💻 computer science

Artificial Intelligence-Enabled Accounting Information Systems and Fraud Detection in Nigeria's Financial Services Sector: The Moderating Role of Natural Language Processing

Deze studie toont aan dat door kunstmatige intelligentie ondersteunde boekhoudinformatiesystemen de fraudedetectie en de effectiviteit van audits in de Nigeriaanse financiële dienstensector aanzienlijk verbeteren, waarbij Natural Language Processing fungeert als een positieve moderator die de semantische interpretatie en analytische verklaarbaarheid verbetert.

Oorspronkelijke auteurs: Timothy Oluwapelumi Adeyemi, Abigail Omotola Ojogbede

Gepubliceerd 2026-07-03

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Timothy Oluwapelumi Adeyemi, Abigail Omotola Ojogbede

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je het Nigeriaanse financiële systeem voor als een enorme, bruisende marktplaats waar geld sneller beweegt dan een hartslag. In het verleden controleerden de "bewakers" die deze marktplaats in de gaten hielden (de accountants) de bonnetjes pas nadat de dag voorbij was. Ze zochten naar overduidelijke fouten of bekende trucjes met behulp van een eenvoudige checklist. Maar tegenwoordig hebben de "dieven" hun gereedschap geüpgraded. Ze stelen niet alleen contant geld; ze gebruiken complexe digitale vermommingen, valse identiteiten en snelheid om door de kieren te glippen voordat iemand het merkt.

Dit artikel is als een rapportcijfer voor een nieuwe set hightech beveiligingsbewakers die Nigeriaanse banken en financiële instellingen proberen uit te proberen. Hier is de uitslag van het onderzoek, uitgelegd met eenvoudige analogieën:

1. Het Problek: De Oude Zaklamp versus de Nieuwe Storm

Het onderzoek legt uit dat de oude manier van fraude opsporen lijkt op het zoeken naar een naald in een hooiberg met een zwakke zaklamp in de nacht. Je kunt alleen zien wat er direct voor je staat, en je moet wachten tot de rommel is gemaakt voordat je begint te zoeken.

De Realiteit: Moderne fraude is als een storm die in seconden plaatsvindt. Het beweegt te snel voor de oude "zaklamp" (traditionele auditing) om het te vangen.
De Oplossing: Het artikel kijkt naar AI-gestuurde boekhoudsystemen. Denk aan het vervangen van de zwakke zaklamp door een satellietcamera die 24/7 de hele marktplaats in de gaten houdt, in high definition, en een kleine beweging van een mijl afstand kan spotten.

2. De Belangrijkste Held: De "Slimme Satelliet" (AI)

De onderzoekers hebben 186 financiële experts in Nigeria (bankiers, accountants en tech-medewerkers) gevraagd of deze nieuwe "Slimme Satellieten" (AI-systemen) daadwerkelijk helpen om de slechteriken te vangen.

Wat ze vonden: Ja, ze werken. De studie zegt dat wanneer banken deze AI-tools gebruiken, ze veel beter worden in:
- Preventie: Het voorkomen van de misdaad voordat deze plaatsvindt (zoals een slim slot dat weet dat een dief probeert in te breken).
- Detectie: Het opsporen van de misdaad terwijl deze plaatsvindt.
- Onderzoek: Snel uitzoeken hoe het is gebeurd.
De Grote Winnaar: De studie vond dat Preventie het krachtigste onderdeel is. Het is beter om een bewaker te hebben die de dief bij de deur tegenhoudt dan een die hem pas achtervolgt nadat het geld al weg is.

3. Het Geheime Wapen: De "Vertaler" (NLP)

Hier wordt het interessant. De AI "Slimme Satelliet" is erg goed in het bekijken van cijfers (zoals controleren of er $100 is overgemaakt). Maar fraudeurs zijn ook goed in liegen met woorden. Ze schrijven valse e-mails, valse rapporten en verwarrende berichten om hun sporen te wissen.

De Kloof: Een computer is meestal slecht in het lezen van menselijke leugens of sarcasme in een tekstbericht.
De Oplossing: Het artikel introduceert Natural Language Processing (NLP). Denk aan NLP als een superintelligente vertaler die naast de AI zit.
- Terwijl de AI naar de cijfers kijkt, leest de NLP de verhalen (e-mails, klachten, rapporten).
- Het kan herkennen of een zin "verdacht" klinkt of dat een rapport probeert de waarheid te verbergen, zelfs als de cijfers in orde lijken.
Het Resultaat: De studie vond dat wanneer je deze "Vertaler" (NLP) toevoegt aan de "Slimme Satelliet" (AI), het hele systeem nog beter wordt. Het is alsof je een beveiligingsbeambte hebt die niet alleen de dief kan zien, maar ook de geheime code van de dief kan begrijpen.

4. Het Eindoordeel

Het artikel concludeert dat in de snel bewegende digitale wereld van Nigeria:

AI-systemen essentieel zijn voor het opsporen van fraude omdat ze sneller en slimmer zijn dan menselijke controles alleen.
NLP het "geheime ingrediënt" is dat de AI nog slimmer maakt door de computer te helpen menselijke taal en verborgen betekenissen te begrijpen.
Samen maken ze het financiële systeem veiliger, transparanter en moeilijker voor criminelen om te misleiden.

