Κέρδη:
- Κατανοήστε γιατί οι δοκιμές καταχώρισης ημερολογίου είναι υποχρεωτικές σύμφωνα με το BDS 240 και πώς η τεχνητή νοημοσύνη μπορεί να σαρώσει ύποπτα κριτήρια εισόδου
- Δυνατότητα επισήμανσης και ιεράρχησης ακραίων τιμών, ασυνήθιστου χρονισμού και ασυνήθιστων μοτίβων ποσών με υποστήριξη τεχνητής νοημοσύνης
- Το να μπορούμε να υποστηρίζουμε ότι κάθε ανωμαλία που επισημαίνεται από την τεχνητή νοημοσύνη δεν είναι εύρημα, αλλά ένα ερωτηματικό που θα διερευνήσει ο ελεγκτής και η εξάλειψη των ψευδών θετικών είναι ανθρώπινη ευθύνη.
Οι οικονομικές καταστάσεις μιας επιχείρησης είναι βασικά το άθροισμα εκατομμυρίων ημερολογιακών εγγραφών (στη λογιστική, κάθε οικονομική συναλλαγή καταγράφεται ως χρέωση και πίστωση). Τόσο το λάθος όσο και η απάτη ζουν τελικά σε μια καταχώριση ημερολογίου: ένα ποσό γραμμένο σε λάθος λογαριασμό, ένα επίδομα που «ξεχάται» και αντιστρέφεται στο τέλος της περιόδου, μια ασυνήθιστη καταχώριση που εισάγεται χειροκίνητα στη μέση της νύχτας. Επομένως, το BDS 240 (το πρότυπο που ρυθμίζει τις ευθύνες του ελεγκτή σχετικά με την απάτη κατά τον έλεγχο των οικονομικών καταστάσεων) απαιτεί σαφώς από τον ελεγκτή να διενεργεί έλεγχο εγγραφής στο ημερολόγιο. Σκοπός του είναι να αποκαλύψει πιθανούς χειρισμούς από τη διοίκηση μέσω της παράκαμψης της διοίκησης.
Σε αυτή την ενότητα, θα καλύψουμε πώς να μετατρέψετε την τεχνητή νοημοσύνη σε μηχανή ανίχνευσης ανωμαλιών και σφαλμάτων, αλλά γιατί κάθε σημειωμένη εγγραφή είναι ένα "ερωτηματικό" και όχι ένα "εύρημα". Οι δύο πρώτες έννοιες. Μια ανωμαλία είναι μια ασυνήθιστη εγγραφή σε ένα σύνολο δεδομένων που αποκλίνει από το αναμενόμενο πρότυπο. Μια ακραία τιμή είναι μια παρατήρηση που είναι αριθμητικά σημαντικά διαφορετική από τις άλλες (όπως μια πολύ μεγάλη ποσότητα, μια πολύ υψηλή συχνότητα). Η ανωμαλία δεν είναι πάντα σφάλμα. αλλά εκεί πρέπει να κοιτάξει ο ελεγκτής.
Κριτήρια ύποπτης ανάρτησης στο τεστ εισαγωγής ημερολογίου
Το BDS 240 αναφέρει ότι οι εγγραφές με ορισμένα χαρακτηριστικά είναι πιο εμφανείς ως προς τον κίνδυνο απάτης. Το AI μπορεί να σαρώσει εκατοντάδες χιλιάδες εγγραφές με βάση αυτά τα κριτήρια σε δευτερόλεπτα. Τυπικά κριτήρια "κόκκινης σημαίας":
- Ασυνήθιστος χρόνος: Χειροκίνητα αρχεία που καταχωρούνται μετά τις εργάσιμες ώρες, ένα Σαββατοκύριακο, σε αργία ή την τελευταία ημέρα της λήξης της θητείας.
- Ασυνήθιστος χρήστης: Εγγραφές που εισάγονται από έναν χρήστη που συνήθως δεν εισάγει λογιστικά αρχεία (για παράδειγμα, ένας διαχειριστής).
- Ασυνήθιστοι συνδυασμοί λογαριασμών: Δημοσιεύσεις μεταξύ λογαριασμών που δεν περιμένουν ο ένας τον άλλον (π.χ. λογαριασμός εσόδων και ασυνήθιστος λογαριασμός χωρίς μετρητά).
- Στρογγυλά ποσά: «καθαρά» μεγάλα ποσά όπως 100.000, 500.000. Είναι τυπικό ίχνος χειροκίνητου χειρισμού.
- Εγγραφές με κενές ή διφορούμενες περιγραφές: κενές περιγραφές όπως "διόρθωση", "διάφορες", "προσωρινές".
