Procjena rizika i materijalnost: Mapa rizika u svjetlu BDS 315 i 320

Dobici:

• Sposobnost korištenja umjetne inteligencije kao generatora ideja o riziku i tvorca nacrta u procesu identifikacije rizika od materijalno značajnog pogrešnog prikazivanja poznavanjem poslovanja i njegovog okruženja
• Sposobnost izrade scenarija izračunavanja praga materijalnosti i beznačajnosti uz podršku umjetne inteligencije i neovisne provjere svakog broja
• Sposobnost da se održi da konačna procjena rizika i presuda o materijalnosti pripadaju revizorovom profesionalnom prosuđivanju i da umjetna inteligencija daje samo input

Dobra revizija se dobija ili gubi za stolom, mnogo pre terenskog rada. Ako revizor počne bez poznavanja posla, bez nagađanja gdje postoji velika vjerovatnoća da će pogriješiti, i bez usmjeravanja svojih resursa (vrijeme, tim, testove) ka ovim rizicima, može tražiti na pogrešnim mjestima, bez obzira koliko se trudio. Stoga BDS 315 (Standard za utvrđivanje i procjenu rizika materijalno značajnih grešaka poznavanjem poslovanja i njegovog okruženja) i BDS 320 (Standard materijalnosti u reviziji) uspostavljaju okvir revizije.

U ovoj jedinici ćemo pokriti kako možete primijeniti AI na dva glavna zadatka faze planiranja - proračun materijalnosti i mapiranje rizika - kao idejni partner i generator nacrta, ali zašto ćete uvijek biti krajnji sudija. Hajde da prvo razjasnimo dva koncepta. Značajno pogrešno prikazivanje je greška ili prevara u finansijskim izvještajima koja je, pojedinačno ili zajedno, dovoljno velika da utiče na ekonomske odluke korisnika izvještaja. Procjena rizika je nastojanje da se utvrdi na kojem računu, klasi transakcija ili objelodanjivanja i iz kog razloga će se takvo pogrešno prikazivanje najvjerovatnije dogoditi.

Upoznavanje s poslovanjem: gdje AI postaje misaoni partner

MSR 315 traži od revizora da poznaje subjekt i okruženje u kojem posluje (industrija, zakonodavstvo, poslovni model, interna kontrola). Tokom ovog procesa priznavanja, revizor pita „šta obično pođe po zlu u ovoj liniji poslovanja?“ pita on. Ovdje je AI vrijedan partner za razmišljanje: može brzo navesti tipična rizična područja industrije, uobičajene obrasce računovodstvenih prijevara, sezonskost i zamršenosti u priznavanju prihoda. Ali pazite: ova lista koju daje AI je opšta i generička; ne prepoznaje vaše poslovanje. Dakle, rezultat je "nacrt kontrolne liste", a ne "procena rizika".

Postavimo proces korak po korak:

1. Dajte kontekst. Anonimno opišite industriju poslovanja, veličinu, poslovni model i značajne karakteristike. (Bez imena, PIB.)
2. Zatražite generičku ideju o riziku. „Gdje je rizik od značajnog pogrešnog prikazivanja obično visok u ovoj vrsti poslovanja?“ pitaj. AI vam daje početnu mapu.
3. Prilagodite poslu. Filtrirajte listu AI sa činjenicama koje znate (istorija ovog poslovanja, interne kontrole, nalazi iz prethodne godine). Neki rizici se ne odnose na ovaj posao; Neki su jedinstveni rizici koje AI nikada neće vidjeti.
4. Povežite to dokazima. Povežite svaki rizik sa kojim testom ćete se baviti u terenskoj studiji.

Savjet: Zamislite AI kao „gdje može postojati rizik od materijalno pogrešnog prikazivanja?“ Upotrijebite ga da razmislite; Da vas ne tjeram da kažete "ovdje je rizik, sigurno". Procjena rizika je profesionalna prosudba; rizično razmišljanje o ideji.

Materijalnost: broj, ali broj zasnovan na prosudbi

MSR 320 zahtijeva od revizora da odredi nivo materijalnosti na početku revizije. U praksi, ovo počinje odabirom indikatora (npr. porez prije dobiti, prihoda, ukupne imovine ili kapitala) i primjenom procenta na njega. Na primjer, 5% dobiti prije oporezivanja od kontinuiranog poslovanja, ili 0,5-1% prihoda. Ovo nije mehanička formula: revizor odlučuje koji indikator ima najviše smisla za poslovanje, koliki će biti postotak i konačan iznos. Takođe se određuju značajnost učinka (donji prag postavljen ispod materijalnosti radi pooštravanja testiranja tokom planiranja) i očigledno nevažan prag (granica razlika premala da bi se mogla prijaviti).

