حسابرسی، کنترل داخلی و تشخیص ناهنجاری

سود:

• امکان اسکن کل جمعیت با هوش مصنوعی و اولویت بندی سوابق مشکوک طبق قوانین ناهنجاری
• امکان انجام ممیزی با نظم "علامت گذاری و توجیه" بدون قضاوت در مورد مدل
• امکان حفظ دنباله حسابرسی (داده، درخواست، تاریخ، تأییدکننده) برای هر خروجی هوش مصنوعی

شاید حساس ترین حوزه حسابداری و مالی، حسابرسی باشد: به طور مستقل تأیید دقیق، کامل و مطابقت سوابق. هوش مصنوعی (AI) در اینجا یک ابزار دو طرفه است. از یک طرف، در اسکن پشته های داده بزرگ برای ناهنجاری ها (سوابق مشکوک که از انتظارات منحرف می شوند) و تشخیص آسیب پذیری های کنترل داخلی بسیار قدرتمند است. از سوی دیگر، با توجه به ماهیت ممیزی، خروجی خود هوش مصنوعی نیز باید ممیزی شود. در این بخش، نحوه استفاده از هوش مصنوعی به عنوان "دستیار حسابرسی" و حفظ دنباله حسابرسی را یاد خواهیم گرفت.

نقش هوش مصنوعی در کنترل و حسابرسی داخلی

کنترل داخلی مجموعه ای از قوانین و فرآیندهایی است که برای جلوگیری از اشتباهات و سوء استفاده ها (مانند تفکیک وظایف، آستانه تایید، آشتی) ایجاد می شود. ممیزی بررسی می کند که آیا اینها کار می کنند یا خیر. زمانی که هوش مصنوعی مؤثرتر است، زمانی است که بتواند کل جمعیت‌ها را اسکن کند، جایی که حسابرسی سنتی شامل نمونه‌گیری است (بررسی چند رکورد از صدها رکورد). نگاه کردن به تمام 10000 رکورد برای یک انسان دشوار است، اما برای یک مدل ممکن است.

اما تمایز مهم این است: هوش مصنوعی شک ایجاد می کند، نه قضاوت. "این رکورد غیرعادی به نظر می رسد" یک نقطه شروع است. تصمیم حسابرسی واقعی و جمع آوری شواهد متعلق به انسان است.

نکته: در اعلان‌های حسابرسی، بگویید «فقط اشاره و توجیه کن، نتیجه‌گیری/قضاوت نکن». ارائه جملات قطعی مانند "این یک بی نظمی است" برای مدل اشتباه و خطرناک است. موضوع با بررسی شما تصمیم گیری می شود.

گام به گام: اسکن ناهنجاری با هوش مصنوعی

1. مجموعه قوانین خود را تعریف کنید. چه چیزی را غیر طبیعی می دانید؟ آستانه، تکرار، زمان.
2. کل جمعیت را اسکن کنید. نه فقط یک نمونه، بلکه همه آنها.
3. علامت گذاری و توجیه کنید. توضیح "چرا مشکوک است" برای هر یافته.
4. اولویت بندی کنید. مرتب سازی بر اساس میزان خطر/تاثیر.
5. رجوع به بررسی انسانی شود. شواهد جمع آوری کنید، تصمیم بگیرید، مستند کنید.

اعلان ضعیف / اعلان قوی

اعلان ضعیف: آیا در این هزینه ها بی نظمی وجود دارد؟ [داده ها]

این پاسخی به دست می دهد که یا «هیچ» است یا اتهامات بی پایه ای ایجاد می کند که نمی توان از آنها در حسابرسی استفاده کرد.

اعلان قوی: نقش شما: دستیار حسابرسی داخلی. وظیفه: سوابق هزینه های زیر را در برابر قانون ریسک اسکن کنید. قوانین: 1) مبالغ درست زیر آستانه تایید (50000) (شک تقسیم) 2) سوابق وارد شده در آخر هفته ها یا بعد از ساعت3) مقادیر مشابه تکرار شده در بازه های زمانی کوتاهی از تعداد دفعات سوابق بدون تعداد دفعات ثبت شده توسط تامین کننده قانون راه اندازی شده | چرا مشکوک است (1 جمله) | اولویت (بالا/متوسط/کم) محدودیت: فقط علامت بزنید و توجیه کنید. قضاوتی مانند «بی نظمی است»؛ اینها کاندیدای معاینه انسانی هستند. فقط از اطلاعات موجود در داده ها استفاده کنید.<records> ... </records>

این اعلان؛ مبالغی را که دقیقاً زیر آستانه تأیید گیر کرده اند (علامت «تقسیم کردن») یا سوابق وارد شده پس از ساعت کاری را اولویت بندی می کند و فهرست بررسی واضحی را به حسابرس ارائه می دهد.

بزرگترین سهم هوش مصنوعی در حسابرسی مزیت مقیاس آن است. در ممیزی سنتی، نمونه برداری انجام می شود زیرا از نظر فیزیکی امکان مشاهده تمام سوابق وجود ندارد: شاید صدها هزار صورتحساب بررسی شده و نتیجه به کل جمعیت تعمیم داده شود. این به این معنی است که یک بی نظمی که خارج از نمونه است فرار می کند. از سوی دیگر، هوش مصنوعی می‌تواند قوانینی را که شما تعریف می‌کنید در عرض چند ثانیه در تمام ده‌ها هزار رکورد اعمال کند. بنابراین، حسابرسی از «نگاه کردن به چند مثال و امیدواری» به «اسکن هر رکورد و بیرون کشیدن استثناها» تکامل می‌یابد. با این حال، همه چیزهایی که یافت می شود، کاندیدای تحقیق هستند، نه نتیجه گیری.

قوانین ناهنجاری که اغلب در حسابرسی استفاده می شود

حکومت کند

چه چیزی را نشان می دهد

مثال

تجمع زیرآستانه

برای جلوگیری از تایید، تقسیم کنید

مبالغی مانند 49500، 49800

ثبت نام خارج از ساعت

ورود کنترل نشده

قبض شنبه 23:40

پرداخت تکراری

خطر پرداخت مضاعف

فاکتور یکسان، دو شماره سند

فرکانس عدد گرد

مقدار تخمینی / ساخته شده

تعداد زیادی دقیقا 10000

تامین کننده جدید + مقدار بالاتر

خطر تامین کننده ارواح

200000 در اولین معامله

تفکیک وظایف و کنترل اختیارات

یکی از ارکان کنترل داخلی، تفکیک وظایف است: افرادی که مبادرت به انجام، تایید و پرداخت برای معامله می کنند، متفاوت هستند. اگر همان شخص وارد شود و فاکتور را تایید و پرداخت کند، در برای سوء استفاده باز است. هوش مصنوعی می‌تواند مواردی را پیدا کند که این خط‌مشی با اسکن اطلاعات کاربر در سوابق تراکنش‌ها نقض می‌شود.

بررسی تفکیک تخلفات وظایف در سوابق تراکنش های زیر: - تراکنش هایی که یک کاربر هم وارد می کند و هم تایید می کند - تراکنش هایی که همان کاربر هم تایید می کند و هم شروع به پرداخت می کند - مبالغ تایید شده توسط یک نفر بالاتر از حد مجاز خروجی: شماره تراکنش | نوع تخلف | کاربر مربوطه | priorityفقط اشاره کنید و توجیه کنید. فهرست به عنوان کاندید برای صدور حکم، بررسی.

این نوع اسکن الگوهایی را در چند ثانیه استخراج می کند که چشم انسان هرگز نمی تواند آنها را در هزاران خط ثبت کند. اما همان اصل صدق می کند: الگوی "الگوی نقض قوانین" را نشان می دهد. این به یک نفر بستگی دارد که تصمیم بگیرد که آیا این یک مشکل واقعی است یا یک استثناء مشروع (مثلاً نقش دوگانه اجباری در تیم کوچک).

الزام پیگیری حسابرسی

اگر قرار است یک خروجی هوش مصنوعی در ممیزی استفاده شود، باید قابل ردیابی باشد: چه داده‌هایی، چه درخواستی، چه مدلی، چه تاریخی، چه کسی آن را تأیید کرده است؟ بدون این سابقه، پرینت هیچ ارزش شواهدی در حسابرسی ندارد.

یک رکورد ردیابی حسابرسی برای این تجزیه و تحلیل تهیه کنید: - منبع داده و دوره استفاده شده - خلاصه دستورات/قوانین اعمال شده - تاریخ خروجی مدل - فیلدهای خالی برای مراحل تایید انسانی (چه کسی، چه زمانی، نتیجه) این را به عنوان یک الگوی قابل استفاده مجدد صادر کنید.

احتیاط: فقط به این دلیل که هوش مصنوعی می گوید "این رکورد مشکلی ندارد" ثابت نمی کند که هیچ مشکلی در آنجا وجود ندارد. مدل ممکن است یک الگو را از دست داده باشد. «هوش مصنوعی گفت پاک است» یک اطمینان در ممیزی نیست. همیشه محدودیت های دامنه و روش را مستند کنید.

