അനോമലി ആൻഡ് എറർ ഡിറ്റക്ഷൻ: ജേണൽ എൻട്രി ടെസ്റ്റിംഗും ഔട്ട്‌ലിയർ അനാലിസിസും

നേട്ടങ്ങൾ:

• BDS 240 പ്രകാരം ജേണൽ എൻട്രി ടെസ്റ്റിംഗ് നിർബന്ധമാക്കുന്നത് എന്തുകൊണ്ടാണെന്നും ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിന് സംശയാസ്പദമായ എൻട്രി മാനദണ്ഡങ്ങൾ എങ്ങനെ സ്കാൻ ചെയ്യാമെന്നും മനസ്സിലാക്കുക.
• ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് പിന്തുണയോടെ ഔട്ട്‌ലറുകൾ, അസാധാരണമായ സമയം, അസാധാരണമായ തുക പാറ്റേണുകൾ എന്നിവ അടയാളപ്പെടുത്താനും മുൻഗണന നൽകാനുമുള്ള കഴിവ്
• ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഫ്ലാഗ് ചെയ്യുന്ന ഓരോ അപാകതകളും ഒരു കണ്ടെത്തലല്ല, മറിച്ച് ഓഡിറ്റർ അന്വേഷിക്കുന്ന ഒരു ചോദ്യചിഹ്നമാണെന്നും തെറ്റായ പോസിറ്റീവുകൾ ഇല്ലാതാക്കുന്നത് മനുഷ്യൻ്റെ ഉത്തരവാദിത്തമാണെന്നും നിലനിർത്താൻ കഴിയുക.

ഒരു ബിസിനസ്സിൻ്റെ സാമ്പത്തിക പ്രസ്താവനകൾ അടിസ്ഥാനപരമായി ദശലക്ഷക്കണക്കിന് ജേണൽ എൻട്രികളുടെ ആകെത്തുകയാണ് (അക്കൌണ്ടിംഗിൽ, ഓരോ സാമ്പത്തിക ഇടപാടും ഡെബിറ്റും ക്രെഡിറ്റും ആയി രേഖപ്പെടുത്തുന്നു). പിശകും വഞ്ചനയും ആത്യന്തികമായി ഒരു ജേണൽ എൻട്രിയിലാണ് ജീവിക്കുന്നത്: തെറ്റായ അക്കൗണ്ടിലേക്ക് എഴുതിയ തുക, "മറന്ന" ഒരു അലവൻസ്, കാലയളവിൻ്റെ അവസാനത്തിൽ വിപരീതമായി, അർദ്ധരാത്രിയിൽ ഒരു അസാധാരണ എൻട്രി സ്വമേധയാ നൽകി. അതിനാൽ, BDS 240 (ഫിനാൻഷ്യൽ സ്റ്റേറ്റ്‌മെൻ്റുകളുടെ ഓഡിറ്റിലെ വഞ്ചന സംബന്ധിച്ച ഓഡിറ്ററുടെ ഉത്തരവാദിത്തങ്ങൾ നിയന്ത്രിക്കുന്ന മാനദണ്ഡം) ഓഡിറ്റർ ജേണൽ എൻട്രി ടെസ്റ്റിംഗ് നടത്തണമെന്ന് വ്യക്തമായി ആവശ്യപ്പെടുന്നു. മാനേജ്‌മെൻ്റ് അസാധുവാക്കലിലൂടെ മാനേജ്‌മെൻ്റിൻ്റെ സാധ്യമായ കൃത്രിമങ്ങൾ വെളിപ്പെടുത്തുക എന്നതാണ് ഇതിൻ്റെ ഉദ്ദേശ്യം.

