ऑडिटिंगमध्ये कृत्रिम बुद्धिमत्तेचा परिचय: भूमिका, सीमा, स्वातंत्र्य, प्रमाणीकरण आणि गोपनीयता

नफा:

• आर्टिफिशियल इंटेलिजन्समुळे लेखापरीक्षण चक्रात (नियोजन, पुरावे संकलन, विश्लेषण, दस्तऐवज, अहवाल) कोठे बचत होते आणि ऑडिटचे मत आणि भौतिक चुकीच्या विधानासारखे निर्णय कोठे स्वतंत्र लेखापरीक्षकावर सोडले जातात, हे कार्य जोखमीच्या स्तरावर अवलंबून आहे हे ओळखण्यात सक्षम असणे.
• एक शिस्त लागू करण्याची क्षमता जी प्रत्येक AI आउटपुटला स्त्रोताशी जोडणे, त्याची पुनर्गणना करणे आणि ऑडिटरच्या संशयासह त्याची चाचणी करणे या चरणांद्वारे प्रमाणित करते.
• गोपनीयता आणि स्वातंत्र्य तत्त्वांच्या कक्षेत ऑडिट डेटा अनामित करणे आणि सुरक्षित वाहने निवडण्याची सवय लावणे

ऑडिटरचा दिवस "पुरावा जमा करणे" आणि "निवाडा करणे" या दरम्यान बहुतेक लोकांच्या लक्षात येण्यापेक्षा जास्त खर्च केला जातो. तुम्ही हजारो जर्नल एंट्री स्कॅन करता, तुम्ही खात्यातील शिल्लक दस्तऐवजीकरण करता, तुम्ही अंदाजाच्या वाजवीपणावर प्रश्नचिन्ह लावता, तुम्ही विचारता "हे खरंच आहे का?" दर्शनी मूल्यावर ग्राहकाकडून निवेदन स्वीकारण्याऐवजी. तुम्ही खोदता. यापैकी काही काम पुनरावृत्ती आणि वेळ घेणारे आहे: डेटा आयोजित करणे, मानक कलमे शोधणे, कार्यरत कागदपत्रांचा मसुदा तयार करणे, सामंजस्य भिन्नता सूचीबद्ध करणे. इतर निर्णय आहेत जे तुमचे लेखापरीक्षण मत थेट ठरवतात-म्हणजेच, आर्थिक स्टेटमेन्ट "सर्व भौतिक बाबतीत सत्य आणि न्याय्य" आहेत की नाही याबद्दल तुमचे सार्वजनिकपणे व्यक्त केलेले मत-ज्यामध्ये त्रुटीचे अगदी कमी फरक असणे आवश्यक आहे.

आर्टिफिशियल इंटेलिजन्स (थोडक्यात AI, किंवा थोडक्यात AI - संगणक प्रणाली जी मानवांसारखा मजकूर तयार करू शकते, नमुने ओळखू शकते, मोठ्या डेटा सेटमध्ये संबंध शोधू शकते आणि गणना करू शकते) या चित्राच्या अगदी मध्यभागी बसते. योग्यरित्या वापरल्यास, ते तीन तासांच्या विश्लेषणात्मक पुनरावलोकनाचा सारांश चाळीस मिनिटांपर्यंत कमी करते; सेकंदात शेकडो हजारो रेकॉर्ड स्कॅन करतात; हे तुम्हाला मानक आयटम शोधण्यासाठी मार्गदर्शन करते. चुकीच्या पद्धतीने वापरल्यास, ते तुमच्या कामकाजाच्या पेपरमध्ये - आणि शेवटी तुमच्या ऑडिटच्या मतामध्ये - एक वरवर सुरक्षित आणि अस्खलित परंतु पूर्णपणे तयार केलेला क्रमांक, अस्तित्वात नसलेला मानक खंड किंवा एक अप्रमाणित परिणाम असू शकतो.

या मॉड्यूलचे पहिले युनिट हे सॉफ्टवेअर परिचय नाही. लेखापरीक्षण व्यवसायात AI कुठे ठेवायचे आणि कुठे ठेवायचे नाही हे स्पष्ट करणे हा त्याचा उद्देश आहे. कारण ऑडिटिंग हा एक अनुपालन-गंभीर व्यवसाय आहे जो सार्वजनिक विश्वासावर अवलंबून असतो आणि ज्याचे परिणाम गुंतवणूकदार, कर्जदार, कर प्रशासन आणि समाजावर परिणाम करतात. चला सुरुवातीपासून मूलभूत तत्त्व मांडू: कृत्रिम बुद्धिमत्ता एक सहाय्यक आहे, नियंत्रक नाही. लेखापरीक्षण अभिप्राय, भौतिक चुकीचे विधान निवाडा आणि अंतिम मत यासंबंधीच्या सर्व निर्णयांची जबाबदारी आणि अंतिम मान्यता सक्षम आणि स्वतंत्र लेखापरीक्षकाची आहे.

