auditaitraceabilitytrust

Traçabilitat en auditoria amb IA: per què cada xifra ha de tornar al seu document d'origen

Traçabilitat en auditoria amb IA: per què cada xifra ha de tornar al seu document d'origen

Un resum d'IA que diu "quadra" no és evidència d'auditoria. Per què cada xifra ha de poder traçar-se fins al seu document d'origen, i com ho resolem a G2-F.

Read in:Espanol|English|Catala

El problema: un resum no és evidència

Un model d'IA pot llegir milers de factures, nòmines o extractes bancaris i dir-te, en una frase, que tot quadra. El problema és que un auditor no signa un informe basant-se en una frase. Signa basant-se en documents que pot tornar a obrir, assenyalar amb el dit i defensar davant d'un tercer, un soci, un regulador o un client que pregunta "d'on surt aquest número?".

Si la resposta és "el model ho ha dit", no hi ha evidència. Hi ha una opinió molt ben redactada.

Per què "confia en el model" no és un estàndard d'auditoria

Els models de llenguatge s'equivoquen de manera silenciosa. No fallen com un Excel trencat, que almenys avisa amb un error visible. Fallen amb seguretat: donen una xifra raonable, ben formatada i coherent amb la resta del text, encara que no coincideixi amb el document real.

En auditoria això és exactament el risc que la feina existeix per eliminar. Qualsevol procés que substitueixi la revisió documental per una afirmació d'un model, sense manera de verificar-la, no redueix el risc d'auditoria. El trasllada, sense dir-ho a ningú, del paper al model.

Com ho resolem a G2-F

Cada cel·la del workbook que genera en Jeff no és un valor solt. És un valor amb un enllaç directe a la pàgina exacta del PDF, la imatge o l'Excel d'on va sortir. Si una xifra de nòmina apareix al full de càlcul, un clic et porta a la línia concreta de la nòmina original on estava escrita.

Una cel·la del compte justificatiu enllaçada amb el líquid a percebre de la nòmina original
L'import del full no és una dada solta: porta a la línia exacta del document d'on va sortir

Això no és una capa afegida sobre la feina de la IA. És la condició per poder fer-la servir en auditoria. El model fa la feina pesada de llegir i extreure a gran volum, però la verificació no depèn de creure-se'l. Depèn de poder comprovar-ho, cel·la a cel·la, en segons en lloc d'hores.

La decisió de quadre, pas a pas

Quadrar una nòmina amb la seva transferència no és una comparació de dos números. És una cadena de decisions, i cadascuna deixa rastre: quins documents es llegeixen, on es mira dins de cadascun, i amb quin criteri es decideix que dues coses són la mateixa.

Els tres passos del quadre: extracció per IA, delegació del criteri a un subagent i conciliació final
La zona d'interès canvia a cada pas: primer l'import, després la data i el concepte

Fixa't en el segon pas. L'import coincideix en els dos documents des del principi, així que seria fàcil donar el quadre per bo just aquí. Però aquell mes hi ha tres nòmines amb el mateix líquid, i l'abonament cau dos dies després de la meritació. El criteri que ho resol, mateix import més una finestra de dies més el NIF al concepte, és una decisió, i queda escrita al costat del resultat.

Això és el que separa una conciliació defensable d'una coincidència afortunada.

El principi

La IA accelera la lectura. L'evidència continua sent el document, no el resum. Quan aquestes dues coses es confonen, es perd justament allò que fa que un informe d'auditoria signifiqui alguna cosa.

Si vols veure com funciona això sobre documentació real de la teva firma, parlem-ne.

Sergio Garcia

Sergio Garcia

Deixa que Jeff carreguila feina pesada.