Построение методики непрерывного форензик внутреннего аудита коммерческой организации в целях предотвращения мошенничества

Введение

В эпоху цифровизации экономической деятельности одной из ключевых проблем, с которой сталкиваются современные коммерческие организации, является рост экономических преступлений, включая мошенничество с использованием новейших цифровых технологий. Глобализация, значительные инвестиции в информационные технологии и ускорение темпов технологических изменений способствуют появлению новых схем мошенничества. Быстро меняющийся мир бизнеса создает условия для роста цифрового мошенничества, чему способствуют глобализация, значительные инвестиции в информационные технологии (ИТ) и быстрые темпы технологических изменений в сочетании с ростом затрат на исследования и разработки. [3, с. 75].

В этом контексте значительный интерес представляет использование алгоритмов искусственного интеллекта (ИИ) для повышения эффективности аудита. Исследование Мугвиры Т. представляет собой всеобъемлющий обзор применения интернет-технологий в аудиторской профессии, охватывающий их влияние на непрерывный аудит, выявление мошенничества, оценку рисков, а также блокчейн и облачный аудит. [21, с. 209]. Карманьска А. в своей статье «Искусственный интеллект в аудите» подчеркивает преимущества применения ИИ в аудите, такие как повышение точности и скорости анализа данных. [16, с. 94].

Однако существуют и скептические мнения об эффективности применения ИИ в аудите. Хасан А.Р. отмечает, что люди часто принимают технологии ИИ пассивно, без глубокого понимания их механизмов и возможностей, что особенно актуально для тех, кто либо не знаком с технологиями ИИ, либо относится к ним с негативным предубеждением. [15].

Следует также отметить, что мошенничество по своей природе непредсказуемо, и использование ранее накопленных данных для обучения моделей ИИ может не дать желаемых результатов, поскольку нейронные сети могут оказаться не в состоянии обнаружить новые преступные схемы.

Проанализированные работы указывают на значительный потенциал автоматизации аудита, в т.ч. с использованием ИИ, однако мало внимания уделяется интеграции форензических методов в стандартные процедуры аудита. Это подчеркивает необходимость адаптации аудиторских процедур к новым вызовам мошенничества может быть осуществлена в двух основных направлениях:

1. Автоматизированный подход к проведению аудита.

2. Расширение роли и функций аудита путем слияния стандартных аудиторских процедур с методами форензик аудита.

Исследование направлено на устранение существующего научного пробела, заключающегося в отсутствии эффективной методики адаптации традиционных аудиторских процедур к условиям быстроменяющейся цифровой среды.

Целью данной работы является разработка методики непрерывного форензик—аудита, ориентированной на внутренний аудит коммерческих организаций для предотвращения мошенничества.

Научная новизна заключается в интеграции форензик—методов с традиционными процедурами аудита, что позволяет повысить их эффективность и применимость в условиях современной информационной среды.

Авторская гипотеза предполагает, что внедрение автоматизированного подхода к проведению аудита в сочетании с расширением роли и функций аудита через слияние стандартных процедур с форензик—методами позволит значительно повысить вероятность выявления и предотвращения мошеннических действий внутри организаций.

Методологическую основу исследования составляют анализ существующих теоретических подходов и практических решений в области форензик—аудита, а также апробация предложенной методики для коммерческой организации.

Внедрение методики непрерывного форензик аудита

Интеграция вышеуказанных направлений находит свое отражение в разработанной авторами методике непрерывного форензик аудита. Данная методика предлагается авторами для внедрения коммерческими организациями путем модификации традиционных подходов к проведению внутреннего аудита в целях усиления системы внутреннего контроля и роста эффективности борьбы с мошенничеством.

Этапы разработанной методики непрерывного форензик аудита, возможные варианты реализации предлагаемых этапов, а также потенциально применимые технологии представлены на рисунке 1.

