Dobici:
- Shvatite zašto je testiranje unosa u dnevnik obavezno prema BDS 240 i kako umjetna inteligencija može skenirati kriterije sumnjivog unosa
- Sposobnost označavanja i određivanja prioriteta izvanrednih vrijednosti, neobičnog vremena i neobičnih uzoraka količine uz podršku umjetne inteligencije
- Biti u stanju tvrditi da svaka anomalija koju je označila umjetna inteligencija nije nalaz, već upitnik koji će revizor istražiti, a eliminacija lažno pozitivnih rezultata ljudska je odgovornost.
Financijska izvješća poduzeća u osnovi su zbroj milijuna dnevničkih unosa (u računovodstvu se svaka financijska transakcija bilježi kao zaduženje i odobrenje). I pogreška i prijevara na kraju žive u unosu u dnevnik: iznos zapisan na pogrešan račun, odobrenje koje je "zaboravljeno" i poništeno na kraju razdoblja, neobičan unos unesen ručno usred noći. Stoga BDS 240 (standard koji regulira revizorove odgovornosti u vezi s prijevarom u reviziji financijskih izvještaja) jasno zahtijeva od revizora da izvrši testiranje unosa u dnevnik. Svrha mu je otkriti moguće manipulacije od strane uprave putem nadjačavanja uprave.
U ovoj jedinici ćemo pokriti kako umjetnu inteligenciju pretvoriti u motor otkrivanja anomalija i grešaka, ali zašto je svaki označeni zapis "upitnik", a ne "nalaz". Prva dva pojma. Anomalija je neobičan zapis u skupu podataka koji odstupa od očekivanog uzorka. Outlier je opažanje koje se brojčano značajno razlikuje od ostalih (kao što je vrlo velika količina, vrlo visoka učestalost). Anomalija nije uvijek greška; ali to je mjesto gdje revizor treba tražiti.
Kriteriji sumnjivog knjiženja u testu unosa u temeljnicu
BDS 240 navodi da su zapisi s određenim karakteristikama značajniji za rizik prijevare. AI može skenirati stotine tisuća zapisa na temelju ovih kriterija u sekundi. Tipični kriteriji za "crvenu zastavu":
- Neuobičajeno vrijeme: Ručna evidencija unesena nakon radnog vremena, vikendom, državnim praznikom ili zadnjim danom završetka termina.
- Neobičan korisnik: zapisi koje je unio korisnik koji inače ne ulazi u računovodstvene zapise (na primjer, administrator).
- Neuobičajene kombinacije računa: knjiženja između računa koji ne očekuju jedno drugo (npr. račun prihoda i neobičan bezgotovinski račun).
- Okrugli iznosi: "čisti" veliki iznosi poput 100.000, 500.000; To je tipičan trag ručne manipulacije.
- Zapisi s praznim ili dvosmislenim opisima: prazni opisi kao što su "ispravak", "razno", "privremeno".
- Stornirani zapisi: zapisi uneseni na početku razdoblja i poništeni (storno) nakon kratkog vremena.
- Duplikati ispod praga: veliki broj zapisa grupiranih neposredno ispod praga odobrenja (npr. 50 000 USD).
Savjet: Razmislite o ovim kriterijima zajedno, a ne pojedinačno. Sam "okrugli iznos" može biti nevin; ali "vikend, administrator, opis prazan, okruglo dosljedno, kraj razdoblja ručno knjiženje" je jaka crvena zastavica. Kombiniranje kriterija pomoću umjetne inteligencije za dobivanje "ocjene rizika" pomaže vam u određivanju prioriteta.
Lažno pozitivna istina: zašto nije svaki znak nalaz
Priroda skeniranja anomalija je lažno pozitivno: zapisi označeni pravilom koji su zapravo legitimni. Na primjer, tvrtka automatski unosi kružno obračunavanje najamnine zadnjeg radnog dana svakog mjeseca; Ovo je zapelo kod kriterija "okrugli iznos + kraj razdoblja", ali je sasvim normalno. Posao revizora je izdvojiti stvarni rizik iz označene hrpe. Ovo sortiranje nije prenosivo; jer razlikovanje legitimnog od sumnjivog zahtijeva poznavanje poslovanja i konteksta - nešto što umjetna inteligencija nema.
