هوش مصنوعی در حسابرسی داخلی
کاربردهای هوش مصنوعی

کاربرد هوش مصنوعی در حسابرسی داخلی و مروری بر مزایا و معایب آن

    0
    مدت زمان مطالعه: ۵ دقیقه

    طی چند سال آینده، هوش مصنوعی در گروه عواملی قرار خواهد گرفت که تأثیرگذاری فراوانی روی صنایع دارند. اما صرفاً به خاطر ظرفیت‌های خارق‌العاده‌ این فناوری، نمی‌توان از مشکلات بالقوه‌اش چشم‌پوشی کرد. در این مقاله سعی بر مرور کاربرد هوش مصنوعی در حسابرسی داخلی داریم.

    با توجه به فشار فزاینده‌ای که از سمت سازمان‌ها روی حسابرس‌های داخلی وارد می‌شود، برخی امیدوارند که هوش مصنوعی بتواند به ارزشی که این بخش برای سازمان‌ها به ارمغان می‌آورد کمک کند. هوش مصنوعی می‌تواند به تشخیص کارآمدتر حوزه‌های ریسکی و مسائلی از این دست کمک کند.

    بر خلاف انتظارات، کاربرد هوش مصنوعی در حسابرسی داخلی هنوز به اندازه مورد نیاز وسیع نبوده است. با این حال، بسیاری از متخصصان همچنان نسبت به نقش هوش مصنوعی در حسابرسی داخلی امیدوارند. به عنوان مثال، یکی از وظایف حسابرس‌ها، تعیین حوزه‌های اصلی و آزمایشی است که با توجه به حجم بالای اطلاعات عملیاتی و مالی می‌تواند بسیار چالش‌برانگیز باشد؛ هوش مصنوعی می‌تواند در این زمینه به متخصصان کمک کند. علاوه بر این، با تکیه بر هوش مصنوعی، حسابرس‌ها می‌توانند نگاهی دقیق‌تر به تراکنش‌های غیرعادی داشته باشند. برای نمونه، برنامه‌های هوش مصنوعی می‌توانند نرخ برگشت از فروشِ دفتر معین حساب‌های مناطق خاص را در انتهای هر دوره مالی مشخص کنند.

    هوش مصنوعی در حسابرسی داخلی

    راهکارهای هوش مصنوعی اطلاعات داخلی و بیرونی سازمان را مدنظر قرار داده و بدین طریق، در بررسی خطرات و تهدیدهای نوظهور به سازمان‌ها کمک می‌کنند. برای مثال، آژانسی دولتی قصد داشت مزایای پرداختی به خاطر کووید-۱۹ را مورد حسابرسی قرار دهد؛ هوش مصنوعی به این سازمان اجازه داد به جای شروع از نقطه صفر، با تکیه بر حسابرسی‌هایی که در گذشته از مزایای پرداختی انجام داده بود، جدول مدیریت ریسک خود را تکمیل کند.

    حسابرسان داخلی می‌توانند با تکیه بر اطلاعات عملی که هوش مصنوعی فراهم می‌آورد، برنامه‌های مدیریت ریسک خود را بهبود بخشند. علاوه بر این، با توجه به زمان‌بر بودن بررسی تک به تک تراکنش‌ها، برای بازبینی کسب و کار مشتریان هم می‌توان از هوش مصنوعی استفاده کرد. بدین طریق، متخصصان قادر خواهند بود تراکنش‌های پرریسک را تشخیص داده و دقت بیشتری صرف آن‌ها کنند. به بیان دیگر، راهکارهای هوش مصنوعی تراکنش‌های غیرعادی که از چشم حسابرس‌ها افتاده را برجسته کرده و به نمایش می‌گذارند.

    مزیت دیگر هوش مصنوعی به توانایی آن در مؤثرسازی فرآیندها برمی‌گردد. برای مثال، یکی از کارهایی که سازمان‌ها در راستای کنترل هزینه‌هایشان انجام می‌دهند این است که صورت‌حساب‌هایی بالاتر از یک حد مشخص را ملزم به رضایت مدیر می‌کنند. ممکن است واحد مالی هم بخشی از تراکنش‌ها را مورد بازبینی قرار دهد تا این کنترل را تشدید کند. هوش مصنوعی می‌تواند تراکنش‌ها را در همان زمان وقوع مورد بررسی قرار داده و در صورت تجاوز از قوانین از پیش تعیین‌ شده، آن‌ها مشخص کند.