ഈ യൂണിറ്റിൽ, കൃത്രിമ ബുദ്ധിയെ അപാകതയുടെയും പിശക് കണ്ടെത്തലിൻ്റെയും എഞ്ചിനാക്കി മാറ്റുന്നത് എങ്ങനെയെന്ന് ഞങ്ങൾ വിവരിക്കും, എന്നാൽ അടയാളപ്പെടുത്തിയ ഓരോ റെക്കോർഡും ഒരു "കണ്ടെത്തൽ" എന്നതിലുപരി "ചോദ്യചിഹ്നം" ആകുന്നത് എന്തുകൊണ്ട്. ആദ്യത്തെ രണ്ട് ആശയങ്ങൾ. പ്രതീക്ഷിക്കുന്ന പാറ്റേണിൽ നിന്ന് വ്യതിചലിക്കുന്ന ഒരു ഡാറ്റാ സെറ്റിലെ അസാധാരണമായ റെക്കോർഡാണ് അപാകത. സംഖ്യാപരമായി മറ്റുള്ളവയിൽ നിന്ന് (വളരെ വലിയ തുക, വളരെ ഉയർന്ന ആവൃത്തി പോലുള്ളവ) വ്യത്യസ്തമായ ഒരു നിരീക്ഷണമാണ് ഔട്ട്‌ലിയർ. അപാകത എല്ലായ്പ്പോഴും ഒരു പിശകല്ല; എന്നാൽ ഓഡിറ്റർ നോക്കേണ്ടത് അവിടെയാണ്.

ജേണൽ എൻട്രി ടെസ്റ്റിൽ സംശയാസ്പദമായ പോസ്റ്റിംഗ് മാനദണ്ഡം

ചില സ്വഭാവസവിശേഷതകളുള്ള രേഖകൾ വഞ്ചനയുടെ അപകടസാധ്യതയ്ക്ക് കൂടുതൽ പ്രാധാന്യം നൽകുന്നതാണെന്ന് BDS 240 പറയുന്നു. ഈ മാനദണ്ഡങ്ങളെ അടിസ്ഥാനമാക്കി AI-ക്ക് ലക്ഷക്കണക്കിന് റെക്കോർഡുകൾ നിമിഷങ്ങൾക്കുള്ളിൽ സ്കാൻ ചെയ്യാൻ കഴിയും. സാധാരണ "ചുവന്ന പതാക" മാനദണ്ഡം:

• അസാധാരണമായ സമയം: ജോലി സമയത്തിന് ശേഷം, ഒരു വാരാന്ത്യത്തിൽ, ഒരു പൊതു അവധി ദിവസത്തിൽ, അല്ലെങ്കിൽ കാലാവധി അവസാനിക്കുന്നതിൻ്റെ അവസാന ദിവസത്തിൽ നേരിട്ടുള്ള റെക്കോർഡുകൾ രേഖപ്പെടുത്തുന്നു.
• അസാധാരണ ഉപയോക്താവ്: സാധാരണയായി അക്കൗണ്ടിംഗ് റെക്കോർഡുകൾ നൽകാത്ത ഒരു ഉപയോക്താവ് നൽകിയ റെക്കോർഡുകൾ (ഉദാഹരണത്തിന്, ഒരു അഡ്മിനിസ്ട്രേറ്റർ).
• അസാധാരണമായ അക്കൗണ്ട് കോമ്പിനേഷനുകൾ: പരസ്പരം പ്രതീക്ഷിക്കാത്ത അക്കൗണ്ടുകൾക്കിടയിലുള്ള പോസ്റ്റിംഗുകൾ (ഉദാ. റവന്യൂ അക്കൗണ്ടും അസാധാരണമായ നോൺ-ക്യാഷ് അക്കൗണ്ടും).
• റൗണ്ട് തുകകൾ: 100,000, 500,000 പോലെയുള്ള "വൃത്തിയുള്ള" വലിയ തുകകൾ; ഇത് മാനുവൽ കൃത്രിമത്വത്തിൻ്റെ ഒരു സാധാരണ ട്രെയ്സ് ആണ്.
• ശൂന്യമോ അവ്യക്തമോ ആയ വിവരണങ്ങളുള്ള റെക്കോർഡുകൾ: "തിരുത്തൽ", "പലവകകൾ", "താൽക്കാലികം" തുടങ്ങിയ ശൂന്യമായ വിവരണങ്ങൾ.
• റിവേഴ്‌സ്ഡ് റെക്കോർഡുകൾ: കാലയളവിൻ്റെ തുടക്കത്തിൽ രേഖപ്പെടുത്തിയ റെക്കോർഡുകൾ കുറച്ച് സമയത്തിന് ശേഷം റദ്ദാക്കി (സ്റ്റോർനോ).
• സബ്‌ട്രെഷോൾഡ് ഡ്യൂപ്ലിക്കേറ്റുകൾ: അംഗീകാര പരിധിക്ക് തൊട്ടുതാഴെയായി (ഉദാ. $50,000) റെക്കോർഡുകളുടെ വലിയൊരു കൂട്ടം.

