ਮਿਆਰੀ ਤਸਦੀਕ ਅਤੇ ਸੁਤੰਤਰ ਭਰੋਸਾ: ਸਬੂਤ ਅਤੇ ਆਡਿਟ ਤਿਆਰੀ ਦੀ ਲੜੀ — ਸਥਿਰਤਾ ਅਤੇ ESG ਪ੍ਰਬੰਧਨ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ

ਲਾਭ:

ਸੀਮਤ ਅਤੇ ਵਾਜਬ ਭਰੋਸੇ ਦੇ ਵਿਚਕਾਰ ਫਰਕ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਅਤੇ ਸਬੂਤ ਦੀ ਇੱਕ ਲੜੀ ਸਥਾਪਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਜੋ ਹਰੇਕ ਸਮੱਗਰੀ ਮੈਟ੍ਰਿਕ ਨੂੰ ਸਰੋਤ ਦਸਤਾਵੇਜ਼ ਵਿੱਚ ਟਰੇਸ ਕਰਦੀ ਹੈ
ਨਿਕਾਸੀ ਕਾਰਕ ਅਤੇ ਪ੍ਰੌਕਸੀਜ਼ ਨੂੰ ਆਡਿਟ ਕਰਨ ਯੋਗ ਢੰਗ ਨਾਲ ਦਸਤਾਵੇਜ਼ੀ ਬਣਾਉਣ ਦੀ ਸਮਰੱਥਾ ਅਤੇ ਬੇਤਰਤੀਬੇ ਨਮੂਨੇ ਦੇ ਨਾਲ ਦੁਹਰਾਉਣਯੋਗਤਾ ਦੀ ਜਾਂਚ ਕਰੋ
ਆਡਿਟ ਤਿਆਰੀ ਸਹਾਇਕ ਵਜੋਂ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਵਰਤੋਂ ਕਰਨ ਅਤੇ ਅਧਿਕਾਰਤ ਸੰਸਥਾ ਨੂੰ ਸੁਤੰਤਰ ਭਰੋਸਾ ਛੱਡਣ ਦੇ ਅਨੁਸ਼ਾਸਨ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਯੋਗਤਾ

ਇੱਕ ਸਥਿਰਤਾ ਰਿਪੋਰਟ, ਇੱਕ ਵਿੱਤੀ ਸਟੇਟਮੈਂਟ ਵਾਂਗ, ਵਧਦੀ ਸੁਤੰਤਰ ਭਰੋਸਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਭਰੋਸਾ ਉਦੋਂ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਕੋਈ ਤੀਜੀ ਧਿਰ (ਆਮ ਤੌਰ 'ਤੇ ਇੱਕ ਆਡਿਟ ਫਰਮ) ਰਿਪੋਰਟ ਤਿਆਰ ਕਰਨ ਵਾਲੀ ਕੰਪਨੀ ਤੋਂ ਸੁਤੰਤਰ, ਰਿਪੋਰਟ ਦੀ ਸ਼ੁੱਧਤਾ ਦੀ ਜਾਂਚ ਕਰਦੀ ਹੈ ਅਤੇ ਇੱਕ ਰਾਏ ਪ੍ਰਗਟ ਕਰਦੀ ਹੈ। CSRD ਹੌਲੀ-ਹੌਲੀ ਸਥਿਰਤਾ ਰਿਪੋਰਟਾਂ ਲਈ ਭਰੋਸਾ ਲਾਜ਼ਮੀ ਬਣਾ ਰਿਹਾ ਹੈ। ਇਹ ਇੱਕ ਗੇਮ ਚੇਂਜਰ ਹੈ: ਇੱਕ "ਚੰਗੀ ਦਿੱਖ" ਰਿਪੋਰਟ ਹੁਣ ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ, ਇੱਕ ਪ੍ਰਮਾਣਿਤ ਰਿਪੋਰਟ ਦੀ ਲੋੜ ਹੈ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਤੁਸੀਂ ਸਿੱਖੋਗੇ ਕਿ ਆਡਿਟ ਦੀ ਤਿਆਰੀ ਅਤੇ ਸਬੂਤਾਂ ਦੀ ਇੱਕ ਲੜੀ ਸਥਾਪਤ ਕਰਨ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ (AI) ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰਨੀ ਹੈ।

