معماری ممیزی مبتنی بر هوش مصنوعی در CaseWare, Wolters Kluwer CCH, Thomson Reuters Engagement Manager و موتورهای تحلیلی مستقل

شرکت‌های حسابرسی که معماری‌های فناوری منسجمی را در CaseWare، Wolters Kluwer CCH Axcess Engagement، Thomson Reuters Engagement Manager و موتورهای تحلیلی مستقل اجرا می‌کنند، با خرید بیشترین پلتفرم‌ها به این نقطه نرسیدند. آنها با تصمیم‌گیری‌های ترتیبی در مورد اینکه کدام پلتفرم مالک کدام فاز گردش کار است، کجا انتقال داده‌ها اتفاق می‌افتد و چگونه مسیر مستندسازی از بازبینی همتایان و چرخه‌های بازرسی PCAOB که این انتقال‌ها را آزمایش می‌کنند، جان سالم به در می‌بردند، به این نقطه رسیدند. متدولوژی زیر توضیح می‌دهد که چگونه ابزارهای ممیزی مبتنی بر هوش مصنوعی برای شرکت‌های حسابرسی، به گونه‌ای معماری می‌شوند که در برابر فشارهای عملیاتی که استقرارهای کمتر منظم را از بین می‌برد، مقاومت کنند.

ایجاد پرونده حسابرسی به عنوان سیستم ثبت اصلی

اولین تصمیم معماری، تعیین می‌کند که کدام پلتفرم مالک پرونده حسابرسی به عنوان سیستم ثبت معتبر است و هر تصمیم بعدی از این انتخاب پیروی می‌کند. متدولوژی که در برابر فشارهای عملیاتی مقاومت می‌کند، این تصمیم را انحصاری می‌داند تا مشترک. دو پلتفرم پرونده حسابرسی که به صورت موازی اجرا می‌شوند، باعث ایجاد انحراف در مستندات، تضاد نسخه‌ها و آسیب‌پذیری‌های بازرسی می‌شوند که هیچ مقدار انضباط فرآیندی نمی‌تواند آنها را حل کند.

معیارهای انتخاب، ظرفیت پلتفرم را برای جذب برنامه‌های ممیزی موجود شرکت، معماری الگو و تصمیمات متدولوژی بدون تحمیل استانداردسازی به پیش‌فرض‌های پلتفرم اولویت‌بندی می‌کند. CaseWare معمولاً این ارزیابی را برای شرکت‌هایی با برنامه‌های ممیزی سفارشی عمیق در صنایع مختلف برنده می‌شود. CCH Axcess Engagement برای شرکت‌هایی با فعالیت‌های مالیاتی و حسابرسی یکپارچه برنده می‌شود. Engagement Manager برای شرکت‌هایی که به زیرساخت گسترده‌تر تحقیقات و محتوای Thomson Reuters متعهد هستند، برنده می‌شود.

این متدولوژی، منطق انتخاب را به صراحت مستند می‌کند، زیرا این منطق هر تصمیم یکپارچه‌سازی بعدی را شکل می‌دهد. پلتفرم‌های تحلیلی بر اساس عمق یکپارچگی خود با پلتفرم پرونده حسابرسی ارزیابی می‌شوند. پلتفرم‌های تاییدیه بر اساس فرمت‌های خروجی ورک‌پیپر خود ارزیابی می‌شوند. ابزارهای تأیید سند بر اساس سازگاری‌شان با قراردادهای علامت‌گذاری پرونده حسابرسی ارزیابی می‌شوند.

شرکت‌هایی که از مرحله منطق صریح صرف نظر می‌کنند، با پشته‌هایی مواجه می‌شوند که در آن هر پلتفرم بر اساس شایستگی‌های خود انتخاب شده است اما پلتفرم‌ها با یکدیگر هماهنگ نیستند. سربار یکپارچه‌سازی، کارایی را که هر پلتفرم قرار بود ارائه دهد، مصرف می‌کند و تیم‌های حسابرسی با گردش کار دستی جبران می‌کنند که هدف سرمایه‌گذاری در پلتفرم را از بین می‌برد.

تعریف استانداردهای انتقال داده قبل از یکپارچه‌سازی

دومین تصمیم معماری، استانداردهای انتقال داده بین پلتفرم پرونده حسابرسی و لایه‌های تحلیلی، تأییدیه و تأیید سند را تعیین می‌کند. متدولوژی که در برابر بازرسی مقاومت می‌کند، این انتقال‌ها را به عنوان رابط‌های مستند شده در نظر می‌گیرد تا جابجایی‌های داده‌ای موقت که تیم‌های حسابرسی در هر حسابرسی آنها را کشف می‌کنند.

