Od 100 000 dokumentov k relevantným zisteniam: ako AI pomáha vo forenznej analýze

Pri dnešných forenzných analýzach už nemusí byť najväčšou výzvou nedostatok dát, ale ich objem, rôznorodosť a schopnosť nájsť medzi nimi relevantné súvislosti. Pri jednom z klientskych projektov tím Forenzných služieb EY využil umelú inteligenciu na analýzu približne 100 000 dokumentov a efektívnejšie vyčlenenie dát na ďalšie odborné preverenie. 

Vyspovedali sme Ľuboša Piknu, senior manažéra na oddelení Assurance v EY, ktorý približuje, ako tím pri analýze prepojil AI, dátovú analytiku a odborný úsudok a prečo práve ich kombinácia zohráva pri práci s rozsiahlymi dátami čoraz dôležitejšiu úlohu.

S akou výzvou ste sa pri projekte stretli?

L. P.: Klient nám poskytol dva hlavné zdroje údajov za obdobie niekoľkých rokov, spolu približne 100 000 dokumentov. Jeden obsahoval daňové doklady, druhý sprievodné dokumenty súvisiace s jednotlivými obchodnými operáciami. Počas sledovaného obdobia sa zmenil spôsob evidencie a administratívneho spracovania vybraných obchodných vzťahov medzi klientom a tretími stranami. Dokumenty preto nebolo možné vždy jednoznačne prepájať iba prostredníctvom štandardných štruktúrovaných údajov, napríklad podľa názvu protistrany. Relevantná informácia sa pritom mohla nachádzať práve vo voľne zadávaných poznámkach, ktoré používatelia systému využívali na interné rozlíšenie jednotlivých prípadov či tretích strán.

Prečo bolo potrebné analyzovať aj voľne písané poznámky?

L. P.: Potrebovali sme preveriť, či sa pri dokumentoch formálne priradených k jednej protistrane nenachádzajú vo voľnom texte odkazy na fyzické osoby, ktoré boli v minulosti spojené s inou protistranou. Poznámky tak mohli obsahovať informácie a súvislosti, ktoré neboli zachytené v štandardných poliach systému. Našou úlohou bolo tieto informácie systematicky identifikovať a vyčleniť relevantnú časť populácie na ďalšiu forenznú analýzu.

Prečo pri takomto objeme dát nestačili tradičné nástroje?

L. P.: Nešlo len o množstvo dokumentov, ale predovšetkým o nejednotnosť údajov. Rovnaká osoba mohla byť uvedená celým menom, iba priezviskom či krstným menom. Objavovali sa skrátené a familiárne podoby mien, zápisy bez diakritiky, preklepy alebo mená doplnené telefónnym číslom, adresou či ďalším textom.

Ako ste do analýzy zapojili umelú inteligenciu?

L. P.: AI sme využili na prvotnú klasifikáciu neštruktúrovaných textových údajov. Jej úlohou nebolo rozhodovať namiesto forenzných profesionálov, ale pomôcť tímu efektívnejšie pracovať s veľkým množstvom rôznorodých poznámok. Na základe klasifikačných pravidiel pripravených členom forenzného tímu AI posudzovala význam a kontext jednotlivých textov a pravdepodobnosť, že obsahujú meno alebo inú formu osobného označenia relevantnú pre ďalšiu analýzu. Výhodou bolo, že sme nemuseli pracovať iba s presnou textovou zhodou. Do analýzy bolo možné zahrnúť aj neštandardné, skrátené či neúplné zápisy a zohľadniť kontext, v ktorom sa nachádzali.

Kde bola hranica medzi technológiou a odborným úsudkom?

L. P.: To bolo pre nás podstatné. AI slúžila ako nástroj na podporu analýzy, nie ako náhrada odborného posúdenia. Vytvorili sme klasifikačný systém, podľa ktorého boli jednotlivé poznámky rozdelené do štyroch kategórií. Výstupy sme následne overovali vo viacerých krokoch, od ďalšieho spracovania pomocou AI a filtrovania až po manuálnu kontrolu. Overovanie sa pritom netýkalo len nejednoznačných prípadov, ale aj záznamov zaradených do jednotlivých kategórií, kde bolo potrebné eliminovať napríklad falošne pozitívne výsledky. Najväčšiu mieru manuálneho preverenia si vyžadovali práve prípady, ktoré nebolo možné jednoznačne klasifikovať. Technológia nám tak pomohla zúžiť rozsiahlu populáciu dát a sústrediť pozornosť odborníkov na relevantné záznamy. Metodika, pravidlá analýzy a finálne posúdenie výsledkov však zostali v rukách forenzného tímu.

Aký výsledok analýza priniesla?

L. P.: Zo vstupnej populácie približne 100 000 dokumentov sme pomocou AI identifikovali viac ako 3 700 dokumentov, ktorých poznámky obsahovali mená osôb alebo ich rôzne formy. Tieto dokumenty tím následne porovnal s údajmi o protistranách evidovanými pred zmenou spôsobu administratívneho spracovania. Takto sme vyčlenili viac ako 700 dokumentov, pri ktorých informácie vo voľnom texte poukazovali na možné prepojenie s inou, historicky evidovanou protistranou.

Znamenalo to, že ste v týchto prípadoch automaticky identifikovali nezrovnalosť?

L. P.: Nie. Viac ako 700 dokumentov nepredstavovalo potvrdené nezrovnalosti ani konečný výsledok analýzy. Išlo o zúženú populáciu dokumentov určenú na ďalšie odborné preverenie. AI nám pomohla efektívnejšie identifikovať záznamy, ktorým bolo potrebné venovať pozornosť. Posúdenie ich významu, kontextu a ďalších súvislostí však zostalo na forenznom tíme.