लाभ:
- धोखाधड़ी त्रिकोण (दबाव, अवसर, औचित्य) और लाल झंडे की अवधारणाओं को समझें और संदिग्ध पैटर्न को स्कैन करने के लिए कृत्रिम बुद्धिमत्ता का उपयोग करें
- कृत्रिम बुद्धिमत्ता समर्थन के साथ बेनफोर्ड के कानून, डुप्लिकेट भुगतान और असामान्य आपूर्तिकर्ता पैटर्न को स्कैन करने और एक समीक्षा सूची तैयार करने की क्षमता
- यह समझने की क्षमता कि धोखाधड़ी का संदेह एक गंभीर आरोप है, कि अकेले कृत्रिम बुद्धिमत्ता संकेत सबूत नहीं है, और अंतिम मूल्यांकन स्वतंत्र लेखा परीक्षक का है।
गलती और धोखे में बहुत गहरा अंतर है. त्रुटि एक अनजाने में हुई गलती है; पूरी तरह ग़लत हो जाना, रिकॉर्ड भूल जाना। धोखा जानबूझकर दिया गया धोखा है; यह तब होता है जब कोई व्यक्ति व्यक्तिगत लाभ के लिए जानबूझकर रिकॉर्ड को विकृत करता है। ऑडिटर का काम धोखाधड़ी को "ढूंढना" नहीं है - धोखाधड़ी एक कानूनी योग्यता है और यह अदालतों के लिए है - लेकिन आईएसए 240 ऑडिटर को धोखाधड़ी के कारण सामग्री गलत बयानी के जोखिम के बारे में पेशेवर संदेह बरतने और धोखाधड़ी जोखिम (लाल झंडे) के संकेतों का मूल्यांकन करने के लिए कहता है। ऑडिटर धोखाधड़ी के जोखिम का आकलन करता है और संदिग्ध पैटर्न की जांच करता है; अंतिम कानूनी निर्णय दूसरों का होता है.
इस इकाई में हम धोखाधड़ी के जोखिम की जांच के लिए एआई का उपयोग करने के तरीके को कवर करेंगे: धोखाधड़ी त्रिकोण, लाल झंडे, बेनफोर्ड का कानून, डुप्लिकेट भुगतान और असामान्य आपूर्तिकर्ता पैटर्न, और विवरण क्षेत्रों में पाठ विश्लेषण। मूल सिद्धांत को सख्ती से रेखांकित किया गया है: एआई द्वारा चिह्नित कोई भी पैटर्न, अपने आप में, धोखाधड़ी का सबूत नहीं है। लाल झंडा एक "रुको और जांच करो" संकेत है; आरोप नहीं.
धोखा देने वाला त्रिकोण और लाल झंडे
धोखाधड़ी जांच के लिए क्लासिक ढांचा धोखाधड़ी त्रिकोण है; उनका कहना है कि धोखाधड़ी आम तौर पर तब होती है जब तीन स्थितियां एक साथ होती हैं: दबाव (वित्तीय/व्यक्तिगत आवश्यकता जो व्यक्ति को धोखा देने के लिए प्रेरित करती है), अवसर (कमजोर आंतरिक नियंत्रण, अनियंत्रित अधिकार), और औचित्य (किसी के कार्य को स्वयं के लिए उचित ठहराने का एक तरीका- "मैं इसे वैसे भी वापस रखूंगा")। ऑडिटर उन क्षेत्रों में अधिक सावधान रहता है जहां ये तीन स्थितियां मजबूत होती हैं।
लाल झंडा एक चेतावनी संकेत है जो धोखाधड़ी की संभावना का संकेत दे सकता है। विशिष्ट उदाहरण: असामान्य जीवनशैली प्रदर्शित करने वाला अधिकारी, अनुबंध लगातार एक ही आपूर्तिकर्ता के पास जा रहे हैं, आपूर्तिकर्ता जिसका पता कर्मचारी के पते के समान है, कर्मचारी जो छुट्टियां नहीं लेते हैं और अपना काम किसी को नहीं सौंपते हैं, बार-बार सुधार रिकॉर्ड, सीमा के ठीक नीचे भुगतान विभाजित करना, डुप्लिकेट चालान संख्या। AI डेटा पर इनमें से कई झंडों को स्कैन कर सकता है। लेकिन याद रखें: प्रत्येक झंडे की एक निर्दोष व्याख्या हो सकती है। ऑडिटर का काम झंडा देखना और जांच करना है, न कि झंडा देखने के लिए उसे दोषी ठहराना।
