收益：
- 了解欺诈三角（压力、机会、理由）和危险信号的概念，并使用人工智能扫描可疑模式
- 能够在人工智能支持下扫描本福德定律、重复付款和不寻常的供应商模式，并生成审核列表
- 能够理解涉嫌欺诈是一项严重指控，人工智能标志本身并不是证据，并且最终评估属于独立审计员。
错误和作弊之间存在着深刻的区别。错误是无意的错误；完全错了，忘记了记录。欺骗是故意欺骗；这是指有人故意歪曲记录以谋取私利。审计师的工作不是“发现”欺诈——欺诈是一种法律资格，并且是法院的职责——但 ISA 240 要求审计师对欺诈造成的重大错报风险持专业怀疑态度，并评估欺诈风险迹象（危险信号）。审计员评估欺诈风险并调查可疑模式；最终法律决定权属于他人。
在本单元中，我们将介绍如何使用人工智能来筛查欺诈风险：欺诈三角、危险信号、本福德定律、重复付款和异常供应商模式以及描述区域中的文本分析。严格强调基本原则：人工智能标记的任何模式本身都不是欺诈的证据。红旗是“停止并调查”的标志；不是指控。
作弊三角和红旗
欺诈调查的经典框架是欺诈三角；他说，欺诈通常发生在三个条件同时出现时：压力（促使人作弊的财务/个人需要）、机会（内部控制薄弱、权威不受控制）和理由（一种为自己的行为辩护的方式——“无论如何我都会把它放回去”）。在这三个条件较强的领域，审核员会更加小心。
红旗是一种警告信号，可能表明存在欺诈的可能性。典型例子：官员生活方式不寻常、合同不断发给同一家供应商、供应商与员工地址相同、员工不休假、不将工作委托给任何人、频繁的更正记录、分期付款略低于门槛、重复的发票号码。人工智能可以扫描数据上的许多此类标志。但请记住：每一个标志都可以有一个无辜的解释。审计员的工作是看到旗帜并进行调查，而不是因为看到旗帜而责怪他。
本福德定律：违反直觉但强大的筛选
本福德定律（第一位数字定律）指出，在大量自然出现的数字中，第一个有效数字的分布并不均匀：数字往往以“1”开头（约 30%），以“9”开头的概率非常低（约 4.6%）。范围广泛的自然数据，如账单金额、费用、账户余额等，一般遵循这种分布。当有人手动拟合数字时（例如，写入的金额略低于批准阈值），这种自然分布就会被破坏。本福德分析将前两个数字的分布与预期进行比较，并标记偏差。
人工智能可以在几秒钟内计算出数千个金额的本福德分布，并显示偏离预期的数字。但本福德有两个限制，审计师应该知道它们：
- 它并不适合所有数据。一定范围内的有限数量（例如产品价格始终在 45-55 TL 之间）、连续编号（发票编号）、分配的代码与 Benford 不符； “偏差”在这里毫无意义。
- 偏差不是证据。当台阶上升超过预期时，它最多说的是“看这里”。原因可能是合法的（例如公司定价）。审计员无法从调查中得出结论。
注意：将本福德偏差作为“作弊的证据”是一个严重的错误。本福德只是一个危险信号；它指示应检查哪些记录，并且不能证明存在欺诈行为。
文本分析和重复模式
人工智能的语言能力在检测非数字欺诈方面也派上用场。不寻常的浓度、不明确的表达或某些关键词可以在描述字段中扫描（“杂项费用”、“咨询”、“代表托管”）。还有结构模式：重复的发票号码、与员工银行帐户匹配的供应商帐户、周末创建的供应商记录、频繁的全天候付款。 AI将所有这些生成为“评论列表”；审计员搜索该列表。
扫描类型
人工智能是做什么的？
审计师做什么的？
本福德分析
第一个数字表示分布偏差
调查偏差原因
重复付款
相同数量+日期+供应商发现重复
是否有重复文件证实真相？
供应商-员工匹配
标记相同地址/帐户重叠
调查是否存在利益冲突
亚阈值划分
表示集群低于批准阈值
评估是否有意图
文本/描述分析
扫描模糊/重复的评论
按文档查询内容
三个迷你箱子
案例 1——检查员发现，本福德给出了指示。审计师对费用报表进行了本福德分析。以“4”开头的金额远高于预期。审计员检查了这组数据，发现一名员工一直输入的费用为“4.8xx 美元”，略低于 5,000 美元的批准门槛。结果证明这些文件是假的。本福德偏差给出了方向；审计员的调查和文件揭露了欺诈行为。
