Gevinster:
- Forstå begreberne fra svindeltrekanten (pres, mulighed, retfærdiggørelse) og røde flag og brug kunstig intelligens til at scanne for mistænkelige mønstre
- Evne til at scanne Benfords lov, kopiere betaling og usædvanlige leverandørmønstre med støtte til kunstig intelligens og udarbejde en anmeldelsesliste
- Evne til at forstå, at mistanke om svindel er en alvorlig påstand, at tegnet med kunstig intelligens alene ikke er bevis, og at den endelige evaluering tilhører den uafhængige revisor.
Der er en dyb forskel mellem fejltagelse og snyd. En fejl er en utilsigtet fejl; tager helt fejl, glemmer en rekord. Snyd er bevidst bedrag; Det er, når nogen bevidst fordrejer optegnelser for personlig vinding. Revisors opgave er ikke at "finde" svig – svig er en juridisk kvalifikation og er for domstolene – men ISA 240 beder revisor om at udvise professionel skepsis over for risikoen for væsentlig fejlinformation som følge af svig og at vurdere tegn på svigrisiko (røde flag). Revisor vurderer risikoen for svig og undersøger mistænkelige mønstre; Den endelige juridiske afgørelse tilhører andre.
I denne enhed vil vi dække, hvordan man bruger AI til at screene for svindelrisiko: svindeltrekanten, røde flag, Benfords lov, duplikatbetaling og usædvanlige leverandørmønstre og tekstanalyse i beskrivelsesområder. Grundprincippet er strengt understreget: intet mønster markeret af AI er i sig selv bevis på svindel. Et rødt flag er et "stop og undersøg"-skilt; ikke en anklage.
Snydetrekant og røde flag
Den klassiske ramme for efterforskning af bedrageri er svindeltrekanten; Han siger, at bedrageri normalt opstår, når tre forhold opstår sammen: pres (økonomisk/personlig nødvendighed, der presser personen til at snyde), Opportunity (svag intern kontrol, ukontrolleret autoritet) og retfærdiggørelse (en måde at retfærdiggøre sin handling over for sig selv – "jeg lægger den alligevel tilbage"). Revisoren er mere forsigtig på områder, hvor disse tre forhold er stærke.
Et rødt flag er et advarselssignal, der kan indikere muligheden for svindel. Typiske eksempler: embedsmand, der udviser usædvanlig livsstil, kontrakter, der konstant går til den samme leverandør, leverandør, hvis adresse er den samme som en medarbejders adresse, personale, der ikke holder ferie og ikke uddelegerer deres arbejde til nogen, hyppige rettelser, opdelte betalinger lige under tærsklen, duplikerede fakturanumre. AI kan scanne for mange af disse flag på data. Men husk: hvert flag kan have en uskyldig forklaring. Revisorens opgave er at se flaget og undersøge, ikke at bebrejde ham for at se flaget.
Benfords lov: en kontraintuitiv, men kraftfuld screening
Benfords lov (lov om det første ciffer) siger, at i store sæt af naturligt forekommende tal er fordelingen af det første signifikante ciffer ikke ensartet: tal har en tendens til at starte med "1" (ca. 30%), med en meget lav sandsynlighed for at starte med "9" (ca. 4,6%). Naturlige data med brede intervaller, såsom regningsbeløb, udgifter, kontosaldi, følger generelt denne fordeling. Når nogen tilpasser tal i hånden (f.eks. skriver beløb lige under godkendelsesgrænsen), forstyrres denne naturlige fordeling. Benford-analyse sammenligner fordelingen af de første (og om nødvendigt de to første) cifre med det forventede og markerer afvigelser.
AI kan beregne Benford-fordelingen på tusindvis af beløb på sekunder og vise cifre, der afviger fra det forventede. Men Benford har to grænser, og revisor bør kende dem:
- Det passer ikke til alle data. Begrænsede antal inden for et bestemt interval (f.eks. produktpriser altid mellem 45-55 TL), fortløbende numre (fakturanummer), tildelte koder overholder ikke Benford; "afvigelse" er meningsløst her.