ਆਓ ਪਹਿਲਾਂ ਭਰੋਸਾ ਦੇ ਦੋ ਪੱਧਰਾਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੀਏ। ਸੀਮਿਤ ਭਰੋਸਾ ਇੱਕ ਵਧੇਰੇ ਉਦਾਰ ਸਮੀਖਿਆ ਹੈ ਜਿਸ ਵਿੱਚ ਆਡੀਟਰ ਕਹਿੰਦਾ ਹੈ, "ਮੈਂ ਅਜਿਹਾ ਕੁਝ ਨਹੀਂ ਦੇਖਿਆ ਜੋ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਰਿਪੋਰਟ ਗਲਤ ਸੀ।" ਵਾਜਬ ਭਰੋਸਾ ਇੱਕ ਬਹੁਤ ਡੂੰਘੀ ਅਤੇ ਵਧੇਰੇ ਮਹਿੰਗੀ ਪ੍ਰੀਖਿਆ ਹੈ, ਵਿੱਤੀ ਆਡਿਟਿੰਗ ਦੇ ਨੇੜੇ। CSRD ਹੁਣ ਲਈ ਸੀਮਤ ਭਰੋਸੇ ਨਾਲ ਸ਼ੁਰੂ ਹੁੰਦਾ ਹੈ, ਪਰ ਸਮੇਂ ਦੇ ਨਾਲ ਵਾਜਬ ਭਰੋਸੇ ਵਿੱਚ ਤਬਦੀਲ ਹੋਣ ਦੀ ਉਮੀਦ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਦੋਵਾਂ ਪੱਧਰਾਂ 'ਤੇ, ਆਡੀਟਰ ਦਾ ਪਹਿਲਾ ਸਵਾਲ ਇੱਕੋ ਜਿਹਾ ਹੈ: "ਮੈਨੂੰ ਇਹ ਨੰਬਰ ਸਾਬਤ ਕਰੋ."

ਆਡੀਟਰ ਦੇ ਨਜ਼ਰੀਏ ਤੋਂ ਰਿਪੋਰਟ: ਸਬੂਤ ਦੀ ਲੜੀ

ਪਰੀਖਿਅਕ ਨੂੰ ਪਾਠ ਦੀ ਰਵਾਨਗੀ ਵਿੱਚ ਦਿਲਚਸਪੀ ਨਹੀਂ ਹੈ, ਪਰ ਹਰੇਕ ਦਾਅਵੇ ਦੇ ਪਿੱਛੇ ਸਬੂਤ ਦੀ ਲੜੀ ਵਿੱਚ. ਸਬੂਤ ਦੀ ਲੜੀ ਇਹਨਾਂ ਸਵਾਲਾਂ ਦਾ ਜਵਾਬ ਹੈ:

ਇਹ ਨੰਬਰ ਕਿਸ ਦਸਤਾਵੇਜ਼ ਤੋਂ ਆਇਆ ਹੈ? (ਇਨਵੌਇਸ, ਮੀਟਰ, ਸਰਟੀਫਿਕੇਟ)
ਇਹ ਦਸਤਾਵੇਜ਼ ਤੋਂ ਰਿਪੋਰਟ ਵਿੱਚ ਕਿਵੇਂ ਬਦਲਿਆ? (ਕਿਹੜਾ ਫਾਰਮੂਲਾ, ਕਿਹੜਾ ਕਾਰਕ)
ਇਸਦੀ ਗਣਨਾ ਕਿਸਨੇ, ਕਦੋਂ ਅਤੇ ਕਿਹੜੀਆਂ ਧਾਰਨਾਵਾਂ ਨਾਲ ਕੀਤੀ?
ਕੀ ਕੋਈ ਹੋਰ ਉਸੇ ਦਸਤਾਵੇਜ਼ਾਂ ਤੋਂ ਉਸੇ ਸਿੱਟੇ 'ਤੇ ਪਹੁੰਚ ਸਕਦਾ ਹੈ? (ਦੁਹਰਾਉਣਯੋਗਤਾ)

ਇੱਥੇ AI ਦਾ ਇਹ ਮੁੱਲ ਹੈ: ਰਿਪੋਰਟ ਦੇ ਹਰੇਕ ਦਾਅਵੇ ਨੂੰ ਸਕੈਨ ਕਰਨਾ ਅਤੇ "ਕੀ ਇਸ ਨੰਬਰ ਦਾ ਸਬੂਤ ਦੱਸਿਆ ਗਿਆ ਹੈ?" ਇੱਕ ਚੈਕਲਿਸਟ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ। ਪਰ AI ਇੱਕ ਆਡੀਟਰ ਨਹੀਂ ਹੈ; ਇਹ ਸੁਤੰਤਰ ਭਰੋਸਾ ਪ੍ਰਦਾਨ ਨਹੀਂ ਕਰ ਸਕਦਾ, ਇਹ ਸਿਰਫ਼ ਤੁਹਾਨੂੰ ਆਡਿਟ ਲਈ ਤਿਆਰ ਕਰਦਾ ਹੈ।

