利益:
- 人工知能サポートによる現在の照合、銀行照合、および 3 者照合 (注文、納品書、請求書) テストを自動化するロジックを理解する
- 差異（差異）分析と人工知能との差異を調整する理由を分類して優先順位を付ける能力
- 不一致項目や確認の差異は監査人が調査する必要があり、人工知能は差異を示すだけであることを理解する能力。
監査の基本は、記録が実際に存在し、正確に保存されていることを独立した情報源と比較することによって検証することです。信用記入は、債務者の承認があれば本物です。銀行からの確認があり、銀行残高が正しいこと。注文、納品書、請求書の 3 つの要素が互いに一致することを確認することで、購入の信頼性をテストします。これらのプロセスを総称して調整および確認と呼びます。本質的に多数の項目の比較が必要なため、反復的で時間がかかり、人工知能が威力を発揮します。
この単元では、当座/口座照合 (2 者の記録を比較)、銀行照合 (元帳残高と銀行取引明細書を照合)、および 3 者照合 (発注書、商品受領書/納品書、仕入先請求書の比較) の 3 つのジョブを取り上げます。基本原則は変わりません。AI が違いを照合して指摘します。差異の理由を調査し、結論を出すのは監査人の責任です。
3 者間マッチングとは何ですか?なぜ重要ですか?
企業が商品やサービスを購入する場合、通常、次の 3 つの文書が作成されます。(1) 注文書 – 何を、いくら、どの価格で注文したか。 (2) 商品の納品書/受領書 - 何を、いくら受け取ったか。 (3) ベンダーの請求書 — 何を、いくら請求されたか。健全な管理環境では、これら 3 つが一致する必要があります: 注文 = 受領 = 請求書。 3 者一致テストでは、これら 3 つが一致するかどうかを確認します。紛争;それは、過剰請求、架空の購入、重複支払い、価格操作、または単純なデータエラーを意味する可能性があります。
AI は、これら 3 つのドキュメントにわたる何千もの購入内容を数秒で照合できます。ただし、表示される「一致しない項目」のリストはエラーのリストではありません。商品は、次のような無実の理由で不一致になる可能性があります: 部分配送 (注文 100、配送 60)、タイミングの違い (請求書がまだ到着していない)、許容範囲内の価格差、割引または商品の発送。監査人の仕事は、違いの理由を見つけて、無実の者と容疑者を区別することです。
マッチタイプ
比較した
違いが生じる一般的な理由
現在の調整
当社登録 ↔ 取引先登録
タイミング、返金、登録不備、為替レートの差
銀行照合
元帳 ↔ 銀行取引明細書
輸送中小切手、銀行手数料、未処理の記録
スリーウェイマッチ
ご注文 ↔ 納品書 ↔ 請求書
分納、タイミング、価格差、重複、架空
外部からの確認: 最も信頼できる証拠の 1 つ
監査における外部確認とは、残高や取引について第三者（銀行、顧客、サプライヤー）から書面による回答を直接得る方法であり、BDS 505で規制されています。外部からの確認は監査人にとって最も強力な証拠の 1 つです。なぜなら、情報は監査対象の事業体からではなく、独立した情報源から得られるものだからです。ここでは、AI が確認レターの草案を作成し、受信した応答を台帳記録と比較し、応答しない当事者 (フォローする人) をリストするアクセラレータとして機能します。しかし、重要な点が 2 つあります。第 1 に、実際の宛先情報を含む確認レターの記入と送信は監査人の管理下にある必要があります。第二に、監査人は、その回答が本物であり、監査人に直接届くことを確認する必要があります。検証プロセスの完全性は監査人にかかっています。 AI は比較と追跡を容易にするだけです。
ギャップ分析: AI が分類し、監査人が決定
コンセンサスの差異を調べる最も生産的な方法は、差異を分類することです。どの差異がタイミングに関連しているか (期間ごとに変化しますが、実際の差異ではありません)、どのような差異が永続的な差異であり、どのような差異が説明不能であるかに分類することです。 AI は、この予備的な分類を迅速に行うことができます。差異の量、方向、および考えられる原因を表にまとめます。ただし、注意してください。AI の「考えられる原因」列は予測であり、決定ではありません。 「おそらくタイミングの違い」というだけでは、その違いがタイミングであることを証明するものではありません。監査人はこれを文書 (次期の請求書、返品領収書、銀行領収書) で検証する必要があります。
ヒント: 金額の大きさと説明可能性による違いに優先順位を付けます。簡単に説明できる小さな違いは省略してください。監査人は、大きな差異または説明のつかない差異に集中して作業します。 AI が優先順位表を作成します。しきい値とフォーカスを設定します。
段階的な調整の自動化
- 2 つ (または 3 つ) のデータセットを準備して匿名化します。一致するキー (請求書番号、注文番号、金額 + 日付) を決定します。
- 完全性を確認します。各クラスターのレコードの合計と数は、予想されたものと一致していますか?
- 一致ルールを定義します。完全に一致するものはありますか、それとも許容範囲 (例: ±1% の価格差) が許容されますか?
