Keuntungan:
- Keupayaan untuk mengimbas seluruh populasi dengan AI dan mengutamakan rekod yang mencurigakan mengikut peraturan anomali
- Keupayaan untuk menjalankan audit dengan disiplin 'mark and justify' tanpa membuat pertimbangan terhadap model
- Keupayaan untuk mengekalkan jejak audit (data, gesaan, tarikh, pengesah) untuk setiap output AI
Mungkin bidang perakaunan dan kewangan yang paling sensitif ialah pengauditan: secara bebas mengesahkan bahawa rekod adalah tepat, lengkap dan patuh. Kecerdasan buatan (AI) ialah alat serampang dua mata di sini. Di satu pihak, ia sangat berkuasa dalam mengimbas susunan data yang besar untuk anomali (rekod mencurigakan yang menyimpang daripada jangkaan) dan mengesan kelemahan kawalan dalaman. Sebaliknya, disebabkan sifat audit, output AI sendiri juga mesti diaudit. Dalam unit ini, kita akan belajar cara menggunakan AI sebagai "pembantu audit" dan mengekalkan jejak audit.
Peranan AI dalam Kawalan Dalaman dan Audit
Kawalan dalaman ialah set peraturan dan proses yang diwujudkan untuk mencegah kesilapan dan penyalahgunaan (seperti pengasingan tugas, ambang kelulusan, perdamaian). Pengauditan menyemak sama ada ini berfungsi atau tidak. Di mana AI paling berkesan ialah apabila ia boleh mengimbas keseluruhan populasi di mana pengauditan tradisional melibatkan pensampelan (memeriksa beberapa rekod daripada ratusan). Melihat semua 10,000 rekod adalah sukar untuk manusia, tetapi mungkin untuk model.
Tetapi perbezaan kritikal adalah ini: AI menjana keraguan, bukan penghakiman. "Rekod ini kelihatan tidak normal" adalah titik permulaan; Keputusan audit sebenar dan pengumpulan bukti adalah milik manusia.
Petua: Pada gesaan audit, sebut "hanya tunjuk dan justifikasi, jangan buat kesimpulan/hakim". Adalah salah dan berisiko bagi model untuk membuat kenyataan muktamad seperti "ini adalah penyelewengan"; Perkara itu diputuskan selepas semakan anda.
Langkah demi Langkah: Pengimbasan Anomali dengan AI
- Tentukan set peraturan anda. Apa yang anda anggap tidak normal? Ambang, pengulangan, masa.
- Imbas seluruh populasi. Bukan sekadar sampel, tetapi kesemuanya.
- Tandakan dan justifikasikan. Penjelasan "mengapa ia mencurigakan" untuk setiap penemuan.
- Utamakan. Isih mengikut magnitud risiko/kesan.
- Rujuk ulasan manusia. Kumpul bukti, buat keputusan, dokumen.
Gesaan Lemah / Gesaan Kuat
Gesaan yang lemah: Adakah terdapat sebarang penyelewengan dalam perbelanjaan ini? [data]
Ini menghasilkan jawapan yang sama ada "tiada" atau menghasilkan tuduhan tidak berasas yang tidak boleh digunakan dalam audit.
Gesaan kuat:Peranan anda: pembantu audit dalaman.Tugas: Imbas rekod perbelanjaan berikut terhadap peraturan risiko.Peraturan:1) Amaun betul-betul di bawah ambang kelulusan (50,000) (syak dipecahkan)2) Rekod yang dimasukkan pada hujung minggu atau selepas waktu kerja3) Jumlah yang sama diulang pada selang masa yang singkat kepada pembekal yang sama4) Kekerapan luar biasa bagi pusingan nombor peraturan tercetus | kenapa mencurigakan (1 ayat) |keutamaan (tinggi/sederhana/rendah)Kekangan: Tanda dan justifikasikan sahaja. Membuat penghakiman seperti "ia adalah satu penyelewengan"; ini adalah calon untuk peperiksaan manusia. Hanya gunakan maklumat dalam data.<rekod> ... </rekod>
Gesaan ini; Ia mengutamakan jumlah yang tersekat betul-betul di bawah ambang kelulusan (tanda "pecah") atau rekod yang dimasukkan selepas waktu kerja dan memberikan juruaudit senarai semakan yang jelas.
