Fitimet:
- Kuptoni pse testimi i hyrjes në ditar është i detyrueshëm sipas BDS 240 dhe se si inteligjenca artificiale mund të skanojë kriteret e dyshimta të hyrjes
- Aftësia për të shënuar dhe për t'i dhënë përparësi pikave të jashtme, kohën e pazakontë dhe modelet e sasive të pazakonta me mbështetjen e inteligjencës artificiale
- Të jesh në gjendje të mbash se çdo anomali e shënuar nga inteligjenca artificiale nuk është një gjetje, por një pikëpyetje që auditori do të hetojë dhe eliminimi i pozitivëve të rremë është përgjegjësi njerëzore.
Pasqyrat financiare të një biznesi janë në thelb shuma e miliona shënimeve në ditar (në kontabilitet, çdo transaksion financiar regjistrohet si debi dhe kredi). Si gabimi ashtu edhe mashtrimi në fund të fundit jetojnë në një hyrje në ditar: një shumë e shkruar në llogarinë e gabuar, një kompensim që "harrohet" dhe kthehet në fund të periudhës, një hyrje e pazakontë e futur manualisht në mes të natës. Prandaj, BDS 240 (standardi që rregullon përgjegjësitë e auditorit në lidhje me mashtrimin në auditimin e pasqyrave financiare) kërkon qartë që auditori të kryejë testimin e regjistrimit në ditar. Qëllimi i tij është të zbulojë manipulimet e mundshme nga menaxhmenti përmes anashkalimit të menaxhmentit.
Në këtë njësi, ne do të trajtojmë se si ta shndërrojmë inteligjencën artificiale në një motor të zbulimit të anomalive dhe gabimeve, por pse çdo regjistrim i shënuar është një "pikëpyetje" dhe jo një "gjetje". Dy konceptet e para. Një anomali është një rekord i pazakontë në një grup të dhënash që devijon nga modeli i pritur. Një vëzhgim i jashtëm është një vëzhgim që është numerikisht dukshëm i ndryshëm nga të tjerët (si një sasi shumë e madhe, një frekuencë shumë e lartë). Anomalia nuk është gjithmonë një gabim; por është ajo ku auditori duhet të shikojë.
Kriteret e dyshimta të postimit në testin e hyrjes në ditar
BDS 240 thotë se regjistrimet me karakteristika të caktuara janë më të spikatura ndaj rrezikut të mashtrimit. AI mund të skanojë qindra mijëra regjistrime bazuar në këto kritere në sekonda. Kriteret tipike të "flamurit të kuq":
- Koha e pazakontë: Të dhënat manuale të futura pas orarit të punës, në një fundjavë, në një festë publike ose në ditën e fundit të përfundimit të mandatit.
- Përdorues i pazakontë: Regjistrimet e futura nga një përdorues që normalisht nuk fut të dhënat e kontabilitetit (për shembull, një administrator).
- Kombinimet e pazakonta të llogarive: Postimet midis llogarive që nuk presin njëra-tjetrën (p.sh., një llogari të ardhurash dhe një llogari e pazakontë pa para).
- Shumat e rrumbullakëta: sasi të mëdha "të pastra" si 100,000, 500,000; Është një gjurmë tipike e manipulimit manual.
- Regjistrime me përshkrime boshe ose të paqarta: përshkrime boshe si "korrigjim", "të ndryshme", "i përkohshëm".
- Regjistrimet e kthyera: Regjistrimet e futura në fillim të periudhës dhe të anuluara (storno) pas një kohe të shkurtër.
- Dublikatat e nënpragut: Një numër i madh regjistrimesh të grumbulluara pak nën pragun e miratimit (p.sh. 50,000 dollarë).
Këshillë: Mendoni për këto kritere së bashku, jo individualisht. Vetëm "sasia e rrumbullakët" mund të jetë e pafajshme; por "fundjava, nga një administrator, përshkrimi bosh, i qëndrueshëm i rrumbullakët, postimi manual në fund të periudhës" është një flamur i fortë i kuq. Kombinimi i kritereve të AI për të prodhuar një "rezultat rreziku" ju ndihmon të jepni përparësi.
E vërteta e rreme pozitive: pse jo çdo shenjë është një gjetje
Natyra e skanimit të anomalive është false pozitive: regjistrime të shënuara nga rregulli që janë në të vërtetë legjitime. Për shembull, një kompani hyn automatikisht në një llogaritje të qirasë së rrumbullakët në ditën e fundit të punës të çdo muaji; Kjo është e mbërthyer me kriterin "shuma e rrumbullakët + fundi i periudhës", por është krejtësisht normale. Detyra e auditorit është të nxjerrë rrezikun real nga grumbulli i shënuar. Ky renditje nuk është i transferueshëm; sepse dallimi i ligjshëm nga i dyshimti kërkon njohjen e biznesit dhe kontekstit – diçka që AI nuk e ka.
