ToepassingenGIDS

Testen van AI-journaalinvoer

AI-tests voor journaalboekingen beoordelen elke journaalboeking in het grootboek op kenmerken die verband houden met fraude en managementoverrides, zoals posten op oneven tijdstippen, ronde bedragen, zeldzame rekeningcombinaties en boekingen door onverwachte gebruikers.

Luister naar deze gidsAI-verteld · ~3 min

Op deze pagina4 minuten lezen
  1. Overzicht
  2. Diepe duik
  3. Implementatie in de echte wereld
  4. De toekomst van AI-journaalboekingstests
  5. Het in de praktijk brengen
  6. Blijf verkennen
  7. Veelgestelde vragen

Overzicht

Controlestandaarden vereisen al een controle van journaalboekingen, omdat het risico dat het management controles terzijde schuift bij elke entiteit bestaat. Risicoscores helpen auditors zich te concentreren op de weinige inzendingen die nauwkeurig onderzoek verdienen.

Diepe duik

Het testen van journaalboekingen bestaat omdat het management controles kan overschrijven door boekingen rechtstreeks in het grootboek vast te leggen. PCAOB AS 2401 en ISA 240 beschouwen het overschrijven door het management als een frauderisico bij elke controle en vereisen dat accountants testen of journaalposten en andere aanpassingen passend zijn. De normen beschrijven ook kenmerken die bijdragen de moeite waard maken om te onderzoeken: vermeldingen op niet-gerelateerde, ongebruikelijke of zelden gebruikte accounts; Inzendingen van mensen die ze normaal gesproken niet maken; Boekingen geregistreerd aan het einde van de periode of na afsluiting met weinig of geen uitleg; Boekingen zonder rekeningnummers; en Ronde bedragen, of bedragen die op dezelfde cijfers eindigen. De WorldCom-fraude, die in 2002 aan het licht kwam, liet zien waarom dit ertoe doet. Miljarden dollars aan operationele lijnkosten werden via journaalposten naar kapitaalrekeningen verplaatst, en de interne auditors van het bedrijf ontdekten dit door deze posten te traceren. Bij op AI gebaseerde tests worden deze eigenschappen op elke inzending toegepast in plaats van op een gefilterde subset. Een typische aanpak voert eerst op regels gebaseerde markeringen uit, zoals posten in het weekend, posten na de sluitingsdatum, dezelfde persoon die zich voorbereidt en goedkeurt, of inkomsten die worden geboekt op een ongebruikelijke rekening. Vervolgens worden de vlaggen gecombineerd tot een risicoscore. Sommige tools voegen machinaal leren zonder toezicht toe, dat leert hoe normale invoer er voor deze klant uitziet en ongebruikelijke combinaties van gebruiker, account, bedrag en timing scoort. De auditor selecteert vervolgens de hoog scorende inzendingen en krijgt daarvoor ondersteuning: de onderliggende documenten, de zakelijke reden en wie deze heeft geautoriseerd. Context is belangrijk. Een loonopbouw die altijd rond is en altijd op de laatste dag door de controller wordt geboekt, is voor die opdrachtgever normaal. Een misvatting is dat een hoge score fraude betekent. Het betekent alleen dat een inzending ongebruikelijk is. Een andere is dat door het systeem gegenereerde gegevens veilig zijn. Wijzigingen in interfaces en configuraties kunnen ook worden gebruikt om de boeken te manipuleren, daarom moet de populatie deze opnemen.

Implementatie in de echte wereld

Een score markeert een handmatige invoer die om 23:40 uur is geplaatst. op de laatste dag van het kwartaal door een financieel directeur die zelden posten post. Met de invoer wordt € 250.000 van een onkostenrekening verplaatst naar een vooruitbetaald bezit zonder beschrijving.

Een boeking die de opbrengsten en vorderingen op de laatste dag van het jaar verhoogt, wordt op de eerste dag van het volgende jaar teruggeboekt. De auditor vraagt ​​om het contract en het verzendbewijs erachter.

Een model markeert een gebruiker die zowel een reeks boekingen op een zelden gebruikte tussenrekening heeft voorbereid als goedgekeurd, wat een leemte laat zien in het scheiden van die taken.

De maandelijkse loonopbouw van een klant is altijd rond en wordt altijd aan het einde van de maand door de controller geboekt. De auditor constateert dat dit normaal is voor deze cliënt en weegt dit minder mee in de score van volgend jaar.