- AIとマッチングする。一致するもの、一致しないもの、および許容範囲内にあるものは、別個のリストに表示されます。
- 相違点を分類して優先順位を付けます。タイミング/持続性/説明不能。
- 監査役として調査します。重要な違いがある場合はドキュメントを確認してください。結論と根拠を文書化します。
ミニケース3個
ケース 1 — 重複した支払いキャプチャ。監査人は 12,400 件の購入を AI で三者照合しました。 YZ は、同じ請求書番号に対して 2 回の別々の支払いが行われた 6 つの商品にマークを付けました。監査人は次のことを検査しました。4 件は異なる年の同様の番号を持つ正規の請求書でした。しかし、そのうち 2 件は実際には二重支払い (同じ請求書が 2 回支払われた) で、合計 88,000 TL でした。復職プロセスが開始され、内部統制の脆弱性が経営陣の書簡に記載されました。 AI は 6 つの質問をしました。監査人が確認した実際の問題は 2 つあります。
ケース 2 — タイミングの違いをミスと勘違いする。チームメンバーは、銀行調整でYZによってマークされた40,000 TLの差を「記録エラー」として直接帳消しにしました。担当者が調べたところ、その差額は期末に振り出された小切手であり、まだ銀行に提出されていなかった。それは完全に通常のタイミングの違いであり、翌週にクローズされました。教訓: ペンの不一致は自動的なエラーではありません。原因を究明しないと結論は言えません。
ケース 3 — 公差エラー。ある監査人は、3 方向のマッチングを容認しませんでした。ペニー丸めの違いにより、YZ 900 はアイテムに「一致しない」とマークしました。リストは検査されなくなりました。本当の問題は雑音の中に紛れてしまいました。監査人が妥当な許容範囲 (例: ±5 TL または ±0.5%) を定義すると、リストは 27 の重要な項目に減らされました。教訓: 一致ルールはビジネスの現実と一致する必要があります。ルールが厳しすぎると騒音が発生し、ルールが緩すぎると盲目になります。
弱いプロンプト / 強いプロンプト
弱いプロンプト:
これら 2 つのリストを比較して、何が適合しないのか教えてください。
問題: 一致するキー、許容値、および出力形式が不明瞭です。 AI は何に基づいて照合すればよいのかわかりません。その結果は信頼性が低く、再現性がありません。
強力なプロンプト:
あなたの役割: あなたは独立監査人の調整アシスタントです。あなたはマッチして違いを見せます。差額の理由と結果は私のデータです。 データ (匿名化): - セット A: 発注書 (列: order_no、品目、数量、単価、金額) - セット B: 納品書 (order_no、品目、delivery_quantity) - セット C: 請求書 (order_no、品目、請求数量、請求金額) 照合キー: 注文番号 + 品目。許容差: 金額の差が以内であれば「一致」としてカウントします。 ±5 TL または ±0.5% (どちらか大きい方)。タスク:1) 3 つのクラスターを照合します。次の 3 つのリストを個別に指定します: (a) 完全一致 (概要番号)、(b) 許容範囲内の一致、(c) 一致しない項目 (詳細)。2) 不一致 (部分納品 / 書類の欠落 / 数量差異 / 金額差異) の考えられる原因列を追加しますが、これは証拠によって検証される推定値であることを明記します。3) 適用した一致ルールと許容ルールをプレーン テキストで記述します。4) 合計調整 (A、B、 C)。合計）ので、完全性を確認できます。データから推測できないことをでっち上げないでください。
このプロンプトは、キーと許容値を定義し、3 つの個別のリストを要求し、「考えられる原因」を推測として位置づけ、完全性を得るには完全な同意を必要とするため、強力です。
よくある間違い
- 不一致の項目を間違いと誤解する。理由（タイミング、分納、返品）を調べずに結論を書く。
- 公差を設定していません。リストをペニー単位で膨らませてしまうと、ノイズの中に本当の問題が埋もれてしまいます。
- ペアリングキーを曖昧なままにします。 AIが何に基づいてマッチングするかを制御していません。
- 完全性をスキップします。合計を調整せずに一致するセットに依存する。
- 「考えられる原因」を検出と間違える。 AIの予測を文書で検証せずに受け入れる。
注意: 差額を「重複支払い」または「架空購入」と表現することは重大な主張です。書き留める前に、これを文書（請求書、支払領収書、商品受領記録）で確認してください。パターンがある場合は、内部統制の弱点として個別に評価します。
要約すれば
調整、確認、および 3 方向の照合は、監査の中で最も反復的なタスクの 1 つであり、AI を使用して最も簡単に加速できます。 AI は数千のアイテムを数秒で照合し、相違点をリスト化し、それらを事前に分類します。しかし、ペンの不一致はエラーではなく、調査すべき相違点です。 「考えられる原因」は推測であり、断定ではありません。監査人は、ビジネスの現実に応じて照合キーと許容範囲を決定します。監査人は文書との差異を検証します。監査人は結果を書き込みます。 AI が違いを示し、監査人が意味を与えます。
アプリケーションタスク
3 つの小さなデータ セット (注文書、納品書、請求書) または 2 つのセット (元帳、銀行) を考えてみましょう。一致するキーと適切な許容値を決定します。 AI に上記の強力なプロンプト パターンと一致させ、「考えられる原因」列と一致しないものを削除します。次に、不一致項目ごとに「調査計画」を書きます。どの文書を参照し、どの質問をし、どの結論をこれをバグ/正常とみなしますか?
チェックリスト
- [ ] データを匿名化し、一致するキーを明確に特定しました。
- [ ] 各クラスタの完全性をレコードの合計と数で確認しました。
- [ ] ビジネスの現実に適した許容範囲を設定します (厳しすぎず、緩すぎず)。
- [ ] 一致/許容範囲内/不一致のリストを個別に取得しました。
- [ ] 文書内で一致しない重要な項目をすべて検索しました。その理由を確認しました。
- [ ] 証拠で確認することなく、「考えられる原因」の推測を結果としてカウントしませんでした。
- [ ] 重複/架空などの重大な修飾子を文書化し、内部統制への影響を評価しました。