فائدہ:
- مصنوعی ذہانت کے استعمال کے تناظر میں آزادی اور رازداری کے اصولوں کو سمجھنے اور ایک محفوظ، معاہدہ اور آڈٹ ٹریل شدہ گاڑی کا انتخاب کرنے کی صلاحیت
- ایک اختتام سے آخر تک ورک فلو قائم کرنے کی صلاحیت جو مصنوعی ذہانت کو توثیقی گیٹس کے ساتھ پورے آڈٹ سائیکل میں، منصوبہ بندی سے لے کر رپورٹ کرنے تک رکھتا ہے۔
- یہ سمجھنا کہ آڈٹ کا معیار اور ذمہ داری ہر مرحلے پر آزاد آڈیٹر کے پاس رہتی ہے، اور یہ کہ مصنوعی ذہانت اس ذمہ داری کو کبھی نہیں سنبھال سکتی۔
اس آخری یونٹ میں ہم دو چیزیں کریں گے۔ سب سے پہلے، ہم تین بنیادی اصولوں کو اکٹھا کریں گے جن پر ہم نے وقتاً فوقتاً پورے ماڈیول میں چھو لیا ہے — اخلاقیات، آزادی، اور رازداری — AI کے استعمال کے تناظر میں ایک فریم ورک میں۔ اس کے بعد ہم رپورٹ کرنے کی منصوبہ بندی سے لے کر ایک ہی اختتام سے آخر تک کے کام کے فلو میں جو کچھ سیکھا ہے ہم اسے یکجا کر دیں گے، یہ دیکھیں گے کہ ہر قدم پر AI کہاں فٹ بیٹھتا ہے اور ہر قدم پر توثیق کے دروازے۔ مقصد یہ ہے کہ جب آپ اس ماڈیول کو بند کریں گے، تو آپ کے پاس ایک قابل اطلاق، جامع اور ذمہ دار آڈٹ-AI ورکنگ ماڈل ہوگا۔
AI کے لینس کے ذریعے تین اصول
اخلاقیات۔ پیشہ ورانہ طرز عمل کے آڈیٹر کے اصول (دیانتداری، معروضیت، پیشہ ورانہ قابلیت اور مناسب دیکھ بھال، رازداری، پیشہ ورانہ طرز عمل) کو AI کے استعمال سے ختم نہیں کیا جاتا ہے۔ اس کے برعکس ایک نیا امتحانی علاقہ جنم لے رہا ہے۔ AI آؤٹ پٹ کو اپنے کام کے طور پر پیش کرنا غیر اخلاقی ہے (پیشہ ورانہ قابلیت اور مستعدی کے لحاظ سے مشکل ہے)، غیر تصدیق شدہ آؤٹ پٹ پر انحصار کرنا (بطور مستعدی کی خلاف ورزی)، AI کو ذمہ داری کی ڈھال بنانا ("AI نے ایسا کہا")۔ AI ایک ٹول ہے۔ اسے استعمال کرنے کی ذمہ داری مکمل طور پر آڈیٹر پر عائد ہوتی ہے۔
آزادی آڈیٹر کو خود مختار ہونا چاہیے، حقیقت میں اور ظاہری طور پر، اس کاروبار سے جس کا وہ آڈٹ کرتا ہے۔ AI کے تناظر میں، نئے سوالات پیدا ہوتے ہیں: آپ جو ٹول استعمال کرتے ہیں وہ کون فراہم کرتا ہے؟ کیا آڈٹ شدہ کمپنی کے اپنے سسٹم میں شامل کسی ٹول پر انحصار کرنا، جس کے آؤٹ پٹ کو آپ آزادانہ طور پر کنٹرول نہیں کر سکتے، آزادی کو نقصان پہنچاتا ہے؟ کیا آپ کا ڈیٹا کہیں محفوظ ہے اور دوسرے مقاصد کے لیے استعمال ہوتا ہے؟ آزادی ٹول سلیکشن اور ڈیٹا فلو کا حصہ ہے۔
سیکورٹی. آڈٹ ڈیٹا (کسٹمر کا ریکارڈ، ذاتی ڈیٹا، تجارتی راز) رازداری کی پالیسی اور KVKK کے دائرہ کار میں محفوظ ہیں۔ عوامی طور پر دستیاب AI ٹول میں اصلی، قابل شناخت ڈیٹا اپ لوڈ کرنا خلاف ورزی ہے۔ قاعدہ: نام ظاہر نہ کریں، کم از کم اشتراک کریں، محفوظ اور معاہدہ کے اوزار استعمال کریں۔