Sumbangan terbesar AI kepada pengauditan ialah kelebihan skalanya. Dalam audit tradisional, pensampelan dilakukan kerana tidak mungkin melihat semua rekod secara fizikal: mungkin seratus ribu invois diperiksa dan hasilnya digeneralisasikan kepada seluruh populasi. Ini bermakna bahawa ketidakteraturan yang berada di luar sampel terlepas. AI, sebaliknya, boleh menggunakan peraturan yang anda tentukan pada semua puluhan ribu rekod dalam beberapa saat. Oleh itu, pengauditan berkembang daripada "melihat beberapa contoh dan berharap" kepada "mengimbas setiap rekod dan mengeluarkan pengecualian." Bagaimanapun, yang ditemui hanyalah calon untuk siasatan, bukannya kesimpulan.
Peraturan Anomali Yang Kerap Digunakan dalam Audit
peraturan
Apa yang ditunjukkannya
contoh
pengumpulan subambang
Berpisah untuk mengelakkan kelulusan
Jumlah seperti 49,500, 49,800
pendaftaran di luar waktu
Kemasukan tidak terkawal
Sabtu 23:40 bil
bayaran pendua
Risiko pembayaran berganda
Invois yang sama, dua nombor dokumen
Kekerapan nombor bulat
Jumlah anggaran/dibuat
Banyak betul-betul 10,000
Pembekal baharu + jumlah yang lebih tinggi
Risiko pembekal hantu
200,000 dalam transaksi pertama
Pengasingan Tugas dan Kawalan Kuasa
Salah satu asas kawalan dalaman ialah pengasingan tugas: orang yang memulakan, meluluskan dan membayar transaksi adalah berbeza. Jika orang yang sama masuk, meluluskan dan membayar invois, pintu terbuka untuk penyalahgunaan. AI boleh mencari keadaan di mana dasar ini dilanggar dengan mengimbas maklumat pengguna dalam rekod transaksi.
Imbas untuk mengasingkan pelanggaran tugas dalam rekod transaksi berikut: - Transaksi yang dimasukkan dan diluluskan oleh pengguna yang sama - Transaksi yang diluluskan dan dimulakan oleh pengguna yang sama - Jumlah yang diluluskan oleh seorang melebihi had kebenaran Output: nombor transaksi | jenis pelanggaran | pengguna berkaitan | keutamaanHanya menunjuk dan mewajarkan; senaraikan sebagai calon untuk hukuman, semakan.
Pengimbasan jenis ini mengekstrak corak dalam beberapa saat yang tidak dapat ditangkap oleh mata manusia dalam beribu-ribu baris. Tetapi prinsip yang sama terpakai: corak menunjukkan "corak pelanggaran peraturan"; Terpulang kepada seseorang untuk memutuskan sama ada ini adalah masalah sebenar atau pengecualian yang sah (cth. paksa dwi peranan dalam pasukan kecil).
Kewajipan Jejak Audit
Jika output AI hendak digunakan dalam audit, ia mesti boleh dikesan: data apa, gesaan apa, model apa, tarikh berapa, siapa yang mengesahkannya? Tanpa rekod ini, cetakan tidak mempunyai nilai bukti dalam audit.
Sediakan rekod jejak audit untuk analisis ini:- Sumber data dan tempoh digunakan- Ringkasan gesaan/peraturan digunakan- Tarikh keluaran model- Medan kosong untuk langkah pengesahan manusia (siapa, bila, keputusan) Eksport ini sebagai templat boleh guna semula.
Awas: Hanya kerana AI mengatakan "rekod ini baik-baik saja" tidak membuktikan bahawa tiada isu di sana. Model itu mungkin terlepas corak. "AI berkata bersih" bukanlah jaminan dalam audit; Sentiasa dokumentasikan had skop dan kaedah.
Kes Mini
Kes 1 — Petak subambang. Juruaudit dalaman menemui tiga invois berturut-turut sebanyak 49,200, 49,700, 49,500 TL daripada jabatan yang sama melalui pengimbasan AI dalam sebuah syarikat dengan ambang kelulusan 50,000 TL. Siasatan mendedahkan bahawa satu pembelian £145,000 dibahagikan kepada tiga untuk mengelakkan kelulusan. Jurang kawalan telah ditutup.
