नफा:
- एआय सह संपूर्ण लोकसंख्या स्कॅन करण्याची क्षमता आणि विसंगती नियमांनुसार संशयास्पद नोंदींना प्राधान्य
- मॉडेलवर निर्णय न देता 'चिन्ह आणि न्याय्य' या शिस्तीसह ऑडिट करण्याची क्षमता
- प्रत्येक AI आउटपुटसाठी ऑडिट ट्रेल (डेटा, प्रॉम्प्ट, तारीख, सत्यापनकर्ता) ठेवण्याची क्षमता
लेखा आणि वित्ताचे कदाचित सर्वात संवेदनशील क्षेत्र ऑडिटिंग आहे: रेकॉर्ड अचूक, पूर्ण आणि सुसंगत असल्याचे स्वतंत्रपणे सत्यापित करणे. आर्टिफिशियल इंटेलिजन्स (एआय) हे दोन टोकांचे साधन आहे. एकीकडे, विसंगतींसाठी (अपेक्षेपासून विचलित होणाऱ्या संशयास्पद नोंदी) आणि अंतर्गत नियंत्रण भेद्यता शोधण्यात मोठ्या डेटा स्टॅकचे स्कॅनिंग करणे खूप शक्तिशाली आहे. दुसरीकडे, ऑडिटच्या स्वरूपामुळे, AI चे स्वतःचे आउटपुट देखील ऑडिट करणे आवश्यक आहे. या युनिटमध्ये, आपण AI चा वापर "ऑडिट असिस्टंट" म्हणून कसा करायचा आणि ऑडिट ट्रेल कसा राखायचा ते शिकू.
अंतर्गत नियंत्रण आणि ऑडिटमध्ये AI ची भूमिका
अंतर्गत नियंत्रण म्हणजे त्रुटी आणि दुरुपयोग (जसे की कर्तव्यांचे पृथक्करण, मंजूरी थ्रेशहोल्ड, सलोखा) टाळण्यासाठी स्थापित केलेल्या नियम आणि प्रक्रियांचा संच आहे. हे काम करत आहेत की नाही हे ऑडिटिंग तपासते. पारंपारिक ऑडिटिंगमध्ये सॅम्पलिंग (शेकडो पैकी काही नोंदी तपासणे) यांचा समावेश होतो तेव्हा ते संपूर्ण लोकसंख्या स्कॅन करू शकते तेव्हा AI सर्वात प्रभावी आहे. सर्व 10,000 रेकॉर्ड पाहणे माणसासाठी कठीण आहे, परंतु मॉडेलसाठी शक्य आहे.
परंतु गंभीर फरक हा आहे: AI शंका निर्माण करते, निर्णय नाही. "हा रेकॉर्ड असामान्य दिसत आहे" हा एक प्रारंभिक बिंदू आहे; वास्तविक लेखापरीक्षण निर्णय आणि पुरावे गोळा करणे हे मानवाचे आहे.
टीप: ऑडिट प्रॉम्प्टवर, "फक्त पॉइंट आणि जस्टिफाय करा, निष्कर्ष काढू नका/न्याय करू नका" असे म्हणा. "ही एक अनियमितता आहे" सारखी निश्चित विधाने करणे मॉडेलसाठी चुकीचे आणि धोकादायक दोन्ही असेल; तुमच्या पुनरावलोकनाच्या आधारे प्रकरणाचा निर्णय घेतला जातो.
स्टेप बाय स्टेप: एआय सह विसंगती स्कॅनिंग
- तुमचा नियम सेट परिभाषित करा. आपण काय असामान्य मानता? थ्रेशोल्ड, पुनरावृत्ती, वेळ.
- संपूर्ण लोकसंख्या स्कॅन करा. नुसता नमुनाच नाही तर त्या सगळ्यांचा.
- चिन्हांकित करा आणि समर्थन द्या. प्रत्येक शोधासाठी "ते संशयास्पद का आहे" स्पष्टीकरण.
- प्राधान्य द्या. जोखीम/प्रभाव परिमाणानुसार क्रमवारी लावा.
- मानवी पुनरावलोकनाचा संदर्भ घ्या. पुरावे गोळा करा, निर्णय घ्या, दस्तऐवज.
कमकुवत प्रॉम्प्ट / मजबूत प्रॉम्प्ट
कमकुवत प्रॉम्प्ट: या खर्चांमध्ये काही अनियमितता आहेत का? [डेटा]
हे एक उत्तर देते जे एकतर "काहीही नाही" किंवा निराधार आरोप निर्माण करते जे ऑडिटमध्ये वापरले जाऊ शकत नाही.