ਸਬੂਤ ਤੱਤ ਦੀ ਲੜੀ

ਉਦਾਹਰਨ

ਆਡੀਟਰ ਕੀ ਪੁੱਛਦਾ ਹੈ?

ਸਰੋਤ ਦਸਤਾਵੇਜ਼

ਬਿਜਲੀ ਦਾ ਬਿੱਲ

ਕੀ ਕੋਈ ਅਸਲੀ ਹੈ?

ਪਰਿਵਰਤਨ

kWh × ਫੈਕਟਰ = tCO₂e

ਕਾਰਕ ਤਸਵੀਰ?

ਕਾਰਜਪ੍ਰਣਾਲੀ

GHG ਪ੍ਰੋਟੋਕੋਲ

ਕੀ ਇਸ ਨੂੰ ਲਗਾਤਾਰ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਹੈ?

ਜਿੰਮੇਵਾਰ

ਗਣਨਾ ਕਰ ਰਿਹਾ ਵਿਅਕਤੀ

ਕੀ ਕੋਈ ਟਰੇਸ ਰਿਕਾਰਡ ਹੈ?

ਦੁਹਰਾਉਣਯੋਗਤਾ

ਉਹੀ ਨਤੀਜਾ

ਕੀ ਇਹ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਦੁਬਾਰਾ ਪੈਦਾ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ?

ਸੁਝਾਅ: ਰਿਪੋਰਟ ਆਡਿਟ-ਰੈਡੀ ਮੰਨਣ ਤੋਂ ਪਹਿਲਾਂ, ਇਹ ਟੈਸਟ ਕਰੋ: ਬੇਤਰਤੀਬੇ ਤਿੰਨ ਨੰਬਰਾਂ ਨੂੰ ਚੁਣੋ ਅਤੇ ਹਰੇਕ ਨੂੰ ਇਸਦੇ ਸਰੋਤ (ਰਿਪੋਰਟ → ਖਾਤਾ → ਫੈਕਟਰ → ਅਸਲ ਦਸਤਾਵੇਜ਼) ਤੱਕ ਟਰੇਸ ਕਰੋ। ਜੇ ਤੁਸੀਂ ਤਿੰਨਾਂ ਨੂੰ ਟਰੈਕ ਕਰ ਸਕਦੇ ਹੋ, ਤਾਂ ਤੁਹਾਡੀ ਚੇਨ ਠੋਸ ਹੈ; ਜੇਕਰ ਇਹ ਉਹਨਾਂ ਵਿੱਚੋਂ ਇੱਕ ਵਿੱਚ ਟੁੱਟਦਾ ਹੈ, ਤਾਂ ਆਡੀਟਰ ਵੀ ਉੱਥੇ ਟੁੱਟ ਜਾਵੇਗਾ।

ਕਦਮ ਦਰ ਕਦਮ: ਆਡਿਟ ਲਈ ਤਿਆਰੀ

1. ਟਰੇਸ ਲੌਗ ਇਕੱਠੇ ਕਰੋ। ਹਰੇਕ ਸਮੱਗਰੀ ਮੈਟ੍ਰਿਕ ਲਈ, ਸਰੋਤ ਦਸਤਾਵੇਜ਼, ਫੈਕਟਰ, ਫਾਰਮੂਲਾ, ਅਤੇ ਪ੍ਰਿੰਸੀਪਲ ਨੂੰ ਇੱਕ ਸਿੰਗਲ ਫਾਈਲ ਵਿੱਚ ਜੋੜੋ।

2. ਇੱਕ ਨਮੂਨਾ ਟੈਸਟ ਕਰੋ। ਇੱਕ ਆਡੀਟਰ ਦੇ ਤੌਰ 'ਤੇ ਕੰਮ ਕਰੋ ਅਤੇ ਬੇਤਰਤੀਬ ਨੰਬਰਾਂ ਨੂੰ ਉਹਨਾਂ ਦੇ ਸਰੋਤ 'ਤੇ ਵਾਪਸ ਟਰੇਸ ਕਰੋ। AI ਇੱਕ ਨਮੂਨਾ ਸੂਚੀ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਸਕੈਫੋਲਡਿੰਗ ਨੂੰ ਕੰਟਰੋਲ ਕਰ ਸਕਦਾ ਹੈ।