مندرجہ ذیل جدول میں ان سوالات کا خلاصہ کیا گیا ہے جو انسپکٹر کو محفوظ گاڑی کا انتخاب کرتے وقت پوچھنا چاہیے:
سوال
یہ کیوں ضروری ہے؟
ڈیٹا کہاں جاتا ہے، کہاں ذخیرہ کیا جاتا ہے؟
رازداری اور KVKK
کیا کارکردگی ماڈل ٹریننگ میں استعمال ہوتی ہے؟
رازداری، تجارتی راز
کیا ڈیٹا پروسیسنگ کا معاہدہ اور رازداری کی یقین دہانی ہے؟
قانونی/اخلاقی تعمیل
کیا ایک آڈٹ ٹریل (کس نے کیا، کب) رکھا ہے؟
دستاویزی، ذمہ داری
کیا میں آزادانہ طور پر آؤٹ پٹ کی تصدیق کر سکتا ہوں؟
آزادی، وشوسنییتا
کیا یہ کارپوریٹ/معاہدے پر ہے یا سب کے لیے کھلا ہے؟
عام سیکورٹی کی سطح
احتیاط: آپ "سیکیورٹی اور تعمیل کے لیے اہم" فیلڈ میں کام کرتے ہیں۔ مالیاتی آڈٹ کے نتائج سرمایہ کار، قرض دہندہ اور عوامی فیصلوں پر اثر انداز ہوتے ہیں۔ AI آؤٹ پٹ کسی قابل، آزاد آڈیٹر کی منظوری کا متبادل نہیں ہے۔ فیصلہ شخص پر ہے؛ AI فیصلے کی حمایت اور سرعت کا آلہ ہے۔
اینڈ ٹو اینڈ آڈٹ AI ورک فلو
آئیے ماڈیول کے تمام حصوں کو ایک لوپ میں جوڑتے ہیں۔ ہر قدم پر، آپ کو AI کا کردار اور تصدیقی گیٹ نظر آئے گا جو فوری طور پر آتا ہے۔ تصدیقی گیٹ وہ چیک ہے جسے آڈیٹر کو اس مرحلے کے آؤٹ پٹ کو اگلے مرحلے پر منتقل کرنے سے پہلے پاس کرنا چاہیے۔
- منصوبہ بندی اور خطرہ (یونٹ 2)۔ AI: سیکٹرل رسک دماغی طوفان، مادیت کا منظرنامہ۔ → گیٹ: کاروبار کے لیے مخصوص خطرے کی فہرست کو فلٹر کریں، ہر مادّہ کی ضرب کا دوبارہ حساب لگائیں۔
- ڈیٹا کی تیاری اور مکمل آبادی کی جانچ (یونٹ 3)۔ AI: ڈیٹا کی صفائی، قاعدہ کا نفاذ، استثناء پیدا کرنا۔ → گیٹ: اتفاق رائے سے ڈیٹا کی مکمل ہونے کی تصدیق کریں۔ استثنیٰ کو تحقیقات کے آغاز کے طور پر سمجھیں، نہ کہ نتائج کے طور پر۔
- بے ضابطگی اور جرنل ٹیسٹنگ (یونٹ 4)۔ AI: کثیر جہتی توجہ کا اسکور۔ → گیٹ: غلط مثبت کو ہینڈل کریں؛ دستاویزات کے ساتھ ہر ہائی اسکورنگ ریکارڈ کی چھان بین کریں۔
- تجزیاتی طریقہ کار (یونٹ 8)۔ AI: افقی/عمودی/تناسب کا تجزیہ، انحراف مفروضہ۔ → دروازہ: توقعات کی آزادی کو یقینی بنانا؛ ثبوت کے ساتھ ہر مفروضے کی جانچ؛ غیر متوقع چکر میں گہرا۔
- مفاہمت اور ملاپ (یونٹ 7)۔ AI: موجودہ/بینک مفاہمت، تین طرفہ مماثلت۔ → دروازہ: دستاویز کے ساتھ مماثل شے کی وجہ کی تصدیق کریں۔ کاروباری حقیقت کے مطابق رواداری کو ایڈجسٹ کریں۔
- معیاری سروے (یونٹ 6)۔ YZ: موضوع کو آسان بنائیں، اسے متعلقہ معیار کی طرف لے جائیں۔ → گیٹ: سرکاری متن سے ہر آئٹم/حوالہ/تاریخ کی تصدیق کریں۔ صرف سرکاری ذریعہ سے اقتباس لیں۔
- دھوکہ دہی کے خطرے کی اسکریننگ (یونٹ 9)۔ AI: بینفورڈ، ڈپلیکیٹ، ذیلی حد، متن کا تجزیہ۔ → دروازہ: بینفورڈ کی مناسبیت کا اندازہ لگائیں۔ سرخ پرچم کو الزام میں تبدیل کرنا؛ دستاویزات کے ساتھ تحقیق.