बेनफोर्ड का नियम: एक प्रति-सहज लेकिन शक्तिशाली स्क्रीनिंग
बेनफोर्ड का नियम (पहले अंक का नियम) कहता है कि स्वाभाविक रूप से पाए जाने वाले संख्याओं के बड़े सेट में, पहले महत्वपूर्ण अंक का वितरण एक समान नहीं होता है: संख्याएं "1" (लगभग 30%) से शुरू होती हैं, "9" (लगभग 4.6%) से शुरू होने की संभावना बहुत कम होती है। विस्तृत श्रृंखला वाले प्राकृतिक डेटा, जैसे कि बिल राशि, व्यय, खाता शेष, आम तौर पर इस वितरण का अनुसरण करते हैं। जब कोई व्यक्ति संख्याओं को हाथ से फिट करता है (उदाहरण के लिए अनुमोदन सीमा के ठीक नीचे मात्रा लिखता है), तो यह प्राकृतिक वितरण बाधित हो जाता है। बेनफोर्ड विश्लेषण पहले (और, यदि आवश्यक हो, तो पहले दो) अंकों के वितरण की तुलना अपेक्षित के साथ करता है और विचलन को चिह्नित करता है।
एआई सेकंडों में हजारों राशियों पर बेनफोर्ड वितरण की गणना कर सकता है और उन अंकों को दिखा सकता है जो अपेक्षित से भिन्न हैं। लेकिन बेनफोर्ड की दो सीमाएँ हैं और लेखा परीक्षक को उन्हें जानना चाहिए:
- यह सभी डेटा में फिट नहीं बैठता. एक निश्चित सीमा के भीतर सीमित संख्याएँ (उदाहरण के लिए उत्पाद की कीमतें हमेशा 45-55 टीएल के बीच), अनुक्रमिक संख्याएँ (चालान संख्या), निर्दिष्ट कोड बेनफोर्ड का अनुपालन नहीं करते हैं; यहाँ "विचलन" अर्थहीन है.
- विचलन प्रमाण नहीं है. जब कोई कदम उम्मीद से ज्यादा ऊपर चला जाता है तो सबसे ज्यादा यही कहता है "यहाँ देखो"। कारण वैध हो सकता है (जैसे कंपनी मूल्य निर्धारण)। ऑडिटर जांच से निष्कर्ष नहीं निकाल सकता.
सावधानी: बेनफोर्ड विचलन को "धोखाधड़ी के सबूत" के रूप में प्रस्तुत करना एक गंभीर गलती है। बेनफोर्ड सिर्फ एक लाल झंडा है; यह निर्देश देता है कि किन अभिलेखों की जांच की जानी चाहिए और यह धोखाधड़ी साबित नहीं करता है।
पाठ विश्लेषण और दोहराव पैटर्न
एआई की भाषा क्षमता गैर-संख्यात्मक धोखाधड़ी का पता लगाने में भी काम आती है। असामान्य सांद्रता, अस्पष्ट अभिव्यक्ति या कुछ कीवर्ड को विवरण फ़ील्ड ("विविध व्यय", "परामर्श", "प्रतिनिधित्व होस्टिंग") में स्कैन किया जा सकता है। इसके अलावा संरचनात्मक पैटर्न: डुप्लिकेट चालान संख्या, कर्मचारी बैंक खाते से मेल खाने वाले आपूर्तिकर्ता खाते, सप्ताहांत में बनाए गए आपूर्तिकर्ता रिकॉर्ड, लगातार चौबीसों घंटे भुगतान। एआई यह सब एक "समीक्षा सूची" के रूप में तैयार करता है; लेखापरीक्षक सूची खोजता है।
स्कैन प्रकार
एआई क्या करता है?
