Fitimet:
- Aftësia për të skanuar të gjithë popullsinë me AI dhe për t'i dhënë përparësi regjistrimeve të dyshimta sipas rregullave të anomalive
- Aftësia për të kryer auditime me disiplinën "shënoni dhe justifikoni" pa gjykuar modelin
- Aftësia për të mbajtur një gjurmë auditimi (të dhëna, kërkesë, datë, verifikues) për çdo dalje të AI
Ndoshta fusha më e ndjeshme e kontabilitetit dhe financës është auditimi: verifikimi i pavarur që të dhënat janë të sakta, të plota dhe të pajtueshme. Inteligjenca artificiale (AI) është një mjet me dy drejtime këtu. Nga njëra anë, është shumë i fuqishëm në skanimin e grupeve të mëdha të të dhënave për anomali (regjistra të dyshimtë që devijojnë nga pritshmëritë) dhe zbulimin e dobësive të kontrollit të brendshëm. Nga ana tjetër, për shkak të natyrës së auditimit, duhet të auditohet edhe prodhimi i vetë UA. Në këtë njësi, ne do të mësojmë se si të përdorim AI si një "asistent auditimi" dhe të mbajmë një gjurmë auditimi.
Roli i UA në Kontrollin e Brendshëm dhe Auditimin
Kontrolli i brendshëm është tërësia e rregullave dhe proceseve të vendosura për të parandaluar gabimet dhe abuzimet (siç janë ndarja e detyrave, pragjet e miratimit, pajtimi). Auditimi kontrollon nëse këto funksionojnë apo jo. Aty ku AI është më efektive është kur mund të skanojë popullata të tëra ku auditimi tradicional përfshin marrjen e mostrave (duke ekzaminuar disa të dhëna nga qindra). Të shikosh të gjitha 10,000 rekordet është e vështirë për një njeri, por e mundur për një model.
Por dallimi kritik është ky: AI gjeneron dyshim, jo gjykim. “Ky rekord duket jonormal” është një pikënisje; Vendimi aktual i auditimit dhe mbledhja e provave i përket njeriut.
Këshillë: Në kërkesat e auditimit, thoni "thjesht trego dhe justifiko, mos përfundo/gjyko". Do të ishte e gabuar dhe e rrezikshme që modeli të bënte deklarata përfundimtare të tilla si "kjo është një parregullsi"; Çështja vendoset pas shqyrtimit tuaj.
Hap pas hapi: Skanimi i anomalive me AI
- Përcaktoni grupin tuaj të rregullave. Çfarë konsideroni jonormale? Pragu, përsëritja, koha.
- Skanoni të gjithë popullsinë. Jo vetëm një mostër, por të gjitha.
- Shënoni dhe justifikoni. Një shpjegim "pse është e dyshimtë" për çdo gjetje.
- Prioritet. Rendit sipas madhësisë së rrezikut/ndikut.
- Referojuni rishikimit njerëzor. Mblidhni prova, merrni një vendim, dokumentoni.
Prompt i dobët / Prompt i fortë
Prompt i dobët: A ka ndonjë parregullsi në këto shpenzime? [të dhënat]
Kjo jep një përgjigje që ose është "asnjë" ose prodhon akuza të pabaza që nuk mund të përdoren në auditim.
Prompt i fortë: Roli juaj: një asistent i auditimit të brendshëm. Detyra: Skanoni të dhënat e mëposhtme të shpenzimeve kundrejt rregullit të rrezikut. Rregullat: 1) Shumat pak më poshtë pragut të miratimit (50,000) (dyshimi i ndarë) 2) Regjistrimet e futura në fundjavë ose pas orëve3) Shuma të ngjashme të përsëritura në të njëjtat frekuenca të numrit të rekordeve | rregulli i shkaktuar | pse është e dyshimtë (1 fjali) |përparësi (i lartë/mesatar/i ulët) Kufizimi: Vetëm shënoni dhe justifikoni. Bërja e një gjykimi si "është një parregullsi"; këta janë kandidatë për ekzaminim njerëzor. Përdorni vetëm informacionin në të dhëna.<records> ... </records>
Kjo nxitje; Ai i jep përparësi shumave të mbërthyera pak nën pragun e miratimit (shenja "ndarje") ose regjistrimet e futura pas orëve dhe i jep auditorit një listë të qartë rishikimi.