Kortom: Het artikel zegt dat om moderne digitale dieven in Nigeria te vangen, je niet meer alleen een regelboek kunt gebruiken. Je hebt een hightech AI-systeem nodig dat de cijfers bewaakt én een slimme vertaler die de woorden leest, die samenwerken om fraude te stoppen voordat het het geld steelt.

Technische Samenvatting: Door Kunstmatige Intelligentie ondersteunde Accounting Informatiesystemen en Fraudedetectie in de Nigeriaanse Financiële Dienstensector

1. Probleemstelling

De snelle digitalisering van financiële systemen in opkomende economieën, met name Nigeria, heeft de operationele efficiëntie en financiële inclusie verbeterd, maar tegelijkertijd de blootstelling aan geavanceerde cyber-gestuurde fraude vergroot. Hedendaagse fraudeschema's—variërend van synthetische identiteitsfraude en phishing tot gecoördineerde digitale deceptienetwerken—omzeilen vaak conventionele auditmechanismen. Traditionele systemen, die vertrouwen op retrospectieve verificatie, regelgebaseerde monitoring en periodieke steekproeven, worstelen met de snelheid, complexiteit en adaptieve aard van moderne financiële criminaliteit.

Bovendien bestaat er een aanzienlijke kloof in de literatuur met betrekking tot de toepassing van deze technologieën binnen opkomende Afrikaanse financiële ecosystemen. Bestaand empirisch bewijs is zwaar geconcentreerd in technologisch geavanceerde westerse en Oost-Aziatische economieën, waardoor de operationele realiteiten van gefragmenteerde infrastructuren en evoluerende regelgevende omstandigheden in landen als Nigeria onderbelicht blijven. Specifiek is er een beperkt begrip van hoe Natural Language Processing (NLP) de relatie tussen door AI-ondersteunde Accounting Informatiesystemen (AIS) en de effectivheid van auditing medieert, met name wat betreft de interpretatie van ongestructureerde tekstuele gegevens en de verklaarbaarheid van AI-gestuurde beslissingen.

2. Methodologie

Onderzoeksontwerp en Filosofie:
De studie hanteert een positivistische onderzoeksfilosofie en een kwantitatief cross-sectioneel survey-ontwerp. Er wordt een hypothetisch-deductieve benadering gebruikt om theoretisch gedreven hypothesen empirisch te testen over de relaties tussen AI-ondersteunde AIS, NLP en de effectivheid van fraudedetectie.

Gegevensverzameling:

Populatie: Professionals in auditing, accountancy, compliance, fraudemanagement en financieel risicobeheer binnen de gereguleerde financiële sector van Nigeria (commerciële banken, verzekeringsmaatschappijen en FinTech-organisaties).
Steekproef: Een gestratificeerde doelgerichte steekproeftechniek werd gebruikt om representatie over verschillende sectoren te waarborgen. Vanuit een steekproefkader van 310 professionals (afkomstig uit ICAN en CIBN directories) werden 186 geldige reacties behouden (een responspercentage van 74,8%).
Instrument: Een gestructureerde vragenlijst met 47 items die acht constructen meten: Gegevensverzameling, Gegevensanalyse, Risicobeoordeling, Detectie, Preventie, Onderzoek, Auditing en Fraudedetectie-effectiviteit, en NLP-capaciteit. Items werden gemeten op een vijfpunts Likert-schaal.
Validiteit en Betrouwbaarheid: Inhoudelijke validiteit werd vastgesteld via deskundige beoordeling. Constructvaliditeit werd beoordeeld met behulp van Exploratory Factor Analysis (EFA), waarbij items met loadings lager dan 0,60 werden verwijderd. Interne consistentie werd bevestigd met Cronbach's alfa-waarden boven de 0,70 voor alle constructen. Common method bias werd beoordeeld via de Harman's single-factor test (34,6% variantie).

Analytische Strategie:
De gegevens werden geanalyseerd met behulp van IBM SPSS Statistics 27 en AMOS 27. De analyse volgde vier stadia:

Descriptieve statistiek om respondentprofielen en variabelenverdelingen samen te vatten.
Diagnostische testen voor normaliteit, multicollineariteit (VIF < 10) en residu-aannames.
Meervoudige lineaire regressie om de invloed van AI-ondersteunde AIS-dimensies op de effectiviteit van auditing te onderzoeken.
Hiërarchische gemodereerde regressie om de modererende rol van NLP te testen, volgens de procedures van Baron en Kenny en Cohen et al., met gecentreerde gemiddelden om multicollineariteit te verminderen.

