Ieguvumi:
- Izprotiet, kāpēc žurnāla ierakstu pārbaude ir obligāta saskaņā ar BDS 240 un kā mākslīgais intelekts var skenēt aizdomīgus ierakstīšanas kritērijus
- Spēja atzīmēt un noteikt prioritātes novirzes, neparastu laiku un neparastus daudzuma modeļus ar mākslīgā intelekta atbalstu
- Spēja apgalvot, ka katra mākslīgā intelekta atzīmēta anomālija nav konstatējums, bet gan jautājuma zīme, ko revidents izmeklēs, un viltus pozitīvu rezultātu novēršana ir cilvēka atbildība.
Uzņēmuma finanšu pārskati būtībā ir miljonu žurnālu ierakstu summa (grāmatvedībā katrs finanšu darījums tiek ierakstīts kā debets un kredīts). Gan kļūda, gan krāpšana galu galā atrodas žurnāla ierakstā: summa, kas ierakstīta nepareizā kontā, piemaksa, kas tiek "aizmirsta" un perioda beigās tiek atgriezta, neparasts ieraksts, kas tiek ievadīts manuāli nakts vidū. Tāpēc BDS 240 (standarts, kas reglamentē revidenta pienākumus attiecībā uz krāpšanu finanšu pārskatu revīzijā) nepārprotami pieprasa revidentam veikt žurnāla ieraksta pārbaudi. Tās mērķis ir atklāt iespējamās vadības manipulācijas, izmantojot vadības ignorēšanu.
Šajā nodaļā mēs apskatīsim, kā mākslīgo intelektu pārvērst par anomāliju un kļūdu noteikšanas dzinēju, bet kāpēc katrs atzīmētais ieraksts ir "jautājuma zīme", nevis "atradums". Pirmie divi jēdzieni. Anomālija ir neparasts ieraksts datu kopā, kas atšķiras no paredzamā modeļa. Ārējais rādītājs ir novērojums, kas skaitliski būtiski atšķiras no citiem (piemēram, ļoti liels daudzums, ļoti augsta frekvence). Anomālija ne vienmēr ir kļūda; bet tur ir jāskatās auditoram.
Aizdomīgi grāmatošanas kritēriji žurnāla ieraksta testā
BDS 240 nosaka, ka ieraksti ar noteiktiem raksturlielumiem ir vairāk pakļauti krāpšanas riskam. AI var skenēt simtiem tūkstošu ierakstu, pamatojoties uz šiem kritērijiem sekundēs. Tipiski "sarkanā karoga" kritēriji:
- Neparasts laiks: manuāli ieraksti, kas ievadīti pēc darba laika, nedēļas nogalē, valsts svētku dienā vai termiņa beigu pēdējā dienā.
- Neparasts lietotājs: ieraksti, ko ievadījis lietotājs, kurš parasti neievada grāmatvedības ierakstus (piemēram, administrators).
- Neparastas kontu kombinācijas: grāmatojumi starp kontiem, kas viens otru nesagaida (piemēram, ieņēmumu konts un neparasts bezskaidras naudas konts).
- Apaļas summas: "tīras" lielas summas, piemēram, 100 000, 500 000; Tā ir tipiska manuālas manipulācijas pēda.
- Ieraksti ar tukšiem vai neskaidriem aprakstiem: tukši apraksti, piemēram, "labojums", "dažādi", "pagaidu".
- Apgrieztie ieraksti: ieraksti, kas ievadīti perioda sākumā un pēc neilga laika atcelti (storno).
- Apakšsliekšņa dublikāti: liels ierakstu skaits, kas sagrupēti tieši zem apstiprināšanas sliekšņa (piemēram, 50 000 ASV dolāru).
Padoms. Padomājiet par šiem kritērijiem kopā, nevis atsevišķi. "Apaļa summa" vien var būt nevainīga; bet "nedēļas nogale, administrators, apraksts tukšs, apaļš konsekvents, perioda beigu manuāla publicēšana" ir spēcīgs sarkans karogs. AI apvienojot kritērijus, lai iegūtu “riska rādītāju”, jūs varat noteikt prioritātes.
Viltus pozitīva patiesība: kāpēc ne katra zīme ir atradums
Anomāliju skenēšanas būtība ir kļūdaini pozitīvi: ieraksti, kas atzīmēti ar karodziņu un faktiski ir likumīgi. Piemēram, uzņēmums katra mēneša pēdējā darbadienā automātiski ievada apļveida nomas maksas uzkrājumu; Tas ir iestrēdzis ar kritēriju "apaļa summa + perioda beigas", taču tas ir pilnīgi normāli. Revidenta uzdevums ir izvilkt reālu risku no karodziņas. Šī šķirošana nav nododama; jo, lai atšķirtu likumīgo no aizdomīgā, ir jāzina bizness un konteksts — kaut kas AI nav.