- دستاویزات (یونٹ 5)۔ AI: ورکنگ پیپر سکیلیٹن، خام نوٹ ایڈیٹنگ۔ → دروازہ: آپ مواد فراہم کرتے ہیں۔ آپ ثبوت کے حوالہ جات کو جوڑتے ہیں؛ نتیجہ لکھیں اور دستخط کریں۔
- شکی جائزہ (یونٹ 11)۔ AI: انکاری تفتیشی ساتھی۔ → دروازہ : "اگر یہ جھوٹا تھا تو وہ کیا ثبوت دکھائے گا؟"؛ تصدیقی تعصب کو توڑ دیں۔
- رپورٹنگ (یونٹ 10)۔ YZ: DKNEÖ نتائج کا ڈھانچہ، انتظامی خط، رائے کے پیراگراف کا مسودہ۔ → دروازہ: آپ نقطہ نظر کی قسم اور اس کی اہمیت پر فیصلہ کرتے ہیں۔ ثبوت کے ساتھ ہر جملے کی جانچ کریں۔ اپنے دستخط کے پیچھے کھڑے ہوں۔
اس سائیکل میں ایک ہی ریڑھ کی ہڈی ہے: AI رفتار اور مسودہ تیار کرتا ہے۔ ہر قدم پر، ایک توثیقی گیٹ آڈیٹر کے فیصلے کو متعارف کراتا ہے۔ دروازوں کے بغیر، ورک فلو تیز لیکن ناقابل اعتبار ہے۔ یہ دروازے کے ساتھ تیز اور پائیدار دونوں ہے۔
تین چھوٹے مقدمات
کیس 1 - مناسب اختتام سے آخر تک استعمال۔ ایک آڈٹ ٹیم نے اس سائیکل کو درمیانے درجے کی مینوفیکچرنگ کمپنی کے آڈٹ میں لاگو کیا۔ منصوبہ بندی میں، AI نے ایک رسک ڈرافٹ دیا، ٹیم نے اسے فلٹر کیا۔ مکمل آبادی کی جانچ نے 180,000 ریکارڈز کی جانچ کی، اتفاق رائے سے مکمل ہونے کی تصدیق۔ تجزیاتی طریقہ کار میں متواتر غلطی کے مفروضے کی تصدیق شواہد سے ہوئی۔ معیاری حوالہ سرکاری متن سے تصدیق شدہ؛ ٹیم کے ذریعہ تحریری اور دستخط شدہ دستاویزات؛ ذمہ دار آڈیٹر نے رپورٹ کی رائے پر فیصلہ کیا۔ AI نے کل وقت کو نمایاں طور پر مختصر کر دیا ہے۔ ذمہ داری اور فیصلہ ہر دروازے پر انسان کے ساتھ رہا۔
کیس 2 - بغیر ڈور لیس سپیڈ ڈیزاسٹر۔ ایک اور ٹیم نے وہی ٹولز استعمال کیے لیکن تصدیقی دروازوں کو نظرانداز کر دیا: ڈیٹا کی مکمل تصدیق کیے بغیر "مکمل جانچ" کہلاتا ہے، مستثنیات کو بغیر جائزہ کے بند کر دیا جاتا ہے، تصدیق کے بغیر معیاری انتساب کا استعمال کیا جاتا ہے، AI کے پرامید مسودے سے لی گئی رائے کی رپورٹ۔ معیار کے جائزے میں متعدد غلطیاں پائی گئیں۔ کام شروع سے کیا گیا تھا۔ کھویا ہوا وقت حاصل شدہ وقت سے زیادہ تھا۔ سبق: بغیر دروازے کی رفتار جعلی رفتار ہے۔
کیس 3 - رازداری اور آزادی کو نظر انداز کرنا۔ ایک آڈیٹر نے اس کمپنی کے سرور پر چلنے والے ایک AI ٹول کا استعمال کیا جس کا اس نے آڈٹ کیا، جس کے آؤٹ پٹ کی وہ آزادانہ طور پر تصدیق نہیں کر سکا، اور کسٹمر کے ڈیٹا کو اس کی حقیقی شکل میں پروسیس کیا۔ دونوں ڈیٹا پر کمپنی کے زیر کنٹرول سسٹم (آزادی کا سوال) میں کارروائی کی گئی اور اصل ذاتی ڈیٹا غیر محفوظ رہا (رازداری)۔ کوالٹی یونٹ نے عمل کو روک دیا۔ صحیح طریقہ یہ تھا کہ آڈٹ ٹریل اور گمنام ڈیٹا کے ساتھ ایک آزاد، معاہدہ شدہ ٹول کے ساتھ کام کیا جائے۔ سبق: ٹولز اور ڈیٹا فلو آزادی اور رازداری کا حصہ ہیں۔
کمزور فوری / مضبوط اشارہ
کمزور اشارہ:
میں تمام ڈیٹا اپ لوڈ کرتا ہوں تاکہ آپ شروع سے آخر تک آڈٹ کر سکیں، مجھے نتیجہ دیں۔
مسئلہ: حقیقی/خفیہ ڈیٹا کو جیسا کہ ہے (پرائیویسی کی خلاف ورزی) اپ لوڈ کرتا ہے، AI (اخلاقیات/آزادی کی خلاف ورزی) کو فیصلہ دیتا ہے، توثیق کے دروازے تباہ کرتا ہے۔ یہ کنٹرول کے جوہر کو ہٹاتا ہے۔
طاقتور پرامپٹ (ورک فلو فریم ورک):
