KPMG gebruikt kunstmatige intelligentie om opvallende transacties op te
sporen
Op boekhoudkundig terrein kan de software van KPMG voor een grote
verbetering in de financiële controle zorgen.
KPMG heeft software ontwikkeld waarmee opvallende transacties kunnen
worden opgespoord. De software maakt gebruik van kunstmatige
intelligentie-technieken die patronen herkennen in procesmatig
gegenereerde datasets, zoals de financiële data in een grootboek.
Hierdoor kunnen afwijkingen in bestaande patronen met succes in kaart
worden gebracht.
Creditcardmaatschappijen gebruiken al langere tijd dergelijke systemen
om afwijkingen in creditcardgebruik te detecteren. Ook bij
verzekeringsmaatschappijen zijn deze systemen in gebruik om mogelijke
frauduleuze claims te kunnen detecteren. Op boekhoudkundig terrein kan
de software van KPMG dan ook voor een grote verbetering in de
financiële controle zorgen.
KPMG heeft de software getest bij vijf grotere organisaties in de
verzekeringsbranche, de onderwijssector en bij handelsondernemingen en
dienstverleners. Van de organisaties is voor één of meerdere boekjaren
de integrale financiële data verkregen en geanalyseerd met behulp van
de nieuwe KPMG-software. Uit de test blijkt dat het aantal mogelijk
ongebruikelijke transacties in de data bij de organisaties relatief
gezien uiteenloopt van 0,1% tot 4%. Over het algemeen vertegenwoordigen
de mogelijk ongebruikelijke transacties 0,1% tot 28% van de totale
hoeveelheid euro's in de populatie. De test is uitgevoerd op alle
transacties in het grootboek van de organisaties. "Zoals verwacht geeft
de test aan dat de minder gebruikelijke handmatige journaalposten het
meest afwijken", constateert Rens Rozekrans, partner bij KPMG en
verantwoordelijk voor Risk & Compliance.
Rozekrans: "Ook fouten in systeemboekingen komen naar voren, zoals
onvolledig of niet tijdig verwerkte batchboekingen. Daarnaast merkten
een aantal bij de test betrokken organisaties op dat opvallende
transacties inderdaad werden opgespoord, een bewijs dat de software
werkt. Het is duidelijk dat de software van KPMG een aanvulling vormt
op het pallet van oplossingen dat ingezet kan worden in het kader van
het voortdurend monitoren van de bedrijfsprocessen. Een ontwikkeling
die door steeds meer bedrijven wordt nagestreefd."
Waar traditionele data-analyse technieken analyseren op vooraf
geprogrammeerde risico-indicatoren, analyseert de software van KPMG op
basis van de kennis die in de data aanwezig is. Rozekrans: "Deze kennis
zit verscholen in de patronen en mogelijk ongebruikelijke transacties
in de data zelf. Onze software vormt dan ook een aanvulling op de
traditionele methoden van data-analyse. Het blijft zinnig om op bekende
risico-indicatoren data te analyseren om inzicht te krijgen in de
bedrijfsrisico's die worden gelopen. Voor een compleet beeld is onze
software een belangrijke aanvulling op de voornoemde traditionele
methoden, omdat de gehele populatie vanuit de data zelf wordt
geanalyseerd en daarmee de `blinde vlekken' in de traditionele methoden
worden ondervangen. Door traditionele methoden aan de software te
koppelen, kijk je als het ware vanuit meerdere perspectieven naar
dezelfde dataset.
Voor de toekomst verwacht ik een grotere benutting van zelflerende
systemen in het kader van het voortdurend monitoren van
bedrijfsprocessen. We gaan steeds meer toen naar het real-time
analyseren van bedrijfsdata. Dit impliceert dat data op alle niveaus
snel beschikbaar moet zijn. Het toepassen van zelflerende systemen past
binnen deze ontwikkeling."