सशक्त प्रॉम्प्ट: तुमची भूमिका: अंतर्गत लेखापरीक्षण सहाय्यक. कार्य: जोखीम नियमाविरूद्ध खालील खर्चाच्या नोंदी स्कॅन करा. नियम: 1) मंजूरी थ्रेशोल्डच्या अगदी खाली असलेली रक्कम (50,000) (विभाजन संशय) 2) आठवड्याच्या शेवटी किंवा तासांनंतर प्रविष्ट केलेल्या नोंदी 3) समान इंटरव्हलची पुनरावृत्ती 4 च्या लहान इंटरव्हलची पुनरावृत्ती 4) amountsOutput: रेकॉर्ड क्रमांक | ट्रिगर केलेला नियम | ते संशयास्पद का आहे (1 वाक्य) |प्राधान्य (उच्च/मध्यम/निम्न) प्रतिबंध: फक्त चिन्हांकित करा आणि न्याय्य करा. "ही एक अनियमितता आहे" असा निर्णय घेणे; हे मानवी परीक्षेसाठी उमेदवार आहेत. फक्त डेटामधील माहिती वापरा.<records> ... </records>
हे प्रॉम्प्ट; ते मंजूरी थ्रेशोल्डच्या अगदी खाली अडकलेल्या रकमेला ("स्प्लिट-ऑफ" चिन्ह) किंवा तासांनंतर प्रविष्ट केलेल्या रेकॉर्डला प्राधान्य देते आणि ऑडिटरला स्पष्ट पुनरावलोकन सूची देते.
ऑडिटिंगमध्ये AI चे सर्वात मोठे योगदान म्हणजे त्याचा स्केलचा फायदा. पारंपारिक ऑडिटमध्ये, नमुने घेतले जातात कारण सर्व नोंदी पाहणे भौतिकदृष्ट्या शक्य नसते: कदाचित शंभरपैकी हजारो पावत्या तपासल्या जातात आणि परिणाम संपूर्ण लोकसंख्येसाठी सामान्यीकृत केला जातो. याचा अर्थ असा की नमुन्याच्या बाहेर असलेली अनियमितता सुटली आहे. AI, दुसरीकडे, तुम्ही परिभाषित केलेले नियम काही सेकंदात हजारो रेकॉर्डवर लागू करू शकतात. अशा प्रकारे, ऑडिटिंग "काही उदाहरणे पाहणे आणि आशा करणे" पासून "प्रत्येक रेकॉर्ड स्कॅन करणे आणि अपवाद बाहेर काढणे" पर्यंत विकसित होते. तथापि, जे आढळले ते सर्व तपासणीचे उमेदवार आहेत, निष्कर्ष नाहीत.
ऑडिटमध्ये वारंवार वापरले जाणारे विसंगती नियम
नियम
ते काय सूचित करते
उदाहरण
सबथ्रेशोल्ड जमा करणे
मान्यता टाळण्यासाठी विभाजित करा
49,500, 49,800 सारखी रक्कम
तासांच्या बाहेर नोंदणी
अनियंत्रित प्रवेश
शनिवार 23:40 बिल
डुप्लिकेट पेमेंट
दुहेरी पेमेंटचा धोका
एकच बीजक, दोन दस्तऐवज क्रमांक
गोल-संख्या वारंवारता
अंदाजे/निर्मित रक्कम
अगदी 10,000 चे बरेच
नवीन पुरवठादार + जास्त रक्कम
भूत पुरवठादार धोका
पहिल्या व्यवहारात 200,000
कर्तव्ये आणि प्राधिकरण नियंत्रण वेगळे करणे
अंतर्गत नियंत्रणाचा एक कोनशिला म्हणजे कर्तव्यांचे पृथक्करण: जे लोक व्यवहार सुरू करतात, मंजूर करतात आणि पैसे देतात ते वेगळे असतात. जर त्याच व्यक्तीने प्रवेश केला, मंजूर केले आणि बीजक भरले तर गैरवर्तनासाठी दार खुले आहे. व्यवहाराच्या नोंदींमध्ये वापरकर्त्याची माहिती स्कॅन करून या धोरणाचे उल्लंघन केल्याची उदाहरणे AI शोधू शकतात.
