Przejdź do treści
W K
Zgodny z GoBD Zgodny z §203 StGB Q2

Agent wykrywania nadużyć

Rozpoznawanie duplikatów faktur, dostawców fikcyjnych, nadużyć kosztowych i fałszywych faktur AI.

Rozpoznaje duplikaty faktur, wzorce Phantom Vendor, nietypowe wzorce księgowe, fałszywe faktury AI, nadużycia kosztowe i Round-Tripping przez analizę ML.

Panel wyników

Agent Readiness 71-78%
Governance Complexity 31-38%
Economic Impact 74-81%
Lighthouse Effect 41-48%
Implementation Complexity 41-48%
Wolumen transakcji Codziennie

Co robi ten agent

Nadużycia w księgowości finansowej powodują miliardowe straty. Metody stają się bardziej wyrafinowane: fałszywe faktury generowane przez AI. Decision Layer łączy rozpoznawanie regułowe i ML. Każda transakcja otrzymuje wskaźnik ryzyka. Przypadki podejrzane eskalowane do Compliance Officera.

Tabela mikrodecyzji

Człowiek
Silnik reguł
Agent AI
Każdy wiersz to decyzja. Rozwiń, aby zobaczyć protokół decyzyjny i możliwość sprzeciwu.
Rozpoznawanie duplikatów faktur Czy zachodzi podwójna lub lekko zmieniona faktura? Silnik reguł Dostawca

Dokładne duplikaty = R, warianty = A

Protokół decyzyjny

ID reguły i numer wersji
Dane wejściowe które uruchomiły regułę
Wynik obliczenia i zastosowana formuła

Możliwość sprzeciwu: Tak - zastosowanie reguły weryfikowalne. Sprzeciw przy błędnych danych lub złej wersji reguły.

Możliwość sprzeciwu: Dostawca

Rozpoznawanie Phantom Vendor Czy istnieją dostawcy bez rzeczywistej relacji biznesowej? Agent AI Dostawca

Analiza wzorców historii zamówień i aktywności dostawcy

Protokół decyzyjny

Wersja modelu i wynik pewności
Dane wejściowe i wynik klasyfikacji
Uzasadnienie decyzji (wyjaśnialność)
Ścieżka audytu z pełną identyfikowalnością

Możliwość sprzeciwu: Tak - w pełni udokumentowane, weryfikowalne przez ludzi, sprzeciw przez formalny proces.

Możliwość sprzeciwu: Dostawca

Nietypowe wzorce księgowe Czy istnieją zapisy o nietypowych porach lub ze splittingiem progów? Agent AI Audytor

Rozpoznawanie anomalii ML względem historycznych wzorców zachowań

Protokół decyzyjny

Wersja modelu i wynik pewności
Dane wejściowe i wynik klasyfikacji
Uzasadnienie decyzji (wyjaśnialność)
Ścieżka audytu z pełną identyfikowalnością

Możliwość sprzeciwu: Tak - w pełni udokumentowane, weryfikowalne przez ludzi, sprzeciw przez formalny proces.

Możliwość sprzeciwu: Audytor

Rozpoznawanie fałszywych faktur AI Czy dokument jest fałszywką wygenerowaną przez AI? Agent AI Dostawca

Analiza LLM autentyczności dokumentu, weryfikacja metadanych

Protokół decyzyjny

Wersja modelu i wynik pewności
Dane wejściowe i wynik klasyfikacji
Uzasadnienie decyzji (wyjaśnialność)
Ścieżka audytu z pełną identyfikowalnością

Możliwość sprzeciwu: Tak - w pełni udokumentowane, weryfikowalne przez ludzi, sprzeciw przez formalny proces.

Możliwość sprzeciwu: Dostawca

Rozpoznawanie nadużyć kosztowych Czy zachodzi podwójne złożenie lub zawyżona kwota? Silnik reguł Pracownik

Naruszenia reguł = R, rozpoznawanie wzorców = A

Protokół decyzyjny

ID reguły i numer wersji
Dane wejściowe które uruchomiły regułę
Wynik obliczenia i zastosowana formuła

Możliwość sprzeciwu: Tak - zastosowanie reguły weryfikowalne. Sprzeciw przy błędnych danych lub złej wersji reguły.

Możliwość sprzeciwu: Pracownik

Rozpoznawanie Round-Tripping Czy istnieją przepływy pieniężne biegające w kółko? Agent AI Audytor

Analiza sieciowa strumieni płatności

Protokół decyzyjny

Wersja modelu i wynik pewności
Dane wejściowe i wynik klasyfikacji
Uzasadnienie decyzji (wyjaśnialność)
Ścieżka audytu z pełną identyfikowalnością

Możliwość sprzeciwu: Tak - w pełni udokumentowane, weryfikowalne przez ludzi, sprzeciw przez formalny proces.

