Юлианна Бочарова, t2: Эволюция внутреннего аудита – от формальных проверок к интеллектуальному контролю

За последние годы, на мой взгляд, роль внутреннего аудита меняется такими же быстрыми темпами, как и все вокруг. Только недавно все профессиональное сообщество обсуждало, что аудит должен быть не только ревизором, но и консультантом – сегодня это уже данность, внутренний аудит стал полноценным стратегическим бизнес-партнером. Меняются и подходы к аудиту: выборки в 20–50 операций перестают быть релевантными.

Особенно это актуально для внутреннего аудита телеком-оператора, мы ежегодно проверяем сотни миллионов – миллиарды записей: CDR, биллинговые транзакции, платежи абонентов, логи систем, данные межоператорских расчётов и др. Пока аудитор анализирует выборку, биллинг обрабатывает миллионы новых событий, а фрод-мониторинг уже закрывает часть инцидентов. Поэтому фокус смещается на сплошной, стопроцентный анализ транзакций за период.

Интеллектуальный контроль представляет собой не технологическое решение или набор инструментов, а принципиально новый подход к аудиту.

Возможность его внедрения обусловлена не только развитием цифровых инструментов, но и кардинальным изменением запросов со стороны стейкхолдеров. Растущие объёмы информации, ускорение управленческих решений, нестабильность внешней среды, вызванная пандемией, геополитическими факторами и сбоями в цепочках поставок, – всё это делает прежние рекомендации и отчёты, построенные на ограниченной выборке, нерелевантными. Квартальный отчёт часто устаревает ещё до его утверждения, а прошлый опыт перестаёт быть гарантией будущего успеха. Одновременно с этим стоимость применения современных аналитических средств сравнялась с затратами на формальный контроль, что открыло путь к полноценному интеллектуальному аудиту. Важная оговорка: подходы не взаимозаменяемы, традиционные проверки не уходят совсем – остаются процессы с нулевой автоматизацией, и даже при непрерывном мониторинге выборочный просмотр документов сохраняется как точечная верификация.

Чтобы проиллюстрировать новый подход на практике, приведу два конкретных кейса из нашей работы.

Кейс первый

Бюджеты крупных компаний на цифровую рекламу исчисляются миллиардами рублей, и телеком-операторы традиционно входят в число крупнейших рекламодателей страны. Ранее процедура проверки размещений выглядела следующим образом: рекламодатель ставил задачу агентству, агентство подбирало площадки, а мы, как аудиторы, пытались верифицировать факт показа и его эффективность. В этом процессе участвовали сторонние верификаторы, однако их данным мы не могли доверять в полной мере. Основным инструментом служили таблицы Excel, т.е. выборочное сравнение данных из отчётов агентств с информацией в рекламных кабинетах и в отчетности верификатора. В лучшем случае в выборку попадало от 10 до 50 сайтов, и на основе этого делались выводы обо всей кампании. Также мы проверяли корректность алгоритмов верификатора в силу имеющейся у нас IT-экспертизы.

Сегодня мы пошли совершенно иным путём. Для анализа мы взяли все размещения за отчётный период – это более 60 тыс. доменов, на которых была показана реклама компании. С помощью открытой модели искусственного интеллекта были получены скриншоты каждой страницы, после чего эти материалы были загружены в наш локальный контур и обработаны внутренней моделью, которая классифицировала каждую площадку по четырём категориям: безусловно приемлемые, однозначно неприемлемые (содержащие запрещённый или нежелательный контент), сомнительные для интеграции и площадки, которые не смогли классифицировать. По каждому сайту указывались причины отнесения к той или иной группе.

Результат оказался неожиданным: только каждая пятая площадка была признана полностью соответствующей требованиям brand safety, что означало потенциальные риски неэффективного использования средств на рекламу. В ходе совместного с маркетинговой функцией разбора всех сомнительных и запрещённых доменов, а также уточнения критериев оценки, итоговая доля приемлемых площадок увеличилась, однако сам факт, что ранее верификаторы не фиксировали подобные нарушения, стал поводом для серьёзного пересмотра процесса.

Разработанный нами инструмент был передан бизнес-подразделению, и теперь он применяется для проверки каждой новой рекламной кампании. Таким образом, аудит вышел за рамки фиксации ошибок и предоставил функции готовое средство оперативного контроля.

Кейс второй

Другой не менее показательный пример связан с процессом обслуживания базовых станций. В 70 регионах ежегодно вводится в строй тысячи новых объектов, и на каждом из них неизбежно возникают аварийные ситуации, требующие оперативного устранения для обеспечения непрерывности связи. Затраты на поддержание инфраструктуры весьма значительны, и этот процесс, несмотря на его высокую долю ручных операций, не может оставаться вне поля зрения аудита.

