Dobici:
- Shvatite zašto je testiranje unosa u dnevnik obavezno prema BDS 240 i kako umjetna inteligencija može skenirati sumnjive kriterije unosa
- Sposobnost označavanja i određivanja prioriteta odstupanja, neobičnog vremena i neobičnih obrazaca količine uz podršku umjetne inteligencije
- Biti u stanju tvrditi da svaka anomalija označena umjetnom inteligencijom nije nalaz, već znak pitanja koji će revizor istražiti, a eliminacija lažnih pozitivnih rezultata je ljudska odgovornost.
Finansijski izvještaji preduzeća su u osnovi zbir miliona unosa u dnevnik (u računovodstvu se svaka finansijska transakcija evidentira kao zaduženje i kredit). I greška i prevara na kraju žive u dnevniku: iznos upisan na pogrešan račun, dodatak koji je "zaboravljen" i poništen na kraju perioda, neobičan unos upisan ručno usred noći. Stoga, BDS 240 (standard koji reguliše odgovornost revizora u vezi sa prijevarom u reviziji finansijskih izvještaja) jasno zahtijeva od revizora da izvrši testiranje temeljnice. Njegova svrha je da otkrije moguće manipulacije od strane menadžmenta preko rukovodstva.
U ovoj cjelini ćemo pokriti kako umjetnu inteligenciju pretvoriti u motor za otkrivanje anomalija i grešaka, ali zašto je svaki označeni zapis "znak pitanja", a ne "nalaz". Prva dva koncepta. Anomalija je neobičan zapis u skupu podataka koji odstupa od očekivanog obrasca. Outlier je zapažanje koje se brojčano značajno razlikuje od ostalih (kao što je vrlo velika količina, vrlo visoka frekvencija). Anomalija nije uvijek greška; ali to je mjesto gdje revizor treba da gleda.
Sumnjivi kriterijumi objavljivanja u testu unosa u dnevnik
BDS 240 navodi da su zapisi sa određenim karakteristikama izraženiji u pogledu rizika od prevare. AI može skenirati stotine hiljada zapisa na osnovu ovih kriterija u sekundi. Tipični kriteriji "crvene zastave":
- Neuobičajeno vrijeme: Ručni zapisi uneseni nakon radnog vremena, vikendom, državnim praznikom ili posljednjeg dana isteka roka.
- Neobičan korisnik: Zapisi koje je unio korisnik koji inače ne unosi računovodstvene evidencije (na primjer, administrator).
- Neuobičajene kombinacije računa: knjiženja između računa koji ne očekuju jedni druge (npr. račun prihoda i neobičan negotovinski račun).
- Okrugli iznosi: "čisti" velike količine kao što su 100.000, 500.000; To je tipičan trag ručne manipulacije.
- Zapisi sa praznim ili dvosmislenim opisima: prazni opisi kao što su "ispravka", "razno", "privremeno".
- Obrnuti zapisi: Zapisi uneseni na početku perioda i poništeni (storno) nakon kratkog vremena.
- Duplikati podpraga: Veliki broj zapisa grupiran odmah ispod praga odobrenja (npr. 50.000 USD).
Savjet: Razmislite o ovim kriterijima zajedno, a ne pojedinačno. "Okrugla količina" sama po sebi može biti nevina; ali "vikend, od strane administratora, opis prazan, dosljedan okrugli, ručno postavljanje na kraju perioda" je jaka crvena zastavica. Ako AI kombinuje kriterijume kako biste proizveli „ocenu rizika“ pomaže vam da odredite prioritete.
Lažno pozitivna istina: zašto ne bi svaki znak bio nalaz
Priroda skeniranja anomalija je lažno pozitivna: zapisi označeni pravilom koji su zapravo legitimni. Na primjer, kompanija automatski unosi round-robin obračun zakupnine posljednjeg radnog dana svakog mjeseca; Ovo je zaglavljeno s kriterijem "okrugli iznos + kraj perioda", ali je potpuno normalno. Posao revizora je da izvuče stvarni rizik iz označene gomile. Ovo sortiranje nije prenosivo; jer razlikovanje legitimnog od sumnjivog zahtijeva poznavanje posla i konteksta – nešto što AI nema.
