不正行為検出における人工知能

人工知能はさまざまな企業や組織で使用されています。金融分野では、特に会計事務所によって不正行為の検出に広く使用されています。

2022年、プライスウォーターハウスクーパースは、詐欺が世界中のすべての企業の46％に影響を与えていると報告しました。^[1]対面勤務から在宅勤務への移行により、データへのアクセスが増加しました。 2022年のFTC（連邦取引委員会）の調査によると、顧客は2021年に約58億ドルの詐欺を報告しており、前年から70％増加しています。これらの詐欺の大部分は、なりすまし詐欺とオンラインショッピング詐欺でした。^[2]さらに、人工知能は、詐欺検出システムを強化する高度なアルゴリズムと機械学習モデルの開発において重要な役割を果たしており、企業がますますデジタル化が進む環境において進化する詐欺戦術に先んじることができます。^[3]

エキスパートシステムは、1970年代に人工知能技術の拡張として初めて設計されました。^[4]その設計は、意思決定における潜在的なユーザーエラーを減らし、特定の分野の専門家が使用する精神的推論をエミュレートするという前提に基づいています。 ^{[5]従来の線形推論}モデルとは異なり、データ内の識別されたポイントを分離し、同時に個別に処理します。ただし、これらのシステムは機械学習による知能に完全に依存しているわけではありません。^[4]

ルール、慣習、手順に関する情報は、「if-then」ステートメントの形式でシステムのプログラミングに実装されます。ユーザーは、直接入力または外部データのインポートを通じてシステムに情報を入力することでシステムと対話します。推論システムは、ユーザーが提供する情報を、状況に特に当てはまると考えられる対応するルールと比較します。この情報と対応するルールを使用して、ユーザーのクエリに対するソリューションを作成します。エキスパートシステムは、特定の状況に対する一般的な手順が明確に定義されたルールの必要性のためにあいまいな場合、通常、適切に動作しません。^[4]

会計手続きにおけるエキスパートシステムの導入は、専門的な判断が求められる分野では実行可能です。エキスパートシステムが適用可能な状況としては、不正な記入の可能性がある取引の調査、継続企業の前提、監査の計画段階におけるリスク評価などがあります。^[6]

継続的監査とは、監査で収集された情報のさまざまな側面を評価し、従来の方法よりも頻繁に財務内部統制のリスク領域と潜在的な弱点を分類する一連のプロセスです。記録された取引と仕訳を定期的に分析する代わりに、継続的監査では、これらのアクションの特性をより頻繁に解釈することに重点を置いています。 ^[7]これらのプロセスを実行する頻度と重要な領域を強調することは、実装者の裁量に委ねられており、実装者は通常、評価対象のアカウントのリスクレベルとシステム実装の目的に基づいて決定します。^[8]これらのプロセスは、エントリが投稿されるのとほぼ同時に実行されることもあります。^[7]

継続的監査における財務データの分析プロセスには、インタラクティブな情報収集を可能にするスプレッドシートの作成、以前に作成されたモデルと比較するための財務比率の計算、入力された数字のエラーの検出などが含まれます。この方法の主な目的は、不完全な管理、エラー、詐欺の事例をより迅速かつ容易に検出できるようにすることです。^[8]

機械学習とディープラーニングは、企業に関連するさまざまな文書や監査対象の文書の形で膨大な量のデータを迅速かつ効果的に分類する能力があり、監査や不正検出の領域に適用できます。その例としては、契約書の重要な言葉の認識、取引における不正のリスクレベルの特定、仕訳の虚偽記載を評価することなどが挙げられます。 ^{[9] [10]}

デロイトは2014年にAI対応の文書レビューシステムを開発しました。このシステムは、さまざまなビジネス文書のレビューと関連情報の抽出プロセスを自動化します。デロイトは、このイノベーションにより、法的契約文書、請求書、財務文書、取締役会議事録の確認に費やす時間が最大50％短縮されたと主張しています。デロイトはIBMのWatsonと連携して、クライアント向けに認知技術を強化した商取引ソリューションを開発しています。LeasePointはIBM Tririgaを搭載しており、デロイトの産業データを使用してエンドツーエンドのリースポートフォリオを作成します。自動認知リソース評価は、IBMのMaximoテクノロジーを使用して資産検査の効率を向上させます。^[11]