Kështu që gjithmonë lexoni rezultatin si ky: "Inteligjenca artificiale ka shënuar 420 rekorde për mua. Shumica prej tyre janë ndoshta false pozitive. Detyra ime është të gjej nga këto 420 ato që vërtet duhet të hetohen, modelet dhe ato individuale të dyshimta." Kjo pamje ju mbron si nga paragjykimi i automatizimit (duke marrë çdo shenjë për një gabim) ashtu edhe nga dembelizmi (duke mos parë asnjërën prej tyre).
Zbulimi i anomalive hap pas hapi
- Përgatitni të dhënat dhe verifikoni plotësinë. (Hapat e rakordimit në njësinë e mëparshme.)
- Përcaktoni qartë kriteret. Cilat modele kohore, sasie, përdoruesi dhe përshkrimi do të raportohen?
- Skanoni dhe shënoni me AI. Shënoni çdo regjistrim sipas kritereve; Jepini përparësi më të madhe atyre që plotësojnë kritere të shumta.
- Eliminoni pozitivet e rreme. Filtro ose flamur modele të njohura legjitime (të tilla si llogaritjet automatike).
- Shqyrtoni të dhënat e mbetura. Lidhni secilin me dokumentin mbështetës, miratimin dhe logjikën e biznesit.
- Dokumentoni përfundimin dhe arsyetimin. Shkruani atë që ju gjet të dyshimtë dhe pse, dhe çfarë eliminuat dhe pse.
tre mini kuti
Rasti 1 - Gjetja aktuale. Një auditor skanoi 240,000 shënime në ditar me AI; Ai kombinonte kriteret "3 ditët e fundit të periudhës + manual + përshkrim 'korrigjim' + 100,000 herë shumën". 14 rekorde morën pikë të larta. Në rishikim, 11 ishin rregullime legjitime në fund të vitit; Megjithatë, 3 hyrje janë futur në mënyrë që të fryjnë llogarinë e të ardhurave dhe të anulohen periudhën në vijim dhe nuk ka pasur asnjë dokumentacion mbështetës. Ky ishte një model i menaxhimit duke anashkaluar kontrollet dhe ishte një gjetje domethënëse. UA bëri 14 pyetje; Skepticizmi i auditorit gjeti 3 përgjigjet reale.
Rasti 2 — Kurthi i rremë pozitiv. Një anëtar i ekipit shkroi 380 regjistrime "të qëndrueshme" që AI i kishte shënuar direkt në fletën e punës nën titullin "transaksione të dyshimta". Kur oficeri shikoi, pa se shumica e tyre kishin fikse qira, tarifë konsulence fikse dhe regjistrime automatike të amortizimit; ishin të gjitha legjitime. Fleta e punës ishte kthyer në një “listë gjetjesh të rreme” që e çoi auditimin në drejtimin e gabuar. Mësimi: jo çdo regjistrim i shënuar është një gjetje; Auditori bën përzgjedhjen.
Rasti 3 - Vendosja e kritereve shumë ngushtë. Një auditor përdori vetëm kriterin "rekord fundjavë" dhe nuk gjeti të dhëna të dyshimta; Ai u lehtësua. Megjithatë, në biznes regjistroheshin të dhëna manipuluese gjatë orarit të punës, por me kombinime të pazakonta të llogarive. Mbështetja në një kriter të vetëm e të ngushtë e pengoi atë të shihte rrezikun real. Kur auditori zgjeroi kriteret, modeli u shfaq. Mësimi: kriteri i vetëm nuk ofron siguri; Shikojeni atë në mënyrë shumëdimensionale.
Prompt i dobët / Prompt i fortë
Njoftim i dobët:
Gjeni shënime mashtruese në këto shënime në ditar.
Problemi: AI nuk mund të "zbulojë" mashtrimin; Mashtrimi është një pasojë ligjore/profesionale, jo një model i të dhënave. Gjithashtu "mashtruese" është e papërcaktuar. Kjo kërkesë prodhon ose një "listë mashtrimi" të sajuar ose flamuj të pakuptimtë.