استانداردها حداقل فرمت داده‌ای که در هر جهت جریان می‌یابد، زمان‌بندی انتقال در گردش کار حسابرسی، روش‌های اعتبارسنجی اعمال شده در هر انتها و مستنداتی که باید همراه با جابجایی داده باشد را مشخص می‌کنند. بازرسانی که ورک‌پیپرهایی با جهش‌های داده‌ای نامشخص بین پلتفرم‌ها مشاهده می‌کنند، یکپارچگی شواهد ممیزی اصلی را به چالش خواهند کشید.

استانداردها همچنین حالت‌های شکست را نیز بررسی می‌کنند. هنگامی که یک پلتفرم تحلیلی خروجی تولید می‌کند که به طور یکپارچه وارد پرونده حسابرسی نمی‌شود، متدولوژی مشخص می‌کند که تیم حسابرسی برای آشتی دادن این شکاف چه کاری انجام می‌دهد. آشتی دستی بدون مستندات، به عنوان ضعف متدولوژی به نظر می‌رسد؛ آشتی دستی با مستندات صریح، به عنوان شک و تردید حرفه‌ای به نظر می‌رسد.

شرکت‌هایی که این استانداردها را زودتر ایجاد می‌کنند، از بدهی یکپارچه‌سازی که وقتی هر تیم حسابرسی رویکرد خود را برای انتقال داده‌ها بداهه‌پردازی می‌کند، جلوگیری می‌کنند. استانداردها همچنین ورود سریع‌تر همکاران جدید را تسریع می‌کنند، زیرا متدولوژی قابل آموزش می‌شود تا اینکه به دانش قبیله‌ای که در بین تیم‌های حسابرسی متفاوت است، وابسته باشد.

توالی‌بندی ابزارهای ارزیابی ریسک در ابتدای حسابرسی

توالی‌بندی معماری به اندازه انتخاب پلتفرم اهمیت دارد. متدولوژی که نتایج بازرسی قوی را تولید می‌کند، ابزارهای حسابرسی ارزیابی ریسک مبتنی بر هوش مصنوعی را به عنوان اولین استقرار در هر حسابرسی در نظر می‌گیرد، نه آخرین. ارزیابی ریسک انجام شده در برنامه‌ریزی، هر تصمیم آزمایشی بعدی را شکل می‌دهد و ظهور ریسک با هدایت هوش مصنوعی، استراتژی‌های آزمایشی materially متفاوتی نسبت به ارزیابی ریسک صرف با هدایت حسابرس به تنهایی تولید می‌کند.

توالی‌بندی از این جهت اهمیت دارد که دفاع از ورک‌پیپرها زمانی که ارزیابی ریسک پس از اتمام آزمایش انجام می‌شود، دشوارتر می‌شود. بازرسی که حسابرسی را بررسی می‌کند، می‌تواند بلافاصله ببیند که آیا استراتژی آزمایش، ریسک‌هایی را که پلتفرم شناسایی کرده است، منعکس کرده است یا اینکه استراتژی آزمایش ابتدا تعیین شده و ارزیابی ریسک پس از آن به آن گنجانده شده است. الگوی دوم، یافته‌های بازرسی را تولید می‌کند، حتی اگر کار حسابرسی اصلی از نظر فنی صحیح بوده باشد.

شرکت‌هایی که ابزارهای ارزیابی ریسک را در برنامه‌ریزی به کار می‌گیرند، خروجی پلتفرم را در پرونده حسابرسی ثبت می‌کنند، پاسخ تیم حسابرسی به هر ریسک شناسایی شده را مستند می‌کنند و به آن مستندات در طول ورک‌پیپرهای آزمایش اساسی استناد می‌کنند. مسیر حسابرسی نشان می‌دهد که رویکرد آزمایش از ارزیابی ریسک تکامل یافته است نه اینکه آن را نادیده گرفته است.

انتخاب پلتفرم برای ارزیابی ریسک کمتر از انضباط اجرای زودهنگام آن و مستندسازی پاسخ اهمیت دارد. شرکتی که به طور مداوم از یک ابزار با قابلیت متوسط در برنامه‌ریزی استفاده می‌کند، نتایج بازرسی قوی‌تری نسبت به شرکتی که از یک ابزار پیچیده‌تر به طور ناسازگار در کار میدانی استفاده می‌کند، تولید می‌کند. تصمیم معماری در توالی‌بندی گردش کار قرار دارد، نه در مقایسه ویژگی‌های پلتفرم.