آپ کا کردار: آپ ایک آزاد آڈیٹر کے آخر سے آخر تک معاون ہیں۔ آپ ہر قدم پر مسودہ اور تجزیہ تیار کریں گے۔ ہر قدم کے اختتام پر، آپ مجھے تصدیق کے دروازے کی بھی یاد دلائیں گے جو مجھے کرنے کی ضرورت ہے۔ فیصلہ، رائے اور نتیجہ میرے اپنے ہیں۔ قواعد (ہر قدم پر لاگو):- میں آپ کو صرف گمنام ڈیٹا دیتا ہوں؛ کوئی اصلی نام/TIN/ذاتی ڈیٹا نہیں ہے۔ - نمبروں، معیاری شقوں، تاریخوں یا ذرائع کی کوئی من گھڑت نہیں۔ اگر آپ کو یقین نہیں ہے تو "تصدیق کریں" بولیں۔ - اپنے نتائج کو "ڈرافٹ/استثنیٰ/مفروضہ" کے طور پر رکھیں نہ کہ "تلاش/نتیجہ"۔ اب ہم مرحلہ 1 (منصوبہ بندی-خطرہ) سے شروع کرتے ہیں۔ اس مرحلے کے لیے اپنا خاکہ تیار کریں، تصدیقی گیٹ لکھ کر جو مجھے آخر میں گزرنا ہے، آئٹم کے حساب سے۔ جب تک میں تصدیق اور تصدیق نہ کر دوں تب تک مرحلہ 2 پر آگے نہ بڑھیں۔
یہ پرامپٹ طاقتور ہے کیونکہ یہ توثیقی گیٹس کے ساتھ پورے ورک فلو کو ترتیب دیتا ہے، گمنامی اور من گھڑت ممانعت کو درست کرتا ہے، آؤٹ پٹس کو صحیح طریقے سے رکھتا ہے، اور پیشرفت کو آڈیٹر کی منظوری سے جوڑتا ہے۔
عام غلطیاں
- اصلی/خفیہ ڈیٹا اپ لوڈ کرنا۔ نام ظاہر کیے بغیر اشتراک کرکے رازداری اور KVKK کی خلاف ورزی کرنا۔
- تصدیقی دروازے کو نظرانداز کرنا۔ رفتار کی خاطر تصدیق، نظرثانی اور فیصلے کو چھوڑنا۔
- AI کو ذمہ داری کی ڈھال بنانا۔ "AI نے ایسا کہا" کے ساتھ فیصلہ سونپنا؛ اخلاقی خلاف ورزی.
- ٹول اور ڈیٹا فلو پر سوال نہیں کرنا۔ ان آلات پر اندھا بھروسہ جو آزادی اور سلامتی کے لیے خطرہ ہیں۔
- سیکورٹی کے لیے اینڈ ٹو اینڈ آٹومیشن کو غلط سمجھنا۔ AI کا شروع سے آخر تک آڈٹ کروانا اور آؤٹ پٹ پر دستخط کرنا۔
ٹپ: اس ماڈیول کو ایک جملے میں رکھیں: "AI ہر قدم پر رفتار اور مسودہ فراہم کرتا ہے؛ ہر قدم پر ایک تصدیقی دروازہ میرے فیصلے کو شامل کرتا ہے؛ دستخط، ذمہ داری اور رائے میرے ساتھ رہتی ہے۔" یہ جملہ ذمہ دار آڈیٹنگ-AI کے استعمال کا نچوڑ ہے۔
خلاصہ میں
اخلاقیات، آزادی اور رازداری AI کے ساتھ بھی آڈیٹنگ کے ناگزیر اصول ہیں: آؤٹ پٹ آڈیٹر کا کام ہے (اخلاقیات)، ٹول اور ڈیٹا فلو آزادی (آزادی) کا حصہ ہیں، ڈیٹا کو گمنام کیا جاتا ہے اور ایک محفوظ ٹول (رازداری) کے ساتھ اس پر کارروائی کی جاتی ہے۔ ماڈیول کے تمام حصے ایک ہی سرے سے آخر تک کے لوپ میں مل جاتے ہیں۔ اس لوپ کی ریڑھ کی ہڈی تصدیقی دروازے ہیں جو آڈیٹر کے فیصلے کے ذریعے ہر قدم پر اے آئی ڈرافٹ کو فلٹر کرتے ہیں۔ دروازے کے بغیر رفتار غلط رفتار ہے. AI فیصلے کی حمایت اور سرعت کا آلہ ہے۔ آڈٹ کی رائے، مادی غلط بیانی کا فیصلہ اور نتیجہ قابل اور خود مختار آڈیٹر سے تعلق رکھتا ہے اور قابل منتقلی نہیں ہے۔
درخواست کا کام
اپنے کنٹرول کے ماحول کے لیے اوپر والے 10 قدموں کے اینڈ ٹو اینڈ ورک فلو کو ایک صفحے پر رکھیں۔ ہر قدم کے خلاف، (1) AI کا کردار، (2) تصدیقی گیٹ، (3) وہ محفوظ ٹول لکھیں جسے آپ استعمال کریں گے۔ پھر اس گاڑی کے لیے محفوظ گاڑی کے انتخاب کے جدول میں چھ سوالوں کے جواب دیں جو آپ فی الحال استعمال کرتے ہیں (یا استعمال کرنے پر غور کر رہے ہیں) اور ایک معقول فیصلہ کریں کہ آیا گاڑی معائنہ کے لیے موزوں ہے۔
چیک لسٹ
- اخلاقیات: میں AI آؤٹ پٹ کی توثیق کرتا ہوں اور اس کا مالک ہوں۔ میں نے ذمہ داری AI پر نہیں ڈالی۔