നുറുങ്ങ്: ഈ മാനദണ്ഡങ്ങളെക്കുറിച്ച് ഒറ്റയ്ക്കല്ല, ഒരുമിച്ച് ചിന്തിക്കുക. "റൗണ്ട് തുക" മാത്രം നിരപരാധിയായിരിക്കാം; പക്ഷേ, "വാരാന്ത്യത്തിൽ, ഒരു അഡ്മിനിസ്ട്രേറ്റർ, വിവരണം ശൂന്യമാണ്, വൃത്താകൃതിയിലുള്ള സ്ഥിരതയുള്ള, കാലയളവ് മാനുവൽ പോസ്റ്റിംഗിൻ്റെ അവസാനം" എന്നത് ശക്തമായ ഒരു ചുവന്ന പതാകയാണ്. ഒരു "റിസ്‌ക് സ്‌കോർ" നിർമ്മിക്കുന്നതിന് AI സംയോജിത മാനദണ്ഡം ഉണ്ടായിരിക്കുന്നത് മുൻഗണന നൽകാൻ നിങ്ങളെ സഹായിക്കുന്നു.

തെറ്റായ പോസിറ്റീവ് സത്യം: എന്തുകൊണ്ട് എല്ലാ അടയാളങ്ങളും ഒരു കണ്ടെത്തലല്ല

അനോമലി സ്കാനിംഗിൻ്റെ സ്വഭാവം തെറ്റായ പോസിറ്റീവുകളാണ്: യഥാർത്ഥത്തിൽ നിയമാനുസൃതമായ റൂൾ ഫ്ലാഗുചെയ്‌ത രേഖകൾ. ഉദാഹരണത്തിന്, ഓരോ മാസത്തെയും അവസാന പ്രവൃത്തി ദിവസത്തിൽ ഒരു കമ്പനി സ്വയമേവ ഒരു റൗണ്ട് റോബിൻ വാടക അക്രുവലിലേക്ക് പ്രവേശിക്കുന്നു; ഇത് "റൗണ്ട് തുക + കാലയളവിൻ്റെ അവസാനം" മാനദണ്ഡത്തിൽ കുടുങ്ങിയതാണ്, പക്ഷേ ഇത് തികച്ചും സാധാരണമാണ്. ഫ്ലാഗ് ചെയ്ത ചിതയിൽ നിന്ന് യഥാർത്ഥ അപകടസാധ്യത വേർതിരിച്ചെടുക്കുക എന്നതാണ് ഓഡിറ്ററുടെ ജോലി. ഈ അടുക്കൽ കൈമാറ്റം ചെയ്യാവുന്നതല്ല; കാരണം, സംശയാസ്പദമായതിൽ നിന്ന് നിയമാനുസൃതമായി വേർതിരിക്കാൻ ബിസിനസ്സും സന്ദർഭവും അറിയേണ്ടതുണ്ട് - AI-ക്ക് ഇല്ലാത്ത ഒന്ന്.