खालील व्यवहार नोंदींमधील कर्तव्यांचे उल्लंघन वेगळे करण्यासाठी स्कॅन करा: - समान वापरकर्ता प्रवेश करतो आणि मंजूर करतो असे व्यवहार - समान वापरकर्ता पेमेंट मंजूर करतो आणि सुरू करतो - अधिकृतता मर्यादेपेक्षा एकल व्यक्तीने मंजूर केलेली रक्कम आउटपुट: व्यवहार क्रमांक | उल्लंघन प्रकार | संबंधित वापरकर्ता | प्राधान्य फक्त बिंदू आणि समर्थन; शिक्षेसाठी उमेदवार म्हणून यादी, पुनरावलोकन.
या प्रकारचे स्कॅनिंग काही सेकंदात नमुने काढते जे मानवी डोळा हजारो ओळींमध्ये कधीही कॅप्चर करू शकत नाही. परंतु समान तत्त्व लागू होते: नमुना "नियम उल्लंघनाचा नमुना" दर्शवितो; ही खरी समस्या आहे की कायदेशीर अपवाद आहे (उदा. लहान संघात जबरदस्तीने दुहेरी भूमिका) हे ठरवायचे आहे.
ऑडिट ट्रेल बंधन
ऑडिटमध्ये एआय आउटपुट वापरायचे असल्यास, ते शोधण्यायोग्य असणे आवश्यक आहे: कोणता डेटा, कोणता प्रॉम्प्ट, कोणता मॉडेल, कोणती तारीख, कोणी सत्यापित केले? या रेकॉर्डशिवाय, ऑडिटमध्ये प्रिंटआउटचे कोणतेही पुरावे मूल्य नाही.
या विश्लेषणासाठी ऑडिट ट्रेल रेकॉर्ड तयार करा:- डेटा स्रोत आणि वापरलेला कालावधी- प्रॉम्प्ट/नियम लागू केलेला सारांश- मॉडेल आउटपुटची तारीख- मानवी पडताळणी चरणांसाठी रिक्त फील्ड (कोण, केव्हा, परिणाम) हे पुन्हा वापरता येण्याजोगे टेम्पलेट म्हणून निर्यात करा.
खबरदारी: एआयने "हे रेकॉर्ड ठीक आहे" असे म्हटल्याने तेथे कोणतीही समस्या नसल्याचे सिद्ध होत नाही. मॉडेलचा नमुना चुकला असेल. "एआय म्हणाले स्वच्छ" हे ऑडिटमध्ये आश्वासन नाही; नेहमी व्याप्ती आणि पद्धतीची मर्यादा दस्तऐवजीकरण करा.
मिनी केसेस
केस 1 - सबथ्रेशोल्ड कंपार्टमेंट. अंतर्गत लेखापरीक्षकाला 50,000 TL च्या मंजूरी थ्रेशोल्डसह कंपनीमध्ये AI स्कॅनिंगद्वारे त्याच विभागाकडून 49,200, 49,700, 49,500 TL चे सलग तीन इनव्हॉइस सापडले. तपासणीत असे दिसून आले की £145,000 ची एकच खरेदी मंजूरी टाळण्यासाठी तीनमध्ये विभागली गेली. नियंत्रण अंतर बंद केले आहे.
केस 2 - भूत पुरवठादार चिन्ह. AI ने उच्च प्राधान्याने चिन्हांकित केले की पहिल्या व्यवहारात सिस्टममध्ये नव्याने जोडलेल्या पुरवठादाराला 200,000 TL दिले गेले. पुनरावलोकनात असे दिसून आले की पुरवठादार खरा आणि करारानुसार आहे; अलार्म खोटा होता परंतु नियंत्रण योग्यरित्या कार्य करते. धडा: प्रत्येक चिन्ह गुन्हा नाही, परंतु प्रत्येक चिन्ह तपासले पाहिजे.
केस 3 - कागदपत्र नसलेल्या आउटपुटचे संकुचित. एका टीमने AI विसंगतीची यादी ऑडिटला सादर केली, परंतु ती व्युत्पन्न केलेली सूचना आणि डेटा रेकॉर्ड केला नाही. बाह्य लेखापरीक्षकाने पुरावा म्हणून प्रिंटआउट स्वीकारले नाही. ऑडिट ट्रेलसह विश्लेषण पुन्हा चालते. धडा: ऑडिटमध्ये निरीक्षण करता येणार नाही असे कोणतेही आउटपुट नाही.