Сложность заключалась в том, что данные для проверки работ находятся в четырёх независимых системах. Система мониторинга сети генерирует 11 млн строк с событиями по каждой станции. От подрядчиков поступают отчёты о выполненных работах – порядка 60 тыс. файлов в формате Excel с произвольной структурой, зависящей от исполнителя. Финансовая система содержит около 30 тыс. записей об оплатах, а договорные условия (тарифы за километраж, штрафы за отмену заявок, сроки реагирования) зафиксированы в текстовых документах PDF. Свести эти массивы в единую картину и провести сверку – задача, требующая нетривиального подхода не только из-за объёмов, но и из-за разнородности данных.

Ранее мы могли выделить для проверки не более 100 заявок, проследить полную цепочку: наличие сигнала в системе мониторинга, соответствие отчёта подрядчика, подтверждение оплаты и соблюдение договорных условий. На такой анализ у двух аудиторов уходило около шести недель, а покрытие составляло менее 1% от общего числа заявок. При этом мы не имели возможности увидеть системные паттерны.

В новой постановке мы проверили всю совокупность за период – 100% сети. Для этого были собраны данные из всех источников, произведена их нормализация и приведение к единым идентификаторам, после чего выполнено сопоставление записей. Именно на этом этапе выявились разрывы: например, наличие оплаты и отчёта подрядчика при отсутствии соответствующего события в системе мониторинга, или обратная ситуация.

Далее искусственный интеллект, не делая самостоятельных выводов, подсветил аномалии и корреляции, которые затем были подвергнуты экспертной проверке. Совпадение сигналов, выделенных AI, с результатами ручного разбора достигло 94%, что подтверждает высокую точность метода. Время на разработку инструмента и анализ составило всего 10 дней с привлечением одного аудитора. Эффективность возросла в разы.

Мы не ограничились констатацией нарушений, а выполнили углублённый бизнес-анализ, создав несколько визуальных дашбордов. Они позволили выявить, что значительная доля оплаченных заявок не подтверждается событиями в системе мониторинга, причём часть этих случаев оказалась обоснованной – просто система не фиксировала определённые типы сбоев, что само по себе стало открытием. Также были обнаружены базовые станции с повышенной аварийностью и регионы, где число инцидентов существенно выше среднего, что потребовало дополнительного изучения причин.

Кроме того, мы выделили объекты с наибольшими затратами на восстановление: в одних случаях это редкие, но дорогостоящие поломки, в других – хроническая деградация, требующая системного решения.

Созданный инструмент, реализованный за одну неделю силами одного человека на стеке Python, DuckDB (локальная база данных, вмещающая 11 млн строк и работающая без серверной инфраструктуры), Streamlit для интерфейса и Plotly для интерактивной визуализации, позволяет фильтровать информацию по региону, станции, подрядчику и временному периоду. Пользователь может «провалиться» до уровня отдельной базовой станции и увидеть почасовую динамику доступности сети, действия подрядчика и результат его выезда. Например, нормальный сценарий: падение сервиса, приезд подрядчика, восстановление. Однако встречаются случаи, когда доступность уже восстановилась, а подрядчик ещё только выезжает, либо заявка выполнена, но состояние сети не изменилось. Раньше такие аномалии тонули в массиве бумажных отчётов, теперь же они становятся очевидными.

Аудит как партнёр

Реализованные изменения затронули не только методику проверок, но и саму философию взаимодействия с бизнесом. И хотя мы в t2 давно позиционируем внутренний аудит как партнёра, а не контролёра, реальный сдвиг в восприятии произошёл, когда мы начали передавать бизнесу не просто рекомендации, а готовые инструменты для самостоятельного мониторинга процессов.

После того как техническая служба получила разработанную нами систему визуализации по аварийно-восстановительным работам, количество обращений к аудиторам заметно возросло – причём это были не плановые запросы, а инициативные просьбы «посмотреть ещё один процесс» или «оценить потенциал улучшения». Бизнес стал приходить к нам самостоятельно, и это, на мой взгляд, является наилучшим подтверждением ценности нашего нового подхода.

Аудит превращается из поставщика отчётов о том, что уже сломалось, в генератор прогнозов и готовых решений, позволяющих предотвращать сбои и повышать эффективность операционной деятельности. Именно в этом направлении мы будем развивать нашу функцию и дальше.

Юлианна Бочарова, директор по внутреннему аудиту, t2