EYの監査不正検出におけるAIの使用が議論を呼ぶ

世界有数の会計事務所の1つであるEYは、最近、監査プロセスに人工知能（AI）を実装して不正行為を検出しました。初期の結果は有望な成果を示しており、AIは評価された最初の10社のうち2社で不審な活動を検出しました。EYは監査におけるAIの可能性を称賛していますが、業界は不正検出におけるその信頼性について依然として二分されています。

監査におけるAI：不正の検出

監査および会計分野における主要なプレイヤーであるErnst & Young（EY）は、監査プロセスを強化するために人工知能に着手しました。AIの力を活用することで、EYは監査手続きの精度と効率を向上させることを目指しました。

EYのAI駆動型監査への参入は2018年に始まり、同社が不正行為を検出する方法を革命化することを意図していました。この取り組みの初期段階において、EYはAIを使用して10社異なる会社を評価しました。驚くべきことに、AIシステムはこれらの会社のうち2社で不審な活動を検出し、その後、クライアントによって不正であることが確認されました。

EYの英国およびアイルランドの保証担当パートナーであるKath Barrow氏は、AIシステムの効果性について楽観的な見解を示しました。AIソフトウェアの詳細や検出された不正の性質に関する具体的な詳細は非公開ですが、Barrow氏の発言は、EYが監査プロセスへのAIの組み込みに大きな可能性を見出していることを示唆しています。

Helix GLADの誕生

EYが監査へのAIの統合に成功した背後にある主要な人物の1人は、東京オフィスのErnst & Young ShinNihon LLCの保証パートナーであるNaoto Ichihara氏です。プログラミングの背景と監査用のモデルおよびシステムの開発への情熱を持つIchihara氏は、会計データ分析における機械学習の応用を探求するインスピレーションを受けました。

既存の学術論文やアルゴリズムに関するIchihara氏の広範な研究は、彼を画期的な発見へと導きました。それは、機械学習を通じて異常を検出するより効果的な方法が存在することでした。このビジョンに駆り立てられ、Ichihara氏は膨大な金融情報のデータベース内で不規則性を感知できるAIソリューションの作成に取り組みました。

彼の革新的な技術は、監査においてその種のものとしては初めてとなり、最終的にこの画期的なソリューションの特許につながりました。EY Helix GL Anomaly Detector（Helix GLAD）と名付けられたこのソリューションは、AI駆動型監査における重要なマイルストーンとなりました。

AIへの信頼の獲得

AIは広範なデータセットを迅速に分析する可能性を秘めていますが、会計業界は潜在的な不正の myriad（無数）な形態を検出する際の信頼性について依然として二分されています。懐疑論に対処するため、EYの保証チームは、事前に決定された不正な仕訳エントリを含むデータセットに対してHelix GLADの厳格なテストを実施しました。

アルゴリズムが一貫して正確にこれらの不正エントリを発見するにつれて、監査人はHelix GLADが監査の精度を向上させる可能性に対して自信を深め始めました。しかし、重要な要素がまだ欠けていました。監査人は、AIシステムが特定の異常を検出した理由についての洞察を持っていませんでした。この知識は、フラグ付きエントリの有効性と影響を評価するために不可欠でした。

ギャップの橋渡し：透明性のためのデータ分析

監査における透明性と理解の必要性を認識し、EYのチームはデータ分析を活用したソリューションを考案しました。このソリューションは、フラグ付きエントリの視覚的なマップを作成し、監査人がAIアルゴリズムの検出理由についての洞察を得ることを目的としていました。

これらの視覚的表現により、監査人はフラグ付きエントリを包括的に評価できるようになり、アルゴリズムの検出方法に対する信頼が育まれました。この変革は、監査プロセスの精度と効率を向上させ、金融の不正が検出されないリスクを軽減する上で重要な一歩となりました。

監査不正検出におけるAIの利点と課題

EYのような大規模な会計事務所にとって、監査不正検出プロセスにAIを統合することは多くの利点をもたらします。AIアルゴリズムは、人間の監査人が要する時間の桁違いに短い時間で膨大な量のデータを分析する能力を持っています。この効率性により、監査人はデータを手作業でレビューするのではなく、結果の解釈に集中できます。さらに、AIモデルは人間のバイアスや疲労の影響を受けず、事前に定義されたルールと基準を一貫して適用して異常を検出します。

この客観的で信頼性の高いアプローチは、人間のミスや見落としにより不審な取引を見逃すリスクを軽減し、不正検出の有効性を高めます。

ただし、監査における不正検出にAIを実装するには課題が伴います。既存の監査システムやワークフローにAI技術を統合することは大きな課題です。会計事務所は、AIアルゴリズムが自社のインフラとプロセスにシームレスに適合するように確保する必要があり、それには慎重な計画、トレーニング、監査人とAI専門家の間の協力が必要です。

もう一つの課題は、AIアルゴリズムの継続的な監視と更新に関するものです。詐欺師が手口を適応・進化させるにつれて、AIアルゴリズムは新しいパターンや異常を検出するために適応し続ける必要があります。監査人と開発者の協力は、新たな脅威に先んじてアルゴリズムを洗練・更新するために不可欠です。

監査におけるAIの未来と規制上の考慮事項

監査不正検出におけるAIの採用は、監査の質と効率性を向上させる可能性があります。ただし、規制当局は、監査プロセスにおいて会計士がAIをどの程度信頼できるかを決定する上で重要な役割を果たします。

英国財務報告評議会（FRC）の保証技術責任者であるジェイソン・ブラッドリー氏は、適切に使用されれば、AIが監査の質と効率性を向上させる機会を提供することを認めています。規制上の判断は、おそらく会計士がAIシステムを批判的に評価し、批判する能力にかかっています。

さらに、データの所有権の問題も課題となります。企業は、詳細な財務データを機密情報と見なす傾向があり、他のエンティティの監査用にAIシステムをトレーニングするためにそのようなプライベートデータを使用することは複雑になります。

EY（アーニーヤング）が監査不正検出にAIを成功裏に実装したことは、監査におけるAIの潜在的な利点を浮き彫りにしました。課題は残っていますが、AI駆動型ソリューションにもたらされる透明性と効率性は、将来の監査人が不正行為を検出し対処する方法を再構築する可能性があります。業界、規制当局、監査人は、監査実務におけるAIの進化に伴い、これらの機会と課題を共に乗り越えていく必要があります。