Рисунок 1 — Методика непрерывного форензик аудита

Источник: составлено авторами

На первом этапе предлагаемой методики предполагается проведение непрерывного аудита. Согласно определению Американского института сертифицированных бухгалтеров (AICPA), непрерывный аудит – это методология, позволяющая независимым аудиторам предоставлять письменную уверенность по вопросу, за который несет ответственность руководство организации, используя серию аудиторских заключений, выпускаемых практически одновременно или через короткий промежуток времени после наступления событий, лежащих в основе этого вопроса [5, c. 49].

Концепция непрерывного аудита применима для большинства аудиторских процедур. Для определения вероятности того, что финансовая отчетность содержит существенные искажения, аудиторы проводят тесты операций и тесты по существу. Если тесты операций выявляют отклонения от нормы, то проверку по существу необходимо расширить. В условиях непрерывного аудита тестирование операций является непрерывным процессом, и доказательства собираются по большему количеству операций и за более длительный период времени, чем при использовании традиционных методов.

Непрерывный аудит дает аудиторам ряд преимуществ. Поскольку в ходе непрерывного аудита проверяется большее количество операций в течение более длительного периода времени, он обеспечивает более полную и своевременную уверенность. За счет уменьшения количества рутинных операций, аудиторские процедуры будут направлены на области высокого риска, области, вызывающие озабоченность ключевых заинтересованных сторон, и существенные риски. Это повысит вероятность выявления внутренними аудиторами наиболее опасных видов мошенничества — тех, которые совершаются менеджерами, имеющими возможность отменять меры контроля и изменять записи в бухгалтерских книгах и журналах [9, c. 5].

После проведения процедур непрерывного аудита следует второй этап – выявление и обработка исключений, то есть выявление подозрительных транзакций, которые могут являться следствием мошеннических действий.

Выполняя большое количество тестов на гораздо большем проценте транзакций, непрерывный аудит приведет к появлению большого количества отобранных операций, не прошедших аудиторские тесты.

Отбор исключительных операций и аномалий может производиться с помощью стандартных статистических методов и специально разработанных аудиторских тестов для выявления потенциальных фактов мошенничества.

При применении статистических методов в результате анализа тенденций в определенных рядах данных можно выявить аномалии для выявления возможных случаев мошенничества. С помощью использования методов статистики исследуется большой процент операций, и некоторые результаты представляются в графическом формате. Операции, не соответствующие правилам аудита, записываются в файл отобранных операций [1, c. 93].

Примеры специально разработанных аудиторских тестов для выявления потенциальных фактов мошенничества приведены в таблице 1.

Таблица 1 – Примеры аудиторских тестов мошенничества

Аудиторские тесты мошенничества должны проводиться с учетом правил аудита, которые также самостоятельно разрабатываются аудиторами и определяют анализ транзакций и событий. Правила аудита – это аналитические критерии, которые создаются для того, чтобы отмечать операции, которые нарушают политику или могут свидетельствовать о мошеннических действиях. Если критерии слишком строги, то возникает большое количество сигналов тревоги («флагов мошенничества»). Для предотвращения огромного количества ложных сигналов правила аудита должны быть правильно откалиброваны внутренними аудиторами. При слишком слабых настройках тесты могут не выявить большой процент ошибочных и мошеннических операций [12, c. 8].

В результате проведенных на втором этапе процедур операции, которые не соответствуют правилам аудита или демонстрируют аномалии, будут отобраны для дальнейшего исследования в ходе проведения форензик аудита.

Операции, вызывающие исключения или тревогу, должны своевременно анализироваться внутренними аудиторами, обладающими должной квалификацией, знаниями и навыками в области форензика. Внутренние аудиторы должны быть обучены поиску конкретных видов мошенничества при анализе отобранных операций. Отдельные операции, требующие наиболее тщательной проверки и тщательного реагирования — это те, которые указывают на возможность мошенничества. В этом случае внутренние аудиторы должны опираться на установленные протоколы реагирования. Крупные компании могут иметь отдельно сформированную в составе СВК группу реагирования на инциденты, состоящую из форензик специалистов. Проведение форензик аудита схематично изображено на рисунке 2.

