Kasu:
- Saate aru, miks on BDS 240 alusel päevikukirjete testimine kohustuslik ja kuidas tehisintellekt saab skannida kahtlaseid sisenemiskriteeriume
- Tehisintellekti toega võime märkida ja prioritiseerida kõrvalekaldeid, ebatavalist ajastust ja ebatavalisi koguseid
- Võimalus väita, et iga tehisintellekti märgistatud anomaalia pole leid, vaid küsimärk, mida audiitor uurima hakkab, ja valepositiivsete tulemuste kõrvaldamine on inimese vastutus.
Ettevõtte finantsaruanded on põhimõtteliselt miljonite päevikukannete summa (raamatupidamises kirjendatakse iga finantstehing deebetina ja kreeditidena). Nii viga kui pettus elavad lõppkokkuvõttes päevikukandes: valele kontole kirjutatud summa, perioodi lõpus "unustatud" ja tagasi pööratud toetus, ebatavaline kanne, mis sisestatakse käsitsi keset ööd. Seetõttu nõuab BDS 240 (standard, mis reguleerib audiitori kohustusi seoses pettusega finantsaruannete auditeerimisel) selgelt, et audiitor teeks päevikukande testimise. Selle eesmärk on paljastada juhtkonna võimalikud manipulatsioonid juhtimise alistamise kaudu.
Selles tükis käsitleme, kuidas muuta tehisintellekt anomaaliate ja vigade tuvastamise mootoriks, kuid miks iga märgitud rekord on pigem "küsimärk" kui "leidmine". Kaks esimest mõistet. Anomaalia on ebatavaline kirje andmekogus, mis kaldub kõrvale oodatud mustrist. Outlier on vaatlus, mis on arvuliselt teistest oluliselt erinev (näiteks väga suur hulk, väga kõrge sagedus). Anomaalia ei ole alati viga; aga audiitor peaks seda vaatama.
Kahtlased postitamiskriteeriumid päeviku kande testis
BDS 240 väidab, et teatud omadustega kirjed on pettuse ohu suhtes silmatorkavamad. Tehisintellekt suudab nende kriteeriumide alusel sekunditega skannida sadu tuhandeid kirjeid. Tüüpilised "punase lipu" kriteeriumid:
- Ebatavaline ajastus: käsitsi sisestatud kirjed pärast tööaega, nädalavahetusel, riigipühal või tähtaja lõpu viimasel päeval.
- Ebatavaline kasutaja: kirjed, mille on sisestanud kasutaja, kes tavaliselt raamatupidamiskirjeid ei sisesta (näiteks administraator).
- Ebatavalised kontokombinatsioonid: kirjed kontode vahel, mis üksteist ei oota (nt tulukonto ja ebatavaline sularahata konto).
- Ümmargused summad: "puhtad" suured kogused nagu 100 000, 500 000; See on tüüpiline käsitsi manipuleerimise jälg.
- Tühjade või mitmetähenduslike kirjeldustega kirjed: tühjad kirjeldused nagu "parandus", "mitmesugune", "esialgne".
- Pööratud kirjed: perioodi alguses sisestatud ja lühikese aja möödudes tühistatud (storno).
- Alamläve duplikaadid: suur hulk kirjeid on koondunud veidi alla kinnitusläve (nt 50 000 dollarit).
Näpunäide: mõelge nendele kriteeriumidele koos, mitte eraldi. Ainuüksi "ümmargune summa" võib olla süütu; aga "nädalavahetus, administraatori poolt, kirjeldus tühi, ümmargune järjepidev, perioodi lõpu käsitsi postitamine" on tugev punane lipp. Tehisintellekti kriteeriumide kombineerimine riskiskoori saamiseks aitab teil prioriteete seada.
Valepositiivne tõde: miks mitte iga märk on leid
Anomaaliate skaneerimise olemus on valepositiivsed: reegliga märgistatud kirjed, mis on tegelikult õigustatud. Näiteks sisestab ettevõte automaatselt iga kuu viimasel tööpäeval ringüüri kogumise; See on kinni "ümmargune summa + perioodi lõpp" kriteerium, kuid see on täiesti normaalne. Audiitori ülesanne on lipuga märgitud hunnikust tegelik risk välja tõmmata. See sorteerimine ei ole ülekantav; sest õiguspärase ja kahtlase eristamiseks on vaja tunda äri ja konteksti – midagi, mida tehisintellektil ei ole.