3. ਕਮਜ਼ੋਰ ਲਿੰਕ ਲੱਭੋ. ਉਹਨਾਂ ਆਈਟਮਾਂ ਦੀ ਜਾਂਚ ਕਰੋ ਜੋ ਅਗਿਆਤ ਮੂਲ, ਅਣ-ਪ੍ਰਮਾਣਿਤ ਕਾਰਕ ਹਨ, ਜਾਂ ਪ੍ਰੌਕਸੀ ਸ਼ਾਮਲ ਹਨ।

4. ਇਕਸਾਰਤਾ ਅਤੇ ਕਾਰਜਪ੍ਰਣਾਲੀ ਬਿਆਨ ਤਿਆਰ ਕਰੋ। ਲਿਖੋ ਕਿ ਕਿਹੜਾ ਮਿਆਰ, ਕਿਹੜਾ ਕਾਰਕ ਸੈੱਟ, ਅਤੇ ਤੁਸੀਂ ਕਿਹੜੀਆਂ ਧਾਰਨਾਵਾਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਹੈ।

5. ਆਡੀਟਰ ਦੇ ਸਵਾਲਾਂ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਓ। AI ਪੁੱਛਦਾ ਹੈ "ਇੱਕ ਆਡੀਟਰ ਇਸ ਰਿਪੋਰਟ ਨੂੰ ਕਿਹੜੇ 20 ਸਵਾਲ ਪੁੱਛੇਗਾ?" ਇਹ ਇੱਕ ਤਿਆਰੀ ਸੂਚੀ ਪੈਦਾ ਕਰਨ ਵਿੱਚ ਚੰਗਾ ਹੈ ਜਿਵੇਂ ਕਿ

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:

ਜਾਂਚ ਕਰੋ ਕਿ ਕੀ ਸਾਡੀ ਰਿਪੋਰਟ ਆਡਿਟ ਲਈ ਤਿਆਰ ਹੈ।

AI ਇੱਕ ਆਮ "ਚੰਗਾ ਲੱਗ ਰਿਹਾ ਹੈ" ਜਵਾਬ ਨਾਲ ਜਵਾਬ ਦਿੰਦਾ ਹੈ; ਸਬੂਤ ਦੀ ਲੜੀ ਦੀ ਜਾਂਚ ਨਹੀਂ ਕਰਦਾ।

ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:

ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਸਥਿਰਤਾ ਭਰੋਸਾ ਆਡੀਟਰ (ਸੀਮਤ ਭਰੋਸਾ)। ਕੰਮ: ਆਡਿਟਿੰਗ ਅੱਖ ਨਾਲ ਹੇਠਾਂ ਦਿੱਤੇ ਰਿਪੋਰਟ ਟੈਕਸਟ ਦੀ ਜਾਂਚ ਕਰੋ। ਹਰੇਕ ਸੰਖਿਆਤਮਕ ਦਾਅਵੇ ਲਈ, ਪੁੱਛੋ ਅਤੇ ਨਿਸ਼ਾਨ ਲਗਾਓ: 1) ਕੀ ਸਰੋਤ ਦਾ ਹਵਾਲਾ ਦਿੱਤਾ ਗਿਆ ਹੈ? (ਇਨਵੌਇਸ/ਮੀਟਰ/ਸਰਟੀਫਿਕੇਟ)2) ਕੀ ਨਿਕਾਸੀ ਕਾਰਕ ਅਧਿਕਾਰਤ ਜਾਂ ਪ੍ਰਮਾਣਿਤ ਵਰਤਿਆ ਗਿਆ ਹੈ? 3) ਪ੍ਰੌਕਸੀ/ਅਨੁਮਾਨ? ਕੀ ਇਹ ਦੱਸਿਆ ਗਿਆ ਹੈ? 4) ਕੀ ਰਿਪੋਰਟ ਵਿੱਚ ਕਿਤੇ ਹੋਰ ਮੈਟ੍ਰਿਕ ਦਾ ਜ਼ਿਕਰ ਵੱਖਰਾ ਕੀਤਾ ਗਿਆ ਹੈ? ਨਿਯਮ: ਹਰ ਦਾਅਵੇ ਲਈ ਸਬੂਤ ਲੁਪਤ ਹੋਣ ਲਈ "ਸਬੂਤ ਲੋੜੀਂਦਾ" ਲਿਖੋ; ਭਰੋਸਾ ਨਾ ਦਿਓ, ਸਿਰਫ਼ ਤਿਆਰੀ ਲਈ ਕਮਜ਼ੋਰ ਲਿੰਕਾਂ ਦੀ ਸੂਚੀ ਬਣਾਓ। ਰਿਪੋਰਟ: [ਰਿਪੋਰਟ]

