حسابرسی مدل مالی با هوش مصنوعی؛ چکلیست و بازبینی
حسابرسی مدل مالی یعنی بررسی کامل یک مدل از ابتدا تا انتها برای پیدا کردن خطای فرمول، فرض نامعقول و منطق ناسازگار. بررسی دستی با «نگاه کردن» معمولاً گوشههایی را از قلم میاندازد. در این نوشته میبینیم یک ابزار هوش مصنوعی در صفحهگسترده چه چیزهایی پیدا کرد و تحلیلگر چگونه از آن بهره برد.
چرا چشمچرانی در مدل کافی نیست؟
بسیاری از مدلسازان برای کنترل مدل، تبها را یکییکی باز میکنند و روی سلولها کلید F2 را میزنند تا فرمول را ببینند. این روش کند است و به حافظه و تمرکز فرد بستگی دارد. مدلی که ماهها ساخته شده، تبهای زیادی دارد و خطای کوچک در یک گوشه میتواند روی خروجی نهایی اثر بگذارد.
حسابرسی سیستماتیک یک فهرست ثابت از بررسیها دارد و هر بار همانها را انجام میدهد. برای همین هوش مصنوعی در این کار مفید است: خسته نمیشود و فهرست را کامل مرور میکند. اگر با خطاهای معمول آشنا نیستید، نوشته کنترل خطا در مدل مالی نقطه شروع خوبی است.
دستور کار ثابت برای حسابرسی مدل
یک «مهارت» در هوش مصنوعی مجموعهای از دستورالعملهای ذخیرهشده است که ابزار هر بار به همان شکل اجرا میکند. این ثبات برای گزارش حسابرسی ضروری است، چون خروجی باید قابل مقایسه بین دو اجرا باشد. نکته مهم این است که چنین دستوری معمولاً یکشبه کامل نمیشود؛ باید چند نسخه آن را آزمود و اصلاح کرد، درست مثل خود مدل.
دستور کار مورد بحث این ویژگیها را داشت:
- مدل را از ابتدا تا انتها بدون نیاز به دخالت در میانه کار بررسی میکند.
- هر مشکل را با اولویت مشخص میکند.
- برای هر مورد پیوند مستقیم به سلول مربوط میدهد.
- یادداشتها و پیگیریهای اجراهای قبلی را نگه میدارد تا اجرای بعدی فقط موارد تازه را اضافه کند.
یک اجرای کامل نزدیک یک ساعت طول کشید، که نسبت به ابزارهای مشابه کند است. اما گزارش خروجی بر اساس اولویت مرتب بود و میشد هر مورد را بررسی، پیگیری و دوباره مرتب کرد.
چهار دسته بررسی در حسابرسی مدل
برای اینکه حسابرسی منسجم باشد، بررسیها در چهار گروه تعریف شدند:
- موارد ساختاری: چیدمان تبها، جریان اطلاعات، پیوندها و ورودیها.
- موارد پیشبینی: آیا فرضهای پیشبینی با داده واقعی اخیر همخوان است؟
- منطق مدل: اگر اتفاقی افتاد، چه چیز دیگری باید (یا نباید) تغییر کند؟ برای مثال اگر فروش بالا میرود، هزینههای وابسته به آن هم باید بالا بروند.
- بهترین روشها: رنگبندی، یکدستی فرمولها و مستندسازی. برای این گروه، اصول مدل مالی خوب مرجع مناسبی است.
نمونه یافتهها: از خطای فنی تا نکته راهبردی
بخش زیادی از یافتهها تأییدی یا خطاهای کوچک و ساده بودند. اما چند مورد اثر جدی داشتند:
- فرمولی از مدل قبلی به این مدل منتقل شده بود و باید بهروز میشد.
- چند فرمول داشبورد کل بازه ماهانه را پوشش نمیدادند.
- چند ورودی قدیمی و بیاستفاده وجود داشت که به هیچ جا وصل نبود.
مهمتر از آن، حسابرسی چند نکته راهبردی را هم بالا آورد که میتوان با مشتری یا مدیریت دربارهشان گفتگو کرد:
- درآمد پیشبینیشده از جدیدترین درآمد واقعی جلوتر است.
- یک قلم اخیر در بهای تمامشده فروش، پیشبینی را منحرف و کمتر از واقع نشان میدهد.
- بعضی هزینههای عمومی و اداری با رشد کسبوکار آنطور که انتظار میرود رشد نمیکنند.
- بعضی فروشندگان نرخ تحقق سهمیهای بالاتر از میانگین تاریخی دارند.
بازبینی انسانی؛ نیمه مهمتر کار
بهترین بخش این روش آن است که گزارش را فقط تحویل نگیرید. وقتی خروجی ابزار را با بازبینی خودتان ترکیب میکنید، مجبور میشوید به فایل برگردید و گوشههایی را ببینید که شاید هرگز سراغشان نمیرفتید. اگر دلیل هر مورد را بفهمید و فقط ننویسید «این را رفع کن»، هم مدل بهتر میشود و هم مهارت مدلسازی شما.
یک اصل خوب هم این است که هوش مصنوعی برای روند کار باشد، نه برای ارتباط. یعنی پیام نهایی برای مدیریت را خودتان مینویسید: «پرچمهای پیشبینی» که (۱) حسابرسی پیدا کرده، (۲) شما بررسی کردهاید و (۳) نیاز به تصمیم نهایی تیم درباره فرض آینده دارند. مثال عددی ساده: اگر فروش واقعی سه ماه اخیر ماهی ۱۰۰ واحد بوده ولی مدل برای ماه بعد ۱۳۰ واحد پیشبینی کرده، این جهش ۳۰ درصدی باید توضیح داده شود. برای ساختار این گفتگو، تست استرس مدل مالی را ببینید.
پرسشهای متداول
آیا هوش مصنوعی جای بازبینی انسانی را میگیرد؟ نه. ابزار مشکلها را پیدا و اولویتبندی میکند، اما تصمیم درباره فرضهای آینده با انسان است.
دستور کار حسابرسی چقدر طول میکشد تا خوب شود؟ معمولاً چند نسخه آزمون و اصلاح لازم است. هر بار بر اساس خروجی واقعی، دستور را دقیقتر کنید.
چرا اجرای قبلی را نگه میداریم؟ تا اجرای بعدی فقط موارد جدید را اضافه کند و پیگیری موارد قبلی گم نشود.
اگر ابزار کند باشد چه کنیم؟ اجرا را در زمان غیرکاری شروع کنید؛ ارزش گزارش جامع معمولاً از زمان انتظار بیشتر است.
جمعبندی
حسابرسی مدل مالی با هوش مصنوعی چهار گروه بررسی (ساختار، پیشبینی، منطق و بهترین روشها) را بدون خستگی انجام میدهد و پیوند مستقیم به سلولها میدهد. ارزش واقعی آن در ترکیب با بازبینی انسانی است: خطاها را قبل از مشتری پیدا میکنید، موضوعات راهبردی را مطرح میکنید و مدلساز بهتری میشوید.