- [ ] آزادی: میں نے ٹول کے ماخذ اور ڈیٹا کے بہاؤ کا جائزہ لیا۔ میں آزادانہ طور پر آؤٹ پٹ کی تصدیق کر سکتا ہوں۔
- [ ] رازداری: میں نے ڈیٹا کو گمنام رکھا۔ میں نے ایک محفوظ، معاہدہ شدہ، آڈٹ ٹریل شدہ گاڑی چلائی۔
- میں نے اینڈ ٹو اینڈ ورک فلو کے ہر قدم پر ایک توثیقی گیٹ لگایا۔
- میں نے کوئی قدم نہیں چھوڑا میں نے اتفاق کیا کہ بغیر دروازے کی رفتار جعلی رفتار ہے۔
- میں نے مادی غلط بیانی کی رائے، فیصلہ اور نتیجہ خود بنایا۔
- میں نے محفوظ گاڑی کے انتخاب کی میز میں چھ سوالات کے جوابات دیے اور گاڑی کی مناسبیت کا جائزہ لیا۔
ماڈیول امتحان
1. ایک آڈٹ ٹیم کے رکن کے پاس 'غیر معمولی' کے لیے 180,000 جرنل اندراجات کو AI اسکین کیا جاتا ہے اور اسے 340 ریکارڈز کی استثنائی فہرست ملتی ہے۔ بی ڈی ایس اور پیشہ ورانہ ذمہ داری کے لحاظ سے اس فہرست کا کیا مطلب ہے؟
- A) استثنیٰ سوالیہ نشان ہیں جن کی آڈیٹر ایک ایک کرکے تحقیقات کرے گا۔ ثبوت کے ساتھ تشخیص اور نتیجہ آڈیٹر سے تعلق رکھتا ہے ✔
- ب) تمام 340 ریکارڈز کو تصدیق شدہ غلطیوں کے طور پر سمجھا جاتا ہے اور انہیں براہ راست رپورٹ میں ایک تلاش کے طور پر لکھا جاتا ہے۔
- ج) چونکہ مصنوعی ذہانت اسکین کرتی ہے، اس لیے ان ریکارڈز کو الگ سے جانچنے کی ضرورت نہیں ہے۔
- D) مادی غلط بیانی کا خطرہ خود بخود ختم ہو جاتا ہے کیونکہ فہرست میں 340 سے زیادہ نہیں ہیں۔
وضاحت: مصنوعی ذہانت کے ذریعے نشان زد ریکارڈ آڈٹ کا نتیجہ نہیں ہیں، بلکہ آڈیٹر کے لیے تفتیش کے لیے نقطہ آغاز ہیں۔ ہر استثنیٰ کا ثبوت کے ساتھ جائزہ لیا جانا چاہیے، غلط مثبت کو ختم کیا جانا چاہیے، اور حقیقی نتائج کو درست ثابت کرنا چاہیے۔ آراء اور آراء آڈیٹر کی ہیں۔
2. ایک آڈیٹر مصنوعی ذہانت سے پوچھتا ہے کہ اکاؤنٹنگ کا معاملہ کس معیار میں آتا ہے۔ مصنوعی ذہانت ایک واضح حوالہ دیتی ہے جیسا کہ 'TMS 37 آرٹیکل 14/b 2022 میں تبدیل ہوا'۔ صحیح نقطہ نظر کیا ہے؟
- A) مادہ اور تاریخ کو سرکاری معیاری متن کی تصدیق کے بغیر استعمال نہیں کیا جا سکتا۔ ہیلوسینیشن کا امکان ہے ✔
- ب) چونکہ حوالہ واضح ہے، یہ براہ راست ورکنگ پیپر پر لکھا جاتا ہے۔
- ج) اگر مصنوعی ذہانت نے تاریخ دی ہے تو قانون سازی میں تبدیلی یقینی ہے۔
- D) معیاری تشریح کو مکمل طور پر مصنوعی ذہانت پر چھوڑا جا سکتا ہے۔
تفصیل: مصنوعی ذہانت روانی سے معیاری نمبر، اشیاء اور تاریخیں بنا سکتی ہے۔ ہر حوالہ بنیادی سرکاری ذریعہ (KGK، متعلقہ معیاری متن) سے تصدیق کے بغیر استعمال نہیں کیا جا سکتا۔ مصنوعی ذہانت ایک راستہ ہے، ذریعہ نہیں۔
3. عوامی طور پر دستیاب مصنوعی ذہانت کے آلے میں آڈٹ شدہ کمپنی کے کرنٹ اکاؤنٹ اسٹیٹمنٹ کو کسٹمر کے نام، ٹیکس نمبرز اور رقوم کے ساتھ پیسٹ کرنا کیوں نقصان دہ ہے؟
- A) کوئی مسئلہ نہیں ہے، کیونکہ مصنوعی ذہانت بہرحال ڈیٹا کو بھول جاتی ہے۔
- ب) یہ صرف قابل اعتراض ہے اگر رقم 1 ملین سے زیادہ ہو۔
- C) یہ رازداری اور KVKK کی خلاف ورزی ہے۔ ڈیٹا کو گمنام اور محفوظ ہونا چاہیے، کنٹریکٹڈ ٹولز استعمال کیے جائیں ✔
- D) اگر صارف نے منظوری دے دی ہے، تو وہ کسی بھی گاڑی پر کوئی بھی ڈیٹا اپ لوڈ کرنے کے لیے آزاد ہے۔