कंट्रोल लूप आणि AI चे ठिकाण

स्वतंत्र ऑडिट समजून घेण्यासाठी, कामाचा एक चक्र म्हणून विचार करणे उपयुक्त आहे. नियोजन आणि जोखीम मूल्यमापन टप्प्यादरम्यान, तुम्हाला व्यवसायाची माहिती मिळते आणि कुठे चूक होण्याची उच्च शक्यता आहे हे ठरवता येते. पुरावे संकलन आणि चाचणीच्या टप्प्यात, तुम्ही खात्यातील शिल्लक, व्यवहार वर्ग आणि खुलासे दस्तऐवज, पुष्टीकरणे आणि विश्लेषणाशी जोडता. मूल्यमापन टप्प्यात, तुम्ही महत्त्वाच्या दृष्टीने निष्कर्षांचे वजन करता आणि निष्कर्षापर्यंत पोहोचता. रिपोर्टिंग टप्प्यात, तुम्ही तुमचे मत आणि निष्कर्ष लिखित स्वरूपात मांडता. संपूर्ण चक्रात, दस्तऐवजीकरण (कार्यरत कागदपत्रे) तुमच्या कामाचा शोधण्यायोग्य पुरावा तयार करतात.

AI या चक्राच्या प्रत्येक टप्प्याला स्पर्श करू शकते, परंतु प्रत्येक टप्प्यावर वेगळ्या अधिकाराने. नियोजनात जोखीम कल्पना आणि भौतिक परिस्थिती निर्माण करते; चाचणीमध्ये डेटा तयार करतो, तो स्कॅन करतो आणि विसंगती चिन्हांकित करतो; मूल्यांकनात मसुदा टिप्पण्या लिहितो; हे अहवालात निष्कर्ष आणि अहवाल भाषेला गती देते. मात्र, तो कोणत्याही टप्प्यावर निर्णय घेत नाही. निर्णयासाठी व्यावसायिक निर्णय आणि साशंकता आवश्यक आहे; हे हस्तांतरणीय नाहीत.

चला सुरुवातीपासून काही मूलभूत संज्ञा परिभाषित करूया. ऑडिट पुरावा म्हणजे माहिती (दस्तऐवज, पुष्टीकरण, पुनर्गणना, विश्लेषण) ज्यावर ऑडिटर त्याचे मत मांडतो. आर्थिक स्टेटमेन्ट वापरकर्त्यांच्या निर्णयावर परिणाम करण्यासाठी एरर इतकी मोठी आहे की नाही यासाठी भौतिकता हा थ्रेशोल्ड आहे. BDS हे स्वतंत्र ऑडिटिंग स्टँडर्ड्स आहेत जे तुर्कियेमध्ये लागू आहेत; हे आंतरराष्ट्रीय ऑडिटिंग मानकांचे (ISA) पालन करते आणि POA (पब्लिक ओव्हरसाइट, अकाउंटिंग आणि ऑडिटिंग स्टँडर्ड्स अथॉरिटी) द्वारे प्रकाशित केले जाते. वर्किंग पेपर हा एक दस्तऐवज आहे ज्यामध्ये केलेले कार्य आणि प्राप्त झालेले परिणाम रेकॉर्ड केले जातात. या संकल्पना आपण पुढील एककांमध्ये एक-एक करून स्पष्ट करू; आत्तासाठी, हे जाणून घ्या: या सर्व संकल्पनांमध्ये, AI तुम्हाला बाह्यरेखा आणि विश्लेषण देते, परंतु निर्णय देत नाही.