- Αντεστραμμένα αρχεία: Εγγραφές που καταχωρήθηκαν στην αρχή της περιόδου και ακυρώθηκαν (στόρνο) μετά από σύντομο χρονικό διάστημα.
- Διπλότυπα δευτερεύοντος ορίου: Μεγάλος αριθμός εγγραφών συγκεντρώνεται ακριβώς κάτω από το όριο έγκρισης (π.χ. 50.000 $).
Συμβουλή: Σκεφτείτε αυτά τα κριτήρια μαζί, όχι μεμονωμένα. Το "στρογγυλό ποσό" από μόνο του μπορεί να είναι αθώο. αλλά "Σαββατοκύριακο, από διαχειριστή, περιγραφή κενή, στρογγυλή συνεπής, μη αυτόματη δημοσίευση στο τέλος της περιόδου" είναι μια έντονη κόκκινη σημαία. Ο συνδυασμός κριτηρίων τεχνητής νοημοσύνης για τη δημιουργία «βαθμολογίου κινδύνου» σάς βοηθά να βάλετε προτεραιότητες.
Η ψευδής θετική αλήθεια: γιατί όχι κάθε ζώδιο είναι εύρημα
Η φύση της σάρωσης ανωμαλιών είναι ψευδώς θετικά: εγγραφές που επισημαίνονται από τον κανόνα και είναι πραγματικά νόμιμες. Για παράδειγμα, μια εταιρεία εισάγει αυτόματα ένα δεδουλευμένο ενοίκιο την τελευταία εργάσιμη ημέρα κάθε μήνα. Αυτό έχει κολλήσει με το κριτήριο «στρογγυλό ποσό + τέλος περιόδου», αλλά είναι απολύτως φυσιολογικό. Η δουλειά του ελεγκτή είναι να εξάγει τον πραγματικό κίνδυνο από τον επισημασμένο σωρό. Αυτή η ταξινόμηση δεν είναι μεταβιβάσιμη. επειδή η διάκριση του νόμιμου από το ύποπτο απαιτεί τη γνώση της επιχείρησης και του πλαισίου — κάτι που η τεχνητή νοημοσύνη δεν έχει.
Επομένως, να διαβάζετε πάντα το αποτέλεσμα ως εξής: "Το AI σημάδεψε 420 εγγραφές για μένα. Τα περισσότερα από αυτά είναι πιθανώς ψευδώς θετικά. Η δουλειά μου είναι να βρω από αυτά τα 420 αυτά που πραγματικά πρέπει να διερευνηθούν, τα μοτίβα και τα μεμονωμένα ύποπτα." Αυτή η προβολή σας προστατεύει τόσο από την προκατάληψη του αυτοματισμού (λαμβάνοντας κάθε σημάδι για σφάλμα) όσο και από την τεμπελιά (να μην κοιτάτε κανένα από αυτά).
Ανίχνευση ανωμαλιών βήμα προς βήμα
- Προετοιμάστε δεδομένα και επαληθεύστε την πληρότητα. (Βήματα συμφωνίας στην προηγούμενη ενότητα.)
- Καθορίστε τα κριτήρια με σαφήνεια. Ποια μοτίβα χρονισμού, ποσού, χρήστη και περιγραφής θα επισημανθούν;
- Σάρωση και βαθμολογία με AI. Σημειώστε κάθε εγγραφή σύμφωνα με κριτήρια. Δώστε μεγαλύτερη προτεραιότητα σε αυτά που πληρούν πολλαπλά κριτήρια.
- Εξαλείψτε τα ψευδώς θετικά. Φιλτράρετε ή επισημάνετε γνωστά νόμιμα μοτίβα (όπως αυτόματα δεδουλευμένα).
- Εξετάστε τις υπόλοιπες εγγραφές. Συνδέστε το καθένα με το δικαιολογητικό έγγραφο, την έγκριση και την επιχειρηματική λογική.
- Τεκμηριώστε το συμπέρασμα και το σκεπτικό. Γράψτε τι βρήκατε ύποπτο και γιατί, και τι εξαλείψατε και γιατί.
τρεις μίνι θήκες
Περίπτωση 1 — Πραγματικό εύρημα. Ένας ελεγκτής σάρωσε 240.000 ημερολογιακές εγγραφές με AI. Συνδύαζε τα κριτήρια «τελευταίες 3 ημέρες της περιόδου + εγχειρίδιο + περιγραφή «διόρθωση» + 100.000 φορές το ποσό». 14 δίσκοι έλαβαν υψηλή βαθμολογία. Στην επανεξέταση, 11 ήταν νόμιμες προσαρμογές στο τέλος του έτους. Ωστόσο, 3 εγγραφές μπήκαν με τρόπο που θα διόγκωναν τον λογαριασμό εισοδήματος και θα αντιστρέφονταν την επόμενη περίοδο και δεν υπήρχαν δικαιολογητικά. Αυτό ήταν ένα μοτίβο διαχείρισης που παρακάμπτει τους ελέγχους και ήταν ένα σημαντικό εύρημα. Το AI έκανε 14 ερωτήσεις. Ο σκεπτικισμός του ελεγκτή βρήκε τις 3 πραγματικές απαντήσεις.