Stoga uvijek čitajte izlaz ovako: "AI je označio 420 zapisa za mene. Većina njih su vjerovatno lažno pozitivni. Moj posao je da od ovih 420 otkrijem one koje zaista treba istražiti, obrasce i pojedinačne sumnjive." Ovaj pogled vas štiti i od pristranosti automatizacije (svaki znak uzima za grešku) i od lijenosti (ne gledate ni u jedan od njih).
Detekcija anomalija korak po korak
- Pripremite podatke i provjerite kompletnost. (Koraci pomirenja u prethodnoj jedinici.)
- Jasno definišite kriterijume. Koji obrasci vremena, količine, korisnika i opisa će biti označeni?
- Skenirajte i ocjenjujte pomoću AI. Označite svaki zapis prema kriterijumima; Dajte veći prioritet onima koji ispunjavaju više kriterijuma.
- Uklonite lažne pozitivne rezultate. Filtrirajte ili označite poznate legitimne obrasce (kao što su automatski obračuni).
- Pregledajte preostale zapise. Povežite svaki sa pratećim dokumentom, odobrenjem i poslovnom logikom.
- Dokumentirajte zaključak i obrazloženje. Zapišite šta vam je sumnjivo i zašto, a šta ste eliminisali i zašto.
tri mini kofera
Slučaj 1 — Stvarni nalaz. Revizor je skenirao 240.000 unosa u dnevnik pomoću AI; Kombinovao je kriterijume "poslednja 3 dana perioda + priručnik + opis 'ispravka' + 100.000 puta veći iznos". Visoke ocjene dobilo je 14 ploča. U pregledu, 11 su bila legitimna prilagođavanja na kraju godine; Međutim, 3 unosa su unesena na način koji bi povećao račun prihoda i bio storniran u narednom periodu, a nije bilo prateće dokumentacije. Ovo je bio obrazac upravljanja koji je zaobilazio kontrole i bio je značajan nalaz. AI je postavio 14 pitanja; Revizorov skepticizam pronašao je 3 prava odgovora.
Slučaj 2 — Lažno pozitivna zamka. Član tima je napisao 380 „okruglo konzistentnih“ zapisa koje je AI označila direktno na radni list pod naslovom „sumnjive transakcije“. Kada je službenik pogledao, vidio je da većina njih ima fiksnu kiriju, fiksnu naknadu za savjetovanje i automatsku evidenciju amortizacije; svi su bili legitimni. Radni list je postao "lista lažnih nalaza" koja je reviziju odvela u pogrešnom smjeru. Pouka: nije svaki označeni zapis nalaz; Odabir vrši revizor.
Slučaj 3 — Preusko postavljanje kriterijuma. Revizor je koristio samo kriterij "vikend evidencije" i nije pronašao sumnjive zapise; Laknulo mu je. Međutim, u poslovanju su se manipulativne evidencije unosile u radnim danima, ali sa neuobičajenim kombinacijama računa. Oslanjanje na jedan, uski kriterijum, sprečilo ga je da sagleda pravi rizik. Kada je revizor proširio kriterije, pojavio se obrazac. Pouka: jedan kriterijum ne daje sigurnost; Pogledajte to višedimenzionalno.
Slaba prompt / Jaka prompt
Slab upit:
Pronađite lažne unose u ovim unosima u dnevnik.
Problem: AI ne može "otkriti" varanje; Prevara je pravna/profesionalna posljedica, a ne obrazac podataka. Takođe "prevarno" je nedefinisano. Ovaj prompt proizvodi ili izmišljenu "listu varanja" ili besmislene zastavice.