3. Belangrijkste Bijdragen

Contextuele Empirie: De studie levert empirisch bewijs uit Nigeria, een opkomende economie die wordt gekenmerkt door snelle digitalisering en infrastructurele fragmentatie, en breidt daarmee de toepasbaarheid van intelligente auditing-onderzoek uit buiten de ontwikkelde westerse en Oost-Aziatische contexten.
Theoretische Integratie: Het onderzoek is verankerd in de Fraud Diamond Theory (waarbij capaciteit als vierde dimensie van fraude wordt opgenomen) en het Technology Acceptance Model (TAM) (met de focus op waargenomen bruikbaarheid en gebruiksgemak). Dit dubbele kader verklaart zowel de structurele omstandigheden die fraude faciliteren als de institutionele dynamiek die technologische adoptie drijft.
Modererende Rol van NLP: Het onderzoek isoleert en test specif kind de modererende effect van NLP, waarmee een gat in de literatuur wordt gedicht over hoe semantische interpretatiecapaciteiten de effectiviteit van AI-ondersteunde fraudedetectie verbeteren in omgevingen waar ongestructureerde tekstuele gegevens (bijv. auditrapporten, compliance-narratieven) cruciaal zijn.

4. Resultaten

Descriptieve Bevindingen:
Respondenten hadden over het algemeen een positieve perceptie van AI-ondersteunde AIS en NLP-capaciteiten. "Gegevensanalyse" (Gemiddelde = 3,96) en "Detectie" (Gemiddelde = 3,93) werden het hoogst beoordeeld, terwijl "Gegevensverzameling" en "Onderzoek" lager scoorden, wat wijst op potentiële infrastructurele en integratie-uitdagingen.

Hypothesetest (H1):
Meervoudige regressieanalyse toonde aan dat AI-ondersteunde AIS-dimensies gezamenlijk ongeveer 62,6% van de variantie in auditing- en fraudedetectie-effectiviteit verklaren ( $R^2 = 0,626, p < 0,001$ ).

Preventie kwam naar voren als de sterkste voorspeller ( $\beta = 0,384, p < 0,001$ ), wat aangeeft dat proactieve, voorspellende monitoring de meest kritieke component is van effectief fraudegovernance.
Detectie ( $\beta = 0,173, p < 0,001$ ), Gegevensverzameling ( $\beta = 0,149, p = 0,001$ ) en Gegevensanalyse ( $\beta = 0,117, p = 0,015$ ) vertoonden eveneals een statistisch significante positieve invloed.
Risicobeoordeling vertoonde een positieve maar marginaal insignificante relatie ( $p = 0,058$ ), wat suggereert dat de effectiviteit ervan afhankelijk kan zijn van complementaire institutionele condities.

Moderatieanalyse (H2):
Hiërarchische gemodereerde regressie bevestigde dat NLP de relatie tussen AI-ondersteunde AIS en de effectiviteit van auditing significant medieert.

De inclusie van NLP verbeterde de verklarende kracht van het model ( $\Delta R^2 = 0,035, p = 0,002$ ).
De interactieterm (AI $\times$ NLP) was statistisch significant ( $\Delta R^2 = 0,013, p = 0,041$ ).
De resultaten wijzen erop dat NLP fungeert als een complementaire capaciteit die de effectiviteit van AI-systemen versterkt door de analyse uit te breiden van gestructureerde numerieke gegevens naar ongestructureerde tekstuele omgevingen (bijv. audit-narratieven, disclosure-verklaringen), waardoor de semantische interpretatie en het onderzoeksprecisie worden verbeterd.

5. Betekenis en Claims

Het artikel claimt dat AI-ondersteunde AIS en NLP steeds belangrijker worden voor het versterken van fraudegovernance, regelgevende verantwoording en institutioneel vertrouwen binnen opkomende digitale financiële omgevingen.

Praktische Betekenis: De studie betoogt dat financiële instellingen moeten overstappen van retrospectieve, regelgebaseerde auditing naar continue, intelligentiegedreven monitoring. Het benadrukt dat preventieve capaciteiten het meest effectieve mechanisme zijn voor het beperken van fraudeverliezen. Verder stelt het dat NLP essentieel is om de "black-box"-aard van AI aan te pakken door algoritmische outputs te vertalen naar begrijpelijke audit-narratieven, waardoor de verklaarbaarheid en regelgevende verdedigbaarheid worden verbeterd.
Theoretische Betekenis: De bevindingen breiden de Fraud Diamond Theory uit door aan te tonen hoe AI de "gelegenheid"-dimensie van fraude vermindert door middel van continue surveillance en geautomatiseerde compliance. Tegelijkertijd versterken de resultaten de TAM door te suggereren dat instellingen deze technologieën primair adopteren vanwege hun waargenomen bruikbaarheid bij het verbeteren van governance-prestaties en operationele efficiëntie.
Beperkingen: De auteurs erkennen bescheiden dat het cross-sectionele ontwerp causale inferentie beperkt en dat de afhankelijkheid van perceptuele surveygegevens voor bias kan zorgen. Zij stellen voor dat toekomstig onderzoek longitudinale of mixed-method benaderingen moet gebruiken om de langetermijnorganisatorische implicaties te onderzoeken.

Concluderend stelt de studie dat hoewel AI-ondersteunde AIS de fundamentele architectuur biedt voor moderne fraudedetectie, de integratie van NLP een cruciale modellerende factor is die de analytische reikwijdte, interpreteerbaarheid en algehele governance-effectiviteit versterkt in complexe, dataintensieve financiële ecosystemen zoals die van Nigeria.