تفصیل: آڈٹ ڈیٹا کو رازداری کی پالیسی اور KVKK کے دائرہ کار میں محفوظ کیا جاتا ہے۔ ڈیٹا کو کسی بیرونی سرور پر منتقل کرنے سے پیشہ ورانہ اخلاقیات اور رازداری دونوں کی خلاف ورزی ہوتی ہے۔ صحیح طریقہ یہ ہے کہ ڈیٹا کو گمنام کیا جائے اور معاہدہ شدہ، محفوظ ٹولز استعمال کریں۔
4. پیشہ ورانہ شکوک و شبہات کے لحاظ سے AI آؤٹ پٹ کا جائزہ لیتے وقت سب سے بڑے نقصانات میں سے ایک کیا ہے؟
- A) آؤٹ پٹ بہت چھوٹا ہے۔
- ب) ترکی میں مصنوعی ذہانت کی تحریر
- C) آٹومیشن/تصدیق کا تعصب: آؤٹ پٹ کو قبول کرنا جو ہموار اور پر اعتماد نظر آئے بغیر سوال کیے ✔
- D) آؤٹ پٹ میں ٹیبل کی موجودگی
وضاحت: آٹومیشن کا تعصب اور تصدیقی تعصب آڈیٹر کو بغیر کسی سوال کے قبول کرنے پر لے جاتا ہے جو ہموار اور پراعتماد نظر آتا ہے۔ شکی آڈیٹر آؤٹ پٹ کی تردید کرنے اور اس کے برعکس تلاش کرنے کی کوشش کرتا ہے۔ روانی درستگی نہیں ہے۔
5. نمونے لینے پر مکمل آبادی کی جانچ (100% ڈیٹا کی جانچ) کا سب سے اہم فائدہ کیا ہے؛ لیکن یہ کون سی نئی ذمہ داری لاتا ہے؟
- A) نمونے لینے کے خطرے کو ختم کرتا ہے؛ تاہم، ڈیٹا کے مکمل ہونے کی تصدیق اور مستثنیات کا جائزہ لینے کی ذمہ داری ہے ✔
- ب) آڈٹ کو مکمل طور پر خودکار کرتا ہے اور آڈیٹر کے فیصلے کو غیر ضروری بنا دیتا ہے۔
- C) یہ کام کے بوجھ کو دوبارہ ترتیب دیتا ہے کیونکہ اس میں کوئی استثنا نہیں ہوتا ہے۔
- D) ڈیٹا کے معیار سے قطع نظر ہمیشہ درست نتائج دیتا ہے۔
وضاحت: مکمل آبادی کی جانچ نمونے لینے کے خطرے کو ختم کرتی ہے (نمونہ آبادی کا نمائندہ نہیں ہے)۔ تاہم، اعداد و شمار کی مکملیت اور درستگی کی تصدیق کے ساتھ پیدا ہونے والی مستثنیات کی بڑی تعداد کا جائزہ لینا آڈیٹر پر ایک نیا بوجھ ڈالتا ہے۔
6. BDS 320 کے مطابق مصنوعی ذہانت کے ساتھ مادیت کی رقم کا حساب لگاتے وقت صحیح طریقہ کیا ہے؟
- الف) مصنوعی ذہانت کے ذریعے دی گئی پہلی رقم براہ راست استعمال ہوتی ہے۔
- ب) مواد ہمیشہ ٹرن اوور کا 5% ہوتا ہے اور اسے فیصلے کی ضرورت نہیں ہوتی
- C) آڈیٹنگ میں مادیت کا حساب کتاب غیر ضروری ہے۔
- D) مصنوعی ذہانت منظرناموں کا حساب لگاتی ہے۔ اشارے، فیصد اور حتمی مادیت آڈیٹر کا فیصلہ ہے اور اکاؤنٹ کی تصدیق کی جاتی ہے ✔
وضاحت: مادیت منتخب کردہ اشارے اور فیصد کی بنیاد پر پیشہ ورانہ فیصلے کا نتیجہ ہے۔ AI تیزی سے مختلف منظرناموں کا حساب لگا سکتا ہے، لیکن اشارے، فیصد اور حتمی رقم کا انتخاب آڈیٹر کے فیصلے سے تعلق رکھتا ہے اور ہر حساب کی آزادانہ طور پر تصدیق ہونی چاہیے۔
7. بینفورڈ کا قانون فراڈ پر قابو پانے میں کیا کردار ادا کرتا ہے اور مصنوعی ذہانت کے ساتھ استعمال ہونے پر اس کی حد کیا ہے؟
- A) یہ ایک سرخ جھنڈا ہے جو پہلے ہندسے کی تقسیم میں انحراف کی نشاندہی کرتا ہے۔ یہ اکیلا ثبوت نہیں ہے، اس کے لیے تحقیق کی ضرورت ہے۔
- ب) اگر کوئی انحراف پایا جاتا ہے، تو دھوکہ دہی کی تصدیق کی جاتی ہے۔
- C) ہر ڈیٹاسیٹ پر لاگو ہوتا ہے اور کبھی غلط مثبت پیدا نہیں کرتا ہے۔
- D) صرف AI کے بغیر استعمال کیا جا سکتا ہے۔
وضاحت: بینفورڈ کا قانون قدرتی ڈیٹا سیٹس میں پہلے ہندسوں کی متوقع تقسیم دیتا ہے۔ انحراف ممکنہ ہیرا پھیری کی نشاندہی کر سکتے ہیں. لیکن یہ صرف ایک سرخ جھنڈا ہے۔ یہ اپنے طور پر دھوکہ دہی کا ثبوت نہیں ہے۔ یہ آڈیٹر کی تحقیقات کی ضرورت ہے.
