موفقیت هوش مصنوعی در شناسایی کلاهبرداری‌ها

به گفته «کث بارو» شریک مدیریت تضمینی EY در بریتانیا و ایرلند، این سیستم جدید فعالیت مشکوکی را در دو تا از 10 شرکت اول بررسی‌شده شناسایی کرده است. مشتریان متعاقبا تأیید کردند که در هر دو مورد تقلب و کلاهبرداری اتفاق افتاده است.

شناسایی کلاهبرداری‌ها با هوش مصنوعی

این موفقیت اولیه نشان می‌دهد که چرا برخی در صنعت معتقدند هوش مصنوعی پتانسیل بالایی برای بهبود کیفیت حسابرسی و کاهش بار کاری دارد. آن‌ها امیدوارند که توانایی سیستم‌های مجهز به هوش مصنوعی برای دریافت و تجزیه‌و‌تحلیل مقادیر زیادی از داده‌ها می‌تواند ابزار جدید قدرتمندی برای هشدار دادن به حسابرسان نسبت به نشانه‌های تخلف و سایر مشکلات باشد.

با این حال حسابرسان به شدت در مورد این‌که تا چه حد می‌توانند بر این فناوری که هنوز به طور گسترده آزمایش نشده و درک ناقصی دارد تکیه کنند،  اختلاف نظر دارند.

برخی از شرکت‌های حسابرسی نیز نسبت به این‌که سیستم‌های هوش مصنوعی بتوانند به اندازه کافی اطلاعات با کیفیت بالا برای شناسایی اشکال مختلف بالقوه و شناسایی کلاهبرداری‌ها به‌طور قابل‌اعتماد داشته باشند، تردید دارند. همچنین نگرانی هایی در مورد حفظ حریم خصوصی داده‌ها وجود دارد، خصوصا اگر حسابرسان از اطلاعات محرمانه مشتری برای توسعه هوش مصنوعی استفاده کنند.

سوالات و ابهامات به این معنی است که تفاوت‌های واضحی در رویکرد بین شرکت‌های حسابرسی بزرگ بریتانیا وجود دارد. در حالی که EY از افشای جزئیات نرم‌افزار خود یا ماهیت کلاهبرداری‌هایی که کشف کرده بود خودداری می‌کند، «بارو» گفت که نتایج نشان می‌دهد که این فناوری «پاهایی» برای حسابرسی دارد.

بارو می‌گوید: «این همان فناوری‌ای است که باید در حال توسعه یا کاوش آن باشیم.»

با این حال «سایمون استیفنز» مدیر هوش مصنوعی مخصوص حسابرسی و اطمینان در کسب‌و‌کار Deloitte بریتانیا که یکی دیگر از چهار شرکت حسابرسی بزرگ است، اشاره کرده که تقلب‌ها نسبتا نادر بوده و با یکدیگر تفاوتدارند. این بدان معناست که لزوما الگوهای مشخصی برای سیستم‌های هوش مصنوعی جهت شناسایی کلاهبرداری‌ها وجود ندارد.

نظرات متفاوت در مورد عملکرد هوش مصنوعی در مقابل کلاهبرداران

استیفنز می‌گوید: «تقلب‌ها منحصربه‌فرد هستند و هر کدام از روش خاصی انجام می‌شوند. طبیعتا آن‌ها برای دور زدن پادمان‌ها از طریق استفاده‌های جدید از فناوری یا بهره‌برداری از نقاط ضعف جدید طراحی شده‌اند، و هوش مصنوعی در حال حاضر به خوبی در این قسمت عمل نمی‌کند.»

قانون‌گذاران احتمالا در مورد نحوه استقرار این فناوری هوش مصنوعی حرف آخر را خواهند زد. «جیسون بردلی» که رئیس فناوری اطمینان شورای گزارش‌گری مالی بریتانیا و ناظر حسابرسی است، گفت که هوش مصنوعی در صورت استفاده مناسب فرصت‌هایی را برای «پشتیبانی از بهبود کیفیت و کارایی حسابرسی» ارائه می‌کند.

اما او هشدار داد که شرکت‌ها برای اطمینان از این‌که سیستم‌های هوش مصنوعی با استانداردهای مناسب کار می‌کنند یا نه، به تخصص نیاز دارند.

 بردلی گفت: «همان‌طور که استفاده از هوش مصنوعی رشد می‌کند، حسابرسان باید مهارت‌هایی برای نقد سیستم‌های هوش مصنوعی داشته باشند و اطمینان حاصل کنند که استفاده از خروجی‌ها دقیق است و آن‌ها می‌توانند ابزارها را به شیوه‌ای مطابق با استانداردها به کار گیرند.»

در حالی‌که باید به نرم‌افزار حسابرسی سنتی گفته شود که کدام الگوهای داده شناسایی کلاهبرداری‌ها یا سایر مشکلات است، سیستم‌های هوش مصنوعی برای شناسایی مسائل با استفاده از یادگیری ماشینی و داده‌های مربوط به چندین مورد شناخته شده سوء رفتار در گذشته آموزش دیده‌اند. با گذشت زمان آن‌ها باید در انجام این کار بهتر شوند، زیرا تجربه انباشته می‌کنند.