Snažan upit:
Vaša uloga: vi ste pomoćnik za analizu unosa u dnevnik nezavisnog revizora. Označavate zapis prema kriterijumima; odluka o prevari/grešci pripada meni. Kontekst: Anonimizirani podaci dnevnika (kolone: broj_zapisa, datum, vrijeme, korisnička_uloga, debitni_račun, kredit_račun, iznos, vrsta_zapisa[ručno/automatski], opis). Kraj termina: 31.12. Radno vrijeme: 09:00-18:00, pon-petak. Zadatak: 1) Dajte "ocenu pažnje" svakom zapisu prema sljedećim kriterijima (u zavisnosti od toga koliko je kriterija priloženo): a) record_type=manual b) datum između 29-31. {ispravka, razno, privremeno} u2) Dajte one sa ocjenom 3 i više kao listu prioriteta.3) Napišite svaki kriterij koji primjenjujete u čistom tekstu (provjerljivost).4) Jasno navedite da su to "izuzeci koje treba ispitati" i da nisu REZULTAT prevare/greške. Dodavanje lažnog zapisa.
Ovaj upit je moćan jer jasno definira kriterije, zahtijeva višedimenzionalne rezultate, mogućnost revizije i precizno locira izlaz (izuzetak, a ne ishod).
Uobičajene greške
- To znači "pronađi trik". AI ne otkriva varanje; stavlja ocenu prema kriterijumu. Varanje je profesionalna/pravna posljedica.
- Pogrešio znak za nalaz. Zapisivanje sumnjivog zapisa kao "greška" bez eliminisanja lažnih pozitivnih rezultata.
- Oslanjajući se na jedan kriterijum. Korištenje uskog pravila i nedostatak pravog uzorka.
- Ne filtriranje legitimnih obrazaca. Stvaranje buke uključivanjem automatskih obračuna u sumnjivu listu.
- Ne dokumentovanje obrazloženja. Ostaviti radni list neotkrivenim, a da ne zapišete šta ste eliminisali/zadržali i zašto.
Oprez: Opisivanje snimka kao "sumnjivog" je ozbiljna izjava. Provjeriti s dokazima (popratna dokumentacija, potvrda, poslovni slučaj) prije nego što napišete kao nalaz. U suprotnom ćete biti nepravedni prema poslovanju i oštetiti kvalitet revizije.
Ukratko
Testiranje unosa u dnevnik je potrebno prema BDS 240, a AI je idealan mehanizam za to: skenira stotine hiljada zapisa u odnosu na višedimenzionalne kriterijume u sekundi i proizvodi ocjenu pažnje. Ali AI ne "otkriva" varanje ili greške; samo označava neobično. Izlaz je gomila izuzetaka punih lažnih pozitivnih rezultata; Na revizorovom skepticizmu i prosuđivanju je da razdvoji stvarni rizik iz njega, eliminiše legitiman i donese zaključke. Znak je upitnik, a ne odgovor.
Zadatak aplikacije
Navedite pet kriterija anomalija za hipotetičke podatke dnevnika (raspored, korisnik, iznos, kombinacija računa, opis). Neka AI proizvede višedimenzionalni "rezultat pažnje" pomoću moćnog uzorka brze poruke iznad. Zatim napišite “vodič za skrining”: koje legitimne obrasce (automatsko obračunavanje, fiksna najamnina, itd.) treba filtrirati kao lažne pozitivne rezultate? Konačno, za 5 rekordnih rekorda, "koje dokaze da tražim?" Odgovori na pitanje.
kontrolna lista
- [ ] Anonimizirao sam podatke i provjerio njihovu potpunost.
- [ ] Kriterijume anomalije sam definisao višedimenzionalno i jasno.
- [ ] Dobio sam otvoreni tekst ocjene pažnje i primijenjenih kriterija od AI.
- [ ] Filtrirao sam poznate legitimne obrasce kao lažne pozitivne.
- [ ] Pregledao sam rekorde sa visokim rezultatom sa pratećom dokumentacijom i potvrdom.
- [ ] Provjerio sam to dokazima prije nego što sam zaključio "varanje/greška".
- [ ] Dokumentovao sam šta mi je sumnjivo i zašto.