Kontributi më i madh i AI në auditim është përparësia e saj në shkallë. Në një auditim tradicional, kampionimi bëhet sepse nuk është fizikisht e mundur të shikohen të gjitha të dhënat: ndoshta ekzaminohen njëqind e mijëra fatura dhe rezultati përgjithësohet për të gjithë popullatën. Kjo do të thotë që një parregullsi që është jashtë kampionit është shmangur. AI, nga ana tjetër, mund të zbatojë rregullat që ju përcaktoni për të gjitha dhjetëra mijëra rekordet në sekonda. Kështu, auditimi evoluon nga "shikimi i disa shembujve dhe shpresa" në "skanimin e çdo regjistrimi dhe nxjerrjen e përjashtimeve". Megjithatë, gjithçka që gjendet janë kandidatë për hetim, jo konkluzione.
Rregullat e anomalive që përdoren shpesh në auditim
rregull
Çfarë tregon
shembull
akumulimi i nënpragut
Ndani për të shmangur miratimin
Shuma si 49,500, 49,800
regjistrim jashtë orarit
Hyrja e pakontrolluar
Të shtunën ora 23:40 faturë
pagesë e dyfishtë
Rreziku i pagesës së dyfishtë
E njëjta faturë, dy numra dokumentesh
Frekuenca e numrave të rrumbullakët
Shuma e vlerësuar/përbërë
Shumë saktësisht 10,000
Furnizues i ri + sasi më e lartë
Rreziku i furnizuesit fantazmë
200,000 në transaksionin e parë
Ndarja e Detyrave dhe Kontrolli i Autoritetit
Një nga gurët themelorë të kontrollit të brendshëm është ndarja e detyrave: personat që iniciojnë, miratojnë dhe paguajnë për një transaksion janë të ndryshëm. Nëse i njëjti person hyn, miraton dhe paguan faturën, dera është e hapur për abuzim. AI mund të gjejë raste kur kjo politikë shkelet duke skanuar informacionin e përdoruesit në të dhënat e transaksioneve.
Skanoni për ndarjen e shkeljeve të detyrave në regjistrat e mëposhtëm të transaksioneve: - Transaksionet që i njëjti përdorues hyn dhe miraton - Transaksionet që i njëjti përdorues miraton dhe fillon pagesën - Shumat e miratuara nga një person i vetëm mbi kufirin e autorizimit Produkti: numri i transaksionit | lloji i shkeljes | përdorues përkatës | prioritetVetëm tregoni dhe justifikoni; listë si kandidat për dënim, rishikim.
Ky lloj skanimi nxjerr modele në sekonda që syri i njeriut nuk mund t'i kapte kurrë në mijëra rreshta. Por zbatohet i njëjti parim: modeli tregon një "model të shkeljeve të rregullave"; I takon një të vendosë nëse ky është një problem i vërtetë apo një përjashtim legjitim (p.sh. roli i dyfishtë i detyruar në ekipin e vogël).
Detyrimi i gjurmës së auditimit
Nëse një rezultat i AI do të përdoret në një auditim, ai duhet të jetë i gjurmueshëm: çfarë të dhënash, çfarë urdhri, çfarë modeli, çfarë date, kush e verifikoi atë? Pa këtë regjistrim, printimi nuk ka vlerë dëshmie në auditim.
Përgatitni një regjistrim të gjurmës së auditimit për këtë analizë: - Burimi i të dhënave dhe periudha e përdorur - Përmbledhja e kërkesave/rregullave të aplikuara - Data e prodhimit të modelit - Fushat boshe për hapat e verifikimit njerëzor (kush, kur, rezulton) Eksportojeni këtë si një shabllon të ripërdorshëm.
Kujdes: Vetëm për shkak se AI thotë "ky rekord është në rregull" nuk provon se nuk ka probleme atje. Modelit mund t'i ketë humbur një model. "AI tha i pastër" nuk është një siguri në një auditim; Gjithmonë dokumentoni kufijtë e fushës dhe metodës.
Mini Rastet
Rasti 1 - Ndarja e nënpragut. Një auditor i brendshëm gjeti tre fatura të njëpasnjëshme prej 49,200, 49,700, 49,500 TL nga i njëjti departament nëpërmjet skanimit të AI në një kompani me një prag miratimi prej 50,000 TL. Hetimi zbuloi se një blerje e vetme prej 145,000 £ u nda në tre për të shmangur miratimin. Hendeku i kontrollit është mbyllur.