Możliwość sprzeciwu: Audytor

Naruszenia Segregation of Duties Czy zamawiający, zatwierdzający i płacący to ta sama osoba? Silnik reguł Audytor

Porównanie matrycy uprawnień

Protokół decyzyjny

ID reguły i numer wersji
Dane wejściowe które uruchomiły regułę
Wynik obliczenia i zastosowana formuła

Możliwość sprzeciwu: Tak - zastosowanie reguły weryfikowalne. Sprzeciw przy błędnych danych lub złej wersji reguły.

Możliwość sprzeciwu: Audytor

Obliczenie wskaźnika ryzyka Jak wysokie jest ryzyko nadużycia tej transakcji? Agent AI

Scoring ML ze wszystkich modułów rozpoznawania

Protokół decyzyjny

Wersja modelu i wynik pewności
Dane wejściowe i wynik klasyfikacji
Uzasadnienie decyzji (wyjaśnialność)
Ścieżka audytu z pełną identyfikowalnością

Możliwość sprzeciwu: Tak - w pełni udokumentowane, weryfikowalne przez ludzi, sprzeciw przez formalny proces.

Alert do Compliance Officera Czy przypadek podejrzany musi być zbadany? Człowiek Audytor

Decyzja o dochodzeniu wymaga ludzkiego osądu

Protokół decyzyjny

ID decydenta i rola
Uzasadnienie decyzji
Znacznik czasu i kontekst

Możliwość sprzeciwu: Tak - przez przełożonego, radę zakładową lub formalny sprzeciw.

Możliwość sprzeciwu: Audytor

Ocena False Positive Czy to rzeczywisty przypadek podejrzany czy fałszywy alarm? Człowiek

Uznanie przy ocenie całego obrazu

Protokół decyzyjny

ID decydenta i rola
Uzasadnienie decyzji
Znacznik czasu i kontekst

Możliwość sprzeciwu: Tak - przez przełożonego, radę zakładową lub formalny sprzeciw.

Protokół decyzyjny i prawo do sprzeciwu

Każda decyzja, którą ten agent podejmuje lub przygotowuje, jest dokumentowana w pełnym protokole decyzyjnym. Osoby dotknięte (pracownicy, dostawcy, audytorzy) mogą przeglądać, rozumieć i kwestionować każdą pojedynczą decyzję.

Jaka reguła w jakiej wersji została zastosowana?
Na jakich danych oparto decyzję?
Kto (człowiek, silnik reguł czy AI) zdecydował - i dlaczego?
Jak osoba dotknięta może złożyć sprzeciw?
Jak Decision Layer wymusza to architektonicznie →

Wymagania wstępne

  • Dostęp do danych transakcji z ERP
  • Dostęp do danych dostawców i historii zamówień
  • System uprawnień z matrycą SoD
  • Skonfigurowane progi wskaźników ryzyka

Uwagi dotyczące governance

Zgodny z GoBD Zgodny z §203 StGB

Istotny z punktu widzenia GoBD: wykrywanie nadużyć przetwarza dane transakcji istotne podatkowo. Wyniki - szczególnie przypadki podejrzane - są danymi wrażliwymi. Paragraph 203 StGB: przypadki podejrzane nie mogą być ujawniane osobom trzecim. Wnioskowanie LLM dla weryfikacji autentyczności w centrach danych UE. Agent melduje przypadki wyłącznie do wewnętrznego Compliance Officera.

Dane objęte §203 StGB są szyfrowane end-to-end i nigdy nie są przekazywane do modeli AI w postaci jawnej.

Wkład w dokumentację procesową

Agent dokumentuje: jakie moduły rozpoznawania są aktywne, jakie progi skonfigurowane, jakie przypadki zidentyfikowane i jak ocenione. Dokumentacja jest częścią dowodu IKS.

Wkład w infrastrukturę

Agent jest najintensywniej wykorzystującym AI w całym katalogu. Wykorzystuje rozpoznawanie anomalii Agenta IKS i dane transakcji wszystkich agentów AP/AR. Framework scoringu ML ponownie wykorzystywany. Weryfikacja autentyczności dokumentów staje się standardem. Buduje Decision Logging i Audit Trail.

Często zadawane pytania

Jaki jest wskaźnik False Positive?

W fazie początkowej typowo 15-25%. Z rosnącym wolumenem treningu i pętlami zwrotnymi spada do 5-10%.

Czy agent może rozpoznawać także wewnętrzne nadużycia?

Tak. Weryfikacja SoD, splitting progów i analiza czasu księgowania celują w wewnętrzne wzorce.

Czy rozpoznane przypadki są automatycznie zgłaszane organom?

Nie. Agent melduje przypadki wyłącznie do wewnętrznego Compliance Officera. Decyzja o dalszych krokach pozostaje przy człowieku.

Wdrożyć tego agenta?

Oceniamy Twój krajobraz procesów finansowych i pokazujemy, jak ten agent pasuje do Twojej infrastruktury.