De toekomst van AI-journaalboekingstests

Analyses van journaalboekingen zijn al gebruikelijk bij grotere accountantskantoren, en auditsoftware verspreidt deze naar kleinere kantoren. Verbeteringen liggen waarschijnlijk in het uitleggen waarom een ​​item hoog scoorde en in het combineren van grootboekgegevens met ondersteunend bewijsmateriaal zoals goedkeuringsworkflows en documenttekst. De beperkingen zullen blijven bestaan. Fraude vermomd als normale activiteit, of samenzwering die de gebruikelijke patronen volgt, kan laag scoren. Toezichthouders verwachten dat auditors hun selectiecriteria rechtvaardigen, dus op modellen die niet kunnen worden verklaard, is het moeilijk om te vertrouwen. Professioneel scepticisme en follow-up blijven de inhoud van de test.

Het in de praktijk brengen

Waarom het ertoe doet

  • Bouwkeuzes. Ontwerp op applicatieniveau bepaalt of AI de werkelijke resultaten verbetert.
  • Team en workflow. Een goede workflowintegratie zorgt voor productiviteitswinst waar gebruikers op kunnen vertrouwen.
  • Risico en veiligheid. Goed gedefinieerde gebruiksscenario's verminderen de veranderingsmoeheid en het implementatierisico.

Pas op voor

  • Het automatiseren van een kapot proces kan bestaande problemen versterken.
  • Teams kunnen overautomatiseren en het benodigde menselijke oordeel wegnemen.
  • De kwaliteit kan afwijken als de resultaten niet voortdurend worden geëvalueerd.

Volgende stappen

  1. Breng de huidige workflow in kaart en identificeer de stap met de hoogste wrijving.
  2. Definieer menselijke controlepunten vóór volledige automatisering.
  3. Train gebruikers op het gebied van prompts, escalatiepaden en kwaliteitsnormen.
  4. Volg de resultaten op taakniveau om duurzame waarde te bevestigen.

Blijf verkennen

Gratis nieuwsbrief

Ontvang de dagelijkse AI-briefing

Drie verifieerde AI-verhalen elke weekdagmorgen, geschreven in eenvoudig Engels. Gratis voor altijd, geen advertenties.

Eén e-mail elke weekdag. Afmelden met één klik. We verkopen of delen je adres nooit.

Test jezelf

Doe de AI Journal Entry Testing-quiz

Directe feedback op elke antwoord, en een deelbare certificaat met een verifieerbare ID zodra je een cursus hebt afgerond.

Quiz starten

Ondersteun gratis AI-onderwijs. AI Understanding is een 501(c)(3) non-profit — geen advertenties, geen betaalmuur, nooit. Doe een donatie

Veelgestelde vragen

Wat is het testen van AI-journaalgegevens?

AI-tests voor journaalboekingen beoordelen elke journaalboeking in het grootboek op kenmerken die verband houden met fraude en managementoverrides, zoals posten op oneven tijdstippen, ronde bedragen, zeldzame rekeningcombinaties en boekingen door onverwachte gebruikers. Controlestandaarden vereisen al een controle van journaalboekingen, omdat het risico dat het management controles terzijde schuift bij elke entiteit bestaat. Risicoscores helpen auditors zich te concentreren op de weinige inzendingen die nauwkeurig onderzoek verdienen.

Waarom vereisen AS 2401 en ISA 240 dat bij elke audit de journaalboekingen worden getest, zelfs bij goed gecontroleerde bedrijven?

Het management kan controles omzeilen door boekingen rechtstreeks te posten, zodat de normen het overschrijven beschouwen als een risico dat bij elke audit aanwezig is.

Welke van deze kenmerken is een van de kenmerken van journaalboekingen die in de controlestandaarden worden beschreven?

De standaarden bevatten vermeldingen van mensen die ze normaal gesproken niet doen, samen met ongebruikelijke rekeningen, periodeafsluitingstijden en ronde bedragen.

Hoe werd de WorldCom-fraude volgens de gids uitgevoerd en ontdekt?

Miljarden dollars aan lijnkosten werden gekapitaliseerd via journaalposten, en de interne auditors van WorldCom ontdekten het plan in 2002.

Hoe kan een auditor bevestigen dat de populatie van journaalboekingen compleet is voordat er een score wordt toegekend?

Als u elke rekening van het openingssaldo via de activiteit naar het eindsaldo doorrolt, blijkt dat er geen vermeldingen ontbreken in het uittreksel.

Een boeking die de opbrengst op de laatste dag van het jaar registreert, wordt op de eerste dag van het volgende jaar teruggeboekt. Wat zou dit kunnen betekenen?

Inzendingen die kort na het einde van de periode worden teruggedraaid, zijn een kenmerk dat in de gids wordt benadrukt, omdat ze kunnen duiden op windowdressing of manipulatie van de afsluiting.