Keuntungan:
- Fahami sebab ujian kemasukan jurnal wajib di bawah BDS 240 dan cara kecerdasan buatan boleh mengimbas kriteria kemasukan yang mencurigakan
- Keupayaan untuk menandakan dan mengutamakan outlier, pemasaan luar biasa dan corak jumlah luar biasa dengan sokongan kecerdasan buatan
- Mampu mengekalkan bahawa setiap anomali yang ditandai oleh kecerdasan buatan bukanlah satu penemuan, tetapi tanda tanya yang akan disiasat oleh juruaudit, dan penghapusan positif palsu adalah tanggungjawab manusia.
Penyata kewangan perniagaan pada asasnya adalah jumlah jutaan catatan jurnal (dalam perakaunan, setiap transaksi kewangan direkodkan sebagai debit dan kredit). Kedua-dua kesilapan dan penipuan akhirnya wujud dalam catatan jurnal: jumlah yang ditulis ke akaun yang salah, elaun yang "dilupakan" dan diterbalikkan pada penghujung tempoh, entri luar biasa yang dimasukkan secara manual pada tengah malam. Oleh itu, BDS 240 (standard yang mengawal selia tanggungjawab juruaudit berkenaan penipuan dalam audit penyata kewangan) dengan jelas memerlukan juruaudit untuk melaksanakan ujian kemasukan jurnal. Tujuannya adalah untuk mendedahkan kemungkinan manipulasi oleh pihak pengurusan melalui penggantian pengurusan.
Dalam unit ini, kami akan membincangkan cara menukar kecerdasan buatan menjadi enjin pengesanan anomali dan ralat, tetapi mengapa setiap rekod yang ditanda adalah "tanda tanya" dan bukannya "penemuan". Dua konsep pertama. Anomali ialah rekod luar biasa dalam set data yang menyimpang daripada corak yang dijangkakan. Outlier ialah pemerhatian yang berbeza secara numerik daripada yang lain (seperti jumlah yang sangat besar, frekuensi yang sangat tinggi). Anomali tidak selalunya ralat; tetapi ia adalah di mana juruaudit harus melihat.
Kriteria penyiaran yang mencurigakan dalam ujian kemasukan jurnal
BDS 240 menyatakan bahawa rekod dengan ciri-ciri tertentu lebih menonjol kepada risiko penipuan. AI boleh mengimbas ratusan ribu rekod berdasarkan kriteria ini dalam beberapa saat. Kriteria "bendera merah" biasa:
- Masa luar biasa: Rekod manual dimasukkan selepas waktu bekerja, pada hujung minggu, pada hari kelepasan am atau pada hari terakhir penghujung penggal.
- Pengguna luar biasa: Rekod yang dimasukkan oleh pengguna yang biasanya tidak memasukkan rekod perakaunan (contohnya, pentadbir).
- Gabungan akaun luar biasa: Penyiaran antara akaun yang tidak mengharapkan satu sama lain (cth., akaun hasil dan akaun bukan tunai yang luar biasa).
- Jumlah bulat: "bersih" jumlah besar seperti 100,000, 500,000; Ia adalah jejak biasa manipulasi manual.
- Rekod dengan huraian kosong atau samar-samar: huraian kosong seperti "pembetulan", "pelbagai", "sementara".
- Rekod terbalik: Rekod dimasukkan pada awal tempoh dan dibatalkan (storno) selepas masa yang singkat.
- Pendua subambang: Sebilangan besar rekod dikelompokkan betul-betul di bawah ambang kelulusan (mis. $50,000).
Petua: Fikirkan kriteria ini bersama-sama, bukan secara individu. "Jumlah bulat" sahaja mungkin tidak bersalah; tetapi "hujung minggu, oleh pentadbir, penerangan kosong, bulat konsisten, pengeposan manual akhir tempoh" adalah bendera merah yang kuat. Mempunyai kriteria gabungan AI untuk menghasilkan "skor risiko" membantu anda membuat keutamaan.
Kebenaran positif palsu: mengapa tidak setiap tanda adalah penemuan
Sifat pengimbasan anomali ialah positif palsu: rekod yang dibenderakan oleh peraturan yang sebenarnya sah. Contohnya, syarikat secara automatik memasukkan akruan sewa round-robin pada hari perniagaan terakhir setiap bulan; Ini tersekat dengan kriteria "jumlah pusingan + akhir tempoh", tetapi ia adalah perkara biasa. Tugas juruaudit adalah untuk mengeluarkan risiko sebenar daripada longgokan yang dibenderakan. Pengisihan ini tidak boleh dipindah milik; kerana membezakan yang sah daripada yang mencurigakan memerlukan mengetahui perniagaan dan konteksnya — sesuatu yang tidak dimiliki AI.