Stoga uvijek čitajte rezultat ovako: "AI je za mene označio 420 zapisa. Većina njih je vjerojatno lažno pozitivna. Moj posao je pronaći od ovih 420 one koje stvarno treba istražiti, obrasce i pojedinačne sumnjive." Ovaj vas pogled štiti i od pristranosti automatizacije (svaki znak uzima za pogrešku) i od lijenosti (ne gledajući nijedan od njih).
Otkrivanje anomalija korak po korak
- Pripremite podatke i provjerite potpunost. (Koraci usklađivanja u prethodnoj jedinici.)
- Jasno definirajte kriterije. Koji obrasci vremena, količine, korisnika i opisa će biti označeni?
- Skenirajte i ocijenite s AI. Označiti svaki zapis prema kriterijima; Dajte veći prioritet onima koji ispunjavaju više kriterija.
- Uklonite lažno pozitivne rezultate. Filtrirajte ili označite poznate legitimne obrasce (kao što su automatska obračunavanja).
- Pregledajte preostale zapise. Povežite svaki s popratnim dokumentom, odobrenjem i poslovnom logikom.
- Dokumentirajte zaključak i obrazloženje. Zapišite što vam je bilo sumnjivo i zašto te što ste eliminirali i zašto.
tri mini kućišta
Slučaj 1 — Stvarni nalaz. Revizor je pomoću umjetne inteligencije skenirao 240 000 unosa u dnevnik; Kombinirao je kriterije "posljednja 3 dana razdoblja + priručnik + 'ispravak' opisa + 100.000 puta veći iznos". 14 zapisa dobilo je visoke ocjene. U pregledu je 11 bilo legitimnih usklađenja na kraju godine; Međutim, 3 unosa su upisana na način koji bi povećao račun prihoda i bio poništen u sljedećem razdoblju, a nije bilo popratne dokumentacije. To je bio obrazac upravljanja zaobilazeći kontrole i bio je značajan nalaz. AI je postavio 14 pitanja; Skepticizam revizora pronašao je 3 prava odgovora.
Slučaj 2 — Lažno pozitivna zamka. Član tima napisao je 380 "okruglo dosljednih" zapisa koje je AI označio izravno na radnom listu pod naslovom "sumnjive transakcije". Kad je službenik pogledao, vidio je da većina njih ima fiksnu najamninu, fiksnu naknadu za savjetovanje i automatsku evidenciju amortizacije; svi su bili legitimni. Radni list postao je "popis lažnih nalaza" koji su reviziju odveli u krivom smjeru. Lekcija: nije svaki označeni zapis nalaz; Revizor vrši odabir.
Slučaj 3 — Preusko postavljanje kriterija. Revizor je koristio samo kriterij "vikend rekorda" i nije pronašao sumnjive zapise; Laknulo mu je. No, u poslovanju su se manipulativne evidencije unosile tijekom radnog vremena radnim danom, ali uz neobične kombinacije računa. Oslanjanje na jedan jedini, uski kriterij spriječilo ga je da vidi pravi rizik. Kada je revizor proširio kriterije, pojavio se obrazac. Lekcija: jedan kriterij ne daje sigurnost; Gledajte to višedimenzionalno.
Slab upit / Jak upit
Slab upit:
Pronađite lažne unose u ovim dnevničkim unosima.
Problem: AI ne može "otkriti" varanje; Prijevara je pravna/profesionalna posljedica, a ne obrazac podataka. Također je "prevarant" nedefiniran. Ovaj prompt proizvodi ili izmišljeni "cheat list" ili besmislene zastavice.