یکپارچه‌سازی خروجی Analytics در مستندات Workpaper

خروجی Analytics حسابرسی CPA مبتنی بر هوش مصنوعی، تنها زمانی ارزش تولید می‌کند که تحلیل‌ها در مستندات Workpaper جریان یابند و از بررسی دقیق بازبینی همتایان عبور کنند. روش‌شناسی که به این یکپارچگی دست می‌یابد، خروجی Analytics را به عنوان شواهد حسابرسی در نظر می‌گیرد، نه به عنوان اطلاعات تکمیلی که تیم‌های حسابرسی ممکن است در Workpaper به آن ارجاع دهند یا ندهند.

معماری، برای هر پلتفرم Analytics مستقر شده، مشخص می‌کند که خروجی چگونه در پرونده حسابرسی ثبت می‌شود، چه مستنداتی همراه با ثبت است و چگونه Workpaperهای بعدی به شواهد Analytics ارجاع می‌دهند. بازرسانی که خروجی Analytics را در Workpaperها بدون مستندات اصلی می‌بینند، این مسئله را به چالش خواهند کشید که آیا تیم واقعاً به Analytics تکیه کرده است یا اینکه ارجاع به صورت گذشته‌نگر اضافه شده است.

یکپارچه‌سازی همچنین کنترل نسخه را نیز شامل می‌شود. هنگامی که پلتفرم‌های Analytics در طول کار میدانی به دلیل تغییرات دامنه یا اصلاحات داده دوباره اجرا می‌شوند، هم خروجی اصلی و هم خروجی بازبینی شده باید با مستندات صریح در پرونده حسابرسی وجود داشته باشند که چرا اجرای مجدد اتفاق افتاده و چه چیزی تغییر کرده است. پرونده‌های حسابرسی که فقط شامل خروجی نهایی هستند، مسیری را که نشان می‌دهد تیم حسابرسی تغییر را کشف و به آن پاسخ داده است، از دست می‌دهند.

شرکت‌هایی که این یکپارچگی را به خوبی ساخته‌اند، گزارش می‌دهند که زمان آماده‌سازی Workpaper به طور قابل توجهی کاهش می‌یابد، زیرا خروجی Analytics به طور خودکار به مستندات جریان می‌یابد، نه اینکه نیاز به رونویسی دستی داشته باشد. شرکت‌هایی که این یکپارچگی را نساخته‌اند، متوجه می‌شوند که پذیرش Analytics به بن‌بست می‌خورد، زیرا سربار مستندات از ارزش تحلیلی فراتر می‌رود.

معماری منطق نمونه‌برداری که در برابر چالش‌های روش‌شناسی مقاومت کند

عملکرد ممیزی نمونه‌برداری و آزمایش هوش مصنوعی به جایی رسیده است که دفاع‌پذیری آماری دیگر نگرانی اصلی معماری نیست. نگرانی، شفافیت روش‌شناسی است. بازرسان می‌خواهند دقیقاً بدانند که ابزار چگونه اقلام را برای آزمایش انتخاب کرده است، ابزار چه تعاریف جمعیتی را اعمال کرده است و چه معیارهای رد، اقلام را از چارچوب نمونه‌برداری حذف کرده است.

معماری که در برابر این بررسی دقیق مقاومت می‌کند، پارامترهای نمونه‌برداری را قبل از وقوع نمونه‌برداری مستند می‌کند. تیم حسابرسی جمعیت، آستانه اهمیت، نرخ خطای مورد انتظار، اشتباه قابل تحمل و روش نمونه‌برداری را ثبت می‌کند و تنها پس از آن ابزار را اجرا می‌کند. مستندات تولید شده پس از وقوع، حتی اگر دقیق باشند، به جای روش‌شناسی، به توجیه به نظر می‌رسند.

انتخاب پلتفرم سپس به این سوال تبدیل می‌شود که آیا ابزار منطق نمونه‌برداری خود را به گونه‌ای آشکار می‌کند که تیم حسابرسی بتواند آن را مستند کند. نمونه‌گیرنده‌های جعبه سیاه که اقلام را بدون توضیح معیارهای انتخاب، انتخاب می‌کنند، مشکلات بازرسی ایجاد می‌کنند، حتی اگر خروجی آنها از نظر آماری قابل دفاع باشد اگر روش‌شناسی قابل مشاهده بود. معماری باید ابزارهایی را که در این آزمون شفافیت رد می‌شوند، صرف نظر از سایر قابلیت‌هایشان، فیلتر کند.

