이득:
- BDS 240에서 저널 항목 테스트가 필수인 이유와 인공 지능이 의심스러운 항목 기준을 스캔할 수 있는 방법을 이해합니다.
- 인공 지능 지원을 통해 이상값, 비정상적인 타이밍 및 비정상적인 금액 패턴을 표시하고 우선순위를 지정하는 기능
- 인공지능에 의해 표시된 모든 이상 징후가 발견이 아니라 감사자가 조사할 물음표임을 유지할 수 있는 것, 오탐을 제거하는 것은 인간의 책임입니다.
기업의 재무제표는 기본적으로 수백만 개의 분개 항목의 합계입니다(회계에서는 각 금융 거래가 차변과 대변으로 기록됩니다). 오류와 사기 모두 궁극적으로 분개 항목에 존재합니다. 잘못된 계정에 기록된 금액, 기간이 끝날 때 "잊어버렸다"고 취소되는 수당, 한밤중에 수동으로 입력된 특이한 항목 등입니다. 따라서 BDS 240(재무제표 감사에서 부정행위에 대한 감사인의 책임을 규정하는 표준)은 감사인이 분개 테스트를 수행하도록 명확하게 요구합니다. 그 목적은 경영진 무시를 통해 경영진이 조작할 수 있는 가능성을 밝히는 것입니다.
이 단원에서는 인공 지능을 변칙 및 오류 감지 엔진으로 전환하는 방법과 표시된 각 기록이 "발견"이 아닌 "물음표"인 이유에 대해 설명합니다. 처음 두 가지 개념. 변칙은 예상 패턴에서 벗어나는 데이터 세트의 비정상적인 기록입니다. 이상값은 수치적으로 다른 관측값과 크게 다른 관측값입니다(예: 매우 많은 양, 매우 높은 빈도). 변칙이 항상 오류인 것은 아닙니다. 그러나 감사인이 봐야 할 곳은 바로 여기입니다.
분개 테스트의 의심스러운 게시 기준
BDS 240에는 특정 특성을 지닌 기록이 사기 위험이 더 높다고 명시되어 있습니다. AI는 이러한 기준에 따라 수십만 개의 기록을 몇 초 만에 스캔할 수 있습니다. 일반적인 "위험 신호" 기준:
- 비정상적인 시점: 근무 시간 이후, 주말, 공휴일 또는 임기 종료 마지막 날에 수동으로 기록이 입력되었습니다.
- 비정상적인 사용자 : 평소 회계기록을 입력하지 않는 사용자(예: 관리자)가 입력한 기록입니다.
- 비정상적인 계정 조합: 서로를 기대하지 않는 계정 간의 게시(예: 수익 계정과 비정상적인 비현금 계정).
- 라운드 금액: 100,000, 500,000과 같은 큰 금액을 "정리"합니다. 손으로 조작한 전형적인 흔적이다.
- 비어 있거나 모호한 설명이 있는 기록: "수정", "기타", "임시"와 같은 빈 설명.
- 취소된 기록: 기간 초에 입력되었다가 잠시 후 취소된 기록(storno)입니다.
- 하위 임계값 중복: 승인 임계값 바로 아래에 클러스터된 다수의 기록(예: $50,000)
팁: 이러한 기준을 개별적으로 생각하지 말고 함께 생각해 보세요. "둥근 금액"만으로는 결백할 수 있습니다. 그러나 "주말, 관리자에 의한 설명 공백, 라운드 일관성, 기간 종료 수동 게시"는 강력한 위험 신호입니다. AI가 기준을 결합하여 "위험 점수"를 생성하면 우선순위를 지정하는 데 도움이 됩니다.
잘못된 긍정의 진실: 모든 징후가 결과가 아닌 이유
이상 검색의 특성은 오탐(false positive)입니다. 즉, 실제로 합법적인 규칙에 의해 플래그가 지정된 레코드입니다. 예를 들어, 회사는 매월 마지막 영업일에 자동으로 라운드 로빈 임대료 발생을 입력합니다. 이는 '반올림금액+기간말' 기준에 갇혀있지만 지극히 정상이다. 감사인의 임무는 플래그가 지정된 더미에서 실제 위험을 추출하는 것입니다. 이 정렬은 양도할 수 없습니다. 합법적인 것과 의심스러운 것을 구별하려면 AI에는 없는 비즈니스와 맥락을 알아야 하기 때문입니다.