एक लेखापरीक्षक क्या करता है?
बेनफोर्ड विश्लेषण
पहला अंक वितरण विचलन को दर्शाता है
विचलन के कारण की जाँच करता है
डुप्लिकेट भुगतान
समान राशि+दिनांक+आपूर्तिकर्ता को पुनरावृत्ति मिलती है
क्या डुप्लिकेट दस्तावेज़ों से सत्य की पुष्टि होती है?
आपूर्तिकर्ता-कर्मचारी मिलान
समान पते/खाते का ओवरलैप होना दर्शाता है
हितों का टकराव होने पर जांच करता है
उपसीमा विभाजन
अनुमोदन सीमा से नीचे क्लस्टरिंग को इंगित करता है
मूल्यांकन करता है कि क्या इरादा है
पाठ/विवरण विश्लेषण
अस्पष्ट/दोहराई जाने वाली टिप्पणियों के लिए स्कैन
दस्तावेज़ द्वारा सामग्री को क्वेरी करें
तीन मिनी मामले
केस 1 - बेनफोर्ड ने निर्देश दिया, इंस्पेक्टर मिल गया। एक लेखा परीक्षक ने व्यय विवरणों पर बेनफोर्ड विश्लेषण करवाया था। "4" से शुरू होने वाली राशियाँ अपेक्षा से कहीं अधिक थीं। ऑडिटर ने इस सेट की जांच की और पाया कि एक कर्मचारी ने लगातार $5,000 अनुमोदन सीमा से ठीक नीचे "$4.8xx" राशि का खर्च दर्ज किया था। दस्तावेज फर्जी निकले। बेनफोर्ड विचलन ने दी दिशा; ऑडिटर की जांच और दस्तावेजों से धोखाधड़ी का खुलासा हुआ।
केस 2 - ग़लत सकारात्मक बेनफ़ोर्ड। टीम के एक सदस्य ने उत्पाद मूल्य सूची पर बेनफोर्ड विश्लेषण करवाया और जब उसने बड़ा विचलन देखा तो लिखा "इसमें हेराफेरी है"। जिम्मेदार व्यक्ति ने जांच की: डेटा में 90-110 टीएल के बीच एक संकीर्ण बैंड में कीमतें शामिल थीं; बेनफ़ोर्ड वैसे भी इतने सीमित सेट में फिट नहीं होगा। "पूर्वाग्रह" पूरी तरह से गलत डेटा पर विधि लागू करने के कारण था। पाठ: बेनफोर्ड सभी डेटा पर लागू नहीं होता है; लेखा परीक्षक इसकी उपयुक्तता का मूल्यांकन करता है।
केस 3 - दोषारोपण के लिए झंडा उठाना। एक ऑडिटर रिपोर्ट में एआई द्वारा चिह्नित "आपूर्तिकर्ता जिसका पता कर्मचारी के समान है" को सीधे "काल्पनिक आपूर्तिकर्ता, धोखाधड़ी" के रूप में लिखना चाहता था। जिम्मेदार व्यक्ति ने इसे रोक दिया: जांच करने पर, यह देखा गया कि आपूर्तिकर्ता एक वास्तविक व्यवसाय था, कर्मचारी के रिश्तेदार का था, और यह हितों के टकराव का रिश्ता था, लेकिन काल्पनिक नहीं था। इसे एक ऐसे रिश्ते के रूप में रिपोर्ट किया गया था जिसे प्रकट करने की आवश्यकता थी, न कि धोखा देने की। पाठ: लाल झंडे ने जांच शुरू की; साक्ष्य परिणाम निर्धारित करता है।