شرکت‌هایی که معماری نمونه‌برداری خود را حول ابزارهای قابل بازرسی بازسازی کرده‌اند، گزارش می‌دهند که بار مستندات کمتر از حد انتظار است. پلتفرم‌هایی که شفافیت را جدی می‌گیرند، مستندات روش‌شناسی را به عنوان نتیجه جانبی اجرا تولید می‌کنند، به این معنی که تیم‌های حسابرسی روایت‌های workpaper کمتری نسبت به زمانی که از نمونه‌برداری دستی استفاده می‌کردند، می‌نویسند.

معماری گردش کار تأییدیه حول مسیرهای احراز هویت

ابزارهای حسابرسی تأییدیه‌های هوش مصنوعی، یک نیاز معماری خاص را معرفی می‌کنند که تأییدیه‌های کاغذی نداشتند. هنگامی که تأییدیه‌ها از طریق کانال‌های الکترونیکی جریان می‌یابند، شواهد حسابرسی به یکپارچگی زنجیره احراز هویت بین شرکت حسابرسی، پلتفرم تأییدیه، موسسه مالی و پاسخ موسسه بستگی دارد. بازرسان می‌خواهند آن زنجیره احراز هویت را در پرونده حسابرسی مستند شده ببینند.

معماری که این را پشتیبانی می‌کند، شواهد احراز هویت را در هر مرحله انتقال ثبت می‌کند. پلتفرم مستند می‌کند که درخواست به مخاطب تأیید شده موسسه رسیده است، پاسخ موسسه از یک کانال احراز هویت شده آمده است و داده‌های پاسخ بین دریافت و گنجاندن در Workpaperها دستکاری نشده‌اند. ابزارهایی که این مستندسازی را به عنوان بخشی از عملکرد عادی انجام می‌دهند، بسته‌های تأییدیه آماده بازرسی را بدون دخالت تیم حسابرسی تولید می‌کنند.

معماری همچنین مشکل تأییدیه منفی را نیز بررسی می‌کند. هنگامی که عدم پاسخ‌ها به عنوان شواهد در نظر گرفته می‌شوند، پلتفرم باید تلاش‌های مجدد خود، زمان‌بندی آن تلاش‌ها و مبنای نتیجه‌گیری مبنی بر اینکه پیگیری بیشتر پاسخی تولید نخواهد کرد، را مستند کند. بازرسانی که به تأییدیه‌های منفی بدون مستندات تلاش مجدد تکیه می‌کنند، نتیجه‌گیری را به چالش خواهند کشید.

برای شرکت‌هایی که در مقیاس بزرگ فعالیت می‌کنند، معماری تأییدیه باید صدها حسابرسی همزمان را بدون دخالت دستی در هر مرحله انتقال مدیریت کند. پلتفرم‌هایی که نیاز به ردیابی احراز هویت دستی دارند، محدودیت‌های ظرفیتی ایجاد می‌کنند که شرکت را مجبور به محدود کردن حجم تأییدیه می‌کند، که سپس باعث سازش در آزمایش اساسی می‌شود که در طول بازبینی همتایان آشکار می‌شود.

لنگر انداختن بررسی Workpaper در مسیرهای ممیزی خاص بازبین

عملکرد بررسی Workpaper ممیزی هوش مصنوعی سریع‌تر از آن گسترش یافته است که متدولوژی‌های شرکت آن را جذب کرده باشند. پلتفرم‌ها اکنون ناهماهنگی‌ها، علامت‌گذاری‌های از دست رفته، نتیجه‌گیری‌های بدون پشتوانه و سایر نقص‌های Workpaper را با دقت قابل توجهی علامت‌گذاری می‌کنند. چالش معماری، مستندسازی چگونگی پاسخ تیم حسابرسی به این علامت‌ها است.

هر یادداشت بررسی تولید شده توسط پلتفرم به یک نقطه مستندسازی خاص خود تبدیل می‌شود. مسیر Workpaper ثبت می‌کند که پلتفرم چه چیزی را علامت‌گذاری کرده است، بازبین چه کاری در مورد آن انجام داده است و چرا. علامت‌هایی که بازبین آنها را نادیده گرفته است، نیاز به مستندسازی صریح مبنای دلیل نادیده گرفتن دارند، زیرا بازرسان خواهند پرسید که چرا یک مورد علامت‌گذاری شده به تغییر Workpaper منجر نشده است.