8. مصنوعی ذہانت کے ساتھ آڈٹ فائنڈنگ لکھتے وقت سب سے مضبوط ڈھانچہ کیا ہوتا ہے؟
- A) صرف 'ایک مسئلہ ہے' کا جملہ کافی ہے۔
- ب) انتظامیہ کی طرف صرف الزامی زبان استعمال کریں۔
- ج) وہ ڈھانچہ جس میں ثبوت پر مبنی انداز میں صورتحال، معیار، وجہ، اثر اور سفارش کے عناصر شامل ہوں ✔
- D) عام تاثرات جن میں اعداد نہیں ہوتے
وضاحت: ایک مؤثر تلاش میں صورت حال (کیا پایا گیا)، معیار (کس اصول کو توڑا گیا تھا)، وجہ (بنیادی وجہ)، اثر (نتیجہ/خطرہ)، اور سفارش (کیا کیا جانا چاہئے) شامل ہیں۔ AI اس کنکال کو تیزی سے بھرتا ہے، لیکن ہر عنصر کو ثبوت سے جوڑا جانا چاہیے۔
9. تین طرفہ میچ ٹیسٹ میں، مصنوعی ذہانت آرڈر، ڈیلیوری نوٹ اور انوائس کا موازنہ کرتی ہے اور 27 آئٹمز تلاش کرتی ہے جو میل نہیں کھاتے ہیں۔ اس نتیجے کا کیا مطلب ہے؟
- A) 27 پنسلیں دھوکہ دہی کا قطعی ثبوت ہیں۔
- ب) چونکہ مصنوعی ذہانت نے اسے پایا، اس لیے اضافی جانچ کی ضرورت نہیں ہے۔
- ج) 27 اشیاء غیر اہم ہیں کیونکہ تعداد کم ہے۔
- D) مماثل اشیاء وہ اختلافات ہیں جن کی چھان بین کی ضرورت ہے۔ وقت، جزوی ترسیل یا غلطی ہو سکتی ہے، تشخیص آڈیٹر پر منحصر ہے ✔
وضاحت: مماثل اشیاء خودکار غلطیاں نہیں ہیں، بلکہ وہ اختلافات ہیں جن کی جانچ آڈیٹر کرے گا۔ وقت کا فرق، جزوی ترسیل یا اصل غلطی ہو سکتی ہے۔ مصنوعی ذہانت فرق کو ظاہر کرتی ہے، وضاحت اور نتیجہ آڈیٹر سے تعلق رکھتا ہے۔
10. BDS 230 کے تحت آرٹیفیشل انٹیلی جنس کے ساتھ ورکنگ پیپر تیار کرتے وقت اہم اصول کیا ہے؟
- الف) مصنوعی ذہانت سے تیار کردہ متن براہ راست حتمی ورکنگ پیپر ہے۔
- ب) مسودہ اس وقت تک درست دستاویز نہیں ہے جب تک کہ اسے ثبوت کے ساتھ منسلک نہ کیا جائے اور آڈیٹر کے ذریعہ اس کا جائزہ لے کر اسے اپنایا جائے ✔
- ج) ورکنگ پیپر میں شواہد کے حوالے شامل کرنا غیر ضروری ہے۔
- D) یہ اہم نہیں ہے کہ دستاویزات کا سراغ لگایا جا سکتا ہے۔
تفصیل: ورکنگ پیپر میں کیے گئے کام، حاصل کیے گئے شواہد اور نتیجے تک پہنچنے کے قابل ہونا چاہیے۔ AI فریم ورک اور زبان کو ہموار کرتا ہے، لیکن آؤٹ پٹ اس وقت تک درست دستاویز نہیں ہے جب تک کہ اسے ثبوت سے منسلک نہ کیا جائے اور اس کا جائزہ لیا جائے اور آڈیٹر کی ملکیت ہو۔
11. تجزیاتی طریقہ کار (BDS 520) میں، مصنوعی ذہانت کسی اخراجات کی شے میں 40% اضافے کا پتہ لگاتی ہے اور بتاتی ہے کہ یہ 'شاید افراط زر کی وجہ سے' ہے۔ آڈیٹر کو کیا کرنا چاہیے؟
- A) بیان کو جیسا ہے قبول کرتا ہے اور اسے بند کرتا ہے۔
- ب) تجویز ایک مفروضہ ہے۔ آزاد ثبوت کے ساتھ انحراف کی چھان بین اور تصدیق کیے بغیر کسی نتیجے پر نہیں پہنچتا ✔
