Κέρδη:
- Να είναι σε θέση να διακρίνει πού η τεχνητή νοημοσύνη εξοικονομεί πραγματικό χρόνο στον κύκλο ελέγχου (σχεδιασμός, συλλογή αποδεικτικών στοιχείων, ανάλυση, τεκμηρίωση, υποβολή εκθέσεων) και πού οι αποφάσεις όπως η ελεγκτική γνώμη και η κρίση ουσιώδους ανακρίβειας αφήνονται στον ανεξάρτητο ελεγκτή, ανάλογα με το επίπεδο κινδύνου της εργασίας.
- Δυνατότητα εφαρμογής μιας πειθαρχίας που επικυρώνει κάθε έξοδο AI μέσω των βημάτων της σύνδεσής της με την πηγή, του εκ νέου υπολογισμού της και της δοκιμής της με σκεπτικισμό του ελεγκτή.
- Ανωνυμοποίηση δεδομένων ελέγχου στο πλαίσιο των αρχών εμπιστευτικότητας και ανεξαρτησίας και απόκτηση της συνήθειας επιλογής ασφαλών οχημάτων
Η ημέρα του ελεγκτή περνάει μεταξύ της «συσσώρευσης αποδεικτικών στοιχείων» και της «κρίσεως» πολύ περισσότερο από ό,τι αντιλαμβάνονται οι περισσότεροι. Σαρώνετε χιλιάδες εγγραφές ημερολογίου, τεκμηριώνετε το υπόλοιπο ενός λογαριασμού, αμφισβητείτε το εύλογο μιας εκτίμησης, ρωτάτε "Είναι πράγματι έτσι;" αντί να αποδεχτεί μια δήλωση από τον πελάτη στην ονομαστική αξία. σκάβεις. Ορισμένες από αυτές τις εργασίες είναι επαναλαμβανόμενες και χρονοβόρες: οργάνωση δεδομένων, αναζήτηση τυπικών ρητρών, σύνταξη εγγράφων εργασίας, λίστα αποκλίσεων συμφωνίας. Άλλες είναι κρίσεις που καθορίζουν άμεσα την ελεγκτική σας γνώμη —δηλαδή τη δημόσια εκφρασμένη γνώμη σας σχετικά με το εάν οι οικονομικές καταστάσεις είναι «αληθινές και δίκαιες από κάθε ουσιώδη άποψη»— η οποία πρέπει να έχει πολύ χαμηλό περιθώριο σφάλματος.
Η τεχνητή νοημοσύνη (τεχνητή νοημοσύνη για συντομία ή τεχνητή νοημοσύνη εν συντομία – συστήματα υπολογιστών που μπορούν να παράγουν κείμενο όπως οι άνθρωποι, να αναγνωρίζουν μοτίβα, να βρίσκουν σχέσεις σε μεγάλα σύνολα δεδομένων και να κάνουν υπολογισμούς) βρίσκεται ακριβώς στη μέση αυτής της εικόνας. Όταν χρησιμοποιείται σωστά, μειώνει τη σύνοψη τριών ωρών αναλυτικής επισκόπησης σε σαράντα λεπτά. σαρώνει εκατοντάδες χιλιάδες εγγραφές σε δευτερόλεπτα. Σας καθοδηγεί να βρείτε ένα τυπικό αντικείμενο. Όταν χρησιμοποιείται λανθασμένα, μπορεί να περιλαμβάνει στο έγγραφο εργασίας σας —και εν τέλει στη γνώμη ελέγχου— έναν φαινομενικά ασφαλή και άπταιστα αλλά εντελώς κατασκευασμένο αριθμό, μια ανύπαρκτη τυπική ρήτρα ή ένα αβάσιμο αποτέλεσμα.