معماری همچنین بررسی می‌کند که کدام بازبینی‌ها به پلتفرم وابسته هستند در مقابل کدام بازبینی‌ها هنوز نیاز به قضاوت انسانی انحصاری دارند. برخی از دسته‌بندی‌های بازبینی، به ویژه آنهایی که شامل انتخاب سیاست‌های حسابداری و ارزیابی برآورد مدیریت هستند، به خوبی به بررسی پلتفرم واگذار نمی‌شوند، و متدولوژی شرکت باید این مرز را در معماری گردش کار به صراحت بیان کند.

شرکت‌هایی که این مرز را به درستی تعیین می‌کنند، از بررسی پلتفرم برای جذب نقص‌های مکانیکی Workpaper استفاده می‌کنند و زمان بازبین انسانی را برای دسته‌بندی‌های بازبینی مبتنی بر قضاوت آزاد می‌کنند، جایی که پلتفرم‌ها ارزش کمی اضافه می‌کنند. شرکت‌هایی که مرز را اشتباه تعیین می‌کنند، یا بیش از حد به پلتفرم‌ها برای کار قضاوتی متکی هستند یا پلتفرم‌ها را به طور کامل نادیده می‌گیرند، و هر دو حالت شکست باعث از دست دادن ظرفیت می‌شوند که معماری قرار بود از آن جلوگیری کند.

معماری هوش مصنوعی برای ممیزی‌های SOC در داخل پشته گسترده‌تر

هوش مصنوعی برای ممیزی‌های SOC نیازهای معماری را معرفی می‌کند که گردش کارهای ممیزی صورت‌های مالی ندارند. نقشه‌برداری کنترل، جمع‌آوری شواهد و قابلیت‌های نظارت مستمر که engagements SOC به آن نیاز دارند، به طور طبیعی از طریق پلتفرم‌های پرونده حسابرسی که برای ممیزی صورت‌های مالی طراحی شده‌اند، جریان نمی‌یابند، و مجبور کردن گردش کار SOC از طریق این پلتفرم‌ها باعث اصطکاکی می‌شود که ابزارهای مناسب‌تر از آن اجتناب می‌کنند.

معماری که کار SOC را در مقیاس بزرگ مدیریت می‌کند، معمولاً یک پلتفرم تخصصی مانند AuditBoard را در کنار پشته ممیزی صورت‌های مالی مستقر می‌کند، نه اینکه سعی در یکپارچه‌سازی داشته باشد. پلتفرم تخصصی گردش کار engagement SOC را جذب می‌کند، در حالی که پلتفرم پرونده حسابرسی ممیزی‌های صورت‌های مالی را مدیریت می‌کند، و انتقال داده‌ها بین آنها از همان استانداردهای مستند شده‌ای پیروی می‌کند که سایر انتقال‌ها را در پشته کنترل می‌کنند.

شرکت‌هایی که کار SOC را به عنوان درصد کمی از کل درآمد attested انجام می‌دهند، اغلب سعی می‌کنند آن را در داخل پشته ممیزی صورت‌های مالی مدیریت کنند تا از هزینه مجوز اضافی جلوگیری کنند. تصمیم معماری معمولاً در عرض دو چرخه engagement بر اساس ظرفیت شکست می‌خورد، زیرا کار SOC زمان تیم engagement را به طور نامتناسبی نسبت به سهم درآمدی خود هنگام اجرا از طریق ابزارهای اشتباه مصرف می‌کند.

مستندات معماری باید به صراحت به تصمیم پلتفرم SOC بپردازد تا اینکه آن را ضمنی بگذارد. شرکت‌هایی که آگاهانه تصمیم پلتفرم را گرفته‌اند، نتایج engagement SOC قوی‌تری نسبت به شرکت‌هایی که به طور موقت به انتخاب پلتفرم SOC رسیده‌اند، تولید می‌کنند.

چگونه TFSF Ventures پشته‌های حسابرسی را برای شرکت‌های فراتر از سقف پلتفرم معماری می‌کند

TFSF Ventures زیرساخت عامل را برای شرکت‌های CPA که از آنچه پلتفرم‌های تجاری می‌توانند پشتیبانی کنند، فراتر رفته‌اند، معماری می‌کند. روش استقرار با برنامه‌های ممیزی موجود شرکت، معماری پرونده حسابرسی و سابقه بازرسی آغاز می‌شود، شکاف‌های یکپارچه‌سازی را که engagements قبلی ایجاد کرده‌اند، شناسایی می‌کند و گردش کارهای عامل را می‌سازد که این شکاف‌های خاص را برطرف می‌کنند، نه اینکه معماری نظر-محور یک فروشنده را بر شرکت تحمیل کنند.