    هوش مصنوعی در حسابرسی داخلی

    عوامل زیادی در کاربرد و پیاده‌سازی موفق هوش مصنوعی نقش دارند؛ به همین دلیل، تیم‌های حسابرسی برای استفاده بهینه از فناوری هوش مصنوعی در حسابرسی داخلی، باید از مشاوران خارجی کمک بگیرند. با این حال، موفقیت راهکارهای هوش مصنوعی مستلزم زیرساختی است که بتواند به صورت پیوسته، همگام با تغییر داده‌ها به روزرسانی شود (تغییرات ناشی از تغییر محصولات، قوانین یا شرایط بازار)؛ بنابراین بسیاری از سازمان‌ها نیاز دارند به سطح مشخصی از تخصص داخلی دست یابند.

    سازمان‌هایی که رویه‌هایی سخت‌گیرانه در مورد نظارت بر داده‌ دارد و کارکنانش با علوم داده آشنا هستند، در مقایسه با سازمان‌های فاقد این دو ویژگی، به شکل کارآمدتر و آسان‌تری می‌توانند از هوش مصنوعی بهره ببرند.

    برای استفاده از هوش مصنوعی، حسابرس‌های داخلی باید با مفروضه‌ها و الگوریتم‌های زیربنایی آن آشنایی داشته باشند. به عنوان مثال، فرض کنید الگوریتم یکی از ردیف‌های فهرست هزینه را مشخص می‌کند چون یکی از آیتم‌های موجود در آن به اشتباه خریداری شده بوده و به همین دلیل برگشت خورده، جابجا یا حذف شده است. زمانی که حسابرس بخواهد فراوانی این خطاها را محاسبه کند، ممکن است الگوریتم خریدهای مجازی که فقط یک بار انجام شده‌اند را هم نشان دهد.

    سازمان‌ها باید معیارهایی روشن برای موفقیت هوش مصنوعی در نظر داشته باشند؛ برای مثال، می‌توانند از سؤالاتی مانند «دقت آن در شناسایی مشکلات چقدر بوده است؟» استفاده کنند. تعداد بالای مثبت‌های کاذب عموماً حاکی از دو مشکل است: گوناگونی پایین داده‌ها (یعنی وقتی داده‌ها از منابع مختلف مثلاً تصاویر و ایمیل و … به دست نیامده‌اند) و کمبود داده‌های برون‌سازمانی. فرض کنید می‌خواهیم هزینه‌هایی که سازمان صرف سرگرمی و تفریح کارکنان می‌کند را پردازش کنیم؛ سیستم نشان می‌دهد گروهی از کارکنان به کلوبی رفته‌اند که خلاف قوانین و سیاست‌های شرکت است. در این صورت، به کمک داده‌افزایی یا استفاده از داده‌های بیرونی می‌توان دریافت که آیا گروه مذکور واقعاً از قوانین سرپیچی کرده‌اند یا خیر.

    چالش‌های پیش روی هوش مصنوعی

    دشواری در جمع‌آوری و استفاده از داده‌های مرتبط

    سازمان‌ها باید دیتاستی داشته باشند که منبعی ثابت از داده‌های مرتبط را فراهم کند. این دیتاست تضمین می‌کند هوش مصنوعی برای کسب و کار آن‌ها مفید خواهد بود. داده‌ها را می‌توان از برنامه‌های گوناگون و در فرمت‌های مختلف (نوشتاری، صوتی، تصویری و ویدئویی) جمع‌آوری کرد. اما تعدّد پلتفرم‌های جمع‌آوری داده نیز می‌تواند به چالش‌های هوش مصنوعی بیافزاید. جمع‌آوری و ادغام این داده‌ها باید به نحوی باشد که هوش مصنوعی بتواند آن‌ها را درک کرده و به نتایجی معنادار و مفید تبدیل کند.

    کمبود مهارت‌ها و دانش هوش مصنوعی

    هوش مصنوعی فناوری نوظهوری است؛ به همین دلیل، تعداد افرادی که مهارت‌ها یا آموزش لازم برای ساخت هوش مصنوعی را در دست دارند، کم است. به همین دلیل، بسیاری از شرکت‌ها مجبور می‌شوند بودجه‌ای اضافی برای آموزش هوش مصنوعی به کارکنان و یا استخدام متخصصان بیرونی کنار بگذارند.

    نبود راهبردهای واضح برای پیاده‌سازی

    هوش مصنوعی قدرت این را دارد که همه صنایع را متحول کند، اما یکی از بزرگ‌ترین چالش‌هایی که سر راهش قرار دارد، نبود راهبردهای پیاده‌سازی واضح است.