Η πρώτη ενότητα αυτής της ενότητας δεν είναι μια εισαγωγή λογισμικού. Σκοπός του είναι να διευκρινίσει πού να τοποθετηθεί η τεχνητή νοημοσύνη στον τομέα του ελέγχου και πού να μην τοποθετηθεί καθόλου. Επειδή ο λογιστικός έλεγχος είναι ένα επάγγελμα κρίσιμο για τη συμμόρφωση που βασίζεται στην εμπιστοσύνη του κοινού και του οποίου τα αποτελέσματα επηρεάζουν τους επενδυτές, τους πιστωτές, τη φορολογική διοίκηση και την κοινωνία. Ας διατυπώσουμε τη βασική αρχή από την αρχή: Η τεχνητή νοημοσύνη είναι βοηθός, όχι ελεγκτής. Η ευθύνη και η τελική έγκριση όλων των αποφάσεων σχετικά με τη γνώμη του ελέγχου, την ουσιώδη ανακρίβεια κρίση και την τελική γνώμη ανήκει στον αρμόδιο και ανεξάρτητο ελεγκτή.
Βρόχος ελέγχου και θέση AI
Για να κατανοήσουμε έναν ανεξάρτητο έλεγχο, είναι χρήσιμο να σκεφτούμε την εργασία ως έναν κύκλο. Κατά τη φάση του σχεδιασμού και της αξιολόγησης κινδύνου, θα γνωρίσετε την επιχείρηση και θα προσδιορίσετε πού υπάρχει μεγάλη πιθανότητα να πάει στραβά. Κατά τη φάση συλλογής και δοκιμής αποδεικτικών στοιχείων, συνδέετε τα υπόλοιπα λογαριασμών, τις κατηγορίες συναλλαγών και τις γνωστοποιήσεις με έγγραφα, επιβεβαιώσεις και αναλύσεις. Στη φάση της αξιολόγησης, σταθμίζετε τα ευρήματα ως προς τη σημασία και καταλήγετε σε ένα συμπέρασμα. Κατά τη φάση της αναφοράς, υποβάλλετε γραπτώς τη γνώμη και τα ευρήματά σας. Καθ' όλη τη διάρκεια του κύκλου, η τεκμηρίωση (έγγραφα εργασίας) δημιουργεί ανιχνεύσιμα στοιχεία της δουλειάς σας.
Η τεχνητή νοημοσύνη μπορεί να αγγίξει κάθε στάδιο αυτού του κύκλου, αλλά με διαφορετική εξουσία σε κάθε στάδιο. Δημιουργεί ιδέα κινδύνου και σενάριο ουσιαστικότητας στον προγραμματισμό. προετοιμάζει τα δεδομένα στο τεστ, τα σαρώνει και επισημαίνει ανωμαλίες. γράφει προσχέδια σχολίων στην αξιολόγηση· Επιταχύνει τα ευρήματα και τη γλώσσα αναφοράς στις αναφορές. Ωστόσο, δεν παίρνει απόφαση σε κανένα στάδιο. Η απόφαση απαιτεί επαγγελματική κρίση και σκεπτικισμό. Αυτά δεν μεταβιβάζονται.
Ας ορίσουμε μερικούς βασικούς όρους από την αρχή. Τα ελεγκτικά τεκμήρια είναι οι πληροφορίες (έγγραφο, επιβεβαίωση, επανυπολογισμός, ανάλυση) στις οποίες ο ελεγκτής στηρίζει τη γνώμη του. Η ουσιαστικότητα είναι το όριο για το εάν ένα σφάλμα είναι αρκετά μεγάλο ώστε να επηρεάσει την απόφαση των χρηστών των οικονομικών καταστάσεων. Τα BDS είναι τα Ανεξάρτητα Ελεγκτικά Πρότυπα που ισχύουν στην Τουρκία. Συμμορφώνεται με τα διεθνή ελεγκτικά πρότυπα (ISA) και δημοσιεύεται από την POA (Αρχή Δημόσιας Εποπτείας, Λογιστικής και Ελεγκτικής Αρχής). Ένα έγγραφο εργασίας είναι ένα έγγραφο στο οποίο καταγράφονται η εργασία που έχει γίνει και τα αποτελέσματα που προκύπτουν. Θα εξηγήσουμε αυτές τις έννοιες μία προς μία στις ακόλουθες ενότητες. Προς το παρόν, να ξέρετε το εξής: Σε όλες αυτές τις έννοιες, η τεχνητή νοημοσύνη σας δίνει περίγραμμα και ανάλυση, αλλά όχι κρίση.