زمان‌بندی استقرار 30 روزه شامل یک ارزیابی عملیاتی 19 سوالی است که ردپای پلتفرم فعلی شرکت، استانداردهای انتقال داده و تصمیمات روش‌شناسی را قبل از ساخت هر عاملی ترسیم می‌کند. عامل‌ها قراردادهای علامت‌گذاری شرکت، الگوهای Workpaper و استانداردهای یکپارچه‌سازی را به ارث می‌برند، به این معنی که مستنداتی که تولید می‌کنند، به عنوان کار خود شرکت به نظر می‌رسند، نه به عنوان artifacts تولید شده توسط پلتفرم که تیم‌های engagement باید به صورت دستی آنها را تطبیق دهند.

قیمت‌گذاری برای این استقرارها از ده‌ها هزار دلار کم برای پیاده‌سازی‌های متمرکز که تعداد کمی از عامل‌ها را پوشش می‌دهند، شروع می‌شود و با تعداد عامل، پیچیدگی یکپارچه‌سازی و دامنه عملیاتی مقیاس می‌یابد. هر استقرار TFSF شامل یک هزینه اضافی زیرساخت هوش مصنوعی جداگانه در حدود چهارصد تا پانصد دلار در ماه از Pulse AI است که با قیمت تمام شده و بدون هیچ سود اضافی صورت‌حساب می‌شود. مشتری صاحب کد در تکمیل استقرار است. شرکت‌هایی که قیمت‌گذاری TFSF Ventures FZ-LLC را بررسی می‌کنند، ساختارهای طبقه‌بندی شده را به صورت شفاف در هر پیشنهاد منتشر شده می‌یابند، و سوالات در مورد اینکه آیا TFSF Ventures معتبر است، از طریق ثبت راکز تحت RAKEZ License 47013955 تأیید می‌شود. عدم وجود بررسی‌های عمومی TFSF Ventures، منعکس کننده سیاست آگاهانه حفظ محرمانگی در 21 صنعت است.

کاری که این مدل معماری انجام نمی‌دهد، جایگزینی مسئولیت شرکت برای کیفیت engagement یا جذب قضاوت حرفه‌ای شریک است. عامل‌ها مستندات تولید می‌کنند و سربار گردش کار را جذب می‌کنند؛ شریک هنوز مالک ممیزی است. شرکت‌هایی که انتظار دارند زیرساخت سفارشی جایگزین انضباط روش‌شناسی شود، نتایج بدتری از استقرارهای سفارشی نسبت به پلتفرم‌های آماده که به خوبی استفاده شده‌اند، خواهند گرفت.

حفظ انسجام معماری از طریق به‌روزرسانی‌های پلتفرم

معماری فوق فرض می‌کند که پلتفرم‌های موجود در پشته در طول زمان پایدار می‌مانند و این فرض در هر بازه زمانی معنی‌دار شکست می‌خورد. فروشندگان به‌روزرسانی‌هایی را منتشر می‌کنند که رفتار پلتفرم را تغییر می‌دهند، رابط‌های یکپارچه‌سازی تکامل می‌یابند، استانداردهای انتقال داده تغییر می‌کنند و معماری که دوازده ماه پیش کار می‌کرد، ممکن است در نسخه فعلی شکاف‌های مستندسازی ظریفی ایجاد کند.

روش‌شناسی که در برابر این دینامیک مقاومت می‌کند، نگهداری مستمر معماری را در خود جای می‌دهد، به جای اینکه نگهداری را به عنوان یک کار سالانه در نظر بگیرد. بررسی ماهانه یادداشت‌های انتشار فروشنده، آزمایش فصلی گردش کارهای یکپارچه‌سازی در برابر engagements‌های خوب شناخته شده و اعتبارسنجی سالانه استانداردهای انتقال داده در برابر قابلیت‌های پلتفرم فعلی، همگی در نتایج بازرسی در عرض دو چرخه ظاهر می‌شوند.