Snažan upit:
Vaša uloga: pomoćnik ste u analizi temeljnica neovisnog revizora. Zapis OZNAČAVATE prema kriterijima; odluka o varanju/pogrešci pripada meni. Kontekst: Anonimizirani podaci dnevnika (stupci: broj_zapisa, datum, vrijeme, korisnička_uloga, debitni_račun, kreditni_račun, iznos, vrsta_zapisa [ručno/automatski], opis). Kraj termina: 31.12. Radno vrijeme: 09:00-18:00, pon-pet. Zadatak:1) Dodijelite "ocjenu pozornosti" svakom zapisu prema sljedećim kriterijima (ovisno o tome koliko je kriterija priloženo): a) record_type=manual b) datum između 29. i 31. prosinca ILI vikend/praznik c) sat izvan dužnosti d) iznos 100.000 TL čvrsto (zaokruženo) e) opis je prazan ili {ispravak, razno, privremeno} in2) Dajte one s ocjenom 3 i više kao listu prioriteta.3) Napišite svaki kriterij koji primjenjujete u običnom tekstu (auditabilnost).4) Jasno navedite da su to "iznimke koje treba ispitati" i da nisu REZULTAT prijevare/pogreške. Dodavanje lažnog zapisa.
Ovaj je upit moćan jer jasno definira kriterije, zahtijeva višedimenzionalne rezultate, mogućnost revizije i točno locira izlaz (iznimku, ne ishod).
Uobičajene greške
- To znači "pronađi trik". AI ne otkriva varanje; ocjenjuje prema kriterijima. Varanje je profesionalna/pravna posljedica.
- Zamijenivši znak za nalaz. Zapisivanje sumnjivog zapisa kao "greška" bez eliminiranja lažno pozitivnih rezultata.
- Oslanjajući se na jedan kriterij. Korištenje uskog pravila i nedostatak pravog uzorka.
- Ne filtriranje legitimnih obrazaca. Stvaranje buke uključivanjem automatskih razgraničenja na sumnjivu listu.
- Bez dokumentiranja obrazloženja. Ostavljanje radnog lista bez praćenja bez zapisivanja što ste eliminirali/zadržali i zašto.
Oprez: Opisivanje snimke kao "sumnjive" ozbiljna je izjava. Provjerite dokazima (popratni dokument, potvrda, poslovni slučaj) prije pisanja kao nalaza. U protivnom ćete biti nepošteni prema poslovanju i naštetiti kvaliteti revizije.
Ukratko
Testiranje unosa u dnevnik potrebno je prema BDS 240, a AI je idealan motor za to: on skenira stotine tisuća zapisa prema višedimenzionalnim kriterijima u sekundi i proizvodi ocjenu pozornosti. Ali AI ne "otkriva" varanje ili pogreške; samo označava neobično. Rezultat je hrpa iznimaka punih lažno pozitivnih rezultata; Na revizorovom je skepticizmu i prosudbi da izdvoji stvarni rizik iz toga, eliminira legitiman i donese zaključke. Znak je upitnik, a ne odgovor.
Zadatak aplikacije
Odredite pet kriterija anomalije za hipotetske podatke dnevnika (raspored, korisnik, iznos, kombinacija računa, opis). Neka AI proizvede višedimenzionalni "ocjenu pozornosti" pomoću gornjeg snažnog obrasca upita. Zatim napišite "vodič za provjeru": koje legitimne obrasce (automatsko obračunavanje, fiksna najamnina itd.) treba filtrirati kao lažno pozitivne? Konačno, za 5 rekorda s visokim bodovanjem, "koje dokaze trebam tražiti?" Odgovorite na pitanje.
popis za provjeru
- [ ] Anonimizirao sam podatke i provjerio njihovu potpunost.
- [ ] Definirao sam kriterije anomalije višedimenzionalno i jasno.
- [ ] Dobio sam otvoreni tekst ocjene pozornosti i primijenjenih kriterija od umjetne inteligencije.
- [ ] Filtrirao sam poznate legitimne uzorke kao lažno pozitivne.
- [ ] Pregledao sam zapise s visokim bodovanjem s pratećom dokumentacijom i potvrdom.
- [ ] Potvrdio sam to dokazima prije nego što sam zaključio "varanje/pogreška".
- [ ] Dokumentirao sam što mi je bilo sumnjivo i zašto.