Περίπτωση 2 — Εσφαλμένη θετική παγίδα. Ένα μέλος της ομάδας έγραψε τις 380 «στρογγυλές συνεπείς» εγγραφές που η τεχνητή νοημοσύνη είχε επισημάνει απευθείας στο φύλλο εργασίας κάτω από την επικεφαλίδα «ύποπτες συναλλαγές». Όταν ο αξιωματικός κοίταξε, είδε ότι οι περισσότεροι από αυτούς είχαν σταθερό ενοίκιο, πάγια αμοιβή συμβούλων και αυτόματα αρχεία απόσβεσης. ήταν όλα νόμιμα. Το φύλλο εργασίας είχε γίνει μια «λίστα ψευδών ευρημάτων» που οδήγησε τον έλεγχο σε λάθος κατεύθυνση. Μάθημα: δεν είναι κάθε εγγραφή με σημαία εύρημα. Ο ελεγκτής κάνει την επιλογή.
Περίπτωση 3 — Πολύ στενός καθορισμός των κριτηρίων. Ένας ελεγκτής χρησιμοποίησε μόνο το κριτήριο "αρχείο Σαββατοκύριακου" και δεν βρήκε ύποπτα αρχεία. Ανακουφίστηκε. Ωστόσο, στην επιχείρηση, εγγραφές χειραγώγησης καταχωρήθηκαν κατά τις εργάσιμες ώρες της εβδομάδας, αλλά με ασυνήθιστους συνδυασμούς λογαριασμών. Η στήριξη σε ένα μόνο, στενό κριτήριο τον εμπόδισε να δει τον πραγματικό κίνδυνο. Όταν ο ελεγκτής διεύρυνε τα κριτήρια, εμφανίστηκε το μοτίβο. Μάθημα: το μεμονωμένο κριτήριο δεν παρέχει βεβαιότητα. Δείτε το πολυδιάστατα.
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμη προτροπή:
Βρείτε δόλιες εγγραφές σε αυτές τις εγγραφές ημερολογίου.
Πρόβλημα: Η τεχνητή νοημοσύνη δεν μπορεί να «ανιχνεύσει» την εξαπάτηση. Η απάτη είναι νομική/επαγγελματική συνέπεια, όχι μοτίβο δεδομένων. Επίσης το «δόλιο» είναι απροσδιόριστο. Αυτή η προτροπή παράγει είτε μια φτιαγμένη "λίστα εξαπατήσεων" ή σημαίες χωρίς νόημα.
Ισχυρή προτροπή:
Ο ρόλος σας: είστε βοηθός ανάλυσης καταχώρισης περιοδικού ανεξάρτητου ελεγκτή. ΣΗΜΑΙΝΕΤΕ την εγγραφή σύμφωνα με τα κριτήρια. Η απόφαση εξαπάτησης/λάθους ανήκει σε εμένα. Πλαίσιο: Ανώνυμα δεδομένα ημερολογίου (στήλες: αριθμός_εγγραφής, ημερομηνία, ώρα, ρόλος_χρήστη, χρεωστικός_λογαριασμός, πιστωτικός_λογαριασμός, ποσό, τύπος_εγγραφής[εγχειρίδιο/αυτόματο], περιγραφή). Λήξη θητείας: 31/12. Ώρες εργασίας: 09:00-18:00, Δευτ.-Παρασκευή. Εργασία:1) Δώστε "βαθμολογία προσοχής" σε κάθε εγγραφή σύμφωνα με τα ακόλουθα κριτήρια (ανάλογα με το πόσα κριτήρια επισυνάπτονται): α) record_type=manual β) ημερομηνία μεταξύ 29-31 Δεκεμβρίου Ή Σαββατοκύριακο/αργίες γ) ώρα εκτός υπηρεσίας d) Περιγραφή 00 L {correction, miscellaneous, temporary} in2) Δώστε ως λίστα προτεραιότητας όσους έχουν βαθμολογία 3 και άνω.3) Γράψτε κάθε κριτήριο που εφαρμόζετε σε απλό κείμενο (auditability).4) Ξεκαθαρίστε ότι πρόκειται για "εξαιρέσεις προς εξέταση" και δεν είναι ΑΠΟΤΕΛΕΣΜΑ απάτης/λάθους. Προσθήκη πλαστού δίσκου.