Kes 2 — Tanda pembekal hantu. AI menandakan keutamaan tinggi bahawa 200,000 TL telah dibayar kepada pembekal yang baru ditambah dalam sistem dalam transaksi pertama. Semakan menunjukkan bahawa pembekal adalah tulen dan di bawah kontrak; Penggera adalah palsu tetapi kawalan berfungsi dengan betul. Pengajaran: tidak setiap tanda adalah jenayah, tetapi setiap tanda harus diperiksa.
Kes 3 — Runtuh output tidak berdokumen. Satu pasukan menyerahkan senarai anomali AI kepada audit, tetapi tidak merekodkan gesaan dan data yang digunakan untuk menghasilkannya. Juruaudit luar tidak menerima cetakan sebagai bukti. Analisis dijalankan semula dengan jejak audit. Pengajaran: Tiada output yang tidak boleh dipantau dalam audit.
Kes 4 — Pelanggaran pengasingan tugas. Imbasan kawalan dalaman mendapati 37 transaksi di cawangan kecil tempat pekerja yang sama memasukkan, meluluskan dan memulakan pembayaran untuk invois. Siasatan menunjukkan bahawa pekerja itu tidak mempunyai niat jahat tetapi mengambil peranan ini kerana kekurangan kakitangan. Namun, risikonya adalah nyata; Syarikat itu menutup jurang dengan memindahkan kelulusan pembayaran ke pusat. Pengajaran: defisit kawalan adalah berbahaya walaupun tanpa kejahatan; AI mencari corak, manusia mereka bentuk penyelesaiannya.
Kesilapan biasa
- Untuk menilai model. Mengatakan "ia adalah satu penyelewengan" adalah salah dan berisiko; Tandakan sahaja.
- "AI berkata ia bersih" jaminan. Mungkin model itu terlepas; Keputusan yang bersih bukan bukti.
- Tidak menyimpan jejak audit. Jika data, gesaan, tarikh dan pengesah tidak direkodkan, output tidak akan menjadi bukti.
- Berfikir setiap tanda adalah jenayah. Anomali adalah calon untuk siasatan; Bukti menentukan keputusan.
- Tidak mendokumenkan skop. Rekod mana yang diimbas dan had kaedah harus ditulis.
Secara ringkasnya
- AI berkuasa dalam mencari anomali dengan mengimbas keseluruhan populasi dalam audit; melampaui pensampelan.
- Model itu menghasilkan keraguan, bukan penghakiman; Gunakannya dengan peraturan "tunjuk dan wajarkan".
- Peraturan anomali (tunggakan di bawah ambang, pendaftaran di luar waktu, pembayaran pendua) harus ditakrifkan terlebih dahulu.
- Adalah wajib untuk menyimpan jejak audit (data, segera, tarikh, pengesah) untuk setiap output AI; Keluaran yang tidak dapat dikesan bukan bukti.
- "AI berkata bersih" bukanlah satu jaminan; Sentiasa dokumentasikan had skop dan kaedah.
Tugasan permohonan
Sediakan rekod perbelanjaan 30-50 baris; dengan sedar membahagikan dan meletakkan pembayaran pendua. Dapatkan imbasan anomali dengan templat gesaan yang berkuasa dan pastikan model itu menangkap dan mengutamakan perangkap anda. Kemudian isikan templat jejak audit dan senaraikan penemuan sebagai "calon untuk semakan" (tanpa membuat pertimbangan).
senarai semak
- [ ] Saya telah mentakrifkan peraturan anomali (ambang, masa, pengulangan).
- [ ] Saya mengimbas seluruh populasi, saya tidak berhenti dengan persampelan.
- [ ] Saya menghalang model daripada membuat pertimbangan; Saya baru saja menandainya dan membenarkannya.
- [ ] Saya merekodkan jejak audit (data, gesaan, tarikh) untuk setiap penemuan.
- [ ] Saya meninggalkan mereka yang ditanda sebagai "calon semakan" kepada penilaian manusia.
- [ ] Saya mendokumenkan skop imbasan dan batasan kaedah.