Rasti 2 — Shenja e furnizuesit fantazmë. UA shënoi prioritet të lartë që 200,000 TL iu paguan një furnizuesi të sapo shtuar në sistem në transaksionin e parë. Rishikimi tregoi se furnizuesi është i vërtetë dhe nën kontratë; Alarmi ishte fals por kontrolli funksionoi si duhet. Mësimi: jo çdo shenjë është krim, por çdo shenjë duhet të ekzaminohet.
Rasti 3 - Kolapsi i prodhimit të padokumentuar. Një ekip i dorëzoi auditimit listën e anomalive të UA, por nuk regjistroi kërkesën dhe të dhënat me të cilat u krijua. Auditori i jashtëm nuk e pranoi printimin si dëshmi. Përsëritja e analizës me gjurmë auditimi. Mësimi: Nuk ka asnjë produkt që nuk mund të monitorohet në auditim.
Rasti 4 — Shkelje e ndarjes së detyrave. Një skanim i kontrolleve të brendshme gjeti 37 transaksione në një degë të vogël ku i njëjti punonjës hyri, miratoi dhe nisi pagesën për faturën. Nga hetimet rezultoi se punonjësi nuk ka pasur qëllim keqdashës por i ka marrë këto role për shkak të mungesës së personelit. Megjithatë, rreziku ishte real; Kompania e mbylli hendekun duke zhvendosur miratimin e pagesës në qendër. Mësimi: deficiti i kontrollit është i rrezikshëm edhe pa keqdashje; AI gjen modelin, njerëzit dizajnojnë zgjidhjen.
Gabimet e zakonshme
- Për të gjykuar modelin. Të thuash "është një parregullsi" është edhe e gabuar dhe e rrezikshme; Thjesht shënojeni.
- Sigurimi "AI tha se është i pastër". Mund të ndodhë që modelit i ka munguar; Një rezultat i pastër nuk është provë.
- Mos mbajtja e një gjurme auditimi. Nëse të dhënat, kërkesa, data dhe verifikuesi nuk regjistrohen, rezultati nuk do të jetë dëshmi.
- Të mendosh se çdo shenjë është një krim. Anomalia është kandidate për hetim; Provat përcaktojnë vendimin.
- Mos dokumentimi i fushës së veprimit. Cilat regjistrime janë skanuar dhe duhet të shkruhet kufiri i metodës.
Në përmbledhje
- AI është e fuqishme në gjetjen e anomalive duke skanuar të gjithë popullsinë në një auditim; shkon përtej kampionimit.
- Modeli prodhon dyshim, jo gjykim; Përdoreni atë me rregullin "vetëm tregoni dhe justifikoni".
- Rregullat e anomalive (nën pragun e prapambetur, regjistrimi jashtë orarit, pagesa e dyfishtë) duhet të përcaktohen paraprakisht.
- Është e detyrueshme mbajtja e një gjurme auditimi (të dhëna, prompt, data, validator) për çdo dalje të UA; Prodhimi i pagjurmueshëm nuk është dëshmi.
- "AI tha pastër" nuk është një garanci; Gjithmonë dokumentoni kufijtë e fushës dhe metodës.
Detyra e aplikimit
Përgatitni një regjistër shpenzimesh prej 30-50 rreshtash; ndani me vetëdije dhe vendosni një pagesë të dyfishtë. Merrni një skanim anomalish me shabllonin e fuqishëm të kërkesës dhe kontrolloni që modeli të kap dhe t'i japë përparësi kurtheve tuaja. Pastaj plotësoni modelin e gjurmës së auditimit dhe renditni gjetjet si "kandidatë për rishikim" (pa dhënë gjykim).
listë kontrolli
- [ ] Kam paracaktuar rregullat e anomalive (pragu, koha, përsëritja).
- [ ] Kam skanuar të gjithë popullatën, nuk u ndala me marrjen e mostrave.
- [ ] E pengova modelen të gjykonte; Unë thjesht e kisha të shënuar dhe të justifikuar.
- [ ] Kam regjistruar një gjurmë auditimi (të dhëna, kërkesë, datë) për çdo gjetje.
- [ ] I lashë ato të shënuara si "kandidatë për rishikim" në gjykimin njerëzor.
- [ ] Kam dokumentuar shtrirjen e skanimit dhe kufizimet e metodës.