Αυτή η προτροπή είναι ισχυρή επειδή καθορίζει με σαφήνεια τα κριτήρια, απαιτεί πολυδιάστατες βαθμολογίες, δυνατότητα ελέγχου και εντοπίζει με ακρίβεια το αποτέλεσμα (την εξαίρεση, όχι το αποτέλεσμα).
Συνήθη λάθη
- Σημαίνει «βρες το κόλπο». Η τεχνητή νοημοσύνη δεν εντοπίζει την εξαπάτηση. βάζει μια βαθμολογία σύμφωνα με τα κριτήρια. Η εξαπάτηση είναι επαγγελματική/νομική συνέπεια.
- Παρεξήγηση της πινακίδας με εύρημα. Γράψτε το ύποπτο αρχείο ως "λάθος" χωρίς να εξαλείψετε τα ψευδώς θετικά.
- Στηριζόμενη σε ένα κριτήριο. Χρησιμοποιώντας έναν στενό κανόνα και λείπει το πραγματικό μοτίβο.
- Μη φιλτράρισμα των νόμιμων προτύπων. Δημιουργία θορύβου συμπεριλαμβάνοντας αυτόματα δεδουλευμένα στη λίστα ύποπτων.
- Δεν τεκμηριώνει το σκεπτικό. Αφήνοντας το φύλλο εργασίας μη ανιχνεύσιμο χωρίς να γράψετε τι εξαλείψατε/κρατήσατε και γιατί.
Προσοχή: Η περιγραφή μιας ηχογράφησης ως "ύποπτη" είναι σοβαρή δήλωση. Επαληθεύστε με αποδεικτικά στοιχεία (δικαιολογητικό, επιβεβαίωση, επιχειρηματική υπόθεση) πριν γράψετε ως πόρισμα. Διαφορετικά, θα αδικήσετε την επιχείρηση και θα βλάψετε την ποιότητα του ελέγχου.
Συνοπτικά
Απαιτείται δοκιμή καταχώρισης ημερολογίου σύμφωνα με το BDS 240 και η τεχνητή νοημοσύνη είναι η ιδανική μηχανή για αυτό: σαρώνει εκατοντάδες χιλιάδες εγγραφές βάσει πολυδιάστατων κριτηρίων σε δευτερόλεπτα και παράγει μια βαθμολογία προσοχής. Αλλά η τεχνητή νοημοσύνη δεν «εντοπίζει» την εξαπάτηση ή τα σφάλματα. σηματοδοτεί μόνο το ασυνήθιστο. Το αποτέλεσμα είναι ένα σωρό εξαιρέσεις γεμάτες ψευδώς θετικά. Εναπόκειται στον σκεπτικισμό και την κρίση του ελεγκτή να διευθετήσει τον πραγματικό κίνδυνο από αυτόν, να εξαλείψει τον νόμιμο και να βγάλει συμπεράσματα. Το σημάδι είναι ερωτηματικό, όχι απάντηση.
Εργασία εφαρμογής
Καθορίστε πέντε κριτήρια ανωμαλίας για υποθετικά δεδομένα ημερολογίου (χρονοδιάγραμμα, χρήστης, ποσό, συνδυασμός λογαριασμού, περιγραφή). Βάλτε το AI να δημιουργήσει ένα πολυδιάστατο "βαθμολόγιο προσοχής" με το ισχυρό μοτίβο προτροπής παραπάνω. Στη συνέχεια, γράψτε έναν «οδηγό ελέγχου»: ποια νόμιμα μοτίβα (αυτόματο δεδουλευμένο, σταθερό μίσθωμα, κ.λπ.) πρέπει να φιλτράρονται ως ψευδώς θετικά; Τέλος, για τα 5 ρεκόρ υψηλής βαθμολογίας, "τι αποδείξεις ψάχνω;" Απαντήστε στην ερώτηση.
λίστα ελέγχου
- [ ] Ανωνυμοποίησα τα δεδομένα και επαλήθευσα την πληρότητά τους.
- [ ] Όρισα τα κριτήρια ανωμαλίας πολυδιάστατα και ξεκάθαρα.
- [ ] Έλαβα το απλό κείμενο της βαθμολογίας προσοχής και τα κριτήρια που εφάρμοσα από το AI.
- [ ] Διέγραψα γνωστά νόμιμα μοτίβα ως ψευδώς θετικά.
- [ ] Έχω εξετάσει τα αρχεία με υψηλή βαθμολογία με δικαιολογητικά και επιβεβαίωση.
- [ ] Το επαλήθευσα με αποδεικτικά στοιχεία πριν καταλήξω στο "απάτη/λάθος".
- [ ] Τεκμηρίωσα τι βρήκα ύποπτο και γιατί.