ਸਬੂਤ ਸਾਰਣੀ ਦੀ ਲੜੀ ਲਈ ਪ੍ਰੋਂਪਟ

ਨਿਮਨਲਿਖਤ ਪ੍ਰੋਂਪਟ ਇਮਤਿਹਾਨ ਦੇ ਪ੍ਰਸ਼ਨਾਂ ਨੂੰ ਪਹਿਲਾਂ ਤੋਂ ਤਿਆਰ ਕਰਦਾ ਹੈ।

ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਸੀਨੀਅਰ ਅਸ਼ੋਰੈਂਸ ਆਡੀਟਰ। ਟਾਸਕ: 15 ਸਭ ਤੋਂ ਚੁਣੌਤੀਪੂਰਨ ਸਵਾਲ ਤਿਆਰ ਕਰੋ ਜੋ ਇੱਕ ਆਡੀਟਰ ਹੇਠਾਂ ਸਥਿਰਤਾ ਰਿਪੋਰਟ ਬਾਰੇ ਪੁੱਛੇਗਾ; ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਸਕੋਪ 3, ਪ੍ਰੌਕਸੀ ਡੇਟਾ ਅਤੇ ਟੀਚੇ ਦੇ ਦਾਅਵਿਆਂ 'ਤੇ ਫੋਕਸ ਕਰੋ। ਹਰੇਕ ਸਵਾਲ ਦੇ ਅੱਗੇ ਇੱਕ ਨੋਟ ਜੋੜੋ "ਸਾਨੂੰ ਇਸ ਸਵਾਲ ਲਈ ਤਿਆਰ ਰਹਿਣ ਦੀ ਕੀ ਲੋੜ ਹੈ?" ਰਿਪੋਰਟ ਦਾ ਸਾਰ: [SUMMARY]

ਧਿਆਨ ਦਿਓ: AI ਕਹਿਣਾ "ਰਿਪੋਰਟ ਆਡਿਟ ਲਈ ਤਿਆਰ ਜਾਪਦੀ ਹੈ" ਇੱਕ ਭਰੋਸਾ ਨਹੀਂ ਹੈ ਅਤੇ ਇਸਦਾ ਕੋਈ ਕਾਨੂੰਨੀ/ਪੇਸ਼ੇਵਰ ਮੁੱਲ ਨਹੀਂ ਹੈ। ਸੁਤੰਤਰ ਭਰੋਸਾ ਕੇਵਲ ਇੱਕ ਸਮਰੱਥ ਅਤੇ ਨਿਰਪੱਖ ਆਡਿਟ ਫਰਮ ਦੁਆਰਾ ਪ੍ਰਦਾਨ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। AI ਨੂੰ "ਪ੍ਰਾਥਮਿਕ ਸਹਾਇਕ" ਵਜੋਂ ਵਰਤੋ, ਕਦੇ ਵੀ ਕਿਸੇ ਆਡੀਟਰ ਦੇ ਬਦਲ ਵਜੋਂ।

