Розвиток судово-бухгалтерської експертизи з використанням ШІ – як я виконав би той самий проект учора і сьогодні

Назустріч очікуванням наших читачів ми вирішили представити практичний приклад у нашому блозі. Щоб продемонструвати, як аналіз доказів може бути автоматизований з використанням ШІ та повторюваного процесу, скористаємося історією про те, як працівники великого житлового кооперативу викрадали запасні частини та використовували їх для власних цілей. Вся історія правдива, однак ми приховали особу замовника, тому просимо читача не намагатися вгадати компанію, описану в статті, за наданими деталями.

Справа відбулася кілька років тому, коли, окрім реплікантів із культового фільму 'Той, хто біжить по лезу', машини все ще не могли пройти тест Тюрінга. Аналіз цифрових доказів був ручним або, якщо хочете, візуальним.

Наше завдання було представлено нам досить розпливчасто; спочатку ми знали лише, що бригадири можуть використовувати запасні частини для власних цілей, працюючи на так званих 'шабашках' – тобто виконуючи ремонти особисто або через господарську діяльність. Тому я поїхав із колегою з команди на пояснювальну процедуру до міста середнього розміру на півдні Польщі. Ми вивчили весь процес – знали, хто і чому замовляв запасні частини та для яких потреб, хто вводив замовлення до баз даних, як викликалися та реєструвалися ремонти в технічній системі. Однак ми зіткнулися з дуже важливою проблемою – запасні частини не мали серійних номерів, які б однозначно їх ідентифікували, а під час інвентаризації ці частини не підлягали поодинокому обліку. На практиці ми знали, хто, скільки і коли замовляв частини та на яку адресу ремонту, але, окрім концентрації замовлень навколо кількох прізвищ та адрес, для внутрішнього розслідування мало що випливало. Не здаючись – ми розділили сили. Я відбирав для перевірки будівлі, в яких частини замінювалися частіше ніж двічі на рік, тоді як мій колега, видаючи себе за керівництво житлових кооперативів, обдзвонював виробників і запитував про значення кодів, які використовуються для позначення частин. Слід виявився правильним – у послідовності чисел була закодована дата виробництва (місяць і рік). Ми також знали, що запасна частина за нормальних умов могла використовуватися від десяти до п'ятнадцяти років.

Після слідчого аналізу нам залишалося увійти в обрані близько 150 будівель, де часто замінювалися частини, сфотографувати коди та провести аналіз цифрових доказів. Аналіз полягав у порівнянні дат виконання ремонтів і дат виробництва замовлених для них частин (дата виробництва частини мала місце максимум за півроку до її монтажу). Слідчий аналіз близько 300 зроблених фотографій був дуже клопітким – необхідно було записати коди з фотографій, розшифрувати дати виробництва частин із фотографій і порівняти з гіпотетичними датами виробництва частин із замовлень. Через кілька днів виявилося, що ми мали близько 80% точності; у випадку близько 120 будівель аналіз цифрових доказів показав, що на фотографіях ми мали старе обладнання, яке точно не було замовлене в час, на який вказували аналізовані нами замовлення. Кульмінацією цієї історії було знаходження складів обладнання (на території кооперативу), де працівники кооперативу накопичували замовлені частини і могли використовувати їх для будь-яких цілей. Обладнання після покупки не активувалося на основних засобах і одразу потрапляло до витрат.

Мораль цієї історії подвійна. Завжди слід прагнути до того, щоб наш облік основних засобів був відносно повним. Друга нитка стосується використання генеративного штучного інтелекту в аналізі цифрових доказів.

Томек Дирда та я провели аналіз, поставивши моделі ШІ завдання розшифрувати код зразкового обладнання та проаналізувати обрані фотографії. Діючи згідно з підготовленою інструкцією (промптом), модель ШІ правильно описала, як потрібно читати коди виробників, і майже на сто відсотків безпомилково розшифрувала коди з фотографій, створила таблицю виробництва обладнання та порівняла її з гіпотетичними заданими датами виробництва обладнання із замовлень. Через дві години ми отримали зведення збігів – дуже схоже на те, виконання якого зайняло у нас майже тиждень. Обмеженням виявилася лише недостатня якість фотографій у кількох випадках (чорні цифри на металевому фоні).

Ми більше не маємо доступу до цього матеріалу і не можемо використовувати його публічно, але для демонстраційних цілей Томек підготував аналіз паспортної таблички іншого пристрою – приклад нижче:

Заголовок	Значення
Виробник / бренд	FANATEC (Endor AG, Німеччина)
Продукт / модель (як на етикетці)	ClubSport Steering Wheel Formula Red Bull 2024
Серійний номер (S/N)	XX364012420
Інші видимі ідентифікатори	SV392011490 (позначка, видима з обох сторін; найімовірніше номер деталі/компонента/партії)
Параметри живлення	5 В пост. струму, 1000 мА
Розроблено в	Німеччина
Виготовлено в	Китай
Видимі позначки відповідності	CE, UKCA, WEEE (перекреслене сміттєве відро), FCC (та додаткові менш розбірливі символи)
QR-код	Присутній на етикетці (вміст не читається з наданої фотографії)
Найраніша дата виробництва (виведена)	2024-01-01 (найраніше можлива)
Основа висновку	Назва продукту містить '2024' ('Formula Red Bull 2024'), що вказує на те, що пристрій не міг бути виготовлений раніше ніж у 2024 році (немає інформації на етикетці, яка б вказувала на більш ранні дослідні екземпляри).
Явна дата виробництва на етикетці	Не видима / не вказана у показаному фрагменті етикетки
Опис пристрою	Кермо для гоночних симуляторів (стиль 'формула') для роботи з базами Fanatec; видимий інтерфейс швидкого з'єднання та механізми перемикання передач за допомогою лопатей.

Мовна модель пояснила коди, що використовуються виробниками, та інтерпретувала наявну інформацію, вказуючи на можливий рік виробництва. Поєднання можливостей моделі ШІ з автоматичним процесом аналізу дозволяє проаналізувати сотні або тисячі фотографій, документів та записів за частку часу, який був потрібен раніше. 

Чудовий приклад того, як розумно використовувати технологію, але пам'ятайте – завжди під контролем людини.

Наступний практичний приклад вже за тиждень.