Рисунок 2 – Схема проведения форензик аудита

Источник: составлено авторами

Процесс проведения форензик аудита подразделяется на четыре этапа. Первый — это предварительное расследование с целью установления подлинности предполагаемого случая мошенничества. В ситуации, когда мошенничество не обнаружено, контрольные отчеты направляются для рассмотрения в комитет по аудиту или руководства организации. При обнаружении факта мошенничества следующим шагом будет детальное расследование и анализ с последующим представлением результатов для инициирования судебного процесса [14, c. 3].

Далее если заинтересованные стороны примут решение о внесудебном урегулировании, отчет по итогам проведения форензик аудита будет передан группе реагирования. В противном случае внутренние аудиторы, возможно, будут сотрудничать с адвокатом (прокурором), предоставляя поддержку и документы для судебного разбирательства.

Последним этапом методики непрерывного форензик аудита является совершенствование правил аудита на основе текущего опыта. В соответствии с правилами аудита, установленными на предыдущих этапах аудита, могут проверяться ошибки, мошенничество, надежность и наличие средств внутреннего контроля, а также выполняться некоторые тесты по существу. Результаты могут быть использованы для создания отчетов об итогах проведения внутреннего аудита. Для уточнения правил аудита потребуется мнение опытных внутренних аудиторов, основанное на результатах работы модели аудита мошенничества [12, c. 14].

Для того чтобы коммерческая организация смогла успешно интегрировать предлагаемую методику в систему внутреннего контроля, ей необходимо следовать рекомендациям по разработке методики непрерывного форензик аудита, представленным на рисунке 3.

Рисунок 3 — Рекомендации по разработке методики непрерывного форензик аудита

Источник: составлено авторами

Для снижения статистики совершения мошенничества концепция непрерывного аудита и форензик аудита должна получить широкое распространение среди профессиональных бухгалтеров и аудиторов за счет внедрения соответствующих курсов в программы высшего профессионального образования российских ВУЗов.

Внедрение технологий искусственного интеллекта в рамках интеллектуальной автоматизации аудита

Ключевым этапом в вышеописанной методике непрерывного форензик аудита является непрерывный аудит, проведение которого предполагает тестирование значительного количества операций в режиме реального времени и в течение всего года, а не за короткие дискретные промежутки времени. Для реализации непрерывного подхода к тестированию необходима лежащая в его основе технология, которая позволила бы в значительной степени автоматизировать все этапы проведения аудита. В качестве такой технологии может выступать искусственный интеллект (ИИ).

Технологии искусственного интеллекта лежат в основе концепции интеллектуальной автоматизации аудита. Интеллектуальная автоматизация аудита — это новое поколение аудиторских услуг, которое включает в себя новые бизнес—модели аудита, новых специалистов в области аудита, новые типы инструментов и методов, новые стандарты и новые подходы к созданию знаний [1, c. 94].

Концепция интеллектуальной автоматизации аудита предполагает комплексную автоматизацию всех этапов аудита и включает следующие составляющие:

— автоматизированное планирование аудита;

— автоматизированная оценка рисков;

— автоматизированные процедуры аудита.

При проектировании автоматизации этапов аудита будут использоваться непрерывные, интеллектуальные, автоматизированные системы на базе искусственного интеллекта. Схематично этапы интеллектуального автоматизированного аудита и применимые на каждом этапе технологии ИИ представлены на рисунке 4.

Рисунок 4 – Схема интеллектуальной автоматизации аудита

Источник: составлено авторами

Этап автоматизированного планирования аудита включает анализ рисков на ранней стадии, внутреннюю оценку, понимание финансовых показателей, рисков и стратегии компании. Процесс предварительного планирования задает тон дальнейшему проведению внутреннего аудита и позволяет аудитору обнаружить важные проблемы на ранней стадии [5, c. 49].