- Afvigelse er ikke bevis. Når et trin går mere op end forventet, siger den mest "se her". Årsagen kan være legitim (f.eks. virksomhedspriser). Revisor kan ikke drage konklusioner af undersøgelsen.
Forsigtig: At præsentere Benford-afvigelsen som "bevis på snyd" er en alvorlig fejltagelse. Benford er bare et rødt flag; Den bestemmer, hvilke optegnelser der skal undersøges og beviser ikke bedrageri.
Tekstanalyse og gentagelsesmønstre
AI's sproglige evner er også praktiske til at opdage ikke-numerisk svindel. Usædvanlige koncentrationer, tvetydige udtryk eller bestemte søgeord kan scannes i beskrivelsesfelterne ("diverse udgifter", "rådgivning", "repræsentationshosting"). Også strukturelle mønstre: dublerede fakturanumre, leverandørkonti, der matcher medarbejdernes bankkonto, leverandørregistreringer oprettet i weekenden, hyppige betalinger døgnet rundt. AI producerer alt dette som en "anmeldelsesliste"; Revisoren søger på listen.
Scanningstype
Hvad gør AI?
Hvad laver en revisor?
Benford analyse
Det første ciffer angiver fordelingsafvigelsen
Undersøger årsagen til afvigelsen
dobbeltbetaling
Samme beløb+dato+leverandør finder gentagelse
Er sandheden bekræftet af duplikerede dokumenter?
Leverandør-medarbejder matching
Flag samme adresse/konto overlapper hinanden
Undersøger om der er en interessekonflikt
Undertærskelinddeling
Angiver klyngedannelse under godkendelsesgrænsen
Vurderer, om der er hensigt
Tekst/beskrivelsesanalyse
Scanner for vage/gentagne kommentarer
Forespørgsler om indhold efter dokument
tre minisager
Sag 1 - Benford gav anvisning, inspektøren fandt. En revisor fik foretaget en Benford-analyse på udgiftsopgørelser. Beløb, der starter med "4" var meget højere end forventet. Revisoren undersøgte dette sæt og fandt ud af, at en medarbejder konsekvent havde opført udgifter på "$4,8xx", lige under godkendelsestærsklen på $5.000. Dokumenterne viste sig at være falske. Benford afvigelse gav retning; Revisorens undersøgelse og dokumenter afslørede svindlen.
Sag 2 — Falsk positiv Benford. Et teammedlem fik lavet en Benford-analyse på produktprislisten og skrev "der er manipulation", da han så en stor afvigelse. Den ansvarlige person undersøgte: dataene bestod af priser i et snævert bånd mellem 90-110 TL; Benford ville alligevel ikke passe ind i et så begrænset sæt. "Forspændingen" skyldtes udelukkende at anvende metoden på de forkerte data. Lesson: Benford does not apply to all data; Revisor vurderer dens egnethed.
Case 3 — Hævning af flaget. En revisor ønskede direkte at skrive "leverandøren hvis adresse er den samme som en medarbejder" markeret med AI i rapporten som "fiktiv leverandør, bedrageri". Den ansvarlige standsede det: Ved undersøgelse blev det set, at leverandøren var en reel virksomhed, tilhørte medarbejderens pårørende, og at der var tale om et interessekonfliktforhold, men ikke fiktivt. Dette blev rapporteret som et forhold, der skulle afsløres, ikke snyd. Lektion: rødt flag indleder undersøgelse; Beviserne bestemmer resultatet.
Svag prompt / Stærk prompt
Svag prompt:
Find ud af, om der er svindel i disse betalinger.
Problem: AI kan ikke "finde" snyd; Snyd er en juridisk konsekvens. Denne prompt producerer enten en opdigtet "snydeliste" eller ubegrundede beskyldninger.