कमजोर संकेत/मजबूत संकेत
कमजोर संकेत:
पता करें कि क्या इन भुगतानों में धोखाधड़ी हुई है।
समस्या: AI धोखाधड़ी को "ढूंढ" नहीं सकता; धोखाधड़ी एक कानूनी परिणाम है. यह संकेत या तो मनगढ़ंत "धोखाधड़ी सूची" या निराधार आरोप उत्पन्न करता है।
शक्तिशाली संकेत:
आपकी भूमिका: आप एक स्वतंत्र लेखा परीक्षक के धोखाधड़ी जोखिम स्क्रीनिंग सहायक हैं। आप लाल झंडे पर हस्ताक्षर करें; धोखाधड़ी का मूल्यांकन और परिणाम मेरा है। किसी भी रिकॉर्ड को "धोखा" के रूप में लेबल न करें। डेटा (गुमनाम): आपूर्तिकर्ता भुगतान (कॉलम: भुगतान_आईडी, दिनांक, आपूर्तिकर्ता_आईडी, आपूर्तिकर्ता_पता, राशि, पुष्टिकरण_थ्रेशोल्ड=50,000, विवरण)। कार्य - निम्नलिखित स्कैन करें, प्रत्येक को एक अलग सूची के रूप में निर्यात करें:1) सबथ्रेशोल्ड विभाजन: 50,000 टीएल सीमा के ठीक नीचे क्लस्टर किया गया (45,000-49,999) भुगतान; आपूर्तिकर्ता द्वारा गणना। 2) डुप्लिकेट: समान राशि + समान आपूर्तिकर्ता + 3 दिनों के भीतर आवर्ती भुगतान। 3) बेनफोर्ड (पहला अंक): अपेक्षित बेनफोर्ड के साथ राशियों के पहले अंक के वितरण की तुलना करें; भटकते हुए कदम दिखाएँ. महत्वपूर्ण: यह भी मूल्यांकन करें कि क्या यह डेटा बेनफोर्ड (सीमा, बाधा) का अनुपालन करता है और यदि नहीं तो चेतावनी दें। 4) प्रकटीकरण विश्लेषण: उन आपूर्तिकर्ताओं को चिह्नित करें जहां "विविध/विविध/परामर्श" जैसे अस्पष्ट विवरण केंद्रित हैं। प्रत्येक सूची के लिए: लिखें कि ये "जांच किए जाने वाले लाल झंडे" हैं और धोखाधड़ी के परिणाम नहीं हैं। एक फिटिंग रिकॉर्ड/पैटर्न जोड़ना।
यह संकेत शक्तिशाली है क्योंकि यह स्कैन को पार्स करता है, बेनफोर्ड अनुपालन पर सवाल उठाता है, आउटपुट को "लाल झंडे" के रूप में रखता है और "धोखाधड़ी" के आरोप को प्रतिबंधित करता है।
सामान्य गलतियाँ
- इसका मतलब है "ट्रिक ढूंढो"। एआई धोखाधड़ी का पता नहीं लगाता; लाल झंडे के चिन्ह. धोखाधड़ी एक कानूनी परिणाम है.