Ο παρακάτω πίνακας συνοψίζει τον ρόλο και το επίπεδο κινδύνου της τεχνητής νοημοσύνης ανά αποστολή:
Αναζήτηση
Ο ρόλος της AI
Επίπεδο κινδύνου
Ποιος εγκρίνει/αποφασίζει
Καθαρισμός δεδομένων, μορφοποίηση
εργάτης, επιταχυντής
χαμηλά
Μέλος της ομάδας ελέγχου
Έγγραφο εργασίας/πρόχειρο περίληψης
γεννήτρια σκίτσων
Χαμηλό-Μεσαίο
ανώτερος ελεγκτής
Τυπικό/Εύρεση αντικειμένου
ανιχνευτής κατεύθυνσης
μεσαίο
Ελεγκτής (επιβεβαίωση με επίσημο κείμενο)
Ερμηνεία αναλυτικής διαδικασίας
γεννήτρια υποθέσεων
μεσαίο
Ελεγκτής
Σάρωση περιοδικών / ανωμαλιών
στατιστικός δείκτης
Μεσαίου-Υψηλού
Ελεγκτής (εξετάζει κάθε εξαίρεση)
Κρίση ουσιαστικότητας/κινδύνου
βοηθητική είσοδος
ψηλά
Επαγγελματική κρίση του ελεγκτή
Ελεγκτική γνώμη / συμπέρασμα
Δεν είναι καν εισαγωγή, είναι πρόχειρη γλώσσα
πολύ ψηλά
Υπεύθυνος ελεγκτής (υπογραφή)
Λάβετε υπόψη σας αυτή τη μία γραμμή: καθώς αυξάνεται ο κίνδυνος, ο ρόλος του AI γίνεται μικρότερος και η κρίση του ελεγκτή μεγαλώνει.
Γιατί η "επαλήθευση" είναι η καρδιά αυτής της επιχείρησης
Τα μοντέλα γλώσσας τεχνητής νοημοσύνης φαίνονται σίγουροι για την απάντησή τους, αλλά μπορεί να μην είναι σίγουροι. Αυτό ονομάζεται ψευδαίσθηση στην τεχνική ορολογία: είναι όταν το μοντέλο κατασκευάζει πληροφορίες που δεν υπάρχουν στην πραγματικότητα - έναν αριθμό, ένα τυπικό στοιχείο, μια ημερομηνία - σε μια πρόταση που ρέει σαν να είναι αληθινή. Για έναν ελεγκτή, αυτή είναι μια θανατηφόρα παγίδα. Το μοντέλο μπορεί να παράγει έναν αριθμό για εσάς όπως "το περσινό μικτό περιθώριο ήταν 34 τοις εκατό". Ωστόσο, δεν έχει δει ποτέ τα δεδομένα σας και αυτός ο αριθμός είναι εντελώς κατασκευασμένος. Ή μπορεί να λέει "Το άρθρο 22 του TMS 36 άλλαξε το 2021". Ωστόσο, ενδέχεται να μην υπάρχει τέτοια ρήτρα ή αλλαγή. Εφόσον τα λέει και τα δύο με την ίδια ευχέρεια και την ίδια σιγουριά, το μόνο που ξεχωρίζει το σωστό από το λάθος είναι οι γνώσεις σου και η συνήθεια να επαληθεύεις.