Для интеллектуальной автоматизации анализа и прогнозирования финансовых показателей, анализа рисков и конкурентной отрасли организации могут быть применены возможности машинного обучения.

Для выполнения своей задачи агент машинного обучения сканирует различные типы информации и пытается помочь выработать важные аспекты корректировки ожиданий о клиенте. Основная концептуальная архитектура агента машинного обучения состоит в том, что утилита использует входные данные из различных источников, а затем классифицирует их для получения различных выходных данных.

Информация поступает из различных источников, включая новости, отчеты аналитиков, финансовую отчетность, социальные сети, судебные иски, патентные заявки или отчеты регулирующих органов.

Выходной переменной является либо двоичная классификация ожидаемого увеличения или уменьшения финансового показателя, либо более полезная оценка процента увеличения или уменьшения финансового показателя как непрерывная переменная, полученная в результате регрессии.

Этап автоматизированной оценки рисков заключается в разработке автоматизированной системы машинного обучения, способной отслеживать, выявлять и измерять риски, присущие коммерческой организации. Эта система обучения должна быть способна адаптироваться к изменениям в деловой среде организации [18].

Использование интеллектуального агента может сократить время и усилия, необходимые для выявления и измерения областей, где фирма имеет больший риск. Это может упростить процесс и позволить внутренним аудиторам сконцентрироваться на мерах по реагированию на существенные риски искажения, в том числе связанные с мошенничеством.

Общий подход к интеллектуальной автоматизации оценки рисков включает в себя следующие шаги:

Шаг 1. Определение взаимосвязи между предпосылками и существенными счетами. По каждому существенному счету определяются применимые к нему предпосылки, такие как существование (existence), полнота (completeness), права и обязательства (rights and obligations), отражение в корректном периоде (cutoff), оценка (valuation), представление и раскрытие (presentation & disclosure).

Шаг 2. Определение факторов риска к каждой предпосылке. Для каждой предпосылки по счету риск измеряется по следующим факторам риска: вероятность: (likelihood), воздействие (impact), скорость (velocity) и уязвимость (vulnerability).

Шаг 3. Оценка величины факторов риска. Величина риска может варьироваться в следующих диапазонах: пониженный, повышенный, существенный.

Первые три шага отображают первоначальную модель риска, присущую коммерческой организации. Поскольку каждый существенный счет связан с заявленными рисками, это позволяет понять, какие счета имеют более высокий риск и почему. Очевидно, что по мере изменения деловой активности необходима динамическая модель для изучения изменений в риске, которая выстраивается посредством выполнения шагов 4 и 5.

Шаг 4. Выявление драйверов, которые могут изменить первоначальную оценку рисков. Каждый риск, связанный с каждой предпосылкой, может зависеть от различных внешних и внутренних факторов (драйверов). На данном этапе выявляются те факторы, которые могут увеличить или уменьшить потенциальный риск. При этом используются существующие наборы данных, основанные на факторах риска и предпосылках.

Шаг 5. Использование интеллектуальных агентов для прогнозирования влияния выявленных драйверов на первоначальную оценку рисков. Каждый из внешних и внутренних факторов контролируется интеллектуальным агентом. Агент работает в соответствующей среде и учится изучать окружающую среду, чтобы предсказать, будут ли изменения в окружающей среде увеличивать или уменьшать первоначальную оценку риска. Для генерации прогнозов агент может использовать регрессию для прогнозирования влияния фактора на общий риск [18].

По результатам планирования и, в том числе оценки рисков, внутренние аудиторы могут прийти к выводу о том, существуют ли значительные недостатки системы внутреннего контроля организации, и на основе данного вывода перейти к разработке и проведению процедур по существу.

