- EY는 감사에 AI를 도입하여 10개 기업 중 2곳에서 부정을 탐지함으로써 그 잠재력을 입증했습니다.
- Naoto Ichihara의 선구적 AI 솔루션인 Helix GLAD은 감사 분야의 부정 탐사를 혁신하고 있습니다.
- AI는 부정 탐사에서 효율성과 객관성을 제공하지만, 규제 고려 사항과 데이터 소유권이 과제를 제기합니다.
글로벌 주요 회계법인 중 하나인 EY는 최근 감사 프로세스에 인공지능(AI)을 도입하여 사기 활동을 탐지했습니다. 초기 결과는 유망한 결과를 보여주었으며, AI는 평가된 첫 10개 회사 중 2개에서 의심스러운 활동을 식별했습니다. EY는 감사에서 AI의 잠재력을 강조하지만, 업계는 사기 탐지에 대한 그 신뢰성에 대해 여전히 양분되어 있습니다.
감사에서의 AI: 사기 탐지
감사 및 회계 분야에서 prominent한 플레이어인 Ernst & Young(EY)은 감사 프로세스를 개선하기 위해 인공지능을 도입했습니다. AI의 힘을 활용하여 EY는 감사 절차의 정확성과 효율성을 향상시키는 것을 목표로 했습니다.
EY의 AI 기반 감사 도입은 2018년에 시작되어 회사가 사기 활동을 탐지하는 방식을 혁신하려는 의도로 시작되었습니다. 이 노력의 초기 단계에서 EY는 AI를 사용하여 10개의 다른 회사를 평가했습니다. 놀랍게도 AI 시스템은 이 회사 중 2개에서 의심스러운 활동을 식별했으며, 이는 나중에 고객들에 의해 사기로 확인되었습니다.
EY의 영국 및 아일랜드 보증 담당 파트너인 Kath Barrow는 AI 시스템의 효과성에 대해 낙관적인 입장을 표명했습니다. AI 소프트웨어의 구체적인 세부 사항과 탐지된 사기의 성격에 대한 세부 사항은 공개되지 않았지만, Barrow의 발언은 EY가 감사 프로세스에 AI를 통합하는 데 상당한 잠재력을 보고 있음을 시사합니다.
Helix GLAD의 탄생
EY의 감사에 AI를 성공적으로 통합한 주요 인물 중 하나는 도쿄 사무소의 Ernst & Young ShinNihon LLC 보증 파트너인 Naoto Ichihara입니다. 프로그래밍 배경과 감사용 모델 및 시스템 개발에 대한 열정을 가진 Ichihara는 회계 데이터 분석에서 머신러닝의 적용을 탐구하도록 영감을 받았습니다.
Ichihara의 기존 학술 논문과 알고리즘에 대한 광범위한 연구는 머신러닝을 통해 이상 징후를 탐지하는 더 효과적인 방법이 있다는 획기적인 통찰로 이어졌습니다. 이 비전에 힘입어 Ichihara는 방대한 금융 정보 데이터베이스 내에서 불규칙성을 감지할 수 있는 AI 솔루션을 만들기 위한 여정에 착수했습니다.
그의 혁신적인 기술은 감사 분야에서 최초의 것이 되었으며, 결국 이 획기적인 솔루션에 대한 특허를 얻었습니다. EY Helix GL 이상 탐지기(Helix GLAD)로 명명된 이 기술은 AI 기반 감사에서 중요한 이정표를 mark했습니다.
AI에 대한 신뢰 구축
AI는 방대한 데이터 세트를 빠르게 분석할 잠재력을 가지고 있지만, 회계 업계는 다양한 형태의 잠재적 사기를 탐지하는 데 있어 그 신뢰성에 대해 여전히 양분되어 있습니다. 이러한 회의론을 해소하기 위해 EY의 보증 팀은 사전에 결정된 사기 장부 항목이 포함된 데이터 세트를 대상으로 Helix GLAD를 엄격하게 테스트했습니다.
알고리즘이 이러한 사기 항목을 일관되고 정확하게 발견함에 따라, 감사원들은 Helix GLAD가 감사 정확성을 향상시킬 잠재력에 대해 신뢰를 얻기 시작했습니다. 그러나 여전히 중요한 요소가 누락되었습니다: 감사원들은 AI 시스템이 특정 이상 징후를 감지한 이유에 대한 통찰력을 누락하고 있었습니다. 이 지식은 표시된 항목의 유효성과 영향을 평가하는 데 필수적이었습니다.
격차 해소: 투명성을 위한 데이터 분석
감사의 투명성과 이해의 필요성을 인식한 EY 팀은 데이터 분석을 활용하는 솔루션을 고안했습니다. 이 솔루션은 표시된 항목의 시각적 지도를 생성하여 감사원들이 AI 알고리즘의 탐지 이유에 대한 통찰력을 얻을 수 있도록 하는 것을 목표로 했습니다.