Tāpēc vienmēr izlasiet rezultātu šādi: "AI man atzīmēja 420 ierakstus. Lielākā daļa no tiem, iespējams, ir kļūdaini pozitīvi. Mans uzdevums ir noskaidrot no šiem 420 ierakstiem, kas patiešām ir jāizmeklē, modeļus un atsevišķus aizdomīgos." Šis skats pasargā jūs gan no automatizācijas aizspriedumiem (katras zīmes uztveršana par kļūdu), gan slinkuma (neskatoties ne uz vienu no tām).
Anomāliju noteikšana soli pa solim
- Sagatavojiet datus un pārbaudiet pilnīgumu. (Saskaņošanas soļi iepriekšējā vienībā.)
- Skaidri definējiet kritērijus. Kādi laika, daudzuma, lietotāju un aprakstu modeļi tiks atzīmēti?
- Skenējiet un iegūstiet punktus, izmantojot AI. Atzīmējiet katru ierakstu atbilstoši kritērijiem; Piešķiriet augstāku prioritāti tiem, kas atbilst vairākiem kritērijiem.
- Novērsiet viltus pozitīvus rezultātus. Filtrējiet vai atzīmējiet zināmus likumīgus modeļus (piemēram, automātiskos uzkrājumus).
- Pārbaudiet atlikušos ierakstus. Saistiet katru ar apliecinošo dokumentu, apstiprinājumu un biznesa loģiku.
- Dokumentējiet secinājumus un pamatojumu. Pierakstiet, kas jums šķita aizdomīgs un kāpēc, un ko jūs novērsāt un kāpēc.
trīs mini futrāļi
1. gadījums — faktiskais konstatējums. Auditors ar AI skenēja 240 000 žurnālu ierakstu; Tas apvienoja kritērijus "perioda pēdējās 3 dienas + rokasgrāmata + apraksts "labojums" + 100 000 reižu lielāka summa". 14 ieraksti saņēma augstus punktus. Pārskatā 11 bija likumīgas gada beigu korekcijas; Tomēr 3 ieraksti tika ievadīti tādā veidā, kas palielinātu ienākumu kontu un tiktu apgriezti nākamajā periodā, un nebija apliecinošu dokumentu. Tas bija vadības paraugs, apejot kontroles, un tas bija nozīmīgs konstatējums. AI uzdeva 14 jautājumus; Auditora skepse atrada 3 īstās atbildes.
2. gadījums — viltus pozitīvs slazds. Komandas loceklis ierakstīja 380 “kārtējos konsekventos” ierakstus, kurus AI bija atzīmējis tieši darblapā zem virsraksta “aizdomīgi darījumi”. Kad virsnieks paskatījās, viņš redzēja, ka lielākajai daļai no viņiem ir fiksēta īre, fiksēta konsultāciju maksa un automātiska nolietojuma uzskaite; viņi visi bija likumīgi. Darba lapa bija kļuvusi par "viltus atradumu sarakstu", kas noveda revīziju nepareizā virzienā. Nodarbība: ne katrs atzīmētais ieraksts ir atradums; Revidents veic atlasi.
3. gadījums — pārāk šauri kritēriji. Revidents izmantoja tikai "nedēļas nogales ieraksta" kritēriju un neatrada nekādus aizdomīgus ierakstus; Viņš jutās atvieglots. Taču biznesā manipulatīvie ieraksti tika ievadīti darba dienu darba laikā, taču ar neparastām kontu kombinācijām. Paļaušanās uz vienu šauru kritēriju neļāva viņam saskatīt reālo risku. Kad revidents paplašināja kritērijus, parādījās modelis. Nodarbība: viens kritērijs nesniedz pārliecību; Paskaties uz to daudzdimensionāli.
Vāja uzvedne / spēcīga uzvedne
Vāja uzvedne:
Šajos žurnāla ierakstos atrodiet krāpnieciskus ierakstus.
Problēma: AI nevar “atklāt” krāpšanos; Krāpšana ir juridiskas/profesionālas sekas, nevis datu modelis. Arī "krāpniecisks" nav definēts. Šī uzvedne rada vai nu izdomātu "krāpšanos sarakstu", vai bezjēdzīgus karogus.