따라서 항상 다음과 같은 출력을 읽으십시오. "AI는 나를 위해 420개의 기록을 표시했습니다. 대부분은 아마도 거짓 긍정일 것입니다. 내 임무는 이 420개 중에서 실제로 조사해야 할 항목, 패턴 및 개별 의심스러운 항목을 찾는 것입니다." 이 보기는 자동화 편향(모든 징후를 오류로 간주)과 게으름(아무 것도 보지 않음)으로부터 사용자를 보호합니다.
단계별 이상 징후 탐지
- 데이터를 준비하고 완전성을 검증합니다. (이전 단원의 조정 단계)
- 기준을 명확하게 정의하세요. 어떤 시기, 금액, 사용자 및 설명 패턴이 표시되나요?
- AI로 스캔하고 점수를 매기세요. 기준에 따라 각 기록을 표시하십시오. 여러 기준을 충족하는 항목에 더 높은 우선순위를 부여합니다.
- 거짓 긍정을 제거합니다. 알려진 적법한 패턴(예: 자동 적립)을 필터링하거나 플래그를 지정합니다.
- 나머지 기록을 조사합니다. 각각을 지원 문서, 승인 및 비즈니스 로직에 연결합니다.
- 결론과 근거를 문서화하세요. 의심스러운 부분과 그 이유, 제거한 부분과 그 이유를 적어보세요.
세 개의 미니 케이스
사례 1 - 실제 결과. 감사자는 AI로 240,000개의 저널 항목을 스캔했습니다. '지난 3일 기간 + 수동 + 설명 '수정' + 10만 배 금액'이라는 기준을 결합한 것입니다. 14개 레코드가 높은 점수를 받았습니다. 검토 결과 11개는 합법적인 연말 조정이었습니다. 다만, 소득계산을 부풀려 다음 기간에 반전시키는 방식으로 3개의 항목을 입력하였고, 증빙서류가 없었습니다. 이는 관리가 통제를 우회하는 패턴이었으며 중요한 발견이었습니다. AI는 14가지 질문을 했다. 감사인의 회의론은 3가지 실제 답을 찾았습니다.
사례 2 - 거짓 긍정 트랩. 팀원은 AI가 '의심스러운 거래'라는 제목 아래 워크시트에 직접 표시한 380개의 '라운드 일관성' 기록을 작성했습니다. 담당자가 살펴보니 대부분 고정 임대료, 고정 컨설팅 비용 및 자동 감가상각 기록이 있는 것으로 나타났습니다. 그들은 모두 합법적이었습니다. 워크시트는 감사를 잘못된 방향으로 이끄는 "잘못된 결과 목록"이 되었습니다. 교훈: 신고된 모든 기록이 결과는 아닙니다. 감사인이 선택합니다.
사례 3 — 기준을 너무 좁게 설정합니다. 감사자는 "주말 기록" 기준만 사용했으며 의심스러운 기록은 발견하지 못했습니다. 그는 안도감을 느꼈다. 그런데 해당 사업장에서는 평일 근무시간 중에 조작기록이 입력됐는데, 특이한 계좌조합이 있었다. 하나의 좁은 기준에만 의존하다 보니 실제 위험을 보지 못하게 되었습니다. 감사인이 기준을 확장하자 패턴이 나타났습니다. 교훈: 단일 기준은 보증을 제공하지 않습니다. 다차원적으로 보세요.
약한 프롬프트 / 강한 프롬프트
약한 프롬프트:
이 일지 항목에서 사기 항목을 찾아보세요.
문제: AI는 부정행위를 "감지"할 수 없습니다. 사기는 데이터 패턴이 아니라 법적/직업적 결과입니다. 또한 "사기"는 정의되지 않았습니다. 이 프롬프트는 만들어진 "치트 목록"이나 의미 없는 플래그를 생성합니다.
