مقال جميل للمهتمين بمجال #المراجعة_الداخلية
#AI
#المحاسبة
بعنوان:
هل يمكن أن تحل تقنية الذكاء الاصطناعي محل التدقيق الداخلي؟
مقالة كتبت بواسطة :كلير وورليدج
#AI
#المحاسبة
بعنوان:
هل يمكن أن تحل تقنية الذكاء الاصطناعي محل التدقيق الداخلي؟
مقالة كتبت بواسطة :كلير وورليدج
مع ظهور الذكاء الصناعي وChatGPT، قد أفكر أحيانًا في أننا كمراجعين داخليين سنفقد وظائفنا قريبًا. ولكن عندما يأتي دور مهمة مملة، أتساءل لماذا لا أستطيع أن أطلب من الجهاز القيام بها!
على سبيل المثال، كان علينا مقارنة مستند PDF مكوّن من 900 صفحة مع مستند Excel بتنسيق مختلف قليلاً. إذا كنت سأقوم بذلك يدويًا صفحة بصفحة، فسيستغرق الأمر وقتًا طويلاً. لكن بالنسبة لجهاز ذكاء اصطناعي، ينبغي أن يكون الأمر سهلاً، أليس كذلك؟
للأسف، تعلم الآلة ليس متاحًا بسهولة بحيث أستطيع فقط أن أطلب من جهازي القيام بذلك... لذا وجدت متدربًا! (لحسن الحظ، وجد المتدرب بعض الأدوات عبر الإنترنت، لكن العملية كانت لا تزال شبه يدوية، واستدامت مراجعة.)
فما هي أنواع المهام التي نحصل على آلات للقيام بها حاليًا وما هي أنواع المهام التي سيتمكن الآلات من القيام بها قريبًا؟ وكيف سنجعل الآلات تقوم بها؟ هذه أسئلة مهمة، وستكون وظائف المراجعة الداخلية التي تجد إجابات جيدة لهذه الأسئلة في مقدمة اللعبة.
للتوّ، قمنا بنقل أطفالنا من مدرسة تقنية عالية إلى مدرسة أرخص لا تستطيع توفير أجهزة الكمبيوتر. السبب؟ لأن المدرسة التقنية مقتنعة بأن أطفالنا يجب أن يستخدموا PowerPoint وExcel من الصف الثالث في كل درس. ولكن PowerPoint وExcel بالتأكيد سيكونان قريبًا من الماضي، أليس كذلك؟
على سبيل المثال، كان علينا مقارنة مستند PDF مكوّن من 900 صفحة مع مستند Excel بتنسيق مختلف قليلاً. إذا كنت سأقوم بذلك يدويًا صفحة بصفحة، فسيستغرق الأمر وقتًا طويلاً. لكن بالنسبة لجهاز ذكاء اصطناعي، ينبغي أن يكون الأمر سهلاً، أليس كذلك؟
للأسف، تعلم الآلة ليس متاحًا بسهولة بحيث أستطيع فقط أن أطلب من جهازي القيام بذلك... لذا وجدت متدربًا! (لحسن الحظ، وجد المتدرب بعض الأدوات عبر الإنترنت، لكن العملية كانت لا تزال شبه يدوية، واستدامت مراجعة.)
فما هي أنواع المهام التي نحصل على آلات للقيام بها حاليًا وما هي أنواع المهام التي سيتمكن الآلات من القيام بها قريبًا؟ وكيف سنجعل الآلات تقوم بها؟ هذه أسئلة مهمة، وستكون وظائف المراجعة الداخلية التي تجد إجابات جيدة لهذه الأسئلة في مقدمة اللعبة.
للتوّ، قمنا بنقل أطفالنا من مدرسة تقنية عالية إلى مدرسة أرخص لا تستطيع توفير أجهزة الكمبيوتر. السبب؟ لأن المدرسة التقنية مقتنعة بأن أطفالنا يجب أن يستخدموا PowerPoint وExcel من الصف الثالث في كل درس. ولكن PowerPoint وExcel بالتأكيد سيكونان قريبًا من الماضي، أليس كذلك؟
وكذلك البرمجة! أو تحليل البيانات... والمراجعة الداخلية؟ السؤال حقيقي: هل يمكن أن تتولى الآلات الذكية العمل الذي يقوم به مراجعو الحسابات الداخلية حاليًا؟
عندما تحصل على أحدث نسخة من أي برنامج جيد لتصور البيانات، مثل QLIK، ستتمكن من استخدام "بوت". باستخدام "بوت"، يمكنك كتابة سؤال: "ما هي مبيعاتي في عام 2022؟" وقبل عينيك، سيظهر لك رسم بياني يوضح مبيعات عام 2022. هذا هو حقًا ما نعنيه بتعلم الآلة. إنها تجعل الجهاز يفهم المتطلبات التي صاغها الإنسان، ويقوم بالعمل الواضح الذي يعرف أي محلل بيانات جيد كيفية القيام به. يفسر الجهاز الجملة ويقوم بالعمل للحصول على النتيجة.
بعد ذلك، يمكننا أن نقول لبوت QLIK: "ماذا عن الهامش؟" في هذا السؤال، سيكون البوت "في السياق"، مما يعني أنه يعرف سياق الحديث. يعلم أننا نتحدث عن عام 2022 وسيقدم لك الهوامش لعام 2022. الجهاز يبدو أن لديه "الحس السليم" والذاكرة القصيرة الأمد.
ويمكننا الذهاب أبعد من ذلك. فعلاً، هناك العديد من الشركات التي تقوم ببناء أنظمة مشابهة لـ ChatGPT والتي يتم تدريبها فقط على البيئة الداخلية لتقديم استجابات باللغة الطبيعية لأي سؤال أو استفسار يمكن للشخص استخدامها أن يفكر في طرحه. من السهل تصور الفائدة التي يمكن أن يكون للوصول إلى مثل هذا النظام على مراجعة الحسابات الداخلية، خاصةً أثناء عمليات المراجعة. ولكن يطرح السؤال: هل يمكننا تصور مثل هذا النظام أن يجري المراجعة بأكملها، مما يجعل المراجعين البشر غير ذو أهمية؟
إذا، هذه الأمور قادمة. ومن الصحيح أنه إذا كان لديك جيش من خبراء تحليل البيانات في مكتبك، فقد لا تحتاج إلى الكثير منهم في المستقبل. بدلاً من طلب إنتاج فريق تحليل البيانات لديك لوحة معلومات حول هامش المبيعات لكل منتج، ستتمكن من كتابة الجملة "هامش المبيعات لكل منتج"، وسيعرض لك النظام تلقائيًا مجموعة من الخيارات لواجهات المستخدم حول هامش المبيعات لكل منتج.
قد تفكر - لكن كيف يعرف QLIK أو نظام آخر للذكاء الاصطناعي من أين الحصول على البيانات؟ حسنًا، على الأرجح، في وقت ما، سيقوم شخص ما بإنشاء نماذج بيانات موحدة لكل نظام ERP (نظام تخطيط موارد المؤسسة: ويعرف أيضًا باسم أدوات المحاسبة) الرئيسي، بحيث يمكن أن يصبح روبوت SAP جاهز للاستخدام مع QLIK.
ربما تفكر أيضًا - لكن كيف يعرف QLIK ما يجب فعله إذا كانت بعض البيانات من نظام ERP وبعضها من مصادر أخرى؟ نعم، ربما ستحتاج لشخص يفهم ما هي البيانات الموجودة في Excel وفي أماكن أخرى، ويقدم هذه البيانات بشكل صحيح لروبوتك، بحيث يمكن للروبوت تحديد ماهية البيانات وكيفية استخدامها. ستعرف QLIK كل هذه الأمور لأن البيانات ستكون مُعدة في "بحيرة البيانات" من قبل قسم تكنولوجيا المعلومات، وسيتم تصنيفها وتنظيمها بشكل صحيح بحيث يمكن للروبوت أن يطرح عليها الأسئلة بسهولة.
ربما تفكر أيضًا - لكن كيف يعرف QLIK ما يجب فعله إذا كانت بعض البيانات من نظام ERP وبعضها من مصادر أخرى؟ نعم، ربما ستحتاج لشخص يفهم ما هي البيانات الموجودة في Excel وفي أماكن أخرى، ويقدم هذه البيانات بشكل صحيح لروبوتك، بحيث يمكن للروبوت تحديد ماهية البيانات وكيفية استخدامها. ستعرف QLIK كل هذه الأمور لأن البيانات ستكون مُعدة في "بحيرة البيانات" من قبل قسم تكنولوجيا المعلومات، وسيتم تصنيفها وتنظيمها بشكل صحيح بحيث يمكن للروبوت أن يطرح عليها الأسئلة بسهولة.
لذا، إذا كنت في مجال تحليل البيانات للمراجعة، ربما تتساءل عما يحمله المستقبل لمجموعة مهاراتك الخاصة الآن
🚨المراجع الداخلي والمستقبل
حسنًا، يحب الأشخاص في تكنولوجيا المعلومات القول بأن كل شيء يعمل بشكل جيد قبل أن يتوقف، لذا بينما نحن الآن في عصر يمكننا فيه حقًا التحدث إلى أجهزتنا، إلا أنها لا تزال في مراحلها الأولية. قد نمتلك بضع سنوات قبل أن تتقدم هذه التقنية، ولكن ربما فقط بضع سنوات.
في المستقبل القريب نسبيًا، يعني ذلك أن المراجع الداخلي سيحتاجون إلى التركيز على تلك المهارات الوظيفية الأكثر أهمية في تفسير المعلومات التي يتلقونها بالفعل.
على سبيل المثال، إذا تلقيت لوحة معلومات من نظامك تظهر هامش الربح لكل عميل، فربما ترغب في نسخها ولصقها في تقريرك للمراجعة، لإظهار أن كل شيء على ما يرام لأن الهوامش جميعها إيجابية.
إذا كنت مراجعًا داخليًا جيدًا، قد تعتقد أن كل شيء يبدو على ما يرام، ولكن هل هناك منتجات تحقق هوامش سلبية؟ ربما إذا طرحت الأسئلة بهذا الشكل، فإن الجهاز سيأتي دائمًا بالجواب "لا". ماذا لو طرحت السؤال "هل هناك عملاء لديهم هوامش سلبية لمنتج معين؟" فإن الجهاز قد يجيب "نعم، العميل 'مرسيدس، ألمانيا' يحصل على منتج 'تنجيد جلدي' على أساس هامش سلبي لثلاث سنوات متتالية."
قدم الجهاز إجابة مثيرة للاهتمام جدًا. الآن، يمكن أن يفكر المراجع الداخلي "رائع يمكنني وضع ذلك في تقريري." ولكن إذا كنت مراجعًا جيدًا، قد تفكر بعد ذلك: "حسنًا، لكن لماذا؟" ثم يمكنك أن تبدأ في طرح أسئلة أخرى، مثل:
- هل يتغير سعر تنجيد الجلد كثيرًا؟
- هل هناك أوامر مبيعات لمرسيدس وتنجيد الجلد لا تتطابق مع السعر للمادة في قاعدة البيانات؟
- هل لقاعدة البيانات المادية رقم مادي خاص لمنتجات التنجيد يتم استخدامه فقط لمرسيدس؟
- من يدخل أوامر المبيعات لمرسيدس؟
- من يوافق على أوامر المبيعات لمرسيدس؟
- هل هناك أي حالات لأوامر مبيعات لمرسيدس يتم إدخالها والموافقة عليها من قبل نفس الشخص؟
- هل كان هناك مراقبة هوامش لأوامر مبيعات تنجيد الجلد لمرسيدس؟
- كم قدمنا من خصومات لمرسيدس؟
- هل قمنا بأي فعاليات تسويقية لمرسيدس، وإذا كان الأمر كذلك، هل قمنا بحساب عائد الاستثمار؟
- ما هو هامشنا لمرسيدس في مناطق أخرى؟
- هل هذا المكتب التابع لمرسيدس الذي نبيع إليه حقًا مكتب مرسيدس الحقيقي؟ (هل الرقم الضريبي صالح؟ هل العنوان صالح؟ هل نجدهم مدرجين في جوجل بهذا العنوان؟)
- هل الشخص الرئيسي في ذلك المكتب التابع لمرسيدس مرتبط بأي شكل من الأشكال بأحد في شركتنا؟ (هل صديق فيسبوك لأحد الموظفين؟ هل تظهر صفحته على LinkedIn أنه يعمل فعلياً لدينا بدلاً من مرسيدس؟ هل يحمل نفس الرقم الهاتفي لأحد الموظفين؟)
سيفكر المراجع الداخلي الجيد في جميع الحالات وكل السياقات المختلفة التي يمكن أن تساعد في شرح تناقض هامش سلبي لتنجيد الجلد المباع لمرسيدس. سيستخدم معرفته وخبرته في الشركة، ونقاط الضعف في الرقابة الداخلية، ومعايير المراجعة الداخلية، ومصادر المعلومات غير الشركاتية للتفكير في سبب حدوث هذا التناقض، ثم اختبار تلك الافتراضات حتى يتم العثور على البرهان. هنا، يمكن للذكاء الاصطناعي مساعدة في الإجابة على الأسئلة، لكن الحدس البشري لا يزال يقود التحقيق.
إذا كنت مراجعًا داخليًا جيدًا، قد تعتقد أن كل شيء يبدو على ما يرام، ولكن هل هناك منتجات تحقق هوامش سلبية؟ ربما إذا طرحت الأسئلة بهذا الشكل، فإن الجهاز سيأتي دائمًا بالجواب "لا". ماذا لو طرحت السؤال "هل هناك عملاء لديهم هوامش سلبية لمنتج معين؟" فإن الجهاز قد يجيب "نعم، العميل 'مرسيدس، ألمانيا' يحصل على منتج 'تنجيد جلدي' على أساس هامش سلبي لثلاث سنوات متتالية."
قدم الجهاز إجابة مثيرة للاهتمام جدًا. الآن، يمكن أن يفكر المراجع الداخلي "رائع يمكنني وضع ذلك في تقريري." ولكن إذا كنت مراجعًا جيدًا، قد تفكر بعد ذلك: "حسنًا، لكن لماذا؟" ثم يمكنك أن تبدأ في طرح أسئلة أخرى، مثل:
- هل يتغير سعر تنجيد الجلد كثيرًا؟
- هل هناك أوامر مبيعات لمرسيدس وتنجيد الجلد لا تتطابق مع السعر للمادة في قاعدة البيانات؟
- هل لقاعدة البيانات المادية رقم مادي خاص لمنتجات التنجيد يتم استخدامه فقط لمرسيدس؟
- من يدخل أوامر المبيعات لمرسيدس؟
- من يوافق على أوامر المبيعات لمرسيدس؟
- هل هناك أي حالات لأوامر مبيعات لمرسيدس يتم إدخالها والموافقة عليها من قبل نفس الشخص؟
- هل كان هناك مراقبة هوامش لأوامر مبيعات تنجيد الجلد لمرسيدس؟
- كم قدمنا من خصومات لمرسيدس؟
- هل قمنا بأي فعاليات تسويقية لمرسيدس، وإذا كان الأمر كذلك، هل قمنا بحساب عائد الاستثمار؟
- ما هو هامشنا لمرسيدس في مناطق أخرى؟
- هل هذا المكتب التابع لمرسيدس الذي نبيع إليه حقًا مكتب مرسيدس الحقيقي؟ (هل الرقم الضريبي صالح؟ هل العنوان صالح؟ هل نجدهم مدرجين في جوجل بهذا العنوان؟)
- هل الشخص الرئيسي في ذلك المكتب التابع لمرسيدس مرتبط بأي شكل من الأشكال بأحد في شركتنا؟ (هل صديق فيسبوك لأحد الموظفين؟ هل تظهر صفحته على LinkedIn أنه يعمل فعلياً لدينا بدلاً من مرسيدس؟ هل يحمل نفس الرقم الهاتفي لأحد الموظفين؟)
سيفكر المراجع الداخلي الجيد في جميع الحالات وكل السياقات المختلفة التي يمكن أن تساعد في شرح تناقض هامش سلبي لتنجيد الجلد المباع لمرسيدس. سيستخدم معرفته وخبرته في الشركة، ونقاط الضعف في الرقابة الداخلية، ومعايير المراجعة الداخلية، ومصادر المعلومات غير الشركاتية للتفكير في سبب حدوث هذا التناقض، ثم اختبار تلك الافتراضات حتى يتم العثور على البرهان. هنا، يمكن للذكاء الاصطناعي مساعدة في الإجابة على الأسئلة، لكن الحدس البشري لا يزال يقود التحقيق.