Η πειθαρχία επαλήθευσης αποτελείται από τρία βήματα στον έλεγχο:
- Σύνδεσμος προς την πηγή: Για αριθμούς, δείκτες, υπόλοιπα και τυπικά στοιχεία, βασιστείτε στα δικά σας ελεγκτικά τεκμήρια (δοκιμαστικό υπόλοιπο, θυγατρικό καθολικό, τραπεζική επιβεβαίωση, σύμβαση) και επίσημες πηγές (κείμενα BDS και TFRS που δημοσιεύθηκαν από το KGK, σχετικές ανακοινώσεις), όχι στη μνήμη του AI. Χρησιμοποιήστε AI για να σχολιάσετε αυτά τα δεδομένα, όχι για να τα θυμάστε.
- Επανυπολογίστε/συγκρίνετε: Ελέγξτε ανεξάρτητα κάθε αριθμητικό αποτέλεσμα, ρυθμό και τάση που επιστρέφει το AI. Επαληθεύστε μόνοι σας ένα ποσοστό, ένα σύνολο, μια διαφορά υπολοίπου.
- Ελέγξτε τον σκεπτικισμό του ελεγκτή: Ερώτηση με σκεπτικισμό εάν το αποτέλεσμα έρχεται σε σύγκρουση με στοιχεία, κανονισμούς και κοινή λογική. «Αν αυτό είναι αλήθεια, τι άλλο πρέπει να ισχύει;» και "Αν αυτό είναι ψευδές, ποια στοιχεία θα το έδειχναν;" παρακαλώ.
Προσοχή: Η τοποθέτηση ενός χαρτιού εργασίας που έχει παραχθεί από μια τεχνητή νοημοσύνη σε ένα αρχείο χωρίς να επαληθευτεί ένα εύρημα ή ένας αριθμός είναι σαν να θεωρούμε ένα ανυπόγραφο έγγραφο εργασίας ως αποδεικτικό στοιχείο. Ακριβώς επειδή η έξοδος είναι ρευστή δεν είναι αλήθεια. Είναι αλήθεια μόνο αν αποδείξεις ότι είναι αλήθεια.
Ανεξαρτησία και εχεμύθεια: δύο απαράβατες αρχές ελέγχου
Η νομιμότητα του ελέγχου βασίζεται σε δύο βασικές αρχές. Πρώτον, ανεξαρτησία: ο ελεγκτής πρέπει να είναι ανεξάρτητος, τόσο στην πραγματικότητα όσο και στην εμφάνιση, από την οντότητα που ελέγχει. Θα πρέπει να μείνει μακριά από σχέσεις ενδιαφέροντος που θα διαστρέβλωναν τη γνώμη του/της. Δεύτερον, εμπιστευτικότητα: οι πληροφορίες που αποκτήθηκαν κατά τον έλεγχο δεν μπορούν να κοινοποιηθούν σε μη εξουσιοδοτημένα άτομα ή να χρησιμοποιηθούν για προσωπικό όφελος.
Η χρήση της τεχνητής νοημοσύνης αφορά άμεσα και τις δύο αυτές αρχές. Η επικόλληση του τρέχοντος λογαριασμού της ελεγχόμενης εταιρείας με ονόματα πελατών, αριθμούς φορολογικού μητρώου, τραπεζικά στοιχεία και ποσά σε ένα δημόσιο εργαλείο τεχνητής νοημοσύνης σημαίνει ότι αυτά τα δεδομένα πηγαίνουν σε έναν εξωτερικό διακομιστή. Αυτό παραβιάζει τόσο την αρχή της εμπιστευτικότητας στην επαγγελματική δεοντολογία όσο και, εάν εμπλέκονται προσωπικά δεδομένα, τον KVKK (Νόμος για την Προστασία Δεδομένων Προσωπικού Χαρακτήρα). Ο κανόνας είναι απλός: ανωνυμοποιήστε δεδομένα και μην μοιράζεστε περιττά. Αντί για «ABC Tekstil A.Ş., ΑΦΜ 1234567890, υπόλοιπο 4.850.000 TL», γράψτε «μια μεσαίου μεγέθους μεταποιητική εταιρεία, ένα υπόλοιπο απαίτησης μεγέθους Χ». Εάν είναι δυνατόν, επιλέξτε εταιρικά εργαλεία που έχουν συμφωνία επεξεργασίας δεδομένων, μην χρησιμοποιείτε τα δεδομένα σας στην εκπαίδευση μοντέλων και κρατήστε μια διαδρομή ελέγχου.