При проведении основных аудиторских процедур различные технологии искусственного интеллекта применяются к следующим видам тестов:

— Запрос. Стандартными инструментами запроса являются интервью и анкетирование. С анкетированием связано два этапа работы: создание анкеты и анализ ответов. Генерировать вопросы для аудита в соответствии с конкретными ситуациями можно, используя машинное обучение. Общий подход заключается в упрощении текста, выборе фразы—ответа, преобразовании предложения, оценке и ранжировании вопроса. Для анализа ответов используются алгоритмы классификации, позволяющие отнести их к различным группам. Содержание ответа содержит подсказки о личностных качествах и намерениях людей, а также может свидетельствовать о мошенническом поведении. Технологии искусственного интеллекта также являются полезным инструментом при проведении интервью. Поскольку интервью содержит как разговорную речь, так и другие характеристики, такие как эмоции, жесты, мимика и язык тела, технологии ИИ позволят внутренним аудиторам распознать скрытые мотивы сотрудников, которые могут быть связаны с коррупцией и мошенничеством [5, c. 50].

— Наблюдение. Внутренние аудиторы могут получать доказательства путем наблюдения за различными процессами, функциями и работой сотрудников. ИИ применяется для понимания процессов и оценки взаимодействия людей и их ролей в процессах. Например, анализ процессов и машинное обучение используются для оценки и выявления разделения обязанностей, а также для получения информации о том, в какое время осуществлялся доступ к системам и каковы схемы доступа к ним.

— Инспектирование. Данная процедура заключается в проверке фактических документов, связанных с транзакциями. Компьютерное зрение — одна из наиболее перспективных технологий, которая может быть использована для инспектирования документов. Она направлена на то, чтобы наделить компьютер способностью анализировать цифровые изображения и видео. Оптическое распознавание символов является одним из видов компьютерного зрения, с помощью которого можно проводить анализ текста с изображений и документов. Автоматизация чтения и проверки документов позволит аудиторам проверять наличие в них необходимых реквизитов. Классификация при помощи ИИ позволит внутренним аудиторам выявлять закономерности, которые могут быть не выявлены при проверке человеком.

— Повторное выполнение. Для проведения повторного выполнения аудиторы используют ручной процесс вычисления и сравнения с цифрами, представленными руководством или сотрудниками. Автоматизация данного процесса может быть достигнута с помощью технологии RPA (Robotic process automation). Тестирование может быть основано на предварительно настроенных процедурах, основанных на диапазонах значений для транзакций или остатков на счетах [5, c. 51].

Таким образом, интеллектуальная автоматизация аудита, основанная на интеграции в программу аудита технологий искусственного интеллекта, имеет колоссальный потенциал для повышения качества аудиторских услуг. Благодаря высокой степени автоматизации рутинных задач ценность аудиторских услуг для выявления фактов коррупции и мошенничества растет, в связи с тем, что фокус работы внутренних аудиторов смещается на более сложные и ценные задачи, требующие высокой степени суждения, а также знаний в области форензик расследования. Кроме того, высокоинтеллектуальные технологии позволяют выявлять нестандартные транзакции и аномалии, которые потенциально упускаются из вида внутренними аудиторами ввиду человеческого фактора.

Интеграция цифрового форензик аудита с использованием технологий блокчейн и искусственного интеллекта

Как уже было отмечено ранее в статье, проведение внутреннего аудита с использованием только традиционных подходов не является эффективным механизмом для предотвращения и обнаружения фактов мошенничества в организации. На современном этапе мошеннические схемы становятся более изощренными, и для того чтобы внутренние аудиторы смогли превентивно выявлять данные угрозы, авторами предлагается интегрировать практику форензик аудита в классическую схему проведения внутреннего аудита.

Форензик аудит – это комплексное всестороннее исследование финансово—хозяйственной деятельности экономического субъекта, цель которого обнаружить различные факты мошенничества, финансовых махинаций, иных неправомерных действий как со стороны управленческого аппарата, так и со стороны других сотрудников, а также иных третьих лиц. Отличительной чертой форензик аудита от стандартного внутреннего аудита является тот факт, что его результаты также могут выступать доказательствами в судебных процессах [6, c. 40].