- बेनफ़ोर्ड को अनुचित डेटा पर लागू करना। संकीर्ण बैंड, अनुक्रमिक संख्याओं या कोड में "विचलन" को गलत समझना।
- विचलन को प्रमाण मानना। बेनफोर्ड या पैटर्न चिह्न की जांच किए बिना धोखा देने की घोषणा करना।
- लाल झंडे को आरोप में बदलना. किसी रिश्ते/पैटर्न को दस्तावेज़ीकरण से सत्यापित किए बिना धोखाधड़ी के रूप में लिखना।
- धोखा देने वाले त्रिकोण को नजरअंदाज करना. केवल आंकड़ों को देख रहे हैं और दबाव/अवसर/औचित्य के संदर्भ का मूल्यांकन नहीं कर रहे हैं।
टिप: जब आपको कोई लाल झंडा मिले, तो अपने आप से दो प्रश्न पूछें: "इसके लिए पूरी तरह से निर्दोष स्पष्टीकरण क्या हो सकता है?" और "यदि यह वास्तव में धोखाधड़ी है, तो मुझे और कौन से निशान देखने चाहिए?" पहला प्रश्न आपको अनुचित आरोप से बचाता है, दूसरा सतहीपन से।
सारांश
धोखाधड़ी ऑडिट में, ऑडिटर की भूमिका धोखाधड़ी को "ढूंढना" नहीं है, बल्कि संदेह के साथ धोखाधड़ी के जोखिम का मूल्यांकन करना और लाल झंडे की तलाश करना है (बीडीएस 240)। एआई एक शक्तिशाली स्कैनिंग इंजन है: यह बेनफोर्ड विश्लेषण, डुप्लिकेट भुगतान, सबथ्रेशोल्ड विभाजन, आपूर्तिकर्ता-कर्मचारी ओवरलैप और पाठ विश्लेषण सेकंड में करता है। लेकिन हर संकेत एक लाल झंडा है, सबूत नहीं; बेनफ़ोर्ड सभी डेटा में फिट नहीं बैठता; विचलन का मतलब धोखा देना नहीं है. झंडे को देखना एआई का काम है, जांच करना और मूल्यांकन करना और कानूनी दोषारोपण से बचना ऑडिटर का काम है। लाल झंडा कहता है "रुको और जांच करो"; वह "दोषी" नहीं कहते।
आवेदन कार्य
एक काल्पनिक विक्रेता भुगतान डेटासेट पर विचार करें और एक अनुमोदन सीमा निर्धारित करें। उपरोक्त शक्तिशाली प्रॉम्प्ट पैटर्न के साथ एआई को चार स्कैन (सबथ्रेशोल्ड स्प्लिट, डुप्लिकेट, बेनफोर्ड, एनोटेशन विश्लेषण) चलाने दें; बेनफोर्ड ने उसकी उपयुक्तता पर सवाल उठाया है। फिर, सामने आने वाले प्रत्येक लाल झंडे के लिए, एक "निर्दोष स्पष्टीकरण" और एक "धोखाधड़ी परिदृश्य" लिखें और इंगित करें कि कौन से सबूत दोनों को अलग करेंगे।
चेकलिस्ट
- [ ] मैंने एआई को "तरकीबें ढूंढने" के लिए नहीं कहा था; मैंने कहा "झंडा लाल" और धोखाधड़ी के लक्षण वर्णन पर प्रतिबंध लगा दिया।
- [ ] मैंने बेनफोर्ड को केवल उपयुक्त (व्यापक रूप से फैला हुआ, प्राकृतिक) डेटा पर लागू किया; मैंने उपयुक्तता का मूल्यांकन किया.
- [ ] मैंने प्रत्येक लाल झंडे को शोध की शुरुआत के रूप में लिया, निष्कर्ष के रूप में नहीं।
- [ ] प्रत्येक संकेत के लिए, मैंने निर्दोष स्पष्टीकरण और धोखाधड़ी परिदृश्य दोनों पर विचार किया।
- [ ] मैंने दस्तावेज़ों से सत्यापन किए बिना पैटर्न को कपटपूर्ण/काल्पनिक नहीं बताया।
- [ ] मैंने धोखाधड़ी त्रिकोण (दबाव, अवसर, औचित्य) के संदर्भ का मूल्यांकन किया।
- [ ] मैंने दस्तावेज किया है कि अंतिम कानूनी योग्यता ऑडिटर का काम नहीं है और मैंने जोखिम का आकलन किया है।