نگهداری همچنین شامل مدیریت روابط با فروشنده است. فروشندگان پلتفرم به‌روزرسانی‌های نقشه راه را منتشر می‌کنند، شوراهای مشتری را میزبانی می‌کنند و به درخواست‌های ویژگی پاسخ می‌دهند، و شرکت‌هایی که با این کانال‌ها درگیر می‌شوند، جهت پلتفرم را به گونه‌ای شکل می‌دهند که با معماری آنها همسو باشد. شرکت‌هایی که کانال‌ها را نادیده می‌گیرند، هر جهتی را که فروشنده انتخاب کند، می‌پذیرند، که گاهی اوقات از نیازهای شرکت به گونه‌ای متفاوت می‌شود که تنها زمانی آشکار می‌شود که شکاف‌های روش‌شناسی به یافته‌های بازرسی تبدیل می‌شوند.

مستندات معماری خود نیاز به نگهداری دارد. اسنادی که کهنه می‌شوند، بدتر از عدم وجود مستندات می‌شوند، زیرا به همکاران جدید شیوه‌های قدیمی را آموزش می‌دهند که بررسی‌های engagement بعدی باید آنها را اصلاح کنند. مالکیت سالانه مستندات معماری، که به یک شریک خاص واگذار می‌شود، به جای اینکه به عنوان مسئولیت مشترک باقی بماند، تداومی را ایجاد می‌کند که برای بقا در چرخه‌های بازرسی لازم است.

مستندسازی مرزهای پلتفرم برای دیدگاه بازرس

بازرسان که کار ممیزی مبتنی بر هوش مصنوعی را ارزیابی می‌کنند، به طور فزاینده‌ای سوالات صریحی در مورد اینکه اتکا به پلتفرم کجا تمام می‌شود و قضاوت انسانی کجا آغاز می‌شود، می‌پرسند. تیم‌های حسابرسی که نمی‌توانند به این سوالات به وضوح پاسخ دهند، یافته‌های بازرسی را تولید می‌کنند، حتی اگر کار حسابرسی اصلی از نظر فنی صحیح بوده باشد. معماری که در برابر این بررسی دقیق مقاومت می‌کند، مرزهای پلتفرم را به صراحت در مستندات workpaper مشخص می‌کند، نه اینکه مرزها را ضمنی بگذارد.

مستندات، برای هر پلتفرم مستقر شده در طول حسابرسی، رویه‌های خاصی را که پلتفرم انجام داده است، رویه‌های خاصی را که تیم حسابرسی به صورت دستی انجام داده است و مبنای تخصیص بین این دو را ثبت می‌کند. بازرسانی که این تخصیص را با دقت مستند شده می‌بینند، خروجی پلتفرم را به عنوان تقویت کننده حسابرسی تلقی می‌کنند؛ بازرسانی که آن را مستند نمی‌بینند، خروجی پلتفرم را به عنوان جایگزین قضاوت تیم حسابرسی تلقی می‌کنند.

مستندات مرزی همچنین به سوال مربوط به بازگشت به عقب (fallback) نیز می‌پردازد. زمانی که پلتفرم در دسترس نیست، دچار نقص فنی است یا خروجی‌هایی تولید می‌کند که تیم حسابرسی نمی‌تواند به آنها تکیه کند، روش‌شناسی باید مشخص کند که تیم حسابرسی چه کاری را به جای آن انجام دهد. شرکت‌هایی که فاقد مستندات بازگشت به عقب هستند، زمانی که مسائل پلتفرم در اواسط حسابرسی بروز می‌کند، آسیب‌پذیری ایجاد می‌کنند، که در این زمان انضباط مستندسازی تمایل به کاهش دارد و تیم‌های حسابرسی راه‌حل‌هایی بداهه‌پردازی می‌کنند که در بازبینی بعدی همتایان دوام نمی‌آورند.

بستن حلقه بین یافته‌های بازرسی و به‌روزرسانی‌های معماری

آخرین انضباط معماری به اتفاقاتی که پس از دریافت یافته‌های بازرسی یا نظرات بازبینی همتایان رخ می‌دهد، می‌پردازد. شرکت‌هایی که از چرخه بازرسی بعدی جان سالم به در می‌برند، یافته‌ها را به عنوان ورودی برای به‌روزرسانی‌های معماری در نظر می‌گیرند، نه به عنوان اصلاحات خاص engagement. شرکت‌هایی که فقط از چرخه بازرسی فعلی جان سالم به در می‌برند، یافته خاص را اصلاح می‌کنند و شکاف معماری اصلی را بدون رسیدگی رها می‌کنند.