Jadi sentiasa baca output seperti ini: "AI menandai 420 rekod untuk saya. Kebanyakannya mungkin positif palsu. Tugas saya adalah untuk mengetahui daripada 420 ini yang benar-benar perlu disiasat, corak dan individu yang mencurigakan." Pandangan ini melindungi anda daripada berat sebelah automasi (mengambil setiap tanda untuk ralat) dan kemalasan (tidak melihat mana-mana daripadanya).
Pengesanan anomali langkah demi langkah
- Sediakan data dan sahkan kesempurnaan. (Langkah-langkah penyesuaian dalam unit sebelumnya.)
- Tentukan kriteria dengan jelas. Apakah corak pemasaan, amaun, pengguna dan perihalan yang akan dibenderakan?
- Imbas dan skor dengan AI. Tandakan setiap rekod mengikut kriteria; Beri keutamaan yang lebih tinggi kepada mereka yang memenuhi pelbagai kriteria.
- Hapuskan positif palsu. Tapis atau benderakan corak sah yang diketahui (seperti akruan automatik).
- Periksa rekod yang tinggal. Pautkan setiap satu kepada dokumen sokongan, kelulusan dan logik perniagaan.
- Dokumentasikan kesimpulan dan rasionalnya. Tulis perkara yang anda dapati mencurigakan dan mengapa, dan perkara yang anda hapuskan dan mengapa.
tiga kes mini
Kes 1 — Penemuan sebenar. Juruaudit mengimbas 240,000 entri jurnal dengan AI; Ia menggabungkan kriteria "3 hari terakhir tempoh + manual + penerangan 'pembetulan' + 100,000 kali ganda jumlah". 14 rekod mendapat markah tinggi. Dalam semakan, 11 adalah pelarasan akhir tahun yang sah; Walau bagaimanapun, 3 penyertaan telah dimasukkan dengan cara yang akan meningkatkan akaun pendapatan dan diterbalikkan pada tempoh berikutnya, dan tiada dokumentasi sokongan. Ini adalah corak pengurusan memintas kawalan dan merupakan penemuan penting. AI bertanya 14 soalan; Kesangsian juruaudit mendapati 3 jawapan sebenar.
Kes 2 — Perangkap positif palsu. Seorang ahli pasukan menulis 380 rekod "konsisten pusingan" yang telah dibenderakan AI terus pada lembaran kerja di bawah tajuk "urus niaga yang mencurigakan." Apabila pegawai itu melihat, dia melihat kebanyakan mereka mempunyai sewa tetap, yuran perundingan tetap dan rekod susut nilai automatik; mereka semua sah. Lembaran kerja telah menjadi "senarai penemuan palsu" yang membawa audit ke arah yang salah. Pengajaran: bukan setiap rekod yang dibenderakan adalah penemuan; Juruaudit membuat pemilihan.
Kes 3 — Menetapkan kriteria terlalu sempit. Juruaudit hanya menggunakan kriteria "rekod hujung minggu" dan tidak menemui rekod yang mencurigakan; Dia berasa lega. Walau bagaimanapun, dalam perniagaan, rekod manipulatif telah dimasukkan semasa waktu bekerja hari minggu, tetapi dengan gabungan akaun yang luar biasa. Bergantung pada satu kriteria yang sempit menghalangnya daripada melihat risiko sebenar. Apabila juruaudit mengembangkan kriteria, corak itu muncul. Pengajaran: kriteria tunggal tidak memberikan jaminan; Lihatlah ia secara pelbagai dimensi.
Gesaan lemah / Gesaan kuat
Gesaan yang lemah:
Cari entri penipuan dalam entri jurnal ini.
Masalah: AI tidak dapat "mengesan" penipuan; Penipuan adalah akibat undang-undang/profesional, bukan corak data. Juga "penipuan" tidak ditentukan. Gesaan ini menghasilkan sama ada "senarai tipu" yang dibuat atau bendera yang tidak bermakna.