موارد کوچک

مورد 1 - محفظه زیر آستانه. یک حسابرس داخلی سه فاکتور متوالی 49200، 49700، 49500 لیره از همان بخش را از طریق اسکن هوش مصنوعی در شرکتی با آستانه تأیید 50،000 لیره پیدا کرد. تحقیقات نشان داد که یک خرید 145000 پوندی برای جلوگیری از تایید به سه بخش تقسیم شد. شکاف کنترل بسته شده است.

مورد 2 - علامت تامین کننده ارواح. هوش مصنوعی اولویت بالایی داشت که در اولین تراکنش، 200000 لیره به تامین‌کننده تازه اضافه شده در سیستم پرداخت شد. بررسی نشان داد که تامین کننده واقعی و تحت قرارداد است. آلارم نادرست بود اما کنترل درست کار کرد. درس: هر نشانه ای جرم نیست، اما هر نشانه ای باید بررسی شود.

مورد 3 - سقوط خروجی غیرمستند. تیمی لیست ناهنجاری های هوش مصنوعی را به ممیزی ارسال کرد، اما درخواست و داده هایی را که با آن تولید شده بود، ثبت نکرد. حسابرس خارجی پرینت را به عنوان مدرک نپذیرفت. تکرار تجزیه و تحلیل با دنباله حسابرسی. درس: هیچ خروجی ای وجود ندارد که در حسابرسی قابل نظارت نباشد.

مورد 4 - تخلف از تفکیک وظایف. اسکن کنترل های داخلی 37 تراکنش را در یک شعبه کوچک پیدا کرد که همان کارمند فاکتور را وارد کرده، تایید کرده و پرداخت را آغاز کرده است. بررسی ها نشان داد که این کارمند قصد سوء نداشته است اما به دلیل کم کاری این نقش ها را بر عهده گرفته است. با این حال، خطر واقعی بود. این شرکت با انتقال تأیید پرداخت به مرکز، شکاف را کاهش داد. درس: نقص کنترل حتی بدون بدخواهی خطرناک است. هوش مصنوعی الگو را پیدا می کند، انسان راه حل را طراحی می کند.

اشتباهات رایج

• برای قضاوت در مورد مدل گفتن «بی نظمی است» هم اشتباه است و هم خطرناک. فقط آن را علامت گذاری کنید.
• تضمین "هوش مصنوعی گفت تمیز است". ممکن است مدل از دست رفته باشد. نتیجه تمیز اثبات نیست.
• عدم حفظ دنباله حسابرسی اگر داده ها، درخواست، تاریخ و تایید کننده ثبت نشوند، خروجی مدرک نخواهد بود.
• فکر کردن به هر نشانه ای جرم است. ناهنجاری کاندیدای تحقیق است. شواهد تصمیم را تعیین می کند.
• عدم مستندسازی دامنه کدام رکوردها اسکن شده و حد متد باید نوشته شود.

به طور خلاصه

• هوش مصنوعی در یافتن ناهنجاری ها با اسکن کل جمعیت در یک ممیزی قدرتمند است. فراتر از نمونه گیری است.
• مدل شک تولید می کند، نه قضاوت. از آن با قانون «فقط اشاره و توجیه کن» استفاده کنید.
• قوانین ناهنجاری (زیر از حد آستانه، ثبت نام خارج از ساعت، پرداخت تکراری) باید از قبل تعریف شود.
• نگه داشتن دنباله حسابرسی (داده، درخواست، تاریخ، اعتبارسنجی) برای هر خروجی هوش مصنوعی الزامی است. خروجی غیر قابل ردیابی شواهدی نیست.
• «هوش مصنوعی گفت پاک است» تضمینی نیست. همیشه محدودیت های دامنه و روش را مستند کنید.

وظیفه کاربردی

یک رکورد هزینه 30-50 خط تهیه کنید. آگاهانه به تقسیم و پرداخت تکراری. اسکن ناهنجاری را با الگوی سریع سریع دریافت کنید و بررسی کنید که مدل تله های شما را گرفته و اولویت بندی می کند. سپس الگوی ردیابی حسابرسی را پر کنید و یافته ها را به عنوان "نامزدهای بررسی" (بدون قضاوت) فهرست کنید.

چک لیست

• [ ] من قوانین ناهنجاری (آستانه، زمان، تکرار) را از پیش تعریف کرده ام.
• [ ] من کل جمعیت را اسکن کردم، با نمونه گیری متوقف نشدم.
• [ ] من مانع از قضاوت مدل شدم. من فقط آن را علامت گذاری و توجیه کردم.
• [ ] من یک دنباله حسابرسی (داده ها، درخواست، تاریخ) را برای هر یافته ثبت کردم.
• [ ] من آنهایی را که به عنوان "نامزدهای بررسی" علامت گذاری شده اند به قضاوت انسان واگذار کردم.
• [ ] من دامنه اسکن و محدودیت های روش را مستند کردم.