Одной из широко распространенных практик проведения форензик аудита является осуществление цифрового форензик аудита (didgital forensic audit), данный термин используется для описания новой области, связанной с пересечением цифровых доказательств, аудита и права. Цифровой форензик аудит — это процесс выявления, сохранения и анализа данных и технических средств для получения доказательств, которые могут быть использованы в суде [2, c. 74].

Современным коммерческим организациям, которые производят большой объем оцифрованных документов в быстро развивающейся цифровой информационной системе, рекомендуется внедрить в практику внутреннего аудита именно проведение цифрового форензик расследования.

Процесс цифрового форензик аудита состоит из нескольких этапов, начиная с идентификации цифровых устройств на месте происшествия как потенциальных улик и заканчивая документированием результатов расследования в виде отчетов с возможным представлением в качестве доказательств в суде. Последовательность различных этапов процесса цифрового форензик аудита показана на рисунке 5.

Рисунок 5 — Этапы проведения цифрового форензик аудита

Источник: [21, c. 2397].

Стоит отметить, что основным препятствием для проведения цифрового форензик аудита является постоянное увеличение объема данных, которые необходимо анализировать. Исходя из этой проблемы, службам внутреннего аудита, интегрирующим практику форензик расследования, предлагается качественно модифицировать этапы процесса цифрового форензик аудита посредством внедрения в каждый из них применимых инновационных цифровых технологий для улучшения сбора, анализа, сохранения и представления цифровых доказательств с целью преодоления больших данных и других проблем. Этапы цифрового форензик аудита с использованием интеллектуальных технологий представлены на рисунке 6.

Рисунок 6 — Этапы цифрового форензик аудита с использованием технологий блокчейн и искусственного интеллекта

Источник: составлено авторами

Как видно из рисунка 6, для проведения первых двух этапов цифрового форензик аудита может быть полезна интеграция такой цифровой технологии, как блокчейн (blockchain).

Технология блокчейн представляет собой распределенную систему учета, которая может хранить связанные записи в виде децентрализованной базы данных в одноранговой сети. Данные хранятся в блоках с временной привязкой, которые соединяются в цепочку, создавая неизменяемый, публично видимый и подтвержденный аудиторский след. Надежность и неизменность блокчейна достигается за счет криптографической хэш—связи между блоками и транзакциями, при этом он может обеспечить хорошую неизменяемость, прослеживаемость, прозрачность, аудируемость и подотчетность [21, c. 1535].

Внедрение технологии блокчейн для целей сбора и сохранения цифровых доказательств позволит создать распределенную книгу для записи и хранения транзакционных доказательств. Эти транзакционные свидетельства будут доступны всем авторизованным участникам через сеть блокчейн.

Интеграция технологии блокчейн для сбора и сохранения цифровых доказательств при проведении цифрового форензик аудита позволит достигнуть ряд преимуществ:

— непрерывная целостность. Непрерывная целостность или ценность по—прежнему остается проблемой в цифровых расследованиях. Многие случаи связаны с утечкой данных и большим количеством взаимосвязанных облачных устройств. Обеспечить целостность цифровых доказательств в рамках проведения форензик аудита – одна из основных задач блокчейна, которая реализуется при помощи применения криптографических хэш—функций;

— неизменяемость и проверяемость. Природа технологии блокчейн может обеспечить неизменяемость и проверяемость цифровых докательств, которые являются ключевыми характеристиками, необходимыми для цифровой цепочки доказательств.

— защита от несанкционированного доступа. Предметы доказательств собираются и записываются в сеть блокчейн, которая гарантирует полное происхождение каждого предмета доказательств. Блокчейн создает публичный журнал с временной меткой для всех пользователей без присутствия третьей стороны. Все цифровые доказательства скреплены цепью и не могут быть изменены [10, c. 7].

Внедрение технологий искусственного интеллекта возможно при проведении таких этапов форензик аудита, как детальное расследование и комплексный анализ данных. Как правило, роль искусственного интеллекта при проведении данных этапов состоит в их интеллектуальной автоматизации.

