A mesterséges intelligencia számítási kapacitásait kihasználva gyorsan képessé válik a cégek beszámolóinak, tranzakciónaplók elemzésére, előre megadott szempontok alapján pedig nem csupán ezek elemzésében segédkezhet, hanem anomáliák, szokatlan tranzakciók, csalásgyanús esetek észlelésére is képessé válhat. Előre megadott preferenciák és értékhatárok alapján az algoritmus képes elemezni egy kockázatfelmérés eredményeit, és kategóriákba sorolni az abban szereplő folyamatokat vagy területeket, erre alapozva pedig akár az éves auditterv elkészítésére is használható.
Ugyanakkor az MI nemcsak a gyanús tranzakciók felderítésében nyújthat segítséget, hanem a velük kapcsolatos kockázatok, sőt, az azokra adott lehetséges mitigációs lépések megfogalmazására is képes. Ezzel jelentős emberi kapacitás is felszabadulhatnak, a belső ellenzést végző munkatársak pedig nagyobb hozzáadott értéket adó tevékenységekre fordíthatják figyelmüket. Azonban, mint oly sok mesterséges intelligenciával érintett területen, ez nem olyan egyszerű még, ahogy elsőre hangzik.
Fontos, hogy az MI által készített elemzések és értékelések továbbra is emberi felülvizsgálatra szorulnak. Mindig érdemes meggyőződni arról, hogy a megadott paramétereket és elemzési szempontokat úgy használta-e fel, ahogy azt mi szerettük volna. Alapvető felvetés, hogy az MI által generált eredmények csupán annyira megbízhatóak, amennyire az elemzés alapjául szolgáló adatok, az elsődleges szempont így mindig az, hogy biztosítsuk az felhasznált adatok hitelességét, teljességét és pontosságát. Azzal is számolnunk kell, hogy mivel az elemzések kritériumrendszerét alapvetően a felhasználók adják meg, az elemzések könnyűszerrel tartalmazhatnak előítéleteket, melyek szintén hatással lehetnek a végső eredményre
– fejtette ki Barta Gergő a Deloitte kockázatkezelési tanácsadás üzletágának MI szakértője és szenior menedzsere.
A belső ellenőröktől nem elvárható, hogy minden vizsgált területnek szakértői legyenek, ugyanakkor a belső ellenőrzés nemzetközileg elismert standardjai alapján is elvárt, hogy a vizsgált terület esetében felvértezzék magukat azzal a tudással, amely szükséges ahhoz, hogy munkájukat megfelelő alapossággal és elvárt minőségben végezhessék.
Ebben nagy segítséget nyújthatnak a mesterséges intelligencia alapú generatív felületek, mivel képesek különböző területekhez tartozó tudás összefoglalására és egyszerű megfogalmazására, ami nagyban megkönnyítheti az adott terület szakmai hátterének megértését.
Ugyanilyen módon képesek lehetnek iparágspecifikus legjobb gyakorlatok felkutatására és összegzésére, egyszerűbbé és gyorsabbá téve a belső ellenőrök felkészülését. Azonban fontos kérdéskör, hogy milyen minőségű adatokat osztunk meg ezeken a felületeken.
Az MI tanulása során minden számára elérhetővé vált információt beépít ismeretrendszerébe, majd a későbbiekben felhasználja azokat. Ebből kiindulva a belső ellenőröknek kifejezetten figyelniük kell arra, hogy milyen ügyfélinformációkat, vagy nem publikus adatokat osztanak meg a program használata során, ez ugyanis komoly adatbiztonsági problémákat okozhat. Ennek elkerülése érdekében mindenképp érdemes odafigyelnünk a felhasznált adatok minőségére, az elemzési feltételekre és kritériumokra, valamint a megmagyarázhatóságra és értelmezhetőségre is.
Habár az MI egyre nagyobb teret nyer, sokszor észrevétlenül mindennapi életünk részévé válik, nem felejthetjük el, hogy a belső ellenőrzési munka nem pusztán adatok elemzéséből, kockázatok felméréséből, és a szükséges intézkedések megfogalmazásából áll.
Egy generatív modell nem képes az ügyfelekkel, vagy vizsgált osztályok munkatársaival való jó kapcsolat kiépítésére, a biztonságos, támogató légkör érzetének megteremtésére a munka során, a sorok között való olvasásra, nem helyettesítheti minden esetben az emberi gondolkodást és problémamegoldást. Attól tehát, hogy az MI miatt a belső ellenőrzésben feleslegessé válna az emberi munka alkalmazása, még jó ideig nem kell tartanunk, a benne rejlő lehetőségeket azonban kiaknázhatjuk annak érdekében, hogy humán kapacitást szabadítsunk fel, melyet aztán magasabb hozzáadott értékkel bíró feladatokra fordíthatunk
– foglalta össze György Virág Adél a Deloitte kockázatkezelési tanácsadás üzletágának belső ellenőrzési szakembere és szenior menedzsere.