प्रकरण 4 - कर्तव्यांचे उल्लंघन वेगळे करणे. अंतर्गत नियंत्रणे स्कॅनमध्ये एका लहान शाखेत 37 व्यवहार आढळले जेथे त्याच कर्मचाऱ्याने इनव्हॉइससाठी प्रवेश केला, मंजूर केला आणि पेमेंट सुरू केले. तपासणीत असे दिसून आले की कर्मचाऱ्याचा दुर्भावनापूर्ण हेतू नव्हता परंतु कमी कर्मचाऱ्यांमुळे त्याने ही भूमिका घेतली. तरीही, धोका खरा होता; कंपनीने पेमेंट ॲप्रूव्हल केंद्राकडे पाठवून हे अंतर भरून काढले. धडा: द्वेष नसतानाही नियंत्रण तूट धोकादायक आहे; एआय पॅटर्न शोधते, लोक उपाय तयार करतात.
सामान्य चुका
- मॉडेलचा न्याय करण्यासाठी. "ती एक अनियमितता आहे" असे म्हणणे चुकीचे आणि धोकादायक दोन्ही आहे; फक्त चिन्हांकित करा.
- "एआय म्हणाले की ते स्वच्छ आहे" आश्वासन. कदाचित मॉडेल चुकले असेल; स्वच्छ निकाल हा पुरावा नाही.
- ऑडिट ट्रेल न ठेवणे. डेटा, प्रॉम्प्ट, तारीख आणि सत्यापनकर्ता रेकॉर्ड केले नसल्यास, आउटपुट पुरावा होणार नाही.
- प्रत्येक चिन्हाचा विचार करणे हा गुन्हा आहे. विसंगती तपासासाठी उमेदवार आहे; पुरावा निर्णय ठरवतो.
- व्याप्तीचे दस्तऐवजीकरण करत नाही. कोणते रेकॉर्ड स्कॅन केले गेले आणि पद्धतीची मर्यादा लिहिली गेली पाहिजे.
सारांशात
- ऑडिटमध्ये संपूर्ण लोकसंख्येचे स्कॅनिंग करून विसंगती शोधण्यात AI शक्तिशाली आहे; सॅम्पलिंगच्या पलीकडे जाते.
- मॉडेल शंका उत्पन्न करते, निर्णय नाही; "जस्ट पॉइंट अँड जस्टिफाय" या नियमासह वापरा.
- विसंगती नियम (थ्रेशोल्ड बॅकलॉगच्या खाली, तासांच्या बाहेर नोंदणी, डुप्लिकेट पेमेंट) आगाऊ परिभाषित केले पाहिजेत.
- प्रत्येक AI आउटपुटसाठी ऑडिट ट्रेल (डेटा, प्रॉम्प्ट, तारीख, प्रमाणीकरण) ठेवणे अनिवार्य आहे; अनट्रेसेबल आउटपुट हा पुरावा नाही.
- "एआय म्हणाले स्वच्छ" हे आश्वासन नाही; नेहमी व्याप्ती आणि पद्धतीची मर्यादा दस्तऐवजीकरण करा.
अर्ज कार्य
30-50 ओळींचा खर्चाचा रेकॉर्ड तयार करा; जाणूनबुजून उपविभाजित करा आणि डुप्लिकेट पेमेंट करा. शक्तिशाली प्रॉम्प्ट टेम्प्लेटसह विसंगती स्कॅन करा आणि मॉडेल तुमचे सापळे पकडते आणि प्राधान्य देते हे तपासा. त्यानंतर ऑडिट ट्रेल टेम्प्लेट भरा आणि निष्कर्षांची "पुनरावलोकनासाठी उमेदवार" म्हणून यादी करा (निर्णय न देता).
चेकलिस्ट
- मी विसंगती नियम (थ्रेशोल्ड, वेळ, पुनरावृत्ती) पूर्वनिर्धारित केले आहेत.
- [ ] मी संपूर्ण लोकसंख्या स्कॅन केली, मी नमुने घेऊन थांबलो नाही.
- [ ] मी मॉडेलला निकाल देण्यापासून रोखले; मी फक्त ते चिन्हांकित आणि न्याय्य होते.
- मी प्रत्येक शोधासाठी ऑडिट ट्रेल (डेटा, प्रॉम्प्ट, तारीख) रेकॉर्ड केले.
- मी "पुनरावलोकन उमेदवार" म्हणून चिन्हांकित केलेल्यांना मानवी निर्णयावर सोडले आहे.
- मी स्कॅनची व्याप्ती आणि पद्धतीच्या मर्यादांचे दस्तऐवजीकरण केले.