一、案例定位

財務審計以 AI 從已知 fraud schemes 學習隱蔽交易模式。

二、學習目標

• 區分 suspicious transaction 與 cover-up pattern。
• 設計 fraud detection 的 precision／review 流程。

三、案例情境

Ernst & Young（EY）使用以大量公開 fraud schemes 與過往案件訓練的系統，不只尋找可疑交易，也尋找用來掩蓋詐欺的交易型態。

四、開始資料

五、分析方法

建立 flagged transaction review 表，追蹤 true positive、false positive、investigation outcome。

六、計算結果

原書未提供命中率或樣本數，因此不補造。

七、結果分析與管理解讀

模型能擴大 audit coverage，但最終 fraud conclusion 需證據與專業審計判斷。

八、AI 提問詞

根據 flagged transactions 與已確認 outcomes，計算 precision／false-positive rate；不得假設未確認案件為 fraud。

九、思考／情境變動

**題目：**若 100 個 flags 中 35 個確認 fraud，precision？

參考解答：35÷100=35%。