അതിനാൽ എല്ലായ്‌പ്പോഴും ഇതുപോലെയുള്ള ഔട്ട്‌പുട്ട് വായിക്കുക: "AI എനിക്കായി 420 റെക്കോർഡുകൾ ഫ്ലാഗ് ചെയ്‌തു. അവയിൽ മിക്കതും തെറ്റായ പോസിറ്റീവുകളായിരിക്കാം. ഈ 420-ൽ നിന്ന് ശരിക്കും അന്വേഷിക്കേണ്ടവ, പാറ്റേണുകൾ, സംശയാസ്പദമായ വ്യക്തികൾ എന്നിവ കണ്ടെത്തുക എന്നതാണ് എൻ്റെ ജോലി." ഈ കാഴ്‌ച നിങ്ങളെ ഓട്ടോമേഷൻ ബയസിൽ നിന്നും (ഒരു പിശകിനായി എല്ലാ അടയാളങ്ങളും എടുക്കുന്നു) അലസതയിൽ നിന്നും (അവയൊന്നും നോക്കാതെ) സംരക്ഷിക്കുന്നു.

ക്രമക്കേട് കണ്ടെത്തൽ ഘട്ടം ഘട്ടമായി

1. ഡാറ്റ തയ്യാറാക്കി പൂർണ്ണത പരിശോധിക്കുക. (മുൻ യൂണിറ്റിലെ അനുരഞ്ജന ഘട്ടങ്ങൾ.)
2. മാനദണ്ഡങ്ങൾ വ്യക്തമായി നിർവചിക്കുക. ഏത് സമയം, തുക, ഉപയോക്താവ്, വിവരണ പാറ്റേണുകൾ എന്നിവ ഫ്ലാഗ് ചെയ്യും?
3. AI ഉപയോഗിച്ച് സ്കാൻ ചെയ്ത് സ്കോർ ചെയ്യുക. മാനദണ്ഡങ്ങൾക്കനുസരിച്ച് ഓരോ റെക്കോർഡും അടയാളപ്പെടുത്തുക; ഒന്നിലധികം മാനദണ്ഡങ്ങൾ പാലിക്കുന്നവർക്ക് ഉയർന്ന മുൻഗണന നൽകുക.
4. തെറ്റായ പോസിറ്റീവുകൾ ഇല്ലാതാക്കുക. അറിയപ്പെടുന്ന നിയമാനുസൃത പാറ്റേണുകൾ ഫിൽട്ടർ ചെയ്യുക അല്ലെങ്കിൽ ഫ്ലാഗ് ചെയ്യുക (ഓട്ടോമാറ്റിക് അക്രൂവലുകൾ പോലുള്ളവ).
5. ശേഷിക്കുന്ന രേഖകൾ പരിശോധിക്കുക. പിന്തുണയ്ക്കുന്ന ഡോക്യുമെൻ്റ്, അംഗീകാരം, ബിസിനസ് ലോജിക് എന്നിവയിലേക്ക് ഓരോന്നും ലിങ്ക് ചെയ്യുക.
6. നിഗമനവും യുക്തിയും രേഖപ്പെടുത്തുക. നിങ്ങൾ സംശയാസ്പദമായി കണ്ടെത്തിയതും എന്തിന്, നിങ്ങൾ ഇല്ലാതാക്കിയതും എന്തുകൊണ്ട് എന്നിവയും എഴുതുക.

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 - യഥാർത്ഥ കണ്ടെത്തൽ. ഒരു ഓഡിറ്റർ 240,000 ജേണൽ എൻട്രികൾ AI ഉപയോഗിച്ച് സ്കാൻ ചെയ്തു; ഇത് "കാലയളവിൻ്റെ അവസാന 3 ദിവസം + മാനുവൽ + വിവരണം 'തിരുത്തൽ' + തുകയുടെ 100,000 മടങ്ങ്" എന്ന മാനദണ്ഡം സംയോജിപ്പിച്ചു. 14 റെക്കോർഡുകൾക്ക് ഉയർന്ന സ്കോറുകൾ ലഭിച്ചു. അവലോകനത്തിൽ, 11 നിയമാനുസൃതമായ വർഷാവസാന ക്രമീകരണങ്ങളാണ്; എന്നിരുന്നാലും, വരുമാന അക്കൌണ്ടിനെ പെരുപ്പിച്ച് കാണിക്കുന്ന വിധത്തിൽ 3 എൻട്രികൾ നൽകി, തുടർന്നുള്ള കാലയളവിൽ തിരിച്ചെടുക്കും, കൂടാതെ അനുബന്ധ ഡോക്യുമെൻ്റേഷൻ ഇല്ലായിരുന്നു. നിയന്ത്രണങ്ങളെ മറികടക്കുന്ന മാനേജ്മെൻ്റിൻ്റെ ഒരു മാതൃകയായിരുന്നു ഇത്, ഒരു സുപ്രധാന കണ്ടെത്തലായിരുന്നു. AI 14 ചോദ്യങ്ങൾ ചോദിച്ചു; ഓഡിറ്ററുടെ സംശയം 3 യഥാർത്ഥ ഉത്തരങ്ങൾ കണ്ടെത്തി.

