Лайфхаки в аудите

Искусственный интеллект VS аудитор. Кто круче?

Время прочтения: 2 мин.

Российские банки подвергаются риску внутреннего мошенничества, борьба с которым в настоящее время становится неотъемлемой частью банковской культуры. Поэтому в свою деятельность они активно внедряют новые технологии и используют AI подходы к анализу данных для кредитной аналитики. Большинство кредитов выдается физическим лицам на основании решений искусственного интеллекта в результате автоматизированной обработки данных средствами  BigData, Machine Learning: доходы клиента, кредитный рейтинг, транзакции, сферы деятельности и др. Тем не менее, применение AI технологий пока не может на 100% исключить получение кредита по фиктивным документам.

Одним из видов внутреннего мошенничества при кредитовании является участие сотрудников Банка в преступных схемах. Например: «чёрный» кредитный брокер договаривается за вознаграждение с сотрудником банка, чтобы тот заводил заявки на кредиты клиентов, «не замечая определенных моментов» при проведении визуальной оценки клиента и предоставленных документов.

Для выявления таких схем Служба внутреннего аудита может применять аналитический инструмент по анализу заявок на получение кредитов. В качестве  закономерностей отбираются  существенные параметры заявок (запрошенная сумма, канал продажи, продукт и др.) и им присваиваются веса. Например, максимальному количеству кредитов по фиктивным документам выданных клиентам в возрасте от 26 до 30 лет – присваивается максимальный вес в модели. В результате сложения присвоенных весов формируется пул высокорисковых заявок для расширенного анализа, включающего просмотр предоставленных заемщиками документов.

Например, похожая модель сейчас работает в Управлении внутреннего аудита по Московскому банку. Она позволяет строить рейтинг филиалов и сотрудников, принявших «подозрительных» заявки. После этого аудиторы анализируют полученные данные и формируют выводы по ним. Применение данной модели позволило выявить зоны повышенного риска и своевременно внести корректировки в алгоритм принятия решений по выдаче кредитов.

Вывод:

Безусловно, искусственный интеллект позволяет оптимизировать рутинную деятельность, однако не способен оценить результат своих действий и решает только те задачи, которые перед ним   ставит человек.

Поэтому проверка существующих моделей является важной функцией в аудиторской деятельности, а грамотное применение инструментов машинного обучения с последующим интеллектуальным анализом позволяет аудиторам сфокусировать внимание на очагах повышенного риска внутреннего мошенничества в банковской деятельности.

Советуем почитать