Nii et lugege alati väljundit järgmiselt: "AI märgistas minu jaoks 420 kirjet. Enamik neist on tõenäoliselt valepositiivsed. Minu ülesanne on nende 420 hulgast välja selgitada need, mis vajavad tõesti uurimist, mustrid ja üksikud kahtlased." See vaade kaitseb teid nii automatiseerimise kallutatuse (iga märke veaks võtmine) kui ka laiskuse (mitte ühtegi neist vaadates) eest.
Anomaaliate tuvastamine samm-sammult
- Valmistage andmed ette ja kontrollige täielikkust. (Leppimise etapid eelmises üksuses.)
- Määratlege kriteeriumid selgelt. Millised ajastuse, koguse, kasutaja- ja kirjeldusmustrid märgitakse?
- Skaneerige ja hinnake tehisintellektiga. Märkige iga kirje vastavalt kriteeriumidele; Eelistage neid, mis vastavad mitmele kriteeriumile.
- Kõrvaldage valepositiivsed tulemused. Filtreerige või märgistage teadaolevad seaduslikud mustrid (nt automaatsed akumulatsioonid).
- Uurige ülejäänud kirjeid. Linkige igaüks tõendava dokumendi, kinnituse ja äriloogikaga.
- Dokumenteerige järeldus ja põhjendus. Kirjutage üles, mis tundus kahtlane ja miks ning mille kõrvaldasite ja miks.
kolm minikarpi
Juhtum 1 – tegelik leid. Audiitor skaneeris tehisintellektiga 240 000 päevikukirjet; See ühendas kriteeriumid "perioodi viimased 3 päeva + käsiraamat + kirjeldus "parandus" + 100 000-kordne summa". Kõrge hinde sai 14 plaati. Läbivaatamisel oli 11 õigustatud aastalõpu kohandust; 3 kannet oli aga sisestatud viisil, mis paisutas tulukontot ja pöörduks järgmisel perioodil tagasi ning puudusid tõendavad dokumendid. See oli juhtkonna muster, mis läks kontrollidest mööda ja oli oluline leid. AI esitas 14 küsimust; Audiitori skeptilisus leidis 3 tõelist vastust.
Juhtum 2 – valepositiivne lõks. Meeskonnaliige kirjutas 380 "ümmargust järjepidevat" kirjet, mille tehisintellekt oli märgistanud, otse töölehel pealkirja "Kahtlased tehingud" alla. Kui ohvitser vaatas, nägi ta, et enamikul neist oli fikseeritud üür, fikseeritud konsultatsioonitasu ja automaatne amortisatsiooniarvestus; nad kõik olid seaduslikud. Tööleht oli muutunud "valeleidude loendiks", mis viis auditi valesse suunda. Õppetund: mitte iga lipuga märgitud kirje pole leid; Valiku teeb audiitor.
Juhtum 3 – kriteeriumide liiga kitsas määramine. Audiitor kasutas ainult "nädalavahetuse rekordi" kriteeriumi ega leidnud ühtegi kahtlast kirjet; Ta tundis kergendust. Äris aga sisestati manipuleerivad kirjed argipäevasel tööajal, kuid ebatavaliste kontokombinatsioonidega. Ühele kitsale kriteeriumile tuginemine takistas tal nägemast tegelikku riski. Kui audiitor kriteeriume laiendas, tekkis muster. Õppetund: üksainus kriteerium ei anna kindlust; Vaadake seda mitmemõõtmeliselt.
Nõrk viip / Tugev viip
Nõrk viip:
Leidke nendest päevikukannetest petturlikud sissekanded.
Probleem: AI ei suuda petmist tuvastada; Pettus on juriidiline/ametialane tagajärg, mitte andmete muster. Ka "petturlik" on määratlemata. See viip loob kas väljamõeldud "petunimekirja" või mõttetud lipud.