Spēcīga uzvedne:
Jūsu loma: jūs esat neatkarīga revidenta žurnāla ierakstu analīzes asistents. Jūs atzīmējat ierakstu atbilstoši kritērijiem; krāpšanās/kļūdas lēmums pieder man.Konteksts: anonimizēti žurnāla dati (kolonnas: ieraksta_numurs, datums, laiks, lietotāja_lomas, debeta_konts, kredīta_konts, summa, ieraksta_veids[manuāli/automātiski], apraksts). Termiņa beigas: 31.12. Darba laiks: 09:00-18:00, P-P.Uzdevums:1) Katram ierakstam piešķiriet "uzmanības punktu" atbilstoši šādiem kritērijiem (atkarībā no pievienoto kritēriju skaita): a) ieraksta_veids=rokasgrāmata b) datums no 29. līdz 31. decembrim VAI nedēļas nogale/brīvdienās c) stunda brīvdienās d) stunda ir tukša0 TL 10 e) {labojums, dažādi, pagaidu} in2) Norādiet tos, kuriem ir 3 un vairāk punktu, kā prioritāšu sarakstu.3) Uzrakstiet katru piemēroto kritēriju vienkāršā tekstā (pārbaudāmība).4) Norādiet, ka tie ir "izņēmumi, kas jāpārbauda" un tie nav krāpšanas/kļūdas REZULTĀTS. Viltus ieraksta pievienošana.
Šī uzvedne ir spēcīga, jo tā skaidri definē kritērijus, prasa daudzdimensionālus punktus, pārbaudāmību un precīzi nosaka rezultātu (izņēmumu, nevis rezultātu).
Biežas kļūdas
- Tas nozīmē "atrast triku". AI neatklāj krāpšanos; ieliek atzīmi atbilstoši kritērijiem. Krāpšanās ir profesionālas/juridiskas sekas.
- Sajaukt zīmi par atradumu. Aizdomīgā ieraksta ierakstīšana kā "kļūda", nenovēršot viltus pozitīvus rezultātus.
- Paļaujoties uz vienu kritēriju. Izmantojot šauru noteikumu un trūkst īstā modeļa.
- Nefiltrējot likumīgus modeļus. Trokšņa radīšana, iekļaujot automātiskos uzkrājumus aizdomīgo sarakstā.
- Nav dokumentēts pamatojums. Atstājiet darblapu neizsekojamu, nepierakstot, ko un kāpēc novērsāt/saglabājāt.
Uzmanību! Ieraksta aprakstīšana kā “aizdomīga” ir nopietns apgalvojums. Pirms rakstiet kā konstatējumu, pārbaudiet ar pierādījumiem (apliecinošu dokumentu, apstiprinājumu, biznesa pamatojumu). Pretējā gadījumā jūs izturēsities negodīgi pret uzņēmumu un kaitēsit revīzijas kvalitātei.
Rezumējot
Žurnāla ierakstu pārbaude ir nepieciešama saskaņā ar BDS 240, un AI ir ideāls dzinējs tam: tas skenē simtiem tūkstošu ierakstu pēc daudzdimensionāliem kritērijiem sekundēs un rada uzmanības rādītāju. Bet AI "neatklāj" krāpšanos vai kļūdas; tas tikai iezīmē neparasto. Rezultāts ir izņēmumu kaudze, kas pilna ar viltus pozitīviem rezultātiem; Revidenta skepse un spriedums ir atkarīgs no tā, vai no tā tiks izšķirts patiesais risks, novērsts likumīgais un izdarīti secinājumi. Zīme ir jautājuma zīme, nevis atbilde.
Lietojumprogrammas uzdevums
Norādiet piecus anomālijas kritērijus hipotētiskā žurnāla datiem (grafiks, lietotājs, summa, konta kombinācija, apraksts). Lieciet AI izveidot daudzdimensionālu "uzmanības rādītāju", izmantojot iepriekš minēto jaudīgo uzvednes modeli. Pēc tam uzrakstiet “pārbaudes rokasgrāmatu”: kuri likumīgie modeļi (automātiskā uzkrāšana, fiksētā nomas maksa utt.) būtu jāfiltrē kā viltus pozitīvi? Visbeidzot, attiecībā uz 5 augstiem rekordiem: “kādus pierādījumus es meklēju?” Atbildi uz jautājumu.
kontrolsaraksts
- [ ] Es padarīju datus anonīmus un pārbaudīju to pilnīgumu.
- [ ] Anomālijas kritērijus definēju daudzdimensionāli un skaidri.
- [ ] Es saņēmu no AI vienkāršu tekstu par uzmanības punktu skaitu un piemērotajiem kritērijiem.
- [ ] Es izfiltrēju zināmos likumīgos modeļus kā viltus pozitīvus rezultātus.
- [ ] Esmu pārskatījis ierakstus ar augstu punktu skaitu ar apliecinošiem dokumentiem un apstiprinājumu.
- [ ] Es to pārbaudīju ar pierādījumiem, pirms noslēdzu "krāpšanos/kļūdu".
- [ ] Es dokumentēju, kas man šķita aizdomīgs un kāpēc.