खालील सारणी मिशननुसार AI ची भूमिका आणि जोखीम पातळी सारांशित करते:

शोध

AI ची भूमिका

जोखीम पातळी

कोण मंजूर करतो/निर्णय करतो

डेटा क्लीनिंग, फॉरमॅटिंग

कार्यकर्ता, प्रवेगक

कमी

ऑडिट टीम सदस्य

कार्यरत कागद/सारांश मसुदा

स्केच जनरेटर

कमी-मध्यम

वरिष्ठ लेखा परीक्षक

मानक/आयटम शोधणे

दिशा शोधक

मध्यम

ऑडिटर (अधिकृत मजकूराद्वारे पुष्टीकरण)

विश्लेषणात्मक प्रक्रिया व्याख्या

गृहीतक जनरेटर

मध्यम

लेखापरीक्षण अधिकारी

जर्नल / विसंगती स्कॅनिंग

सांख्यिकीय चिन्हक

मध्यम-उच्च

ऑडिटर (प्रत्येक अपवाद तपासतो)

भौतिकता/जोखीम निर्णय

सहाय्यक इनपुट

उच्च

ऑडिटरचा व्यावसायिक निर्णय

ऑडिट मत / निष्कर्ष

हे इनपुट देखील नाही, ती मसुदा भाषा आहे

खूप उच्च

जबाबदार ऑडिटर (स्वाक्षरी)

ही एक ओळ लक्षात ठेवा: जोखीम वाढत असताना, AI ची भूमिका लहान होते आणि ऑडिटरचा निर्णय वाढतो.

"पडताळणी" हे या व्यवसायाचे हृदय का आहे

आर्टिफिशियल इंटेलिजेंस लँग्वेज मॉडेल्स त्यांच्या उत्तरात आत्मविश्वासपूर्ण वाटतात, परंतु त्यांना खात्री नसते. याला तांत्रिक भाषेत मतिभ्रम म्हणतात: जेव्हा मॉडेल प्रत्यक्षात अस्तित्वात नसलेली माहिती बनवते—एक संख्या, एक मानक आयटम, तारीख—एखाद्या वाक्यात जे सत्य असल्यासारखे वाहते. ऑडिटरसाठी, हा एक प्राणघातक सापळा आहे. मॉडेल तुमच्यासाठी "गेल्या वर्षी एकूण मार्जिन 34 टक्के होते" सारखी संख्या तयार करू शकते; तथापि, त्याने कधीही तुमचा डेटा पाहिला नाही आणि हा नंबर पूर्णपणे बनलेला आहे. किंवा "TMS 36 लेख 22 2021 मध्ये बदलला" असे म्हणू शकते; तथापि, असे कोणतेही कलम किंवा बदल असू शकत नाहीत. तो सारख्याच प्रवाहीपणाने आणि सारख्याच आत्मविश्वासाने म्हणत असल्याने, बरोबर आणि चुकीचा फरक करणारी एकमेव गोष्ट म्हणजे तुमचे ज्ञान आणि तुमची पडताळणी करण्याची सवय.

पडताळणी शिस्तीमध्ये ऑडिटिंगमध्ये तीन पायऱ्या असतात:

1. स्त्रोताशी लिंक करा: संख्या, गुणोत्तर, शिल्लक आणि मानक आयटमसाठी, तुमच्या स्वतःच्या ऑडिट पुराव्यावर (चाचणी शिल्लक, उपकंपनी खाते, बँक पुष्टीकरण, करार) आणि अधिकृत स्त्रोत (KGK द्वारे प्रकाशित BDS आणि TFRS मजकूर, संबंधित संप्रेषणे) वर अवलंबून रहा, AI च्या मेमरीवर नाही. त्या डेटावर टिप्पणी करण्यासाठी AI वापरा, तो लक्षात ठेवण्यासाठी नाही.
2. पुनर्गणना/तुलना करा: स्वतंत्रपणे प्रत्येक संख्यात्मक परिणाम तपासा, एआय रिटर्न्सचे रेट आणि ट्रेंड करा. टक्केवारी, एकूण, शिल्लक फरक स्वतः सत्यापित करा.
3. चाचणी लेखा परीक्षक संशय: आउटपुट पुरावा, नियम आणि सामान्य ज्ञान यांच्याशी विरोधाभास आहे की नाही याबद्दल संशयी डोळ्याने प्रश्न. "हे खरे असेल तर दुसरे काय खरे असावे?" आणि "हे खोटे असेल तर ते कोणते पुरावे दाखवतील?" विचारा

खबरदारी: AI द्वारे तयार केलेला कार्यरत कागद फाईलमध्ये शोध किंवा क्रमांकाची पडताळणी न करता ठेवणे म्हणजे पुरावा म्हणून स्वाक्षरी नसलेल्या कार्यरत कागदाचा विचार करण्यासारखे आहे. केवळ आउटपुट अस्खलित आहे म्हणून खरे नाही; जर तुम्ही ते खरे असल्याचे सिद्ध केले तरच ते खरे आहे.

