AI & Analytics

Grant Thornton: herbouwt auditdatacontrole met AI

ThoughtSpot Blog

Samenvatting

Grant Thornton herbouwt auditdatacontrole met AI, een gemeenschappelijk datamodel en uitlegbare zoekresultaten in ThoughtSpot.

Grant Thornton en AI voor auditdatacontrole

Grant Thornton Advisors Ireland ontwikkelde gtap, de Grant Thornton Analytics & Automation Platform. Auditors plaatsen klantdata in ThoughtSpot, waarna het platform de bestanden automatisch normaliseert naar een gemeenschappelijk datamodel.

De oplossing combineert beveiligde data-inname met tokenized relational search. ThoughtSpot genereert deterministische SQL met bronverwijzingen, redenering en een controleerbaar auditspoor. Auditors krijgen de resultaten bovendien in gewone tekst te zien, zonder technische kennis of directe hulp van een data-engineeringteam.

Waarom Grant Thornton en AI belangrijk zijn

De aanpak adresseert een concreet probleem in audit. Vroeger haalden auditors data fysiek bij klanten op; daarmee hielden zij controle over inhoud, timing en verwerking. Vanaf 2020 versnelden automatisering, ETL en analyticsplatforms de verwerking, maar auditors verloren volgens Grant Thornton juist die controle. Ze wachtten op bestanden, werkten met wisselende formaten en besteedden dagen aan normalisatie.

gtap verplaatst dat werk naar een vast datamodel en maakt de verwerking controleerbaar. Dat onderscheidt deze toepassing van zoekfunctionaliteit zonder onderliggende verantwoording: in een gereguleerd beroep moet een uitkomst niet alleen leesbaar, maar ook verdedigbaar zijn. De transparante SQL en het auditspoor ondersteunen dat vereiste.

De impact gaat verder dan snelheid. Bij bepaalde programma’s, zoals omzetanalyses, vervangen auditors steekproeven door onderzoek van de volledige transactieverzameling. Daardoor kunnen zij afwijkingen en risico’s eerder signaleren en eerder in het controleproces professionele oordeelsvorming toepassen.

Concrete takeaway voor Grant Thornton en AI

Begin een AI-traject voor audit niet met een losse assistent, maar met drie controlepunten: welke data is nodig, wanneer moet die beschikbaar zijn en wanneer komt die binnen? Leg daarna een gemeenschappelijk datamodel, automatische normalisatie en een controleerbaar spoor voor elke gegenereerde analyse vast.

Lees het volledige artikel
Meer over AI & Analytics →