AI je odličan kalkulator i motor scenarija: trenutno izračunava iznose za različite indikatore i procente, stavlja ih ispred vas u tabelu. Ali izbor indikatora i konačan sud je na vama. Sljedeća tabela prikazuje tipičan izlaz scenarija (brojevi su primjeri):

indikator

Iznos (TL)

% Primijenjeno

Materijalnost (TL)

dobit prije oporezivanja

12,000,000

5%

600.000

prihoda

240,000,000

0,5%

1,200,000

Ukupna imovina

180,000,000

1%

1,800,000

kapital

90,000,000

2%

1,800,000

Gledajući ovu tabelu, revizor misli: "Ako je profit nestabilan, materijalnost zasnovana na prihodima može biti razumnija; ali ako je glavni interes korisnika u ovom poslu profitabilnost, prikladnija je dobit prije oporezivanja." Ova procjena je profesionalna prosudba koju AI ne može zamijeniti. AI izračunava četiri scenarija za 5 sekundi; Vi odlučujete koji je ispravan.

Oprez: Provjerite scenario materijalnosti koji je dala AI. Ponovite sami izračun procenta (da li je 600.000 zaista 5% od 12.000.000?) i uvjerite se da su pokazatelji tačni iznosi. AI može izvršiti množenje pogrešno ili koristiti pogrešan iznos.

Mapa rizika: AI nacrti, revizor daje prioritet

Mapa rizika je radni list koji prikuplja identifikovane rizike na jednom mestu i svakom dodeljuje evaluacije (verovatnoća, uticaj, relevantna tvrdnja, planirano testiranje). Tvrdnje u računovodstvu su istine koje menadžment implicitno tvrdi o računu ili transakciji: stvarnost/postojanje, potpunost, tačnost, vrednovanje, periodičnost (granična vrednost), prava-obaveze, prezentacija. Na primjer, "prihod je potpun" je zahtjev za potpunost; "Akcije se vrednuju po njihovoj neto prodajnoj vrednosti" je zahtev za procenu vrednosti.

AI dobro radi na pretvaranju sirove liste rizika u organizovanu mapu: mapiranje svakog rizika u odgovarajuću tvrdnju, navođenje mogućih testova, formatiranje tabele. Ali nikada ne ostavljajte njemu dvije stvari: (1) koji rizik se zaista odnosi na ovaj posao, (2) određivanje prioriteta rizika. Oni određuju gdje trošite svoje resurse revizije i direktno utiču na kvalitet revizije.

tri mini kofera

Slučaj 1 — Ispravna upotreba. Izvršni revizor je razmišljao o rizicima za novostečenog maloprodajnog klijenta. Pitajte AI „gdje je rizik od materijalno značajnog pogrešnog prikazivanja obično visok u maloprodajnom poslovanju s više podružnica?“ upitao je; Dobio je nacrt od 11 stavki, kao što su upravljanje gotovinom, razlike u broju zaliha, smanjenje prihoda, manipulacija povratom/popustom. On je to filtrirao kroz svoje vlastito znanje: klijent je imao nisku prodaju gotovine (teška kartica), smanjujući taj rizik; Ali rizik od smanjenja zaliha, koji AI nije propustio, bio je kritičan u ovom poslu jer je krajem godine bila intenzivna kampanja. Rezultat: AI je isporučio sjeme, revizor je prilagodio mapu poslu.

Slučaj 2 — Greška množenja značajnosti. Član tima je imao AI da izračuna kardinalnost scenarija. YZ je greškom uzeo prihod kao 24 miliona umjesto 240 miliona i povećao materijalnost na 120.000 TL. Član tima je ovo stavio u planiranje bez verifikacije; Budući da je materijalnost performansi bila nedovoljno određena, tim je počeo nepotrebno testirati stotine dodatnih stavki. Iznos je ispravljen kada je odgovorno lice primijetilo. Lekcija: Ponovo izračunajte svako množenje AI.

Slučaj 3 — Zabluda javne liste za posao. Pripravnik je zalijepio listu generičkih "rizika građevinske industrije" koju je dao YZ na radni list za procjenu rizika. Međutim, ovaj kupac nije imao naveden rizik od „manipulacije procentom završetka u višegodišnjim ugovorima o izgradnji“ (kupac je bio dobavljač materijala, a ne podizvođač); S druge strane, rizik specifičan za kupca „transferne cijene u prodaji unutar grupe“ nije bio na listi. Pogreška u vezi sa opštom listom kao procenom specifične za poslovanje je naduvala i ostavila rizike nepotpunim.