案例 2 — Benford 误报。一名团队成员对产品价格表进行了本福德分析，当他发现价格偏差较大时，他写道“存在操纵行为”。负责人检查：数据包括90-110里拉之间的狭窄价格区间；无论如何，本福德无法融入如此有限的阵容中。 “偏差”完全是由于将该方法应用于错误的数据所致。教训：本福德并不适用于所有数据；审核员评估其适用性。
案例3——举旗指责。一位审计人员想在报告中直接将AI标记的“与员工地址相同的供应商”写为“虚构供应商，欺诈”。负责人制止：经调查，该供应商是真实企业，属于员工亲属，属于利益冲突关系，并非虚构。据报道，这是一种需要公开的关系，而不是欺骗。教训：红旗发起调查；证据决定结果。
弱提示/强提示
弱提示：
查明这些付款是否存在欺诈行为。
问题：AI无法“发现”作弊行为；作弊是一种法律后果。这个提示要么产生捏造的“作弊清单”，要么产生毫无根据的指控。
强力提示：
您的角色：您是独立审计师的欺诈风险筛查助理。您签署红旗；作弊评价和结果属于我。不要将任何记录标记为“作弊”。数据（匿名）：供应商付款（列：付款 ID、日期、供应商 ID、供应商地址、金额、确认阈值=50,000、描述）。任务 - 执行以下扫描，将每个扫描导出为单独的列表：1) 阈值下分割：聚集在 50,000 TL 阈值 (45,000-49,999) 付款的正下方；按供应商计数。2）重复：相同金额+相同供应商+3天内定期付款。3）Benford（第一位数字）：将金额的第一位数字分布与预期Benford进行比较；显示偏离的步骤。重要提示：还要评估该数据是否符合 Benford（范围、约束），如果不符合则发出警告。 4）披露分析：对“杂项/杂项/咨询”等模糊描述集中的供应商进行标记。对于每个列表：写下这些是“需要调查的危险信号”，而不是欺诈的结果。添加拟合记录/模式。
这个提示很强大，因为它解析扫描，质疑 Benford 合规性，将输出定位为“危险信号”，并禁止归因于“作弊”。
常见错误
- 意思是“找到窍门”。人工智能无法检测作弊行为；红旗标志。作弊是一种法律后果。
- 将 Benford 应用于不适当的数据。将窄带、连续数字或代码中的“偏差”误认为是有意义的。
- 将偏差视为证据。在没有调查本福德或图案标志的情况下宣布作弊。
- 把危险信号变成指责。在没有用文档验证的情况下将关系/模式注销为作弊。
- 忽略作弊三角。只看数据而不评估压力/机会/理由的背景。
提示：当您发现危险信号时，问自己两个问题：“对此，什么是完全无辜的解释？” “如果真的是作弊，我还应该看到什么痕迹？”第一个问题可以保护您免受不公平的指控，第二个问题可以防止您的肤浅。
总之
在欺诈审计中，审计师的作用不是“发现”欺诈，而是以怀疑的态度评估欺诈风险并寻找危险信号（BDS 240）。人工智能是一个强大的扫描引擎：它可以在几秒钟内执行本福德分析、重复支付、阈下分割、供应商-员工重叠和文本分析。但每一个迹象都是危险信号，而不是证据； Benford 并不适合所有数据；偏差并不意味着作弊。人工智能的工作是查看旗帜，审计员的工作是调查和评估并避免法律归因。红旗表示“停止并调查”；他没有说“有罪”。
应用任务
考虑假设的供应商付款数据集并设置批准阈值。让AI使用上面强大的提示模式运行四次扫描（亚阈值分割、重复、Benford、注释分析）；让本福德质疑他是否适合。然后，对于出现的每个危险信号，写下“无辜的解释”和“作弊场景”，并指出哪些证据可以区分两者。
清单
- [ ] 我没有告诉AI“找窍门”；我说“红旗”并禁止对作弊的描述。
- [ ] 我仅将 Benford 应用于合适的（宽间隔的、自然的）数据；我评估了适合性。
- [ ] 我将每个危险信号视为研究的开始，而不是结论。
- [ ] 对于每个标志，我都考虑了无辜的解释和作弊的情况。
- [ ] 在没有用文档验证这些模式的情况下，我并没有将它们描述为欺诈/虚构的。
- [ ] 我评估了欺诈三角的背景（压力、机会、理由）。
- [ ] 我已证明最终的法律资格不是审核员的工作，并且我已评估了风险。