables :
- 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.