കേസ് 2 - തെറ്റായ പോസിറ്റീവ് കെണി. ഒരു ടീം അംഗം "സംശയാസ്‌പദമായ ഇടപാടുകൾ" എന്ന തലക്കെട്ടിന് കീഴിൽ വർക്ക് ഷീറ്റിലേക്ക് AI നേരിട്ട് ഫ്ലാഗ് ചെയ്‌ത 380 "റൗണ്ട് സ്ഥിരതയുള്ള" റെക്കോർഡുകൾ എഴുതി. ഓഫീസർ നോക്കിയപ്പോൾ, അവരിൽ ഭൂരിഭാഗവും നിശ്ചിത വാടകയും നിശ്ചിത കൺസൾട്ടൻസി ഫീസും ഓട്ടോമാറ്റിക് ഡിപ്രീസിയേഷൻ രേഖകളും ഉള്ളതായി കണ്ടു; അവയെല്ലാം നിയമാനുസൃതമായിരുന്നു. ഓഡിറ്റിനെ തെറ്റായ ദിശയിലേക്ക് നയിച്ച "തെറ്റായ കണ്ടെത്തലുകളുടെ പട്ടിക" ആയി വർക്ക്ഷീറ്റ് മാറി. പാഠം: ഫ്ലാഗുചെയ്‌ത എല്ലാ റെക്കോർഡുകളും ഒരു കണ്ടെത്തലല്ല; ഓഡിറ്റർ തിരഞ്ഞെടുപ്പ് നടത്തുന്നു.

കേസ് 3 - മാനദണ്ഡങ്ങൾ വളരെ ഇടുങ്ങിയതായി സജ്ജീകരിക്കുന്നു. ഒരു ഓഡിറ്റർ "വാരാന്ത്യ റെക്കോർഡ്" മാനദണ്ഡം മാത്രം ഉപയോഗിച്ചു, സംശയാസ്പദമായ രേഖകളൊന്നും കണ്ടെത്തിയില്ല; അയാൾക്ക് ആശ്വാസമായി. എന്നിരുന്നാലും, ബിസിനസ്സിൽ, പ്രവൃത്തിദിവസത്തെ പ്രവൃത്തി സമയങ്ങളിൽ കൃത്രിമ രേഖകൾ നൽകിയിട്ടുണ്ട്, എന്നാൽ അസാധാരണമായ അക്കൗണ്ട് കോമ്പിനേഷനുകളോടെ. ഒരൊറ്റ, ഇടുങ്ങിയ മാനദണ്ഡത്തിൽ ആശ്രയിക്കുന്നത് യഥാർത്ഥ അപകടസാധ്യത കാണുന്നതിൽ നിന്ന് അവനെ തടഞ്ഞു. ഓഡിറ്റർ മാനദണ്ഡം വിപുലീകരിച്ചപ്പോൾ, പാറ്റേൺ ഉയർന്നുവന്നു. പാഠം: ഒരൊറ്റ മാനദണ്ഡം ഉറപ്പ് നൽകുന്നില്ല; അതിനെ ബഹുമുഖമായി നോക്കുക.

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായ പ്രോംപ്റ്റ്:

ഈ ജേണൽ എൻട്രികളിൽ വഞ്ചനാപരമായ എൻട്രികൾ കണ്ടെത്തുക.

