Kuidas tehisintellekt aitab raamatupidajal tuvastada ja ennetada ostuarvetega seotud pettusi
Finantspettused on kasvav peavalu ettevõtetele. Üle poole (51%) küsitletud ettevõtetest puutus kokku pettustega näiteks 2022. aastal. Petturid kasutavad aina keerukamaid tehnikaid, et pettuste tuvastamisest kõrvale hiilida — ka küberpätid kasutavad juba tehisintellekti abi. Seetõttu on pettuste tuvastamine ja ennetamine ilma nutikate tehnoloogiateta üha keerulisem. Pettused on ajaga võidujooks ning ettevõtete finantsosakonnad ja raamatupidamine peavad end kaitsma uute oskuste ja tehnoloogiatega või riskima kasvava pettuseohuga.
Ajakirja “Forbes” tsitaat võtab selle väljakutse kokku nõnda:
"Traditsioonilised finantspettuste uurimise meetodid tuginevad kontrollimisel ja analüüsil, mida teeb inimene nö käsitööna. Kahjuks jäävad need meetodid tänapäevaste keerukate ja nutikate pettusskeemidega tegelemisel hätta. Seega on hädavajalik uurida tehisintellekti ja masinõppe potentsiaali finantspettuste uurimise revolutsioonis."
Raamatupidamise üksused on pettustele eriti vastuvõtlikud, kuna rünnakud võivad tulla nii sisemistest kui ka välistest allikatest. Vaatame lähemalt mõningaid pettuseriske:
- Arvepettus: see on levinud pettuse vorm ning hõlmab väga veenvate võltsarvete esitamist või õigete arveandmete muutmist. Arvepettused lähevad sagely õnneks, sest raamatupidajatel on keeruline eristada võltsarvet õigetest arvetest.
- Topeltmaksete tegemine: topeltmakseid võib ette tulla kas kogemata, kui töötajad on ülekoormatud või on tegu hoopis nö vanamoodsa käsitsi tööga. Petturid kasutavad neid olukordi ära ja esitavad sama tehingu kohta mitu arvet, mis paraku ka välja makstakse üsna sageli.
- Andmepüük ja manipuleerimine: petturid teesklevad müüjaid või kolleege, et manipuleerida raamatupidajaid muutma makseandmeid — jällegi, ära kasutatakse inimlikke nõrkusi.
- Raha väärkasutus: töötajad võivad kasutada ettevõtte raha isiklikuks tarbeks.
Pärnu Raamatupidamiskonverentsil 2024 räägib raamatupidamise ekspert Krista Teearu, kuidas raamatupidajad saavad tehisaru enda kasuks tööle panna, kuidas tööprotsesse optimeerida ja luua tööle täiesti uus tähendus.
Finantstehnoloogia innovaator Mait Sooaru ettekandest saad teada, kuidas võita raamatupidamises tehisaru kasutamisest.
Vaata konverentsi kava ja esinejaid ning haara kohe soodushinnaga pilet SIIT.
NB! Võta kaasa kõik oma toredad kolleegid, sest grupp alates 3-st osalejast saab konverentsipääsmed eriti hea hinnaga.
Probleem on selles, et enamikku ostudega seotud pettustest on ettevõtetel ja raamatupidajatel väga raske märgata. Neid on keeruline tuvastada nii reaalajas kui ka hiljem. Seda illustreerib hästi ka see tsitaat ajakirjast “Towards Data Science”:
"Sise- ja välisaudit, mida sageli peetakse pettuste avastamisel võtmetööriistadeks, suudavad avastada ainult vastavalt 14% ja 3% tegelikest pettustest. Üks probleem, millega audiitorid silmitsi seisavad, on nö nõela otsimine heinakuhjast: punaste lippude otsimine kümnete tuhandete õigete kannete seast."
Tehisintellekti võimalused pettuste tuvastaja ja ennetajana
Tehisintellekt on suurepärane paljudes ülesannetes, milles inimesed on mannetud: suurte andmemahtude kiire analüüsimine, mustrite, trendide ja anomaaliate tuvastamine ning seda väsimatult ja 100% täpsusega. Tehisintellekst on täiuslik, et see "nõela heinakuhjast" üles leida. Masinõppemudeleid saab "treenida" normaalseid mustreid, protsesse ja käitumist ära tundma — ja vastupidi, ära tundma ka nende vastandeid. Kõik, mis jääb väljapoole nö kokku lepitud parameetreid, lähevad ülevaatamisele, aidates nii töötajatel pettusele õigel ajal pidurit panna.
Hetkel kuum
Siin on väike ülevaade tegevustest, mida tehisintellekt saab teha pettuste tuvastamiseks:
- Andmete analüüs: tehisintellekti "treenitakse" tõeste tehingutega, kasutades ajaloolisi andmeid: arved, ostutellimused, kviitungid jne. See kehtestab reeglid ja normid, et aidata tuvastada potentsiaalselt petturlikku käitumist.
- Anomaaliate tuvastamine: jätkates tehingute jälgimist, suudavad masinõppe algoritmid tuvastada anomaaliaid ja kõrvalekaldeid kehtestatud reeglitest, et leida petturlikud tegevused.
- Mustrite järgimine: tehisintellekti süsteemid suudavad ära tunda ebatavalisi mustreid — näiteks topeltmaksed, makseandmete muutused või uue müüjainfo lisamine ja märkida need liigutused potentsiaalselt kahtlasteks.
- Ennustav modelleerimine: aja jooksul suudab tehisintellekt võtta aktiivsema rolli potentsiaalselt petturlike tegevuste ennustamisel — õppides ajaloolistest andmetest ja varasematest pettusjuhtumitest, et töötajaid tõhusalt aidata.
- Automatiseerimine: tehisintellekti süsteemid võimaldavad protsesside täielikku või osalist automatiseerimist, kus süsteem ise rakendab vajalikke tegevusi: näiteks märgib tehingud käsitsi ülevaatamiseks, blokeerib makseid või müügiandmete muutmise või märgib tehingu täiendavaks uurimiseks.
Tõlkis ja toimetas: Mare Timian
Allikas: Accounting Insight News accountex.co.uk
Enimloetud
2
Viimased uudised
Konverentsid ja koolitused
18 akadeemilist tundi, millest 16 tundi auditoorset tööd ja 2 tundi iseseisvat kodutööd
Hetkel kuum
Liitu uudiskirjaga
Telli uudiskiri ning saad oma postkasti päeva olulisemad uudised.
Tagasi Raamatupidaja esilehele