이러한 시각적 표현은 감사원들이 표시된 항목을 포괄적으로 평가할 수 있게 하여 알고리즘의 탐지 방법에 대한 신뢰를 고취시켰습니다. 이 변화는 감사 프로세스의 정확성과 효율성을 개선하고 재무 이상 징후가 탐지되지 않을 위험을 줄이는 데 중요한 전진으로 mark했습니다.
감사 사기 탐지에서 AI의 이점과 과제
EY와 같은 대형 회계법인들에게 감사 사기 탐지 프로세스에 AI를 통합하는 것은 수많은 이점을 제공합니다. AI 알고리즘은 인간 감사원이 소요하는 시간의 극히 일부로 방대한 양의 데이터를 분석할 수 있는 능력을 가지고 있습니다. 이 효율성은 감사원들이 데이터를 철저히 검토하는 대신 결과를 해석하는 데 집중할 수 있게 합니다. 또한 AI 모델은 인간의 편향이나 피로에 영향을 받지 않으며, 미리 정의된 규칙과 기준을 일관되게 적용하여 이상 징후를 식별합니다.
이 객관적이고 신뢰할 수 있는 접근 방식은 인간의 실수나 과실로 인해 의심스러운 거래를 놓칠 위험을 줄여 사기 탐지의 효과를 높입니다.
그러나 감사 사기 탐지에 AI를 구현하는 것은 과제를 수반합니다. 기존 감사 시스템과 워크플로우에 AI 기술을 통합하는 것은 상당한 도전입니다. 회계법인은 AI 알고리즘이 그들의 인프라와 프로세스에 원활하게 부합하도록 보장해야 하며, 이는 감사원과 AI 전문가 간의 신중한 계획, 교육 및 협력을 필요로 합니다.
또 다른 과제는 AI 알고리즘의 지속적인 모니터링과 업데이트에 관한 것입니다. 사기꾼들이 적응하고 그들의 기술을 진화시킴에 따라, AI 알고리즘은 새로운 패턴과 이상 징후를 탐지하기 위해 적응 가능해야 합니다. emerging threats ahead에 있기 위해서는 감사원과 개발자 간의 협력이 알고리즘을 정제하고 업데이트하는 데 필수적입니다.
감사 및 규제 고려사항에서의 AI의 미래
감사 사기 탐지에서 AI의 채택은 감사의 품질과 효율성을 향상시킬 잠재력을 가지고 있습니다. 그러나 규제 기관들은 감사 과정에서 회계사들이 AI에 얼마나 의존할 수 있는지 결정하는 데 중추적인 역할을 할 것입니다.
영국 재무보고위원회(Financial Reporting Council)의 보증 기술 책임자인 Jason Bradley는 AI가 적절하게 사용될 경우 감사의 품질과 효율성을 개선할 기회를 제공한다고 인정합니다. 규제 결정은 아마도 회계사들이 AI 시스템을 비판적으로 평가하고 비판할 수 있는 능력에 달려 있을 것입니다.
또한 데이터 소유권 문제가 과제로 대두됩니다. 기업들은 그들의 상세한 재무 데이터를 독점 정보로 간주할 수 있으며, 이는 다른 실체를 감사하기 위해 AI 시스템을 훈련하는 데 이러한 사적 데이터를 사용하는 것을 복잡하게 만듭니다.
EY의 감사 사기 탐지에서 AI의 성공적인 구현은 감사에서 AI의 잠재적 이점을 강조합니다. 과제가 지속되지만, AI 기반 솔루션이 가져오는 투명성과 효율성은 미래에 감사원들이 사기 활동을 탐지하고 대응하는 방식을 재형성할 수 있습니다. AI가 감사 관행에서 계속 진화함에 따라, 업계, 규제 기관 및 감사원들은 이러한 기회와 과제를 함께 탐색해야 합니다.
면책 조항. 제공된 정보는 투자 조언이 아닙니다. Cryptopolitan.com 본 페이지에 제공된 정보를 바탕으로 이루어진 투자에 대해 어떠한 책임도 지지 않습니다. 투자 결정을 내리기 전에 반드시 독립적인 조사나 자격을 갖춘 전문가의 상담을 강력히 권장합니다.
존 팰머
John Murangiri는 시장 분석 기술을 갖춘 채 Cryptopolitan에 합류했습니다. John(별명 JP)은 나이로비 대학교에서 대중 매체 및 미디어 연구 학사 학위를 취득했으며, 이전에는 InsideBitcoins.com과 Metacoingraph에 암호화폐 시장 인사이트를 기여한 바 있습니다.