Интеллектуальная автоматизация предполагает использование самообучающихся агентов, которые учатся выявлять аномалии, мошенничество и несоответствия. Такие агенты обычно состоят из нейронных сетей, систем глубокого обучения, которые получают общедоступные структурированные и неструктурированные данные и классифицируют их на высоковероятные и маловероятные для мошенничества. Также может использоваться метод кластеризации, когда агенты сканируют рынки и отрасли и обнаруживают скрытые закономерности [13, c. 87].

Использование инструментов искусственного интеллекта может быть направлено на автоматизацию следующих областей цифрового форензик аудита:

— выявление мошенничества. Роль данных интеллектуальных агентов заключается в использовании открытой информации для выявления мошенничества. Многие недавние исследования продемонстрировали использование финансовой информации для прогнозирования мошенничества. Машинное обучение позволило выявлять мошенничество с помощью общедоступной информации. Технология машинного обучения была использованы для прогнозирования мошенничества в публичных компаниях на основе анализа количественных элементов финансовой отчетности. Однако поскольку мошенничество может проявляться с разных сторон, лучше строить модель, ориентированную не только на финансовые показатели, но и на другие характеристики, такие как управление, менеджмент, конкурентная ситуация, условия регулирования и другие сферы бизнеса. Развитие вычислительной мощности и применение методов глубокого обучения обеспечивают отличную платформу для поиска закономерностей, которые могут свидетельствовать о мошенничестве.

— проведение интервью на этапе детального расследования. Автоматизация в этой области состоит из четырех процессов. Во—первых, автоматизация заключается в определении допрашиваемых свидетелей. Можно выявить ключевых работников, которые прямо или косвенно были вовлечены в инцидент или играли в нем определенную роль. Во— вторых, автоматизация связана с подготовкой интервью. С ее помощью можно сформулировать корректные вопросы. В—третьих, автоматизация анализирует видеозаписи, ответы или звуковые файлы для определения достоверности показаний работников. В—четвертых, искусственный интеллект может использоваться для проверки биографических данных свидетелей [20, с. 33].

— исследование документов. Данная область автоматизации предполагает возможность сканирования тысяч или миллионов документов для поиска закономерностей, в том числе сканирование видео— и аудиофайлов и других неструктурированных данных. Транзакционные документы, электронные письма, контракты, метаданные — все это является богатым источником для поиска данных. Автоматизация также помогает в организации документов и может существенно помочь в разработке цифровых доказательств.

Таким образом, интеграция вышеописанных технологий в этапы проведения цифрового форензик аудита позволить количественно и качественно усовершенствовать результаты расследования, главной целью которого является обнаружение и предотвращение мошеннических действий.

Вывод

В заключение отметим, что аудит играет важную роль и может оказать профилактическое воздействие на мошенническое поведение, однако на современном этапе стратегия полагания только на традиционные методы аудита может оказаться неэффективным механизмом выявления ошибок или злоупотреблений. Информационные системы становятся все более сложными, и в них обрабатываются все большие наборы операций, в связи с чем необходим новый усовершенствованный подход к проведению аудиторских проверок. Используя предлагаемую методику непрерывного форензик аудита, менеджеры могут быть уверены в целостности операций, а внутренние аудиторы освобождаются от части нагрузки, связанной с повторным тестированием средств контроля и балансов, что позволяет аудиторам сосредоточиться на вопросах, которые с большей вероятностью приведут к снижению риска мошенничества.

Результатами внедрения вышеуказанной методики в систему внутреннего контроля организации будут служить следующие:

— снижение рисков и фактов мошенничества вследствие интеграции в традиционные подходы к внутреннему аудиту методов и процедур форензик аудита;

— снижение управленческих затрат, в связи с тем, что проведение непрерывного аудита уменьшает потребность в проверке по существу и уменьшает роль внешних аудиторов, что приводит к экономии средств организации;

— усиление системы внутреннего контроля в целом, за счет роста эффективности и результативности работы службы внутреннего аудита.