Υπάρχει μια επιπλέον λεπτότητα στην ανεξαρτησία: η τυφλή εμπιστοσύνη ενός εργαλείου AI που είναι ενσωματωμένο στο σύστημα της ελεγχόμενης εταιρείας, του οποίου το αποτέλεσμα δεν μπορείτε να ελέγξετε ανεξάρτητα, μπορεί να υπονομεύσει την ανεξαρτησία σας. Το AI είναι ένα εργαλείο. Ποιος το κατασκεύασε, πού πηγαίνουν τα δεδομένα σας και αν μπορείτε να επαληθεύσετε την απόδοσή του αποτελούν μέρος της ανεξαρτησίας σας.
τρεις μίνι θήκες
Περίπτωση 1 — Ασφαλής χρήση. Ένας ανώτερος ελεγκτής αφιερώνει συνήθως 3 ώρες γράφοντας με το χέρι μια περίληψη αναλυτικής επισκόπησης 22 σημείων. Έδωσε τους αριθμούς που πήρε από το δοκιμαστικό υπόλοιπο ανώνυμα (χωρίς όνομα εταιρείας, μόνο λογαριασμό και ποσό) στην YZ και ζήτησε ένα προσχέδιο σχολίου. Το AI δημιούργησε ένα σκίτσο σε 12 λεπτά. Ο ελεγκτής συνέκρινε κάθε αναλογία με το φύλλο εργασίας του, διόρθωσε δύο λανθασμένα ποσοστά και απέδειξε δύο εξηγήσεις για αποκλίσεις. Διάρκεια: 45 λεπτά αντί για 3 ώρες. Η AI έδωσε το σχέδιο, η ευθύνη και η γνώμη παρέμειναν στον ελεγκτή.
Περίπτωση 2 — Μη επαληθευμένη παγίδα αριθμών. Ένας ασκούμενος ελεγκτής ρώτησε την τεχνητή νοημοσύνη: "Ποιος είναι ο μέσος ρυθμός κύκλου εργασιών των αποθεμάτων σε αυτόν τον κλάδο;" Το AI έδωσε έναν σίγουρο αριθμό "περίπου 6,4" παρόλο που δεν είχε πρόσβαση σε δεδομένα του κλάδου. Ο ασκούμενος έγραψε αυτό στο φύλλο εργασίας ως τιμή προσδοκίας, κάνοντας το ποσοστό 4,1 του πελάτη να φαίνεται "λογικό". Όταν ρώτησε ο ελεγκτής, αποδείχθηκε ότι η πηγή ήταν εφεύρεση της τεχνητής νοημοσύνης. Η αναλυτική διαδικασία επαναλήφθηκε. Λάθος: Ζητώντας από το AI δεδομένα συγκριτικής αξιολόγησης που δεν έχει.
Περίπτωση 3 — Παραβίαση του απορρήτου. Ένα μέλος της ομάδας ανέβασε την πλήρη λίστα των πελατών στους οποίους θα έστελνε επιστολές επιβεβαίωσης —τίτλος, διεύθυνση, ποσό, όνομα επαφής— σε ένα δημόσιο εργαλείο AI και «συνέταξε την επιστολή επιβεβαίωσης», είπε. Τα δεδομένα βγήκαν εκτός του οργανισμού. Ξεκίνησε έλεγχος εμπιστευτικότητας στη μονάδα ποιότητας της εταιρείας ελέγχου. Ο σωστός τρόπος: ήταν να αφαιρέσετε τα πραγματικά δεδομένα και απλώς να ζητήσετε ένα πρότυπο με σύμβολα κράτησης θέσης όπως "[ΟΝΟΜΑ ΠΕΛΑΤΗ]", "[AMOUNT]".