این فناوری اگر بتواند بار کاری حسابرس را کاهش دهد، بسیار مفید خواهد بود. شرکت‌ها در سرتاسر جهان برای آموزش و جذب کارکنان با مشکل مواجه هستند. 

هوش مصنوعی همچنین می‌تواند به افزایش استانداردها کمک کند: در سال‌های اخیر حسابرسان مشکلات مالی جدی را که باعث فروپاشی کسب‌وکارهایی از جمله شرکت برون‌سپاری Carillion، خرده‌فروش BHS و کافه‌های زنجیره‌ای Patisserie Valerie شده است، از دست داده‌اند.

به گفته بارو، آزمایش EY از یک ابزار یادگیری ماشینی استفاده کرد که در مورد «طرح‌های کلاهبرداری بسیار زیاد» آموزش دیده بود، که هم از اطلاعات در دسترس عموم و هم از موارد گذشته که شرکت در آن درگیر بود، استخراج شده بود.

 در حالی که نرم‌افزارهای موجود و پرکاربرد به دنبال تراکنش‌های مشکوک هستند، EY گفت که سیستم آن‌ها به کمک هوش مصنوعی، پیچیده‌تر از نرم‌افزارهاست. 

این سیستم برای جستجوی تراکنش‌هایی که معمولا برای پوشاندن تقلب‌ها و همچنین خود تراکنش‌های مشکوک استفاده می‌شوند، آموزش دیده است. این شرکت گفت که این دو طرح تقلب را در 10 مشتری آزمایشی اولیه شناسایی کرد، زیرا الگوهای مشابهی در داده‌های آموزشی وجود داشت.

با این وجود شرکت‌های دیگر تردید دارند که سیستم‌های هوش مصنوعی برای شناسایی کلاهبرداری‌ها پیچیده به اندازه کافی باهوش باشند. KPMG UK، یکی دیگر چهار شرکت حسابرسی بزرگ، نگرانی‌های استیفنز در Deloitte را تکرار کرده است.

KPMG گفت: «کلاهبرداری به طور طبیعی غیرقابل پیش‌بینی است و بنابراین استفاده از موارد تقلب شناخته شده برای آموزش مدل‌های یادگیری ماشینی چالش‌برانگیز است.»

استیفنز اذعان داشت که این فناوری در حسابرسی کاربرد دارد، اما نقشی به مراتب محدودتر برای آن در نظر می‌گیرد. او گفت: «هوش مصنوعی می‌تواند برخی از کارهای پیش پا افتاده‌تر و تکرارپذیر را خودکار کند و به حسابرسان ما اجازه می‌دهد تا روی حوزه‌های دارای بیشترین ریسک تمرکز کنند.»

Deloitte در حال حاضر استفاده از هوش مصنوعی را به وظایف کمتر پیچیده محدود کرده و دستورالعمل‌های واضحی را در مورد انواع ناهنجاری‌ها در حساب‌های شرکت ارائه می‌دهد.

به گفته استیفنز، یک مسئله این بود که یک شرکت ممکن است داده‌های مالی دقیق خود را به عنوان اطلاعات اختصاصی در نظر بگیرد. این کار استفاده از این اطلاعات خصوصی را برای آموزش سیستمی که متعاقبا قرار است شرکت دیگری را ممیزی کند، دشوار می‌کند.

او می‌گوید: «هرکسی که هوش مصنوعی را آموزش می‌دهد از این داده‌ها آگاه است.»

بارو نیز اذعان کرد که چالش‌هایی وجود دارد. او می‌گوید که برای حسابرسان حیاتی است که بفهمند کدگذاری سیستم هوش مصنوعی چگونه کار می‌کند، و معنای واقعی نتایج تولید شده و ماهیت داده‌هایی که برای آموزش آن استفاده شده است چیست.

بارو می‌گوید: «چیزی که هوش مصنوعی را تکمیل می‌کند، عینک بدبینی حسابرس است. حسابرس باید مطمئن باشد که این سیستم برای رسیدن به هدف مناسب است یا نه.»

او همچنین مشکل استفاده از اطلاعات خصوصی شرکت برای آموزش سیستم های‌هوش مصنوعی را تشخیص داد،. اما و گفت که اطلاعات کافی در دسترس عموم برای تکمیل پرونده خود EY و ارائه آموزش های معنادار برای سیستم های هوش مصنوعی خود شرکت وجود دارد.

بارو گفت: «فناوری در حال حاضر به شکل بسیار بزرگی برای کمک به ما در ارزیابی ریسک و شناسایی ریسک به کار گرفته شده است. هوش مصنوعی به طور فزاینده ابزار دیگری در اختیار ما برای انجام این کار خواهد بود.»