Professional Documents
Culture Documents
Introduccin
Contenido: Introduccin. Distintas modalidades de auditora: similitudes y dirferencias. La auditora a las bases de datos. El empleo de los sistemas expertos en las auditoras. Las redes neuronales artificiales en el trabajo de auditora: el BMLP y el diagnstico empresarial. Conclusiones.
Este trabajo recoge algunas experiencias en el empleo de tcnicas informticas como apoyo a la auditora (TAAC) en sus diferentes modalidades: auditora financiera, auditora de gestin y auditora a la informacin y el conocimiento.
Auditora financiera Auditora de Gestin. Auditora a la Informacin y el Conocimiento Las reas comunes de trabajo en los tres casos son las informativas. Las TAAC que se explicarn pueden apoyar a las tres.
Los programas de bsqueda en auditoras, se utilizan para detectar situaciones anormales en las bases de datos, como:
Valores (precios, cantidades, salarios, etc.) muy altos o muy bajos. Frecuencia de ocurrencia (de depsitos o extracciones de dinero de alguna cuenta, etc.) muy alta o muy baja. Elementos que faltan o estn ausentes en las bases de datos (Cheques o talones, facturas, albaranes, etc.). Elementos repetidos indebidamente (Cheques o talones, facturas, albaranes, etc.). Transacciones incompletas (Cuentas por cobrar o por pagar sin sus correspondientes cobros o pagos, etc.). Transacciones muy antiguas sin que aparentemente se haya hecho nada por evitarlo (Cuentas por cobrar o por pagar muy antiguas, productos almacenados que no se mueven, etc.).
Pueden utilizarse en: Investigacin preliminar, para obtener informacin general sobre la entidad que se auditar. Ejecucin de la auditora, para evaluar la eficacia y eficiencia del sistema de control interno. Ejecucin de la auditora, para evaluar analticamente el estado financiero de la entidad que se audita.
Existen varios tipos de Sistemas expertos, pero los ms utilizados son los basados en reglas de produccin:
If <condicin> Then <Secuencia-de-Ejecucin-1> Else <Secuencia-de-Ejecucin-2>
Se basan en las informaciones que expertos humanos puedan aportarles para alimentar su base de conocimientos. Este saber debe estar suficientemente sistematizado y organizado como para que puedan ser representados en forma de reglas de produccin. De ello se ocupan tcnicas llamadas en Inteligencia Artificial Ingeniera del conocimiento.
En la evaluacin del control interno se apoyan en la existencia de un conocimiento sistematizado: manuales de auditora, cuestionarios normalizados, etc. Pueden utilizarse como asesores de auditores con poca experiencia. Permiten organizar mejor an el conocimiento de los auditores experimentados sobre el control interno.
Ejemplos de reglas de produccin para la evaluacin del control interno: SI la administracin particip en el diseo y elaboracin del sistema de control interno Y participa en el anlisis y aprobacin de los cambios al sistema de control interno ENTONCES el sistema de control interno tiene una alta probabilidad de representar los intereses de la administracin EN CASO CONTRARIO el sistema tiene una baja probabilidad de representar los intereses de la administracin SI el empleado que elabora la nmina de salarios ES IGUAL al empleado que aprueba la nmina de salarios ENTONCES hay una alta probabilidad de que existan fraudes o errores no detectados en la nmina de salarios EN CASO CONTRARIO hay una baja probabilidad de que existan errores o fraudes en la nmina de salarios SI la autorizacin de la entrega de productos en el almacn NO ES IGUAL A entrega autorizada de productos en el almacn ENTONCES hay una alta probabilidad de que se produzcan entregas de productos no autorizadas en el almacn EN CASO CONTRARIO hay una baja probabilidad de que se produzcan entregas de productos no autorizados en el almacn SI el sistema tiene una baja probabilidad de representar los intereses de la administracin Y hay una alta probabilidad de que existan fraudes o errores no detectados en la nmina de salarios Y hay una alta probabilidad de que se produzcan entregas de productos no autorizadas en el almacn Y/O ENTONCES El sistema de control interno presenta sntomas evidentes de debilidad. Se recomienda realizar ms pruebas sustantivas EN CASO CONTRARIO El sistema de control interno no parece presentar sntomas de debilidad
En ambos casos existe el conocimiento necesario para construir los sistemas expertos con un mnimo de funcionalidad y de utilidad en los mismos. Se han generalizado entre la comunidad de auditores?: No. Las probables razones:
Poco conocimiento dichas herramientas. Poca amigabilidad, lo que hace no atractivo su utilizacin. Cierta tendencia al conservadurismo entre algunos auditores, lo que les impide similar nuevas tecnologas, de carcter no tradicional, y con resultados y ventajas no totalmente claros para ellos.