ਤਿੰਨ ਛੋਟੇ ਕੇਸ

ਕੇਸ 1 — ਟੁੱਟੀ ਹੋਈ ਚੇਨ। "ਕੂੜਾ ਰਿਕਵਰੀ ਦਰ 78%," ਇੱਕ ਕੰਪਨੀ ਦੀ ਰਿਪੋਰਟ ਵਿੱਚ ਕਿਹਾ ਗਿਆ ਹੈ। ਪ੍ਰੀ-ਆਡਿਟ ਸੈਂਪਲਿੰਗ ਟੈਸਟ ਵਿੱਚ ਇਸ ਨੰਬਰ ਦਾ ਸਰੋਤ ਨਹੀਂ ਮਿਲਿਆ; ਇਹ ਐਕਸਲ ਸੈੱਲ ਤੋਂ ਆਇਆ ਸੀ, ਪਰ ਇਸ ਦੇ ਪਿੱਛੇ ਕੋਈ ਦਸਤਾਵੇਜ਼ ਨਹੀਂ ਸੀ। ਸੰਖਿਆ ਨੂੰ ਕੂੜੇ ਦੇ ਤਬਾਦਲੇ ਦੇ ਦਸਤਾਵੇਜ਼ਾਂ ਨਾਲ ਦੁਬਾਰਾ ਗਿਣਿਆ ਗਿਆ ਸੀ ਅਤੇ ਅਸਲ ਦਰ 71% ਸੀ; ਜੇਕਰ ਠੀਕ ਨਾ ਕੀਤਾ ਗਿਆ ਤਾਂ ਭਰੋਸੇ ਤੋਂ ਇਨਕਾਰ ਕੀਤਾ ਜਾ ਸਕਦਾ ਸੀ।

ਕੇਸ 2 - ਅਸਪਸ਼ਟ ਕਾਰਕ। ਇੱਕ ਰਿਪੋਰਟ ਦੇ ਨਿਕਾਸ ਦੀ ਗਣਨਾ ਵਿੱਚ ਅਣਜਾਣ ਮੂਲ ਦੇ ਇੱਕ ਨਿਕਾਸ ਕਾਰਕ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਗਈ ਸੀ। AI ਦੇ ਆਡਿਟ ਸਕੈਨ ਨੇ "ਕੋਈ ਕਾਰਕ ਸਰੋਤ ਨਹੀਂ" ਨੂੰ ਫਲੈਗ ਕੀਤਾ। ਕਾਰਕ ਨੂੰ ਅਧਿਕਾਰਤ ਡੇਟਾ ਸੈੱਟ ਦੁਆਰਾ ਬਦਲਿਆ ਗਿਆ ਸੀ; ਕੁੱਲ 6% ਦੁਆਰਾ ਬਦਲਿਆ ਗਿਆ ਸੀ, ਪਰ ਇਹ ਹੁਣ ਸਾਬਤ ਹੋ ਗਿਆ ਸੀ.

ਕੇਸ 3 - ਅਨੁਮਾਨਿਤ ਸਵਾਲ। ਆਡਿਟ ਤੋਂ ਪਹਿਲਾਂ, ਇੱਕ ਟੀਮ AI ਨੂੰ ਪੁੱਛ ਸਕਦੀ ਹੈ "ਆਡੀਟਰ ਕਿਹੜੇ ਔਖੇ ਸਵਾਲ ਪੁੱਛਦਾ ਹੈ?" ਉਸ ਨੇ ਪੁੱਛਿਆ। ਸੂਚੀ "ਸਕੋਪ 3 ਦੇ 60% ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਿਵੇਂ ਕੀਤੀ ਗਈ?" ਇਸ ਵਿੱਚ ਸਵਾਲ ਸੀ। ਟੀਮ ਨੇ ਇਸ ਪ੍ਰਸ਼ਨ ਲਈ ਤਿਆਰੀ ਕੀਤੀ, ਕਾਰਜਪ੍ਰਣਾਲੀ ਨੋਟ ਪਹਿਲਾਂ ਤੋਂ ਲਿਖ ਕੇ; ਜਦੋਂ ਅਸਲ ਆਡਿਟ ਵਿੱਚ ਇਹੀ ਸਵਾਲ ਆਇਆ ਤਾਂ ਜਵਾਬ ਤਿਆਰ ਸੀ ਅਤੇ ਪ੍ਰਕਿਰਿਆ ਸੁਚਾਰੂ ਢੰਗ ਨਾਲ ਚਲੀ ਗਈ।