    رویکرد راهبردی موفق، رویکردی است که در حین پیاده‌سازی هوش مصنوعی نهادینه شود. راهبردها باید حوزه‌هایی که نیاز به بهبود دارند را مشخص و اهدافی روشن وضع کنند و علاوه بر این، از برقراری چرخه بازخورد اطمینان حاصل کنند.

    برای پاسخ به این مشکل، مدیران باید درکی جامع و کامل از فناوری‌های هوش مصنوعی، امکانات و محدودیت‌های آن‌ها داشته و در جریان جدیدترین چالش‌های این حوزه باشند؛ تنها در این صورت است که قادر خواهند بود حوزه‌هایی که هوش مصنوعی می‌تواند به آن‌ها کمک کند را تشخیص دهند.

    هوش مصنوعی در حسابرسی داخلی

    پیشنهادات

    با توجه به آن‌چه گفته شد، در این قسمت پیشنهادات و اصولی را بیان می‌کنیم که در کاربرد هوش مصنوعی به شرکت‌ها کمک می‌کنند:

    – استخری از استعدادهای گوناگون جذب کنید

    تیم طراحی باید انعکاسی از دنیای اطرافمان باشد، بدین معنی که اعضای تیم باید از پیش‌زمینه‌های گوناگون آمده و تجارب کاری، سوابق تحصیلی و رویکردهایی متفاوت داشته باشند.

    – از بازبینی انسانی و تخصص‌های مربوطه کمک بگیرید

    معنای نتایج هوش مصنوعی و کاربردهای آن را به کارکنان آموزش دهید تا مطمئن شوید در قبال تصمیماتی که به کمک هوش مصنوعی می‌گیرند، مسئول و پاسخگو خواهند بود. این نکته به خصوص در شرایطی اهمیت دارد که هوش مصنوعی برای آگاهی‌بخشی به تصمیماتی به کار می‌رود که عواقب و پیامدهای زیادی برای اشخاص خواهند داشت. در طراحی و پیاده‌سازی سیستم باید از متخصصان حوزه‌های مربوطه کمک بگیرید؛ برای مثال هنگامی که می‌خواهید از سیستم امتیازدهی اعتبار استفاده کنید، با افرادی که در حوزه اعتبار مشتری تخصص دارند همکاری داشته باشید.

    – سطح آمادگی سازمان برای هوش مصنوعی را بشناسید

    بدین منظور می‌توانید از این لینک استفاده کنید؛ این وبسایت آمادگی سازمان‌ها برای استفاده از هوش مصنوعی را ارزیابی کرده و نشان می‌دهد کدام فناوری‌های هوش مصنوعی مناسب وضعیت شرایط کنونی هستند و سازمان چطور می‌تواند به بهترین نحو ممکن از هوش مصنوعی بهره ببرد.

    – برای موقعیت‌ها و شرایط غیرمنتظره آمادگی داشته باشید

    از جمله این موقعیت‌ها می‌توان به این موارد اشاره کرد: تعاملات تصادفی سیستم‌ها، ورود داده‌های آلوده و حملات سایبری.

    – در مورد بهترین نمونه‌های کاربرد هوش مصنوعی در صنایع تحقیق و از آن‌ها استفاده کنید

    برای رهگیری اطلاعات مرتبط با مشتریان، داده‌های آن‌ها را به دست آورده و به کار ببرید؛ سپس، این دسترسی و استفاده را مورد حسابرسی قرار دهید.

    سخن آخر

    در کل می‌توان گفت انتظار می‌رود هوش مصنوعی اثر بسیار مثبتی روی حرفه حسابرسی داخلی داشته باشد، چون می‌تواند به صورت همزمان، ریسک‌ها را شناسایی، فرآیندها را ارزیابی و طراحی‌ها را کنترل کند. راهکارهای هوش مصنوعی وعده داده‌اند به ارزشی که حسابرسی داخلی برای سازمان‌ها فراهم می‌کند بیافزایند.

    انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید

    این مطلب چه میزان برای شما مفید بوده است؟
    [کل: ۰ میانگین: ۰]

    معرفی معماری RegNet؛ ساده، سریع و قدرتمند

    مقاله قبلی

    الگوریتم هوش مصنوعی که احتمال بالقوه متاستاز سرطان پوست را برآورد می‌کند

    مقاله بعدی

    شما همچنین ممکن است دوست داشته باشید

    نظرات

    پاسخ دهید

    نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *