O uso inovador da IA pela EY na detecção de fraudes de auditoria gera debate
A EY implementou a inteligência artificial (IA) em seus processos de auditoria, levando à detecção de atividades fraudulentas. Das primeiras 10 empresas avaliadas por este novo sistema, atividades suspeitas foram identificadas em duas, que posteriormente foram confirmadas como fraudes pelos clientes.
Kath Barrow, sócia-gerente de garantia da EY no Reino Unido e Irlanda, comentou sobre a eficácia do sistema, indicando que esses resultados iniciais demonstram sua utilidade potencial na auditoria.
Embora a EY tenha se recusado a revelar os detalhes de seu software ou a natureza das fraudes que descobriu, Barrow disse que os resultados sugeriam que a tecnologia tinha “pernas” para a auditoria.
A EY começou a experimentar a IA na auditoria em 2018.
Naoto Ichihara, sócio de garantia da Ernst & Young ShinNihon LLC no escritório de Tóquio, sempre teve paixão por programação. Sua experiência no desenvolvimento de modelos e sistemas para auditoria o levou a explorar a aplicação de aprendizado de máquina na análise de dados contábeis.
A extensa pesquisa de Naoto sobre trabalhos acadêmicos e algoritmos existentes despertou sua percepção de que havia uma maneira melhor de detectar anomalias por meio do aprendizado de máquina.
Movido por sua visão, Naoto codificou uma solução de IA que poderia detectar entradas anômalas em grandes bancos de dados. Esta tecnologia tornou-se a primeira do gênero no campo da auditoria e foi posteriormente patenteada.
Reconhecendo a necessidade de colaboração, Naoto montou uma equipe de auditores e desenvolvedores para testar e melhorar o método de detecção da solução, que foi posteriormente denominada EY Helix GL Anomaly Detector ou Helix GLAD.
Superando o ceticismo e ganhando confiança
A capacidade do sistema de IA de analisar grandes quantidades de dados de forma rápida e eficiente pode fornecer uma ferramenta poderosa para os auditores, alertando-os sobre sinais de irregularidades e outros problemas. No entanto, o setor permanece dividido sobre a confiabilidade dessa tecnologia, com algumas empresas expressando ceticismo sobre a capacidade da IA de detectar as inúmeras formas de fraude potencial.
Os auditores desempenham um papel crucial na avaliação das entradas sinalizadas e na recomendação de ações adequadas. Para ganhar sua confiança, a equipe realizou testes rigorosos da solução contra um conjunto de dados onde as entradas fraudulentas do diário foram pré-determinadas.
À medida que a equipe de garantia observava o algoritmo descobrindo com precisão as entradas fraudulentas, eles começaram a acreditar no potencial do Helix GLAD para melhorar a precisão dos processos de auditoria. No entanto, faltava um aspecto crítico – os auditores não tinham conhecimento do motivo pelo qual o algoritmo detectou anomalias específicas. Esse conhecimento era vital para avaliar o impacto e a validade das entradas sinalizadas.
Para resolver isso, a equipe elaborou uma solução que aproveitava a análise de dados para criar mapas visuais das entradas sinalizadas e das razões por trás de sua detecção, fornecendo aos auditores uma visão transparente do método de detecção do algoritmo.
A capacidade da ferramenta de analisar grandes quantidades de dados e sinalizar transações suspeitas transformou a paisagem da auditoria. Ela não apenas aprimorou a precisão e a eficiência das auditorias, mas também reduziu significativamente o risco de irregularidades financeiras passarem despercebidas.
Benefícios e desafios
A integração da IA nos processos de detecção de fraudes de auditoria trouxe inúmeros benefícios para as grandes empresas de contabilidade. Os algoritmos de IA podem analisar grandes volumes de dados em uma fração do tempo que levaria um auditor humano.
Essa eficiência permite que os auditores se concentrem em analisar e interpretar os resultados, em vez de gastar inúmeras horas revisando manualmente os dados. Esses modelos também não estão sujeitos a preconceitos ou fadiga humanos. Eles aplicam consistentemente regras e critérios predefinidos para identificar anomalias, garantindo uma abordagem mais objetiva e confiável para a detecção de fraudes. Isso reduz o risco de ignorar transações suspeitas devido a erros ou omissões humanas.
No entanto, a implementação da IA na detecção de fraudes de auditoria não está isenta de desafios. Um desafio significativo é a integração da tecnologia de IA nos sistemas e processos de auditoria existentes.
As empresas de auditoria devem garantir que os algoritmos de IA sejam compatíveis com sua infraestrutura existente e possam se integrar perfeitamente aos seus fluxos de trabalho. Isso requer planejamento, treinamento e colaboração cuidadosos entre auditores e especialistas em IA.
Outro desafio é a necessidade de monitoramento e atualização contínuos dos algoritmos de IA. À medida que os fraudadores evoluem suas técnicas, os algoritmos de IA também devem se adaptar para detectar novos padrões e anomalias. Auditores e desenvolvedores precisam trabalhar juntos para refinar e atualizar os algoritmos para se manterem à frente das ameaças emergentes.
Fraude no futuro?
Os reguladores provavelmente terão a palavra final sobre se os contadores podem usar a IA para detectar fraudes durante o processo de auditoria – a chave para isso será se os contadores têm as habilidades para criticar os sistemas de IA.
De acordo com um relatório no Financial Times, Jason Bradley, chefe de tecnologia de garantia do Conselho de Relatórios Financeiros do Reino Unido, acredita que a IA apresenta oportunidades para melhorar a qualidade e a eficiência da auditoria se usada adequadamente.
Então, há a questão da propriedade dos dados. Uma empresa pode considerar seus dados financeiros detalhados como informações proprietárias, dificultando o uso dessas informações privadas para treinar um sistema que posteriormente auditou outra empresa.
Fonte: AccountancyAge (traduzido do original inglês com a Intreligência Artificial Copilot) – 05/12/2023