പ്രശ്നം: AI-ക്ക് വഞ്ചന "കണ്ടെത്താൻ" കഴിയില്ല; തട്ടിപ്പ് ഒരു നിയമപരമായ/പ്രൊഫഷണൽ അനന്തരഫലമാണ്, ഒരു ഡാറ്റാ പാറ്റേണല്ല. കൂടാതെ "വഞ്ചന" എന്നത് നിർവചിക്കപ്പെട്ടിട്ടില്ല. ഈ പ്രോംപ്റ്റ് നിർമ്മിച്ച "ചതി പട്ടിക" അല്ലെങ്കിൽ അർത്ഥമില്ലാത്ത ഫ്ലാഗുകൾ നിർമ്മിക്കുന്നു.

ശക്തമായ നിർദ്ദേശം:

നിങ്ങളുടെ പങ്ക്: നിങ്ങൾ ഒരു സ്വതന്ത്ര ഓഡിറ്ററുടെ ജേണൽ എൻട്രി അനാലിസിസ് അസിസ്റ്റൻ്റാണ്. മാനദണ്ഡങ്ങൾക്കനുസൃതമായി നിങ്ങൾ റെക്കോർഡ് അടയാളപ്പെടുത്തുക; തട്ടിപ്പ്/പിശക് തീരുമാനം എൻ്റേതാണ്. സന്ദർഭം: അജ്ഞാത ജേണൽ ഡാറ്റ (നിരകൾ: റെക്കോർഡ്_നമ്പർ, തീയതി, സമയം, ഉപയോക്തൃ_റോൾ, ഡെബിറ്റ്_അക്കൗണ്ട്, ക്രെഡിറ്റ്_അക്കൗണ്ട്, തുക, റെക്കോർഡ്_ടൈപ്പ്[മാനുവൽ/ഓട്ടോമാറ്റിക്], വിവരണം). കാലാവധിയുടെ അവസാനം: 31.12. പ്രവൃത്തി സമയം: 09:00-18:00, തിങ്കൾ-വെള്ളി. ടാസ്ക്:1) ഇനിപ്പറയുന്ന മാനദണ്ഡങ്ങൾ അനുസരിച്ച് ഓരോ റെക്കോർഡിനും ഒരു "ശ്രദ്ധ സ്കോർ" നൽകുക (എത്ര മാനദണ്ഡങ്ങൾ ഘടിപ്പിച്ചിരിക്കുന്നു എന്നതിനെ ആശ്രയിച്ച്): a) record_type=മാനുവൽ b) 29-31 ഡിസംബർ അല്ലെങ്കിൽ വാരാന്ത്യം/അവധിദിനം c) 29-31 ന് ഇടയിലുള്ള തീയതി അല്ലെങ്കിൽ വാരാന്ത്യം/അവധിദിനം c) 0 00 ഡ്യൂട്ടി തുക e) വിവരണം ശൂന്യമാണ് അല്ലെങ്കിൽ {തിരുത്തൽ, മറ്റുള്ളവ, താൽക്കാലികം} in2) 3-ഉം അതിനുമുകളിലും സ്‌കോർ ഉള്ളവർക്ക് മുൻഗണനാ പട്ടികയായി നൽകുക.3) നിങ്ങൾ പ്രയോഗിക്കുന്ന ഓരോ മാനദണ്ഡവും പ്ലെയിൻ ടെക്‌സ്‌റ്റിൽ എഴുതുക (ഓഡിറ്റബിലിറ്റി).4) ഇവ "പരിശോധിക്കേണ്ട ഒഴിവുകൾ" ആണെന്നും വഞ്ചനയുടെ/പിഴയുടെ ഫലമല്ലെന്നും വ്യക്തമാക്കുക. വ്യാജരേഖ ചേർക്കുന്നു.