ਆਮ ਗਲਤੀਆਂ

ਰਿਪੋਰਟ ਵਿੱਚ ਅਨਸੋਰਸਡ ਨੰਬਰ ਵੀ ਸ਼ਾਮਲ ਹੈ। ਕੋਈ ਵੀ ਸੰਖਿਆ ਜਿਸਦਾ ਸਰੋਤ ਦਸਤਾਵੇਜ਼ ਵਿੱਚ ਵਾਪਸ ਨਹੀਂ ਲੱਭਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਆਡਿਟ ਵਿੱਚ ਇੱਕ ਕਮਜ਼ੋਰ ਲਿੰਕ ਹੈ।
ਇਸ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੇ ਬਿਨਾਂ ਕਾਰਕ ਦੀ ਵਰਤੋਂ ਕਰਨਾ। ਜੇਕਰ ਨਿਕਾਸ ਕਾਰਕ ਦਾ ਅਧਿਕਾਰਤ ਸਰੋਤ ਨਹੀਂ ਦਿਖਾਇਆ ਗਿਆ ਹੈ, ਤਾਂ ਆਡੀਟਰ ਇਸਨੂੰ ਸਵੀਕਾਰ ਨਹੀਂ ਕਰੇਗਾ।
ਪ੍ਰੌਕਸੀ ਨੂੰ ਲੁਕਾਉਣਾ। ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਵਾਲੇ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਠੀਕ ਹੈ; ਸਮਝੌਤਾ ਭਰੋਸਾ ਨਿਰਧਾਰਤ ਕਰਨ ਵਿੱਚ ਅਸਫਲਤਾ।
ਇੱਕ ਆਡੀਟਰ ਲਈ AI ਨੂੰ ਗਲਤ ਕਰਨਾ. AI ਮੁੱਢਲੀਆਂ ਤਿਆਰੀਆਂ ਕਰਦਾ ਹੈ; ਸੁਤੰਤਰ ਭਰੋਸਾ ਕੇਵਲ ਅਧਿਕਾਰਤ ਸੰਸਥਾ ਤੋਂ ਆਉਂਦਾ ਹੈ।
ਵਿਧੀ-ਵਿਧਾਨ ਨੂੰ ਲਿਖਤੀ ਰੂਪ ਵਿੱਚ ਨਹੀਂ ਰੱਖਣਾ। ਜੇਕਰ ਇਹ ਦਸਤਾਵੇਜ਼ੀ ਨਹੀਂ ਹੈ ਕਿ ਕਿਹੜਾ ਮਿਆਰ/ਕਾਰਕ/ਧਾਰਨਾ ਵਰਤੀ ਗਈ ਸੀ, ਤਾਂ ਰਿਪੋਰਟ ਅਸੁਰੱਖਿਅਤ ਹੈ।

ਸੰਖੇਪ ਵਿੱਚ

ਸੁਤੰਤਰ ਭਰੋਸਾ ਸਥਿਰਤਾ ਰਿਪੋਰਟ ਨੂੰ "ਚੰਗੇ ਦਿਖਣ ਵਾਲੇ" ਦਸਤਾਵੇਜ਼ ਤੋਂ "ਸਾਬਤ" ਦਸਤਾਵੇਜ਼ ਵਿੱਚ ਲੈ ਜਾਂਦਾ ਹੈ। ਆਡੀਟਰ ਕੋਲ ਸਿਰਫ ਇੱਕ ਅਸਲੀ ਸਵਾਲ ਹੈ: "ਇਸ ਨੰਬਰ ਨੂੰ ਸਾਬਤ ਕਰੋ." AI; ਇਹ ਸਬੂਤਾਂ ਦੀ ਲੜੀ ਨੂੰ ਸਕੈਨ ਕਰਨ, ਨਮੂਨਾ ਟੈਸਟਿੰਗ ਸਥਾਪਤ ਕਰਨ, ਕਮਜ਼ੋਰ ਲਿੰਕਾਂ ਨੂੰ ਫਲੈਗ ਕਰਨ, ਅਤੇ ਆਡੀਟਰ ਪ੍ਰਸ਼ਨਾਂ ਦੀ ਉਮੀਦ ਕਰਨ ਵਿੱਚ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਤਿਆਰੀ ਭਾਈਵਾਲ ਹੈ। ਪਰ AI ਇੱਕ ਆਡੀਟਰ ਨਹੀਂ ਹੈ ਅਤੇ ਭਰੋਸਾ ਪ੍ਰਦਾਨ ਨਹੀਂ ਕਰ ਸਕਦਾ ਹੈ। ਹਰੇਕ ਸਮੱਗਰੀ ਮੈਟ੍ਰਿਕ ਨੂੰ ਇਸਦੇ ਸਰੋਤ ਤੇ ਵਾਪਸ ਟਰੇਸ ਕਰੋ, ਅਧਿਕਾਰਤ ਸਰੋਤ ਤੋਂ ਕਾਰਕਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ, ਪ੍ਰੌਕਸੀ ਨਿਰਧਾਰਤ ਕਰੋ, ਅਤੇ ਵਿਧੀ ਦਾ ਦਸਤਾਵੇਜ਼ ਬਣਾਓ। ਆਡਿਟ ਦੀ ਤਿਆਰੀ ਰਿਪੋਰਟ ਲਿਖਣ ਜਿੰਨੀ ਮਹੱਤਵਪੂਰਨ ਹੈ।

ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ

ਰਿਪੋਰਟ ਤੋਂ ਤਿੰਨ ਸੰਖਿਆਤਮਕ ਦਾਅਵੇ ਚੁਣੋ (ਇੱਕ ਪ੍ਰੌਕਸੀ ਨਾਲ)। ਉੱਪਰ ਦਿੱਤੇ ਕੰਟਰੋਲ ਪ੍ਰੋਂਪਟ ਦੇ ਨਾਲ, AI ਹਰੇਕ ਸਵਾਲ ਪੁੱਛਦਾ ਹੈ "ਕੀ ਸਰੋਤ ਨਿਰਧਾਰਤ ਕੀਤਾ ਗਿਆ ਹੈ, ਕੀ ਕਾਰਕ ਪ੍ਰਮਾਣਿਤ ਹੈ, ਕੀ ਇਹ ਇੱਕ ਪ੍ਰੌਕਸੀ ਹੈ?" ਇਸ ਨੂੰ ਸਕੈਨ ਕਰੋ। ਫਿਰ: (1) ਹਰੇਕ ਮੁੱਦੇ ਲਈ ਸਬੂਤ ਲਾਈਨ ਦੀ ਇੱਕ ਲੜੀ ਲਿਖੋ, (2) ਸਰੋਤ ਦੀ ਜਾਂਚ ਕਰੋ ਅਤੇ ਟੁੱਟੇ ਹੋਏ ਲਿੰਕ ਨੂੰ ਲੱਭੋ, (3) 5 ਔਖੇ ਸਵਾਲਾਂ ਦੀ ਸੂਚੀ ਬਣਾਓ ਜੋ ਇੱਕ ਆਡੀਟਰ ਪੁੱਛੇਗਾ ਅਤੇ ਜਵਾਬ ਤਿਆਰ ਕਰੇਗਾ।

ਚੈੱਕਲਿਸਟ

[ ] ਮੈਂ ਸਰੋਤ ਦਸਤਾਵੇਜ਼ ਵਿੱਚ ਹਰੇਕ ਸਮੱਗਰੀ ਮੈਟ੍ਰਿਕ ਦਾ ਪਤਾ ਲਗਾਇਆ।
[ ] ਮੈਂ ਸਬੂਤਾਂ ਦੀ ਲੜੀ ਵਿੱਚ ਨਿਕਾਸੀ ਕਾਰਕਾਂ ਦੇ ਅਧਿਕਾਰਤ ਸਰੋਤ ਨੂੰ ਜੋੜਿਆ ਹੈ।
[ ] ਮੈਂ ਪ੍ਰੌਕਸੀ/ਅਨੁਮਾਨ ਵਾਲੀਆਂ ਆਈਟਮਾਂ ਨੂੰ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਚਿੰਨ੍ਹਿਤ ਕੀਤਾ ਹੈ।
[ ] ਮੈਂ ਇੱਕ ਬੇਤਰਤੀਬੇ ਨਮੂਨੇ ਦੇ ਨਾਲ ਇੱਕ ਦੁਹਰਾਉਣਯੋਗਤਾ ਟੈਸਟ ਕੀਤਾ।
[] ਮੈਂ ਲਿਖਤੀ ਰੂਪ ਵਿੱਚ ਵਿਧੀ (ਸਟੈਂਡਰਡ, ਫੈਕਟਰ ਸੈੱਟ, ਧਾਰਨਾ) ਰੱਖਦਾ ਹਾਂ।
[ ] ਮੈਂ ਔਡੀਟਰ ਦੁਆਰਾ ਪੁੱਛੇ ਜਾਣ ਵਾਲੇ ਔਖੇ ਸਵਾਲ ਪਹਿਲਾਂ ਹੀ ਤਿਆਰ ਕਰ ਲਏ ਹਨ।
[ ] ਮੈਂ ਤਿਆਰੀ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕੀਤੀ; ਮੈਂ ਅਧਿਕਾਰਤ ਸੰਸਥਾ 'ਤੇ ਭਰੋਸਾ ਛੱਡ ਦਿੱਤਾ।