El conocimiento experto en este caso se concentra en definir cul es el patrn para comparar la entidad y cmo organizar las reglas de produccin para la inferencia.
Se utilizan como una alternativa a los sistemas expertos, debido a las dificultades de utilizar sistemas expertos, es encontrar y organizar el conocimiento humano. Utilizacin del BMLP o Red multicapa de propagacin hacia atrs. Por su capacidad de evaluacin y clasificacin de problemas y por su capacidad de trabajar pese al ruido. Es una alternativa utilizada para solucionar el problema de la evaluacin del control interno.
Arquitectura: tres capas de neuronas. Capa de entrada de informacin: Una neurona por cada pregunta de los cuestionarios y por cada cuestin observada. Valores de entrada: 1, en el caso de que la pregunta se respondiera afirmativamente; 0 para el caso de respuesta negativa y -1 para el caso de respuesta improcedente. Capa de salida: criterios conclusivos sobre el control interno de la entidad, compuesta por una neurona por cada una de las categoras evaluativas. La neurona responsable de una categora evaluativa, emite un valor entre 0 y 1: Si es 0 o alguno cercano, esa categora no se aplicaba. Pero si el valor de salida era 1 o cercano, la conclusin sobre el control interno se asociaba con esa categora. Se elabor un sencillo interface convirtiendo dichos valores en lenguaje natural. Capa intermedia. La cantidad de neuronas en la capa se obtuvo a partir de la aplicacin de una sencilla regla que dice que el numero estndar de neuronas en capas ocultas es igual a M/2N < n < 2M/N, donde:
M: Es el nmero de ejemplos con que se va a entrenar la red. N: Es el nmero de unidades de entrada. n: Es el nmero de neuronas que se van a situar en capas intermedias.
Funcin de activacin: sigmoide, integrndola entre -1 y 1, para lograr valores continuos de salida en los procesos de activacin.
Se trabaj sobre un prototipo para experimentar su diseo.y despus se construy una versin mediante Visual Basic. Los resultados fueron muy promisorios: la red evalu adecuadamente los casos que se le alimentaron, produciendo resultados similares a los que haban producido los sistemas expertos anteriormente explicados. Cuando se intent confundirla introduciendo ruidos en las preguntas (preguntas sin responder, respuestas errneas), fue capaz de dar evaluaciones correctas asimilando hasta el 10-12% de ruidos en las informaciones de entrada. Estos resultados demuestran que una red basada en BMLP puede solucionar perfectamente los problemas de evaluacin del control interno entre entidades.
Se ha utilizado en la prctica este tipo de TAAC? No, slo con carcter experimental. Probables causas:
La pobre difusin de sus ventajas entre los auditores, lo que motiva cierto desconocimiento de esas tecnologas. La poca amigabilidad del diseo de la aplicacin elaborada. El mencionado conservadurismo entre algunos de ellos.
Conclusiones
Contenido: Introduccin. Distintas modalidades de auditora: similitudes y dirferencias. La auditora a las bases de datos. El empleo de los sistemas expertos en las auditoras. Las redes neuronales artificiales en el trabajo de auditora: el BMLP y el diagnstico empresarial. Conclusiones.
Slo la auditora a las bases de datos, y concretamente el paquete IDEA for Windows, se est aplicando a escala industrial. Los sistemas expertos y las redes neuronales artificiales se ven afectados por las probables causas mencionadas. Pero ambas han alcanzado ya una madurez en su tecnologa. Ya han pasado a ser problemas tecnolgicos y no cientficos. Es probable su generalizacin.