アーンスト・アンド・ヤング（EY ）は、リース契約の調査にAIを活用しました。EY（オーストラリア）もAIを活用した監査技術を導入しています。^[11]

PwCはH20.aiと協力して、レポートの分析と作成が可能なAI対応フレームワーク（GL.ai）を開発しました。PwCは、非構造化情報を効率的に処理するためのAI対応イノベーションであるNLP（自然言語処理）に多額の投資を行ったと主張しています。^[11]

KPMGは、ビジネスの意思決定とフォームをアップグレードするために、KPMG Igniteと呼ばれるAIツールのポートフォリオを構築しました。KPMGは、 MicrosoftおよびIBM Watsonと協力して、AI、データ分析、認知技術、RPAを統合するツールを開発しています。 ^[11]

不正行為を検出するために企業を監査するプロセスでは、誤りや虚偽の記載が特定されるまで調査プロセスを繰り返す必要があります。従来の方法では、これらのプロセスは人間によって実行されます。不正検出における人工知能の支持者は、これらの従来の方法は非効率的であり、インテリジェントコンピューティングシステムの助けを借りればより迅速に実行できると述べています。^[12] KPMGが2016年に実施した400人の最高経営責任者（CEO）を対象とした調査では、約58％が、人工知能が将来監査をより効率的にする上で重要な役割を果たすと考えていることがわかりました。^[13]

不正検出のレベルを高めるには、専門的な判断を用いてデータを解釈する必要があります。財務監査に人工知能を使用することを支持する人々は、高度なデータ解釈によって増大するリスクは、そのような技術によって最小限に抑えられると主張しています。^{[12]専門的な判断を必要とする財務諸表監査の必須要素の 1 つは、}重要性のしきい値の実装です。重要性とは、財務諸表のエラーと取引を区別することであり、財務諸表のユーザーが下す決定に影響を及ぼす可能性があります。^[14]監査における重要性のしきい値は、さまざまな要因に基づいて監査人が設定します。人工知能は、データを解釈し、エキスパート システムを使用して実装する重要性のしきい値を提案するために使用されています。^[12]

不正調査に人工知能を利用することを支持する人々は、そのような技術は反復的な作業の完了に必要な時間を短縮すると主張している。さらに、そのような効率化によりリソース要件が軽減され、完全に自動化されていない作業にさらに費やすことができると主張されている。監査法人アーンスト・アンド・ヤングは、関連する監査文書を分析することで管理業務に費やす時間を削減するためにディープラーニングシステムが使用されていると宣言して、これらの主張を立証した。同社によると、これにより従業員は判断と分析にさらに集中できるようになったという。^[15]

人工知能とロボット化の進歩の必然的な導入は、さまざまな企業間での重要な仕事の移転につながる可能性があります。人工知能システムが、従来は人間が行っていた作業を実行する能力が増すにつれて、特定の仕事が時代遅れになり、失業や経済不均衡につながるのではないかという懸念があります。

コーディングやコンピュータプログラムによるシステム構築の知識とともに、私たちはこれらのシステムの利点を理解しつつありますが、それらは非常に新しいため、そのようなシステムの構築を開始するには多額の投資が必要です。不正を検出するAIシステムの実装を計画している企業は、クラウドシステムとデータストレージをアップグレードするとともに、データサイエンティストのチームを雇用する必要があります。システムは、最も効率的な形式になるように継続的に監視および更新する必要があります。そうしないと、それらの取引に不正が関与する可能性が高くなります。最初にそのようなシステムに投資して、不正な取引の大部分を検出できるようにしないと、チャージバック料金を含む不正のコストが発生します。これは非常に大きな初期投資ですが、長期的にはお金を節約できます。^[16]

データ分析は多くの企業にとって新しい科学であり、企業はビジネス全体を分析し、改善できる点を見つけるためにこれを熱心に研究しています。データ分析は、数字を通じてビジネスのストーリーを伝えます。この世界では、データの読み取りに慣れている人が多くいますが、データの経験がまったくない人もたくさんいます。データ分析の分野は急速に拡大しています。このような職業の専門家になることは、しばしば困難です。^{[引用が必要]}