Detectarea anomaliilor și erorilor: testarea intrărilor în jurnal și analiza valorii aberante — Inteligența artificială în audit și audit independent

Câștiguri:

Înțelegeți de ce testarea înregistrărilor în jurnal este obligatorie în conformitate cu BDS 240 și modul în care inteligența artificială poate scana criteriile de intrare suspecte
Capacitatea de a marca și prioritiza valori aberante, momente neobișnuite și modele de sume neobișnuite cu suport de inteligență artificială
A putea susține că fiecare anomalie semnalată de inteligența artificială nu este o constatare, ci un semn de întrebare pe care auditorul îl va investiga, iar eliminarea fals-pozitivelor este responsabilitatea umană.

Situațiile financiare ale unei afaceri sunt practic suma a milioane de înregistrări de jurnal (în contabilitate, fiecare tranzacție financiară este înregistrată ca debit și credit). Atât eroarea, cât și frauda trăiesc în cele din urmă într-o înregistrare de jurnal: o sumă scrisă în contul greșit, o alocație care este „uitată” și inversată la sfârșitul perioadei, o înregistrare neobișnuită introdusă manual în miezul nopții. Prin urmare, BDS 240 (standardul care reglementează responsabilitățile auditorului în ceea ce privește frauda în auditul situațiilor financiare) cere în mod clar auditorului să efectueze testarea înregistrării în jurnal. Scopul său este de a dezvălui posibile manipulări de către management prin anularea managementului.

În această unitate, vom aborda cum să transformăm inteligența artificială într-un motor de detectare a anomaliilor și erorilor, dar de ce fiecare înregistrare marcată este un „semn de întrebare” mai degrabă decât o „descoperire”. Primele două concepte. O anomalie este o înregistrare neobișnuită dintr-un set de date care se abate de la tiparul așteptat. Un outlier este o observație care este semnificativ diferită numeric de celelalte (cum ar fi o cantitate foarte mare, o frecvență foarte mare). Anomalia nu este întotdeauna o eroare; dar este locul în care auditorul ar trebui să se uite.

Criterii de postare suspectă în testul de înscriere în jurnal

BDS 240 prevede că înregistrările cu anumite caracteristici sunt mai importante pentru riscul de fraudă. AI poate scana sute de mii de înregistrări pe baza acestor criterii în câteva secunde. Criterii tipice de „steagul roșu”:

Timp neobișnuit: Înregistrările manuale introduse după programul de lucru, într-un weekend, într-o sărbătoare legală sau în ultima zi a sfârșitului termenului.
Utilizator neobișnuit: Înregistrări introduse de un utilizator care în mod normal nu introduce înregistrări contabile (de exemplu, un administrator).
Combinații neobișnuite de conturi: înregistrări între conturi care nu se așteaptă unul la altul (de exemplu, un cont de venituri și un cont neobișnuit fără numerar).
Sume rotunde: „curăță” cantități mari, cum ar fi 100.000, 500.000; Este o urmă tipică a manipulării manuale.
Înregistrări cu descrieri goale sau ambigue: descrieri goale precum „corecție”, „diverse”, „provizorie”.
Înregistrări inversate: Înregistrări introduse la începutul perioadei și anulate (storno) după o perioadă scurtă de timp.
Dubluri sub prag: un număr mare de înregistrări grupate chiar sub pragul de aprobare (de exemplu, 50.000 USD).

Sfat: Gândiți-vă la aceste criterii împreună, nu individual. Numai „suma rotundă” poate fi nevinovată; dar „weekend, de către un administrator, descriere goală, rotundă consistentă, postare manuală la sfârșitul perioadei” este un semnal roșu puternic. Dacă AI combină criteriile pentru a produce un „scor de risc” vă ajută să stabiliți priorități.