강력한 프롬프트:
귀하의 역할: 귀하는 독립 감사인의 분개 분석 보조원입니다. 기준에 따라 기록을 표시합니다. 부정 행위/오류 결정은 나에게 속합니다. 컨텍스트: 익명화된 저널 데이터(열: 레코드_번호, 날짜, 시간, user_role, debit_account, Credit_account, 금액, 레코드 유형[수동/자동], 설명). 임기 종료: 12.31. 근무 시간: 09:00-18:00, 월-금. 작업:1) 다음 기준에 따라 각 기록에 "주의 점수"를 부여합니다(부착된 기준 수에 따라 다름): a) Record_type=manual b) 12월 29-31일 또는 주말/휴일 사이의 날짜 c) 근무 외 시간 d) 금액 100,000 TL 솔리드(반올림) e) 설명이 비어 있거나 {수정, 기타, 임시} in2) 3점 이상의 점수를 우선 순위 목록으로 제공합니다.3) 적용하는 각 기준을 일반 텍스트(감사 가능성)로 작성합니다.4) 이것이 "검토 대상 예외"이며 사기/오류의 결과가 아님을 분명히 합니다. 가짜 기록을 추가합니다.
이 프롬프트는 기준을 명확하게 정의하고 다차원 점수와 감사 가능성을 요구하며 출력(결과가 아닌 예외)을 정확하게 찾기 때문에 강력합니다.
일반적인 실수
- "트릭을 찾아라"라는 뜻이다. AI는 부정행위를 감지하지 못합니다. 기준에 따라 점수를 매깁니다. 부정 행위는 직업적/법적 결과입니다.
- 표지판을 발견으로 착각합니다. 오탐지를 제거하지 않고 의심스러운 기록을 "오류"로 기록합니다.
- 하나의 기준에 의존합니다. 좁은 규칙을 사용하고 실제 패턴이 누락되었습니다.
- 합법적인 패턴을 필터링하지 않습니다. 의심스러운 목록에 자동 발생을 포함시켜 소음을 발생시킵니다.
- 근거를 문서화하지 않음. 무엇을 제거/유지했는지, 그 이유를 기록하지 않고 워크시트를 추적할 수 없도록 둡니다.
주의: 녹음 내용을 "의심스러운" 것으로 묘사하는 것은 심각한 표현입니다. 결과로 작성하기 전에 증거(지원 문서, 확인서, 비즈니스 사례)로 확인하세요. 그렇지 않으면 비즈니스에 불공정을 초래하고 감사 품질이 손상될 수 있습니다.
요약하면
BDS 240에서는 저널 항목 테스트가 필요하며 AI는 이를 위한 이상적인 엔진입니다. AI는 다차원 기준에 대해 수십만 개의 기록을 몇 초 만에 스캔하고 관심 점수를 생성합니다. 그러나 AI는 부정행위나 오류를 "감지"하지 않습니다. 그것은 단지 특이한 점만을 표시할 뿐입니다. 출력은 거짓 긍정으로 가득 찬 예외 더미입니다. 그로부터 실제 위험을 선별하고, 정당한 위험을 제거하고, 결론을 도출하는 것은 감사인의 회의론과 판단에 달려 있습니다. 기호는 답이 아닌 물음표입니다.
응용과제
가상 저널 데이터에 대한 5가지 이상 기준(일정, 사용자, 금액, 계정 조합, 설명)을 지정합니다. AI가 위의 강력한 프롬프트 패턴을 사용하여 다차원적인 "주의력 점수"를 생성하도록 하세요. 그런 다음 "심사 가이드"를 작성합니다. 어떤 합법적인 패턴(자동 적립, 고정 임대료 등)을 오탐으로 필터링해야 합니까? 마지막으로 고득점 기록 5개에 대해 “나는 어떤 증거를 찾는가?” 질문에 답하십시오.
체크리스트
- [ ] 데이터를 익명화하고 완전성을 확인했습니다.
- [ ] 이상 징후의 기준을 다차원적이고 명확하게 정의했습니다.
- [ ] AI로부터 Attention Score 평문을 받고 기준을 적용했습니다.
- [ ] 알려진 합법적인 패턴을 오탐지로 필터링했습니다.
- [ ] 나는 증빙 서류와 확인서를 통해 높은 점수 기록을 검토했습니다.
- [ ] '부정/오류'라고 결론 내리기 전에 증거로 확인했습니다.
- [ ] 나는 의심스러운 점과 그 이유를 문서화했습니다.