स्वातंत्र्य आणि गोपनीयता: लेखापरीक्षणाची दोन अभेद्य तत्त्वे

लेखापरीक्षणाची वैधता दोन मूलभूत तत्त्वांवर आधारित आहे. प्रथम, स्वातंत्र्य: लेखापरीक्षक स्वतंत्र असणे आवश्यक आहे, वास्तविक आणि दिसण्यात, तो ज्या घटकाचे ऑडिट करतो; त्याने/तिने त्याच्या/तिच्या मताचा विपर्यास करणाऱ्या हितसंबंधांपासून दूर राहिले पाहिजे. दुसरे म्हणजे, गोपनीयता: ऑडिट दरम्यान शिकलेली माहिती अनधिकृत व्यक्तींसोबत शेअर केली जाऊ शकत नाही किंवा वैयक्तिक फायद्यासाठी वापरली जाऊ शकत नाही.

AI चा वापर थेट या दोन्ही तत्त्वांशी संबंधित आहे. ऑडिट केलेल्या कंपनीचे चालू खाते ग्राहकांची नावे, कर ओळख क्रमांक, बँक माहिती आणि रक्कम सार्वजनिक AI टूलमध्ये पेस्ट करणे म्हणजे हा डेटा बाह्य सर्व्हरवर जातो. हे व्यावसायिक नीतिमत्तेमधील गोपनीयतेच्या तत्त्वाचे आणि वैयक्तिक डेटाचा समावेश असल्यास, KVKK (वैयक्तिक डेटा संरक्षण कायदा) या दोन्हींचे उल्लंघन करते. नियम सोपा आहे: डेटा अनामित करा आणि अनावश्यक शेअर करू नका. "ABC Tekstil A.Ş., TIN 1234567890, 4,850,000 TL शिल्लक" ऐवजी "एक मध्यम आकाराची उत्पादन कंपनी, आकार X ची प्राप्तीयोग्य शिल्लक" लिहा. शक्य असल्यास, डेटा प्रोसेसिंग करार असलेली कॉर्पोरेट टूल्स निवडा, मॉडेल ट्रेनिंगमध्ये तुमचा डेटा वापरू नका आणि ऑडिट ट्रेल ठेवा.

स्वातंत्र्यासाठी एक अतिरिक्त सूक्ष्मता आहे: ऑडिट केलेल्या कंपनीच्या स्वतःच्या सिस्टममध्ये एम्बेड केलेल्या एआय टूलवर आंधळेपणाने विश्वास ठेवणे, ज्याचे आउटपुट तुम्ही स्वतंत्रपणे नियंत्रित करू शकत नाही, तुमचे स्वातंत्र्य कमी करू शकते. एआय हे एक साधन आहे; तो कोणी बनवला, तुमचा डेटा कुठे जातो आणि तुम्ही त्याचे आउटपुट सत्यापित करू शकता की नाही हे सर्व तुमच्या स्वातंत्र्याचा भाग आहेत.

तीन लहान प्रकरणे

केस 1 - सुरक्षित वापर. एका वरिष्ठ लेखापरीक्षकाने 22-आयटमचे विश्लेषणात्मक पुनरावलोकन सारांश हाताने लिहिण्यासाठी 3 तास खर्च केले. त्याने ट्रायल बॅलन्समधून घेतलेले नंबर अज्ञातपणे (कोणतेही कंपनीचे नाव नाही, फक्त खाते आणि रक्कम) YZ ला दिले आणि मसुदा टिप्पणी मागितली. एआयने 12 मिनिटांत स्केच तयार केले; ऑडिटरने प्रत्येक गुणोत्तराची त्याच्या वर्कशीटशी तुलना केली, दोन चुकीच्या टक्केवारी दुरुस्त केल्या आणि विचलनासाठी दोन स्पष्टीकरणे पुराव्याने दिली. कालावधी: 3 तासांऐवजी 45 मिनिटे. AI ने मसुदा दिला, जबाबदारी आणि मत ऑडिटरकडे राहिले.

