محتوا copy

این اعداد و ارقام، به وضوح گواه ناکامی اقدامات بازدارندگی تقلب است که از جمله دلایل آن، می‌توان به ضعف سازوکارهای پیشگیری و کشف تقلب اشاره کرد، چرا که سازوکارهای فعلی عمدتاً ‌نمونه‌محور، قاعده‌محور و کاربرمحور است. این در حالی است که با افزایش حجم تراکنش‌ها، سازوکارهای نمونه‌محور به تشدید ریسک نمونه‌گیری می‌انجامد. به علاوه به دلیل پویایی الگوهای تقلب، اکتفا به سازوکارهای قاعده‌محور مانع کشف الگوهای نوظهور تقلب شده و بنابراین به تشدید ریسک عدم کشف می‌انجامد و باتوجه به فشار فزاینده محدودیت‌های بودجه‌ای و نیروی انسانی متخصص در حوزه کنترلهای داخلی، اثربخشی و صرفه‌اقتصادی سازوکارهای کاربرمحور در حال کاهش است.  

راه حل این مساله را می‌توان در هوش مصنوعی جستجو نمود. در یک تعریف کلی از سازمان توسعه و همکاری اقتصادی (OECD )، هوش مصنوعی یک سیستم مبتنی بر ماشین است که می‌تواند برای اهداف صریح یا ضمنی، از ورودی‌هایی که دریافت می‌کند، استنباط کند که چگونه خروجی‌هایی مانند پیش‌بینی‌ها، محتوا، توصیه‌ها یا تصمیم‌هایی تولید کند.

به طور خاص یکی از شاخه‌های محوری هوش مصنوعی که تحت عنوان شبکه‌های عصبی مصنوعی عمیق  شناخته می شود، با کارکردی مشابه شبکه عصبی مغز انسان، قادر است روابط پیچیده و الگوهای نهفته در داده‌های ورودی به شبکه را شناسایی نماید، قابلیتی که در صورت بکارگیری برای اهداف نظام کنترل های داخلی، کلیدی برای چالش های سه‌گانه پیش‌گفته خواهد بود. به طوری که،

اولاً امکان تمام آزمایی هوشمند داده‌های سازمان را فراهم نموده تا تمام شواهد کنترلی در انواع ماهیت‌های مقداری (مبالغ ریالی و آحاد کمّی در فاکتورها و اسناد)، متنی (قراردادها و مدارک)، صوتی و تصویری (دارایی‌ها و اشخاص) در چتر نظام کنترلی سازمان قرار گیرد. ثانیاً با اتخاذ رویکردی داده‌محور برای تحلیل صفات ذاتی و روابط درونی داده‌ها، شناسایی گونه‌های نوپدید ناهنجاری و تقلب در موضوعات موردرسیدگی امکان‌پذیر می‌شود. و ثالثاً به دلیل خودکارسازی هوشمند سازوکارهای کنترلی، هزینه‌های زمانی و ریالی نظام کنترلی کاهش می‌یابد.

نظام کنترل داخلی مبتنی بر هوش مصنوعی، فرصتی است برای تقویت قابلیت‌های پیش‌گیری و پس‌یابی انواع ریسک (از جمله تقلب) در سازمان که مزایا و محاسن آن مستلزم طراحی و استقرار سازوکارهایی مناسب است. خوشبختانه اخیراً در یک پژوهش دانشگاهی، اولین سامانه ارزیابی ریسک مبتنی بر هوش مصنوعی مشتمل بر دو قابلیت کشف و توضیح ناهنجاری در داده‌های مالی با موفقیت طراحی و آزمایش شد که خصوصیات و نتایج آن توسط امیر مرادی طراح سامانه و پژوهشگر علم داده در حسابرسی، در نخستین همایش هوش مصنوعی و صنعت حسابداری در تاریخ نوزدهم اردیبهشت ماه 1403 در دانشگاه اصفهان، تشریح شد.

 

اخبار مرتبط