Adevărul fals pozitiv: de ce nu fiecare semn este o constatare

Natura scanării anomaliilor este fals pozitive: înregistrări marcate de regulă care sunt de fapt legitime. De exemplu, o companie introduce automat o acumulare a chiriei de tip round-robin în ultima zi lucrătoare a fiecărei luni; Acest lucru este blocat cu criteriul „suma rotundă + sfârșitul perioadei”, dar este complet normal. Sarcina auditorului este de a extrage riscul real din grămada marcată. Această sortare nu este transferabilă; deoarece distingerea dintre legitim și suspect necesită cunoașterea afacerii și a contextului - ceva ce AI nu are.

Așa că citiți întotdeauna rezultatul astfel: „AI a semnalat 420 de înregistrări pentru mine. Cele mai multe dintre ele sunt probabil false pozitive. Treaba mea este să aflu din aceste 420 pe cele care trebuie investigate cu adevărat, modelele și cele suspecte individuale”. Această vizualizare vă protejează atât de părtinirea automatizării (luând fiecare semn pentru o eroare) cât și de lene (nu vă uitați la niciuna dintre ele).

Detectarea anomaliilor pas cu pas

Pregătiți datele și verificați caracterul complet. (Pașii de reconciliere din unitatea anterioară.)
Definiți criteriile în mod clar. Ce modele de timp, cantitate, utilizator și descriere vor fi semnalate?
Scanează și punctează cu AI. Marcați fiecare înregistrare în funcție de criterii; Acordați o prioritate mai mare celor care îndeplinesc mai multe criterii.
Eliminați fals pozitive. Filtrați sau semnalați modelele legitime cunoscute (cum ar fi acumulări automate).
Examinați înregistrările rămase. Conectați fiecare la documentul justificativ, aprobarea și logica de afaceri.
Documentați concluzia și raționamentul. Scrieți ce ați găsit suspect și de ce, și ce ați eliminat și de ce.

trei mini cutii

Cazul 1 – Constatare reală. Un auditor a scanat 240.000 de intrări de jurnal cu AI; A combinat criteriile „ultimele 3 zile ale perioadei + manual + descriere „corecție” + de 100.000 de ori suma”. 14 înregistrări au primit scoruri mari. În cadrul analizei, 11 au fost ajustări legitime de sfârșit de an; Cu toate acestea, au fost introduse 3 înregistrări într-un mod care să umfle contul de venituri și să fie inversat în perioada următoare și nu existau documente justificative. Acesta a fost un model de management care ocolește controalele și a fost o constatare semnificativă. AI a pus 14 întrebări; Scepticismul auditorului a găsit cele 3 răspunsuri reale.

Cazul 2 — Capcană fals pozitiv. Un membru al echipei a scris cele 380 de înregistrări „rotunde consistente” pe care AI le-a semnalat direct pe foaia de lucru sub titlul „tranzacții suspecte”. Când s-a uitat ofițerul, a văzut că majoritatea aveau chirie fixă, comision fix de consultanță și evidență de amortizare automată; toate erau legitime. Foaia de lucru devenise o „listă de constatări false” care a condus auditul în direcția greșită. Lecție: nu fiecare înregistrare marcată este o constatare; Auditorul face selecția.

Cazul 3 — Stabilirea criteriilor prea restrânsă. Un auditor a folosit doar criteriul „înregistrare în weekend” și nu a găsit înregistrări suspecte; Era uşurat. Cu toate acestea, în afaceri, înregistrările manipulative au fost introduse în timpul orelor de lucru în timpul săptămânii, dar cu combinații de conturi neobișnuite. Bazându-se pe un singur criteriu, îngust, l-a împiedicat să vadă riscul real. Când auditorul a extins criteriile, a apărut tiparul. Lecția: un singur criteriu nu oferă asigurare; Privește-l multidimensional.

Prompt slab / Prompt puternic

Prompt slab:

Găsiți înregistrări frauduloase în aceste înregistrări de jurnal.

Problemă: AI nu poate „detecta” înșelăciunea; Frauda este o consecință legală/profesională, nu un model de date. De asemenea, „fraudulent” este nedefinit. Acest prompt produce fie o „listă de cheat” alcătuită, fie steaguri fără sens.