Võimas viip:
Teie roll: olete sõltumatu audiitori tööpäeviku kirje analüüsi assistent. MÄRGISTAD rekordi vastavalt kriteeriumidele; petmise/veaotsus kuulub mulle.Kontekst: Anonüümsed ajakirja andmed (veerud: kirje_number, kuupäev, kellaaeg, kasutaja_roll, deebetkonto, krediidikonto, summa, kirje_tüüp[käsitsi/automaatne], kirjeldus). Tähtaja lõpp: 31.12. Tööaeg: 09:00-18:00, E-R.Ülesanne:1) Andke igale kirjele "tähelepanu skoor" vastavalt järgmistele kriteeriumidele (olenevalt sellest, kui palju kriteeriume on lisatud): a) kirje_tüüp=manuaal b) kuupäev vahemikus 29-31 detsember VÕI nädalavahetus/puhkus c) töövaba tund d) kirjeldus (0 ümardatud) 100 e) {parandus, mitmesugune, ajutine} in2) Esitage prioriteediloendiks need, kelle hind on 3 ja rohkem.3) Kirjutage kõik rakendatavad kriteeriumid lihttekstina (auditeeritavus).4) Tehke selgeks, et need on "kontrollitavad erandid" ja need ei ole pettuse/vea TULEMUSED. Võltskirje lisamine.
See viip on võimas, kuna see määratleb selgelt kriteeriumid, nõuab mitmemõõtmelisi hindeid, auditeeritavust ja määrab täpselt väljundi (erandi, mitte tulemuse).
Levinud vead
- See tähendab "leida trikk". AI ei tuvasta petmist; paneb hinde vastavalt kriteeriumidele. Petmine on professionaalne/õiguslik tagajärg.
- Märgi eksitamine leiuga. Kahtlase kirje kirjutamine "veaks" ilma valepositiivseid tulemusi kõrvaldamata.
- Ühele kriteeriumile tuginedes. Kitsa reegli kasutamine ja tegelik muster puudu.
- Ei filtreeri välja seaduslikke mustreid. Müra tekitamine, lisades kahtlaste loendisse automaatsed kogunemised.
- Põhjenduse dokumenteerimata. Töölehe jälgimatuks jätmine, kirjutamata üles, mida kõrvaldasid/jätsid alles ja miks.
Ettevaatust. Salvestise "kahtlaseks" kirjeldamine on tõsine väide. Enne leiuna kirjutamist kontrollige seda tõenditega (tõendav dokument, kinnitus, ärijuhtum). Vastasel juhul käitute ettevõtte suhtes ebaausalt ja kahjustate auditi kvaliteeti.
Kokkuvõttes
BDS 240 järgi on nõutav päeviku sisenemise testimine ja AI on selleks ideaalne mootor: see skannib sadu tuhandeid kirjeid mitmemõõtmeliste kriteeriumide alusel sekunditega ja loob tähelepanu skoori. Kuid AI ei "tuvasta" petmist ega vigu; see märgib ainult ebatavalist. Väljund on hunnik erandeid täis valepositiivseid tulemusi; Audiitori skepsist ja otsustusvõimest sõltub sellest tegelik risk välja selgitada, õigustatud risk kõrvaldada ja järeldused teha. Märk on küsimärk, mitte vastus.
Rakenduse ülesanne
Määrake hüpoteetiliste ajakirjaandmete (ajakava, kasutaja, summa, konto kombinatsioon, kirjeldus) jaoks viis anomaalia kriteeriumit. Laske tehisintellektil luua mitmemõõtmeline "tähelepanu skoor" ülaltoodud võimsa viipade mustriga. Seejärel kirjutage "sõeluuringu juhend": millised õiguspärased mustrid (automaatne tekkepõhine, fikseeritud rent jne) tuleks valepositiivsetena välja filtreerida? Lõpetuseks, 5 kõrge punktisummaga rekordi kohta: "Milliseid tõendeid ma otsin?" Vastake küsimusele.
kontrollnimekiri
- [ ] Muutsin andmed anonüümseks ja kontrollisin nende täielikkust.
- [ ] Määratlesin anomaalia kriteeriumid mitmemõõtmeliselt ja selgelt.
- [ ] Tähelepanu skoori ja rakendatud kriteeriumide lihtteksti sain tehisintellektilt.
- [ ] Filtreerisin teadaolevad seaduslikud mustrid valepositiivsetena.
- [ ] Olen läbi vaadanud kõrge hindega rekordid koos tõendavate dokumentide ja kinnitusega.
- [ ] Kontrollisin seda tõenditega enne, kui tegin järelduse "petmine/viga".
- [ ] Dokumenteerisin, mis minu arvates kahtlane oli ja miks.