- C) 40% اضافہ ہمیشہ معمول کی بات ہے۔
- D) اگر مصنوعی ذہانت نے اس کی وضاحت کی ہے تو اضافی ثبوت غیر ضروری ہے۔
وضاحت: مصنوعی ذہانت کی طرف سے تجویز کردہ وضاحت ایک مفروضہ ہے، ثبوت نہیں۔ آڈیٹر آزاد ثبوت (معاہدے، رسید، انتظامی انکشاف اور تصدیق) کے ساتھ انحراف کی چھان بین کیے بغیر کسی نتیجے پر نہیں پہنچ سکتا۔ غیر متوقع انحراف کے لیے گہری تحقیقات کی ضرورت ہوتی ہے۔
12. آزادی کے اصول کے لحاظ سے، مصنوعی ذہانت کے آلے کا انتخاب کرتے وقت آڈیٹر کو کن باتوں پر توجہ دینی چاہیے؟
- A) صرف گاڑی مفت ہے۔
- ب) ڈیٹا کہاں جاتا ہے، ماڈل ٹریننگ، معاہدہ، آڈٹ ٹریل اور رازداری کی یقین دہانیوں میں استعمال کریں ✔
- C) گاڑی سب سے زیادہ مشہور ہے۔
- D) رنگین انٹرفیس
وضاحت: آڈیٹر کو غور کرنا چاہیے کہ ڈیٹا کہاں جاتا ہے، آیا یہ ماڈل ٹریننگ، معاہدہ اور آڈٹ ٹریل میں استعمال ہوتا ہے۔ آڈٹ شدہ کمپنی کے سسٹم میں شامل ایک ٹول، جس کے آؤٹ پٹ کو آڈیٹر کنٹرول نہیں کر سکتا، آزادی اور رازداری کو خطرہ لاحق ہو سکتا ہے۔
13. آڈیٹر مصنوعی ذہانت کے ذریعے تیار کردہ انحراف کی وضاحت کے مسودے کا جائزہ لے رہا ہے۔ تصدیقی تعصب سے بچنے کے لیے کون سی تکنیک سب سے زیادہ مؤثر ہے؟
- A) ایک واحد مثال تلاش کریں اور بند کریں جو آؤٹ پٹ کی توثیق کرتا ہے۔
- ب) آؤٹ پٹ کو پڑھے بغیر قبول کرنا
- ج) اس نتیجے کی تردید کرنے کی کوشش کرنا: 'اگر یہ غلط ہے تو کیا ثبوت اسے دکھائے گا؟' ✔ متضاد ثبوت تلاش کرنا
- D) صرف املا کی غلطیاں تلاش کر رہے ہیں۔
وضاحت: شکی آڈیٹر آؤٹ پٹ کی تصدیق کرنے کے بجائے تردید کرنے کی کوشش کرتا ہے: 'اگر یہ بیان غلط ہے تو کیا ثبوت اسے دکھائے گا؟' وہ پوچھتا ہے اور اس کے برعکس ثبوت تلاش کرتا ہے۔ یہ تصدیقی تعصب کا تریاق ہے۔
14. سیکورٹی اور تعمیل کے اہم آڈیٹنگ کے میدان میں AI آؤٹ پٹ کے کردار کا خلاصہ کیسے کیا جائے؟
- A) مصنوعی ذہانت کی پیداوار آڈیٹر کی منظوری کی جگہ لے لیتی ہے اور حتمی رائے کا تعین کرتی ہے۔
- ب) آڈیٹنگ میں اب انسانی منظوری ضروری نہیں ہے۔
- C) مصنوعی ذہانت تمام حالات میں انسانوں سے زیادہ درست ہے۔
- D) AI ڈرافٹنگ/تجزیہ/پیسنگ فراہم کرتا ہے۔ رائے اور فیصلہ خود مختار آڈیٹر کی ہے، غیر تصدیق شدہ آؤٹ پٹ درست نہیں ہے ✔
انکشاف: مصنوعی ذہانت کی پیداوار کسی قابل اور آزاد آڈیٹر کی منظوری کی جگہ نہیں لیتی ہے۔ مسودہ تجزیہ اور رفتار فراہم کرتا ہے، لیکن آڈٹ کی رائے، مادی غلط بیانی کا فیصلہ، اور نتیجہ انسانی ہے۔ غیر تصدیق شدہ آؤٹ پٹ ایک غیر دستخط شدہ ورکنگ پیپر کی طرح ہے۔