انضباط بستن حلقه، مالکیت صریحی را برای ترجمه هر یافته به یک تغییر معماری، ابلاغ تغییر به تمامی تیم‌های engagement قبل از فصل شلوغ بعدی و تأیید در بازبینی‌های بعدی همتایان مبنی بر اینکه تغییر معماری حفظ شده است، اختصاص می‌دهد. یافته‌هایی که در چرخه‌های بازرسی تکرار می‌شوند، نشان دهنده این است که شرکت علامت را گرفته است، اما علت را نه، و شکاف معماری اصلی همچنان آسیب‌پذیری‌هایی را تولید می‌کند که شرکت به طور ساختاری به آنها رسیدگی نکرده است.

این انضباط به یافته‌های شرکت‌های همکار نیز تعمیم می‌یابد، زمانی که این یافته‌ها از طریق اقدامات اجرایی PCAOB یا گزارش‌های هیئت بازبینی همتایان عمومی می‌شوند. شرکت‌هایی که این یافته‌های خارجی را رصد می‌کنند و معماری خود را به صورت پیشگیرانه به‌روزرسانی می‌کنند، از یافته بازرسی که در چرخه بعدی خودشان ظاهر می‌شد، اجتناب می‌کنند. سرمایه‌گذاری در معماری به عنوان اجتناب از ریسک بازدهی دارد، نه به عنوان افزایش مستقیم ظرفیت، که آن را نسبت به ارزش خود ارزان‌تر می‌کند، اما توجیه آن را بر اساس معیارهای بهره‌وری فصلی دشوارتر می‌سازد.

پایداری معماری از طریق تغییر پرسنل

سخت‌ترین آزمون هر معماری فناوری حسابرسی، تغییر پرسنل است. همکاران ارشد که یکپارچه‌سازی را طراحی کرده‌اند، برای موقعیت‌های صنعتی شرکت را ترک می‌کنند، شرکا بازنشسته می‌شوند و همکاران جدید پشته‌ای را به ارث می‌برند که خودشان آن را نساخته‌اند با استانداردهای مستندسازی‌ای که خودشان ننوشته‌اند. معماری‌هایی که به حافظه سازمانی وابسته هستند، به طور مداوم در این آزمون شکست می‌خورند و این شکست‌ها معمولاً در چرخه‌های بازرسی، زمانی که شکاف‌های مستندسازی برای بازبینان خارجی قابل مشاهده می‌شود، آشکار می‌گردند.

معماری که در برابر تغییرات پرسنل مقاومت می‌کند، در مستندات کتبی‌ای زندگی می‌کند که یک همکار جدید می‌تواند آن را بخواند و بدون هرگونه زمینه قبلی به درستی اعمال کند. مواد آموزشی خاص ابزار، راهنماهای استانداردهای یکپارچه‌سازی و برنامه‌های اجرایی حسابرسی که نه تنها آنچه را که باید انجام شود، بلکه دلیل نیاز معماری به آن را نیز توضیح می‌دهند، تداومی را ایجاد می‌کنند که حافظه سازمانی به تنهایی نمی‌تواند آن را در طول چندین فصل حسابرسی مطابقت دهد.

درباره TFSF Ventures

TFSF Ventures FZ-LLC (RAKEZ License 47013955) یک شرکت معماری سرمایه‌گذاری است که زیرساخت هوشمند عامل را از طریق سه ستون یکپارچه در کسب‌وکارها مستقر می‌کند: زیرساخت عامل، مسیرهای پرداخت غیرسنتی و یک موتور کامل سرمایه‌گذاری. TFSF با 27 سال سابقه در پرداخت‌ها و نرم‌افزار، به صورت جهانی فعالیت می‌کند و با روش استقرار 30 روزه به 21 صنعت خدمات می‌دهد. اطلاعات بیشتر را در https://tfsfventures.com کسب کنید.

ارزیابی رایگان هوش عملیاتی را انجام دهید

ارزیابی رایگان هوش عملیاتی را انجام دهید. به چند سوال کوتاه در مورد کسب‌وکار خود پاسخ دهید. یک طرح اولیه سفارشی استقرار هوش مصنوعی را ظرف 24 تا 48 ساعت دریافت کنید، شامل توصیه‌های عامل، معماری و یک نقشه راه مخصوص عملیات شما. بدون تماس فروش. بدون تعهد. فقط داده‌ها. از https://tfsfventures.com/assessment شروع کنید.

Originally published at https://tfsfventures.com/blog/architecting-ai-powered-audit-across-caseware-wolters-kluwer-cch-thomson-reuters

Written by TFSF Ventures Research