केस 2 - असत्यापित नंबर ट्रॅप. एका प्रशिक्षणार्थी ऑडिटरने एआयला विचारले, "या उद्योगातील सरासरी इन्व्हेंटरी टर्नओव्हर दर काय आहे?" AI ने "सुमारे 6.4" ची विश्वासार्ह संख्या दिली जरी त्याला कोणत्याही उद्योग डेटामध्ये प्रवेश नव्हता. इंटर्नने वर्कशीटवर हे अपेक्षित मूल्य म्हणून लिहिले, ज्यामुळे क्लायंटचा दर 4.1 "वाजवी" वाटतो. जेव्हा ऑडिटरने विचारले तेव्हा असे निष्पन्न झाले की स्त्रोत AI चा शोध होता; विश्लेषणात्मक प्रक्रिया पुन्हा केली गेली. चूक: एआयकडे बेंचमार्क डेटासाठी विचारणे.

केस 3 - गोपनीयतेचा भंग. एका कार्यसंघ सदस्याने ग्राहकांची संपूर्ण यादी अपलोड केली ज्यांना तो पुष्टीकरण पत्र पाठवेल - शीर्षक, पत्ता, रक्कम, संपर्क नाव - सार्वजनिक AI टूलमध्ये आणि "पुष्टीकरण पत्राचा मसुदा तयार केला," तो म्हणाला. डेटा संस्थेच्या बाहेर गेला; ऑडिट कंपनीच्या गुणवत्ता युनिटमध्ये गोपनीयतेचे पुनरावलोकन उघडण्यात आले. योग्य मार्ग: वास्तविक डेटा काढून टाकणे आणि फक्त "[CUSTOMER NAME]", "[AMOUNT]" सारख्या प्लेसहोल्डरसह टेम्पलेट मागणे हा होता.

कमकुवत प्रॉम्प्ट / मजबूत प्रॉम्प्ट

कमकुवत प्रॉम्प्ट:

या कंपनीच्या आर्थिक विवरणांचा अर्थ लावा आणि काही धोका असल्यास मला सांगा.

हा दावा सदोष आहे: AI ला कोणताही डेटा, संदर्भ किंवा भूमिका दिलेली नाही. AI कडे कोणताही डेटा नसल्यामुळे, ते एकतर सामान्य विधाने करते किंवा तयार केलेल्या संख्येसह "व्याख्या" तयार करते. कालावधी, ना खाते, ना लेखापरीक्षणाचा उद्देश स्पष्ट आहे.

शक्तिशाली सूचना:

तुमची भूमिका: तुम्ही स्वतंत्र ऑडिटरला मदत करणारे विश्लेषण सहाय्यक आहात. नियंत्रण अधिकार क्षेत्र माझ्या मालकीचे आहे; तुम्ही मसुदे आणि खाती तयार कराल. संदर्भ: खाली एक अनामित चाचणी शिल्लक सारांश आहे (कंपनीचे नाव नाही). माझे उद्दिष्ट चालू वर्ष आणि मागील वर्षातील महत्त्वपूर्ण बदल (क्षैतिज विश्लेषण) पाहणे आणि तपासणे आवश्यक असलेले विचलन निश्चित करणे हे आहे. डेटा:[खात्याचे नाव; मागील वर्षाची रक्कम; चालू वर्षाच्या रकमेच्या ओळी]कार्य:1) प्रत्येक खात्यासाठी रक्कम आणि टक्केवारीतील बदलाची गणना करा; गणनेची पायरी दाखवा जेणेकरून मी ते सत्यापित करू शकेन. 2) 20% पेक्षा जास्त वस्तू चिन्हांकित करा किंवा चिन्ह बदला (जसे की नफा->तोटा) "तपासणी केली जाईल." 3) प्रत्येक चिन्हांकित आयटमसाठी 2-3 संभाव्य स्पष्टीकरण हायपोथेसिस सुचवा; लक्षात घ्या की हे पुराव्यासह सत्यापित केले पाहिजेत. 4) तुम्हाला खात्री नसलेली किंवा डेटावरून काढता येणार नाही अशी कोणतीही संख्या बनवू नका. "डेटामधून काढू शकत नाही" असे लिहा. टेबल म्हणून आउटपुट द्या.

हा दावा शक्तिशाली आहे कारण तो भूमिका, सीमा (न्यायिक ऑडिटरमध्ये), डेटा, पायऱ्या, पडताळणी आणि "बनावटीवर बंदी" स्पष्टपणे स्थापित करतो.