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμη προτροπή:
Ερμηνεύστε τις οικονομικές καταστάσεις αυτής της εταιρείας και πείτε μου εάν υπάρχει κίνδυνος.
Αυτός ο ισχυρισμός είναι εσφαλμένος: το AI δεν έχει δεδομένα, πλαίσιο ή ρόλο. Εφόσον η τεχνητή νοημοσύνη δεν έχει δεδομένα, είτε κάνει γενικές δηλώσεις είτε παράγει «ερμηνείες» με φτιαγμένους αριθμούς. Ούτε η περίοδος, ούτε ο απολογισμός, ούτε ο σκοπός του ελέγχου είναι ξεκάθαροι.
Ισχυρή προτροπή:
Ο ρόλος σας: είστε βοηθός ανάλυσης που βοηθά έναν ανεξάρτητο ελεγκτή. Η δικαιοδοσία ελέγχου ανήκει σε εμένα. θα δημιουργήσετε προσχέδια και λογαριασμούς.Πλαίσιο: Παρακάτω είναι μια ανώνυμη περίληψη του υπολοίπου της δοκιμής (χωρίς όνομα εταιρείας). Στόχος μου είναι να δω τις σημαντικές αλλαγές (οριζόντια ανάλυση) μεταξύ του τρέχοντος έτους και του προηγούμενου έτους και να προσδιορίσω τις αποκλίσεις που πρέπει να εξεταστούν. Δεδομένα:[όνομα λογαριασμού; ποσό του προηγούμενου έτους· γραμμές ποσού τρέχοντος έτους]Εργασία:1) Υπολογίστε το ποσό και την ποσοστιαία αλλαγή για κάθε λογαριασμό. Δείξτε το βήμα υπολογισμού για να το επαληθεύσω. 2) Επισημάνετε στοιχεία που υπερβαίνουν το 20% ή αλλάζουν πρόσημο (όπως κέρδος->ζημία) ως "προς εξέταση".3) Προτείνετε 2-3 πιθανές εξηγήσεις ΥΠΟΘΕΣΗ για κάθε επισημασμένο είδος. Σημειώστε ότι αυτά πρέπει να επαληθευτούν με αποδεικτικά στοιχεία.4) Μην κάνετε κανέναν αριθμό για τον οποίο δεν είστε σίγουροι ή δεν μπορείτε να συναγάγετε από τα δεδομένα. Γράψτε "δεν είναι δυνατή η εξαγωγή από δεδομένα". Δώστε την έξοδο ως πίνακα.
Αυτός ο ισχυρισμός είναι ισχυρός επειδή καθορίζει σαφώς τον ρόλο, τα όρια (στον δικαστικό ελεγκτή), τα δεδομένα, τα βήματα, την επαληθευσιμότητα και την «απαγόρευση κατασκευής».
Συνήθη λάθη
- Παρεξήγηση AI με πόρο. Βασιζόμενοι στη μνήμη του AI για τον αριθμό, την αναλογία, το τυπικό στοιχείο και την ημερομηνία. Το AI είναι ένας ανιχνευτής κατεύθυνσης. στοιχεία ελέγχου πηγής και επίσημο κείμενο.
- Γράψιμο προτροπών χωρίς πλαίσιο. Λέγοντας «ερμηνεύστε» χωρίς να δίνετε ρόλο, δεδομένα και σκοπό. Το αποτέλεσμα θα είναι ψεύτικο.
- Επικόλληση εμπιστευτικών δεδομένων ως έχουν. Κοινή χρήση μεταγραφών που περιέχουν όνομα πελάτη, ΑΦΜ, προσωπικά δεδομένα χωρίς ανωνυμοποίηση. απορρήτου και παραβίαση KVKK.
- Τοποθέτηση της εξόδου σε αρχείο χωρίς επικύρωση. Θεωρώντας ότι το ρέον κείμενο είναι σωστό και μεταφέρετέ το στο φύλλο εργασίας.