Slaba prompt / Jaka prompt

Slab upit:

Recite nam rizike i značajnost ove kompanije.

Problem: posao nije uveden, indikator i iznos nisu dati, a AI je napravljen da proizvede "određeni rizik" i fiktivni iznos materijalnosti.

Snažan upit:

Vaša uloga: Vi ste pomoćnik za planiranje nezavisnom revizoru. Konačna presuda o riziku i materijalnosti je moja. Kontekst (anonimno): Srednje velika, multibranska maloprodaja hrane. Krajem godine je intenzivna kampanja. Prodaja putem kartica, niska gotovina. Nalaz iz prethodne godine: varijanse broja zaliha. Zadatak A – Ideja o riziku: Navedite područja u kojima bi rizik od materijalno značajnog pogrešnog prikazivanja obično bio visok u ovoj vrsti poslovanja, mapirajući svako na relevantnu računovodstvenu tvrdnju (potpunost, istinitost, periodičnost/granična vrijednost, procjena, itd.). Imajte na umu da su ovo OPĆE i da je procena specifična za poslovanje moja. Zadatak B - Scenarij materijalnosti: Izračunajte tabelu scenarija materijalnosti sa %s za sljedeće indikatore; Jasno pokažite svako množenje kako bih ga mogao provjeriti. Ja ću odlučiti koji indikator odabrati.- Dobit prije oporezivanja: 12.000.000 TL- Prihod: 240.000.000 TL- Ukupna imovina: 180.000.000 TLPravilo: Ne izmišljajte brojeve za koje nisam dao podatke.

Ovaj poziv je snažan jer uvodi poslovanje, zahtijeva uparivanje potraživanja, čini račun provjerljivim i ostavlja odluku revizoru.

Uobičajene greške

• Pogrešiti opštu listu rizika za poslovnu procenu. Stavljanje generičkog izlaza AI u radni list bez filtriranja.
• Ne provjeravam množenje kardinalnosti. Ne primjećuje grešku AI u količini ili procentu.
• Ostavljanje odabira indikatora AI. Koji indikator je prikladan je stvar profesionalne procjene.
• Nepovezivanje rizika sa potraživanjima. Rizik bez podudaranja potraživanja ne može se povezati sa testom.
• Zanemarivanje nalaza iz prethodne godine i poslovnih informacija. AI ne zna ove stvari; Ako mu ne kažete, karta rizika će biti nepotpuna.

Savjet: Nakon što pripremite mapu rizika, pitajte AI "Koji su rizici koji su možda zanemareni na ovoj mapi?" pitaj unazad. Ovo vam pomaže da vidite mrtve tačke; Ali sami filtrirajte ideje.

Ukratko

U fazi planiranja, AI donosi dvije moćne namjene: sektorsko razmišljanje o riziku i izračun scenarija materijalnosti. Ali procjena rizika značajnog pogrešnog prikazivanja u skladu sa MSR 315 i utvrđivanje materijalnosti u skladu sa MSR 320 je profesionalna prosudba. AI pruža generički uvid u rizik i provjerljivo računovodstvo; Koji rizik je validan, koji indikator odabrati i konačni iznos materijalnosti pripada revizoru. Ponovo izračunajte svako množenje materijalnosti, filtrirajte svaku ideju o riziku specifičnu za poslovanje.

Zadatak aplikacije

Odaberite hipotetički posao (odredite industriju, veličinu, nalaz iz prethodne godine). Sa moćnim obrascem brze poruke iznad, prvo shvatite generičku ideju rizika, a zatim scenario materijalnosti. Transformirajte listu rizika AI u tabelu od tri kolone: ​​"rizik / relevantna tvrdnja / da li se to odnosi na ovaj posao (da/ne, opravdanje)". Ručno provjerite svako množenje u scenariju materijalnosti i u jednoj rečenici napišite opravdanje za odabrani indikator.

kontrolna lista

• [ ] Posao sam opisao anonimno, ali sa dovoljnim kontekstom (industrija, veličina, istorijski nalazi).
• [ ] Filtrirao sam ideje rizika AI kroz znanje specifično za poslovanje; Uklonio sam nevažeće i dodao one koje nedostaju.
• [ ] Mapirao sam svaki rizik sa relevantnom računovodstvenom tvrdnjom i povezao ga sa testom.
• [ ] Nezavisno sam provjerio svaki proizvod i iznos u scenariju materijalnosti.
• [ ] Opravdao sam izbor indikatora; Odlučio sam.
• [ ] Postavio sam prag materijalnosti performansi i očigledno nematerijalnosti.
• [ ] "Postoje li neki rizici da budete zanemareni?" Pitao sam unazad i filtrirao ideje.