Njoftim i fuqishëm:
Roli juaj: ju jeni një asistent i pavarur i analizës së hyrjes në ditar të auditorit. Ju SHËNON rekordin sipas kritereve; vendimi i mashtrimit/gabimit më takon mua. Konteksti: Të dhënat e ditarit të anonimizuara (kolonat: numri_rekord, data, ora, roli i përdoruesit, llogaria e debitit, llogaria e kreditit, shuma, lloji i regjistrimit [manual/automatik], përshkrimi). Fundi i afatit: 31.12. Orari i punës: 09:00-18:00, Hënë-Premte. Detyra:1) Jepni një "notë të vëmendjes" për secilin regjistrim sipas kritereve të mëposhtme (në varësi të numrit të kritereve të bashkangjitura): a) lloji_regjistër=manual b) data ndërmjet 29-31 dhjetor OSE fundjavë/festë c) orë jashtë detyrës d) përshkrim 00L (000 TL) është bosh {korrigjim, i ndryshëm, i përkohshëm} në 2) Jepni si listë prioritare ato me pikë 3 e lart. 3) Shkruani çdo kriter që aplikoni në tekst të thjeshtë (auditueshmëri). Shtimi i një regjistrimi të rremë.
Kjo kërkesë është e fuqishme sepse përcakton qartë kriteret, kërkon rezultate shumëdimensionale, auditueshmëri dhe lokalizon me saktësi rezultatin (përjashtimin, jo rezultatin).
Gabimet e zakonshme
- Do të thotë "gjeni mashtrimin". AI nuk zbulon mashtrimin; vendos një notë sipas kritereve. Mashtrimi është pasojë profesionale/juridike.
- Gabimi i shenjës me një gjetje. Shkrimi i procesverbalit të dyshimtë si "gabim" pa eliminuar të dhënat false.
- Duke u mbështetur në një kriter. Përdorimi i një rregulli të ngushtë dhe mungesa e modelit të vërtetë.
- Mos filtrimi i modeleve legjitime. Krijimi i zhurmës duke përfshirë llogaritjet automatike në listën e dyshimtë.
- Mos dokumentimi i arsyetimit. Lënia e fletës së punës pa gjurmim pa shkruar atë që keni eliminuar/mbajtur dhe pse.
Kujdes: Përshkrimi i një regjistrimi si "të dyshimtë" është një deklaratë serioze. Verifiko me prova (dokument mbështetës, konfirmim, rast biznesi) përpara se të shkruash si gjetje. Përndryshe, do të jeni të padrejtë ndaj biznesit dhe do të dëmtoni cilësinë e auditimit.
Në përmbledhje
Testimi i hyrjes në ditar kërkohet nën BDS 240 dhe AI është motori ideal për këtë: skanon qindra mijëra regjistrime kundrejt kritereve shumëdimensionale në sekonda dhe prodhon një rezultat vëmendjeje. Por AI nuk "zbulon" mashtrimin ose gabimet; shënon vetëm të pazakontën. Prodhimi është një grumbull përjashtimesh plot me pozitive false; I takon skepticizmit dhe gjykimit të auditorit të zgjidhë rrezikun real prej tij, të eliminojë atë të ligjshëm dhe të nxjerrë përfundime. Shenja është një pikëpyetje, jo një përgjigje.
Detyra e aplikimit
Specifikoni pesë kritere anomalish për të dhënat hipotetike të ditarit (orari, përdoruesi, shuma, kombinimi i llogarisë, përshkrimi). Lërini AI të prodhojë një "rezultat të vëmendjes" shumëdimensionale me modelin e fuqishëm të shpejtë të mësipërm. Më pas shkruani një “udhëzues kontrolli”: cilat modele legjitime (akruale automatike, qira fikse, etj.) duhet të filtrohen si pozitive false? Së fundi, për 5 rekordet me rezultate të larta, "çfarë provash kërkoj?" Përgjigjuni pyetjes.
listë kontrolli
- [ ] I anonimizova të dhënat dhe verifikova plotësinë e tyre.
- [ ] I përcaktova kriteret e anomalisë në mënyrë shumëdimensionale dhe të qartë.
- [ ] Kam marrë tekstin e thjeshtë të pikës së vëmendjes dhe kriteret e aplikuara nga AI.
- [ ] Kam filtruar modelet e njohura legjitime si false pozitive.
- [ ] Unë kam shqyrtuar të dhënat me rezultate të larta me dokumentacion mbështetës dhe konfirmim.
- [ ] E verifikova me prova përpara se të përfundoja "mashtrim/gabim".
- [ ] Kam dokumentuar atë që më dukej e dyshimtë dhe pse.