Kraftig prompt:
Din rolle: du er en uafhængig revisors assistent for risikoscreening af svindel. Du SKRIVNER det røde flag; The cheating evaluation and the result belong to me. Mærk ikke nogen poster som "snyd". Data (anonym): Leverandørbetalinger (kolonner: betalings_id, dato, leverandør_id, leverandør_adresse, beløb, bekræftelsestærskel=50.000, beskrivelse).Opgave - udfør følgende scanninger, eksporter hver enkelt som en SEPARAT liste:1) Undertærskelopdeling: 50, grupperet lige under tærskelværdien TL000. (45.000-49.999) betalinger; tæl efter leverandør.2) Duplikat: samme beløb + samme leverandør + tilbagevendende betalinger inden for 3 dage.3) Benford (første ciffer): sammenlign den første cifferfordeling af beløb med den forventede Benford; Vis afvigende trin. VIGTIGT: Evaluer også, om disse data overholder Benford (område, begrænsning), og advar, hvis ikke. 4) Oplysningsanalyse: marker leverandører, hvor vage beskrivelser såsom "diverse/diverse/rådgivning" er koncentreret. For hver liste: skriv, at disse er "røde flag, der skal undersøges" og ikke er RESULTATER af svindel. Tilføjelse af en passende plade/mønster.
Denne prompt er kraftfuld, fordi den analyserer scanningerne, sætter spørgsmålstegn ved Benfords overholdelse, placerer outputtet som et "rødt flag" og forbyder tilskrivning af "snyd".
Almindelige fejl
- Det betyder "find tricket". AI opdager ikke snyd; røde flag skilte. Snyd er en juridisk konsekvens.
- Anvender Benford til upassende data. At tage fejl af "afvigelse" i smalbånd, sekventielle numre eller koder som meningsfuldt.
- Betragtning af afvigelse som bevis. Erklærer en snyd uden at undersøge Benford- eller mønstertegnet.
- At gøre det røde flag til anklage. At afskrive et forhold/mønster som snyd uden at bekræfte det med dokumentation.
- Ignorerer snydetrekanten. Bare at se på dataene og ikke vurdere konteksten af pres/mulighed/begrundelse.
Tip: Når du finder et rødt flag, så stil dig selv to spørgsmål: "Hvad kunne være en fuldstændig uskyldig forklaring på dette?" og "Hvis det virkelig er snyd, hvilke andre spor skal jeg så se?" Det første spørgsmål beskytter dig mod uretfærdig anklage, det andet mod overfladiskhed.
Sammenfattende
I en svindelrevision er revisors rolle ikke at "finde" svindel, men at vurdere risikoen for svindel med skepsis og lede efter røde flag (BDS 240). AI er en kraftfuld scanningsmaskine: Den udfører Benford-analyse, duplikatbetaling, subthreshold-split, leverandør-medarbejder-overlapning og tekstanalyse på få sekunder. Men hvert tegn er et rødt flag, ikke bevis; Benford passer ikke til alle data; Afvigelse betyder ikke snyd. Det er AI's opgave at se flaget, det er revisors opgave at undersøge og evaluere og undgå juridisk tilskrivning. Det røde flag siger "stop og undersøg"; Han siger ikke "skyldig".
Ansøgningsopgave
Overvej et hypotetisk leverandørbetalingsdatasæt og indstil en godkendelsestærskel. Få AI til at køre fire scanninger (subthreshold split, duplicate, Benford, annotationsanalyse) med det kraftfulde promptmønster ovenfor; Få Benford til at stille spørgsmålstegn ved hans egnethed. Skriv derefter en "uskyldig forklaring" og et "snydscenario" for hvert rødt flag, der kommer op, og angiv, hvilke beviser der adskiller de to.
tjekliste
- [ ] Jeg fortalte ikke AI'en at "finde tricks"; Jeg sagde "flag rødt" og forbød karakteriseringen af snyd.
- [ ] Jeg anvendte Benford kun på passende (naturlige) data; Jeg vurderede egnetheden.
- [ ] Jeg behandlede hvert rødt flag som en begyndelse på forskning, ikke en konklusion.
- [ ] For hvert tegn overvejede jeg både den uskyldige forklaring og snydscenariet.
- [ ] Jeg karakteriserede ikke mønstrene som svigagtige/imaginære uden at have verificeret dem med dokumentation.
- [ ] Jeg vurderede konteksten for svindeltrekanten (pres, mulighed, begrundelse).
- [ ] Jeg har dokumenteret, at den endelige juridiske kvalifikation ikke er revisors opgave, og at jeg har vurderet risikoen.