سيتيح هذا للمراجع الداخلي الجيد الذهاب إلى اجتماعه للمراجعة وتقديم قصة كاملة حول ما يحدث في الشركة، مُلخّصًا صورة مفصلة لسيناريو الاحتيال، أو لإظهار وجود خطأ في واجهة CRM-SAP الذي يؤدي إلى خطأ في الأرقام.
نعم، ربما في المستقبل الأبعد، حتى الآلة قد تكون قادرة على التفكير بشكل مبتكر والإجابة على جميع تلك الأسئلة التي يفكر فيها المراجع الداخلي في طرحها. ومع ذلك، في الوقت الحالي، شركات تحليل البيانات وتصور البيانات ومطورو الذكاء الاصطناعي لا يزالون يتسابقون لتطوير الـ "بوت" لكي يتمكن المراجعون ببساطة من طرح السؤال "ما هي هوامش المبيعات لعام 2022" بدلاً من قضاء أيام في إنشاء برامج تحليل البيانات للحصول على الإجابة.
نظرًا لتجربتي، أتوقع بحلول عام 2025 أن معظم برامج تصور البيانات ستكون في مرحلة يمكن فيها للـ "بوت" الإجابة بسهولة على الأسئلة الأساسية، مثل "ما هي هوامش المبيعات لعام 2022؟" ومع ذلك، ستظل دقة إجابات تلك الأسئلة قابلة للنقاش ربما لأن دقتها تعتمد على دقة بحيرة البيانات الأساسية. هل قام قسم تكنولوجيا المعلومات بتطابق المعلومات الصحيحة مع الفئة الصحيحة؟ هل فهم قسم تكنولوجيا المعلومات فعلاً مصادر البيانات غير SAP وكيفية ربطها معًا؟ على الرغم من تطور تعلم الآلة ونظم الذكاء الاصطناعي، إلا أن المثل القديم لا يزال صحيحًا: القمامة داخل؛ القمامة خارج.
اليوم، لدينا الكثير من الأخطاء المتعلقة بواجهات بين الأنظمة. يدهشني دائمًا عدد الأشخاص الذين يعملون على إعادة حساب هذا أو ذاك للتحقق مما إذا كانت الإجماليات من الأنظمة المختلفة متطابقة. وربما ستكون الأمور مشابهة في عام 2025، للتحقق مما إذا كان الروبوت قد فهم الأمور بشكل صحيح.
ثم يأتي تحدي جديد للمراجع، وهو ضمان وجود ضوابط للتحقق من أن الروبوت يقوم بعمله بشكل صحيح!
بالطبع، لا يمكن لأحد أن يتنبأ حقًا بالمستقبل وإلى أين يتجه الذكاء الاصطناعي بالضبط، ولكن من الصعب تخيل أنه سيحل محل المراجعة الداخلية في أي وقت قريب. لذا، حياة المراجع الداخلي، حتى المراجع الداخلي لتقنية المعلومات، على الرغم من أنها ستتطور، إلا أنها ما زالت هنا لبضع سنوات أخرى على الأقل. في الوقت نفسه، سيصبح المراجع الداخلي أكثر ذكاءً ومن المتوقع منه طرح المزيد من الأسئلة. لذا، نأمل أن ينمو الجهاز والمراجع الداخلي سويًا ويصبحا أكثر ذكاءً.
انتهى،
شكراً لكم والعذر على الترجمة اذا كان فيه اي خطأ🤍
شكراً لكم والعذر على الترجمة اذا كان فيه اي خطأ🤍
جاري تحميل الاقتراحات...