सामान्य चुका

• संसाधनासाठी AI चुकत आहे. संख्या, गुणोत्तर, मानक आयटम आणि तारखेसाठी AI च्या मेमरीवर अवलंबून राहणे. AI दिशा शोधक आहे; स्रोत नियंत्रण पुरावा आणि अधिकृत मजकूर.
• संदर्भाशिवाय लेखन प्रॉम्प्ट करते. भूमिका, डेटा आणि उद्देश न देता "व्याख्या करा" असे म्हणणे; परिणाम बनावट असेल.
• गोपनीय डेटा जसा आहे तसा पेस्ट करत आहे. निनावीपणाशिवाय ग्राहकाचे नाव, टीआयएन, वैयक्तिक डेटा असलेले प्रतिलेख सामायिक करणे; गोपनीयता आणि KVKK उल्लंघन.
• आउटपुट प्रमाणित न करता फाईलमध्ये टाकणे. अस्खलित मजकूर योग्य आहे असे समजून ते वर्कशीटमध्ये स्थानांतरित करा.
• निवाडा सोपविणे. "एआयने असे म्हटले" या कारणास्तव निष्कर्षापर्यंत उडी मारणे; ऑडिट मत हस्तांतरणीय नाही.

टीप: ऑडिटरच्या मनाने प्रत्येक AI सत्रात जा: "हे आउटपुट कुठे चुकीचे असू शकते?" हा प्रश्न ऑटोमेशन बायसचा उतारा आहे आणि आम्ही संपूर्ण मॉड्यूलमध्ये त्याची पुनरावृत्ती करू.

सारांशात

आर्टिफिशियल इंटेलिजन्स ऑडिटिंगमध्ये एक शक्तिशाली सहाय्यक आहे: ते डेटा तयार करते, स्कॅन करते, मसुदे तयार करते, गणना करते आणि तास ते मिनिट कमी करते. परंतु लेखापरीक्षण अभिप्राय, भौतिक चुकीच्या विधानाचा निर्णय आणि निष्कर्ष हे स्वतंत्र आणि सक्षम लेखापरीक्षकाचे आहेत. जोपर्यंत AI चे आउटपुट पडताळले जात नाही तोपर्यंत ते स्वाक्षरी नसलेल्या कामकाजाच्या कागदासारखे वैध असते. तीन अभेद्य तत्त्वे: स्त्रोत आणि पुनर्गणना (प्रमाणीकरण), ऑडिटर संशयासह चाचणी, डेटा अनामित करा आणि सुरक्षित माध्यम निवडा (गोपनीयता आणि स्वातंत्र्य). जोखीम वाढत असताना, AI ची भूमिका लहान होते आणि तुमचा निर्णय वाढतो.

अर्ज कार्य

तुमच्या स्वतःच्या ऑडिट सरावातून (किंवा काल्पनिक ऑडिट) तीन पुनरावृत्ती कार्ये निवडा: उदाहरणार्थ, (1) चाचणी शिल्लकमधून क्षैतिज विश्लेषण सारांश काढणे, (2) मानक कलम शोधणे, (3) कार्यरत कागदाचा मसुदा तयार करणे. वरील "स्ट्राँग प्रॉम्प्ट" पॅटर्न वापरून प्रत्येकासाठी प्रॉम्प्ट लिहा; भूमिका, अनामित डेटा, पायऱ्या आणि "फॅब्रिकेशन बॅन" जोडा. नंतर तीन पडताळणी चरणांद्वारे आउटपुट चालवा (स्रोत, पुनर्गणना, संशयासह चाचणी) आणि लक्षात घ्या की तुम्हाला कोणत्या त्रुटी आहेत.

चेकलिस्ट

• [ ] मी AI ला दिलेला डेटा मी अनामित केला आहे; मी ग्राहकाचे नाव, TIN, वैयक्तिक डेटा शेअर केला नाही.
• [ ] मी प्रॉम्प्टमध्ये भूमिका, संदर्भ, उद्देश आणि "कोणताही बनावट नाही" जोडले.
• मी स्वतंत्र स्त्रोतासह आउटपुटमधील प्रत्येक संख्या आणि गुणोत्तर पुन्हा मोजले.
• मी अधिकृत मजकूरातील मानक/पदार्थ संदर्भांची पुष्टी केली आहे.
• आउटपुट "कोठे चुकू शकते?" मध्ये रूपांतरित करा. मी प्रश्नासह संशयास्पदपणे त्याची चाचणी केली:
• [ ] मी स्वत: अंतिम निर्णय आणि मत दिले; मी कारण म्हणून AI उद्धृत केले नाही.
• मी डेटा गोपनीयता आणि स्वातंत्र्याच्या दृष्टीने वापरलेल्या साधनाच्या उपयुक्ततेचे मूल्यमापन केले.