ഈ പ്രോംപ്റ്റ് ശക്തമാണ്, കാരണം ഇതിന് മാനദണ്ഡങ്ങൾ വ്യക്തമായി നിർവചിക്കുന്നു, മൾട്ടിഡൈമൻഷണൽ സ്‌കോറുകൾ, ഓഡിറ്റബിലിറ്റി എന്നിവ ആവശ്യമാണ്, കൂടാതെ ഔട്ട്‌പുട്ട് കൃത്യമായി കണ്ടെത്തുന്നു (ഒഴിവാക്കൽ, ഫലമല്ല).

സാധാരണ തെറ്റുകൾ

• അതിൻ്റെ അർത്ഥം "തന്ത്രം കണ്ടെത്തുക" എന്നാണ്. AI വഞ്ചന കണ്ടെത്തുന്നില്ല; മാനദണ്ഡങ്ങൾക്കനുസൃതമായി ഒരു അടയാളം ഇടുന്നു. വഞ്ചന ഒരു പ്രൊഫഷണൽ/നിയമപരമായ അനന്തരഫലമാണ്.
• ഒരു കണ്ടെത്തലായി അടയാളം തെറ്റിദ്ധരിക്കുന്നു. തെറ്റായ പോസിറ്റീവുകൾ ഒഴിവാക്കാതെ സംശയാസ്പദമായ റെക്കോർഡ് "പിശക്" എന്ന് എഴുതുന്നു.
• ഒരു മാനദണ്ഡത്തിൽ ആശ്രയിക്കുന്നു. ഒരു ഇടുങ്ങിയ നിയമം ഉപയോഗിക്കുകയും യഥാർത്ഥ പാറ്റേൺ കാണാതിരിക്കുകയും ചെയ്യുന്നു.
• നിയമാനുസൃതമായ പാറ്റേണുകൾ ഫിൽട്ടർ ചെയ്യുന്നില്ല. സംശയാസ്പദമായ ലിസ്റ്റിൽ സ്വയമേവയുള്ള അക്രൂവലുകൾ ഉൾപ്പെടുത്തി ശബ്‌ദം സൃഷ്‌ടിക്കുന്നു.
• യുക്തി രേഖപ്പെടുത്തുന്നില്ല. നിങ്ങൾ ഇല്ലാതാക്കിയത്/സൂക്ഷിച്ചതും എന്തുകൊണ്ടാണെന്നും എഴുതാതെ വർക്ക്ഷീറ്റ് കണ്ടെത്താനാകാതെ വിടുന്നു.

മുന്നറിയിപ്പ്: ഒരു റെക്കോർഡിംഗിനെ "സംശയാസ്പദം" എന്ന് വിശേഷിപ്പിക്കുന്നത് ഗുരുതരമായ ഒരു പ്രസ്താവനയാണ്. ഒരു കണ്ടെത്തലായി എഴുതുന്നതിന് മുമ്പ് തെളിവുകൾ (പിന്തുണയ്ക്കുന്ന രേഖ, സ്ഥിരീകരണം, ബിസിനസ് കേസ്) ഉപയോഗിച്ച് പരിശോധിക്കുക. അല്ലെങ്കിൽ, നിങ്ങൾ ബിസിനസ്സിനോട് അനീതി കാണിക്കുകയും ഓഡിറ്റ് ഗുണനിലവാരം നശിപ്പിക്കുകയും ചെയ്യും.

ചുരുക്കത്തിൽ

BDS 240-ന് കീഴിൽ ജേണൽ എൻട്രി ടെസ്റ്റിംഗ് ആവശ്യമാണ്, ഇതിന് അനുയോജ്യമായ എഞ്ചിനാണ് AI: ഇത് ലക്ഷക്കണക്കിന് റെക്കോർഡുകൾ മൾട്ടിഡൈമൻഷണൽ മാനദണ്ഡങ്ങൾക്കെതിരെ നിമിഷങ്ങൾക്കുള്ളിൽ സ്കാൻ ചെയ്യുകയും ശ്രദ്ധാകേന്ദ്രം സൃഷ്ടിക്കുകയും ചെയ്യുന്നു. എന്നാൽ AI വഞ്ചനയോ പിശകുകളോ "കണ്ടെത്തുന്നില്ല"; അത് അസാധാരണമായതിനെ മാത്രം അടയാളപ്പെടുത്തുന്നു. ഔട്ട്പുട്ട് തെറ്റായ പോസിറ്റീവുകൾ നിറഞ്ഞ ഒഴിവാക്കലുകളുടെ ഒരു കൂമ്പാരമാണ്; അതിൽ നിന്നുള്ള യഥാർത്ഥ അപകടസാധ്യത പരിഹരിക്കാനും നിയമാനുസൃതമായത് ഇല്ലാതാക്കാനും നിഗമനങ്ങളിൽ എത്തിച്ചേരാനും ഓഡിറ്ററുടെ സംശയവും വിധിയും ആണ്. അടയാളം ഒരു ചോദ്യചിഹ്നമാണ്, ഉത്തരമല്ല.