Solicitare puternică:

Rolul dumneavoastră: sunteți asistent de analiză a intrărilor de jurnal al unui auditor independent. MARCATI inregistrarea dupa criterii; decizia de înșelăciune/eroare îmi aparține.Context: Date anonime ale jurnalului (coloane: număr_înregistrare, dată, oră, rol_utilizator, cont_debit, cont_credit, sumă, tip_înregistrare[manual/automat], descriere). Sfârșitul mandatului: 31.12. Program de lucru: 09:00-18:00, luni-vineri. Sarcină: 1) Acordați un „scor de atenție” fiecărei înregistrări conform următoarelor criterii (în funcție de câte criterii sunt atașate): a) tip_înregistrare=manual b) dată între 29-31 decembrie SAU weekend/vacanță c) oră liberă d) descriere rotundă (00) 100 TL e) {corecție, diverse, temporare} in2) Acordați-le pe cele cu un scor de 3 și peste ca listă de prioritate.3) Scrieți fiecare criteriu pe care îl aplicați în text simplu (auditabilitate).4) Precizați că acestea sunt „excepții care trebuie examinate” și nu sunt REZULTAT fraudei/erorii. Adăugarea unei înregistrări false.

Acest prompt este puternic deoarece definește în mod clar criteriile, necesită scoruri multidimensionale, auditabilitate și localizează cu precizie rezultatul (excepția, nu rezultatul).

Greșeli comune

Înseamnă „găsește trucul”. AI nu detectează înșelăciunea; pune nota conform criteriilor. Trișarea este o consecință profesională/legală.
Confundând semnul cu o constatare. Scrierea înregistrării suspecte ca „eroare” fără a elimina falsele pozitive.
Bazându-se pe un singur criteriu. Folosind o regulă îngustă și lipsind tiparul real.
Nu se filtrează tiparele legitime. Crearea de zgomot prin includerea acumulărilor automate în lista suspectă.
Nu se documentează rațiunea. Lăsând foaia de lucru imposibil de urmărit fără a nota ceea ce ai eliminat/păstrat și de ce.

Atenție: descrierea unei înregistrări ca fiind „suspectă” este o afirmație serioasă. Verificați cu dovezi (document justificativ, confirmare, caz de afaceri) înainte de a scrie ca constatare. În caz contrar, veți fi nedrept față de afacere și veți deteriora calitatea auditului.

În concluzie

Testarea intrării în jurnal este necesară conform BDS 240, iar AI este motorul ideal pentru aceasta: scanează sute de mii de înregistrări în funcție de criterii multidimensionale în câteva secunde și produce un scor de atenție. Dar AI nu „detectă” înșelăciunea sau erorile; marchează doar neobișnuit. Rezultatul este un morman de excepții pline de false pozitive; Depinde de scepticismul și raționamentul auditorului să trimită riscul real din acesta, să-l elimine pe cel legitim și să tragă concluzii. Semnul este un semn de întrebare, nu un răspuns.

Sarcina de aplicare

Specificați cinci criterii de anomalie pentru datele unui jurnal ipotetic (program, utilizator, sumă, combinație de cont, descriere). Puneți AI să producă un „scor de atenție” multidimensional cu modelul puternic de prompt de mai sus. Apoi scrieți un „ghid de screening”: ce modele legitime (angajare automată, chirie fixă etc.) ar trebui filtrate ca fals pozitive? În cele din urmă, pentru cele 5 înregistrări cu scoruri mari, „ce dovezi caut?” Răspunde la întrebare.

lista de verificare

[ ] Am anonimizat datele și am verificat caracterul complet al acestora.
[ ] Am definit criteriile de anomalie multidimensional și clar.
[ ] Am primit textul clar al punctajului de atenție și am aplicat criterii de la AI.
[ ] Am filtrat modelele legitime cunoscute ca fiind false pozitive.
[ ] Am examinat înregistrările cu scoruri mari cu documente justificative și confirmare.
[ ] Am verificat-o cu dovezi înainte de a încheia „trișare/eroare”.
[ ] Am documentat ceea ce mi s-a părut suspect și de ce.