Gesaan kuat:
Peranan anda: anda ialah pembantu analisis kemasukan jurnal juruaudit bebas. Anda TANDA rekod mengikut kriteria; keputusan menipu/ralat adalah milik saya.Konteks: Data jurnal tanpa nama (lajur: nombor_rekod, tarikh, masa, peranan_pengguna, akaun_debit, akaun_kredit, amaun, jenis_rekod[manual/automatik], perihalan). Akhir penggal: 31.12. Waktu bekerja: 09:00-18:00, Isnin-Jumaat.Tugas:1) Beri "skor perhatian" kepada setiap rekod mengikut kriteria berikut (bergantung kepada berapa banyak kriteria yang dilampirkan): a) rekod_jenis=manual b) tarikh antara 29-31 Disember ATAU hujung minggu/cuti c) jam tidak bertugas d) amaun 100000000000000000000000000000000000000000000000000000000000000000000000 {correction, miscellaneous, temporary} in2) Berikan mereka yang mendapat markah 3 dan ke atas sebagai senarai keutamaan.3) Tulis setiap kriteria yang anda gunakan dalam teks biasa (auditability).4) Jelaskan bahawa ini adalah "pengecualian yang perlu diperiksa" dan bukan HASIL daripada penipuan/ralat. Menambah rekod palsu.
Gesaan ini berkuasa kerana ia mentakrifkan kriteria dengan jelas, memerlukan skor berbilang dimensi, kebolehauditan dan mengesan output dengan tepat (kecuali, bukan hasil).
Kesilapan biasa
- Ia bermaksud "cari muslihat". AI tidak mengesan penipuan; meletakkan markah mengikut kriteria. Menipu adalah akibat profesional/undang-undang.
- Tersilap tanda sebagai penemuan. Menulis rekod yang mencurigakan sebagai "ralat" tanpa menghapuskan positif palsu.
- Bergantung pada satu kriteria. Menggunakan peraturan sempit dan kehilangan corak sebenar.
- Tidak menapis corak yang sah. Mencipta hingar dengan memasukkan akruan automatik dalam senarai yang mencurigakan.
- Tidak mendokumentasikan rasionalnya. Membiarkan lembaran kerja tidak dapat dikesan tanpa menulis perkara yang anda hapuskan/simpan dan sebabnya.
Awas: Menggambarkan rakaman sebagai "mencurigakan" adalah satu kenyataan yang serius. Sahkan dengan bukti (dokumen sokongan, pengesahan, kes perniagaan) sebelum menulis sebagai penemuan. Jika tidak, anda akan berlaku tidak adil kepada perniagaan dan merosakkan kualiti audit.
Secara ringkasnya
Ujian kemasukan jurnal diperlukan di bawah BDS 240, dan AI ialah enjin yang ideal untuk ini: ia mengimbas ratusan ribu rekod terhadap kriteria multidimensi dalam beberapa saat dan menghasilkan skor perhatian. Tetapi AI tidak "mengesan" penipuan atau kesilapan; ia hanya menandakan yang luar biasa. Keluaran adalah timbunan pengecualian yang penuh dengan positif palsu; Terpulang kepada keraguan dan pertimbangan juruaudit untuk menyelesaikan risiko sebenar daripadanya, menghapuskan risiko yang sah, dan membuat kesimpulan. Tanda itu adalah tanda tanya, bukan jawapan.
Tugasan permohonan
Nyatakan lima kriteria anomali untuk data jurnal hipotesis (jadual, pengguna, amaun, gabungan akaun, perihalan). Minta AI menghasilkan "skor perhatian" berbilang dimensi dengan corak gesaan yang berkuasa di atas. Kemudian tulis "panduan saringan": corak sah yang manakah (akruan automatik, sewa tetap, dll.) harus ditapis sebagai positif palsu? Akhir sekali, untuk 5 rekod skor tinggi, "apa bukti yang saya cari?" Jawab soalan.
senarai semak
- [ ] Saya menamakan data dan mengesahkan kesempurnaannya.
- [ ] Saya mentakrifkan kriteria anomali secara pelbagai dimensi dan jelas.
- [ ] Saya menerima plaintext skor perhatian dan kriteria yang digunakan daripada AI.
- [ ] Saya menapis corak sah yang diketahui sebagai positif palsu.
- [ ] Saya telah menyemak rekod skor tinggi dengan dokumentasi sokongan dan pengesahan.
- [ ] Saya mengesahkannya dengan bukti sebelum membuat kesimpulan "penipuan/kesilapan".
- [ ] Saya mendokumentasikan perkara yang saya dapati mencurigakan dan mengapa.