ആപ്ലിക്കേഷൻ ടാസ്ക്

ഒരു സാങ്കൽപ്പിക ജേണൽ ഡാറ്റയ്ക്കായി അഞ്ച് അപാകത മാനദണ്ഡങ്ങൾ വ്യക്തമാക്കുക (ഷെഡ്യൂൾ, ഉപയോക്താവ്, തുക, അക്കൗണ്ട് കോമ്പിനേഷൻ, വിവരണം). മുകളിലുള്ള ശക്തമായ പ്രോംപ്റ്റ് പാറ്റേൺ ഉപയോഗിച്ച് ഒരു മൾട്ടി-ഡൈമൻഷണൽ "ശ്രദ്ധ സ്കോർ" നിർമ്മിക്കാൻ AI-യെ അനുവദിക്കുക. തുടർന്ന് ഒരു "സ്‌ക്രീനിംഗ് ഗൈഡ്" എഴുതുക: ഏത് നിയമാനുസൃത പാറ്റേണുകളാണ് (ഓട്ടോമാറ്റിക് അക്രുവൽ, ഫിക്സഡ് വാടക മുതലായവ) തെറ്റായ പോസിറ്റീവുകളായി ഫിൽട്ടർ ചെയ്യേണ്ടത്? അവസാനമായി, 5 ഉയർന്ന സ്‌കോറിംഗ് റെക്കോർഡുകൾക്കായി, "ഞാൻ എന്ത് തെളിവാണ് തിരയുന്നത്?" ചോദ്യത്തിന് ഉത്തരം നൽകുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] ഞാൻ ഡാറ്റ അജ്ഞാതമാക്കുകയും അതിൻ്റെ പൂർണ്ണത പരിശോധിക്കുകയും ചെയ്തു.
• [ ] ഞാൻ അപാകത മാനദണ്ഡങ്ങൾ ബഹുമുഖമായും വ്യക്തമായും നിർവചിച്ചു.
• [ ] എനിക്ക് ശ്രദ്ധാ സ്‌കോറിൻ്റെ പ്ലെയിൻ ടെക്‌സ്‌റ്റ് ലഭിച്ചു, AI-യിൽ നിന്ന് മാനദണ്ഡങ്ങൾ പ്രയോഗിച്ചു.
• [ ] ഞാൻ അറിയപ്പെടുന്ന നിയമാനുസൃത പാറ്റേണുകളെ തെറ്റായ പോസിറ്റീവുകളായി ഫിൽട്ടർ ചെയ്തു.
• [ ] പിന്തുണയ്ക്കുന്ന ഡോക്യുമെൻ്റേഷനും സ്ഥിരീകരണവും ഉപയോഗിച്ച് ഉയർന്ന സ്‌കോറിംഗ് റെക്കോർഡുകൾ ഞാൻ അവലോകനം ചെയ്തിട്ടുണ്ട്.
• [ ] "വഞ്ചന/പിശക്" അവസാനിപ്പിക്കുന്നതിന് മുമ്പ് ഞാൻ അത് തെളിവുകൾ സഹിതം പരിശോധിച്ചു.
• [ ] ഞാൻ സംശയാസ്പദമായി കണ്ടെത്തിയതും എന്തുകൊണ്ടാണെന്നും ഞാൻ രേഖപ്പെടുത്തി.