- Ανάθεση κρίσης. Καταλήγοντας σε συμπέρασμα με το σκεπτικό ότι «το είπε η AI»· Η ελεγκτική γνώμη δεν μεταβιβάζεται.
Συμβουλή: Πηγαίνετε σε κάθε συνεδρία τεχνητής νοημοσύνης με το μυαλό ενός ελεγκτή: "Πού θα μπορούσε να είναι λάθος αυτό το αποτέλεσμα;" Αυτή η ερώτηση είναι το αντίδοτο στην προκατάληψη του αυτοματισμού και θα το επαναλάβουμε σε όλη την ενότητα.
Συνοπτικά
Η τεχνητή νοημοσύνη είναι ένας ισχυρός βοηθός στον έλεγχο: προετοιμάζει δεδομένα, σαρώνει, σχεδιάζει, υπολογίζει και μειώνει τις ώρες σε λεπτά. Όμως η ελεγκτική γνώμη, η κρίση για ουσιώδη ανακρίβεια και το συμπέρασμα ανήκουν στον ανεξάρτητο και αρμόδιο ελεγκτή. Εκτός εάν επαληθευτεί η έξοδος του AI, είναι τόσο έγκυρη όσο ένα ανυπόγραφο έγγραφο εργασίας. Τρεις απαράβατες αρχές: πηγή και επανυπολογισμός (έλεγχος ταυτότητας), δοκιμή με σκεπτικισμό του ελεγκτή, ανωνυμοποίηση δεδομένων και επιλογή ασφαλών μέσων (εμπιστευτικότητα και ανεξαρτησία). Καθώς ο κίνδυνος αυξάνεται, ο ρόλος του AI γίνεται μικρότερος και η κρίση σας μεγαλώνει.
Εργασία εφαρμογής
Επιλέξτε τρεις επαναλαμβανόμενες εργασίες από τη δική σας πρακτική ελέγχου (ή έναν υποθετικό έλεγχο): για παράδειγμα, (1) εξαγωγή μιας σύνοψης οριζόντιας ανάλυσης από το δοκιμαστικό υπόλοιπο, (2) εντοπισμός μιας ρήτρας προτύπων, (3) σύνταξη ενός εγγράφου εργασίας. Γράψτε μια προτροπή για καθεμία χρησιμοποιώντας το μοτίβο "ισχυρή προτροπή" παραπάνω. Προσθέστε το ρόλο, τα ανώνυμα δεδομένα, τα βήματα και την "απαγόρευση κατασκευής". Στη συνέχεια, εκτελέστε την έξοδο μέσω τριών βημάτων επαλήθευσης (πηγή, επανυπολογισμός, δοκιμή με σκεπτικισμό) και σημειώστε ποια σφάλματα εντοπίσατε.
λίστα ελέγχου
- [ ] Ανωνυμοποίησα τα δεδομένα που έδωσα στο AI. Δεν κοινοποίησα όνομα πελάτη, ΑΦΜ, προσωπικά δεδομένα.
- [ ] Πρόσθεσα ρόλο, πλαίσιο, σκοπό και "καμία κατασκευή" στην προτροπή.
- [ ] Υπολόγισα ξανά κάθε αριθμό και αναλογία στην έξοδο με ανεξάρτητη πηγή.
- [ ] Έχω επιβεβαιώσει τις αναφορές προτύπων/ουσιών από το επίσημο κείμενο.
- [ ] Μετατρέψτε την έξοδο σε "πού θα μπορούσε να πάει στραβά;" Το δοκίμασα με σκεπτικισμό με την ερώτηση:
- [ ] Έκανα την τελική κρίση και γνώμη μόνος μου. Δεν ανέφερα το AI ως λόγο.
- [ ] Αξιολόγησα την καταλληλότητα του εργαλείου που χρησιμοποίησα όσον αφορά την εμπιστευτικότητα και την ανεξαρτησία των δεδομένων.