Penilaian Risiko dan Materialitas: Peta Risiko Sehubungan dengan BDS 315 dan 320

Keuntungan:

• Kemampuan menggunakan kecerdasan buatan sebagai pembangkit dan perancang ide risiko dalam proses mengidentifikasi risiko salah saji material dengan mengetahui bisnis dan lingkungannya
• Kemampuan untuk membuat skrip penghitungan ambang batas materialitas dan tidak signifikan dengan dukungan kecerdasan buatan dan memverifikasi setiap angka secara independen
• Kemampuan untuk mempertahankan bahwa penilaian risiko akhir dan pertimbangan materialitas adalah milik pertimbangan profesional auditor dan bahwa kecerdasan buatan hanya memberikan masukan

Audit yang baik menang atau kalah di meja kerja, jauh sebelum dilakukan kerja lapangan. Jika seorang auditor memulai tanpa mengetahui bisnisnya, tanpa menebak di mana kemungkinan besar terjadinya kesalahan, dan tanpa mengarahkan sumber dayanya (waktu, tim, pengujian) terhadap risiko tersebut, dia mungkin mencari di tempat yang salah, tidak peduli seberapa keras dia bekerja. Oleh karena itu, BDS 315 (Standar untuk menentukan dan menilai risiko kesalahan penyajian material dengan mengetahui bisnis dan lingkungannya) dan BDS 320 (Standar materialitas dalam audit) menetapkan kerangka audit.

Dalam unit ini, kami akan membahas bagaimana Anda dapat menerapkan AI pada dua tugas utama tahap perencanaan - penghitungan materialitas dan pemetaan risiko - sebagai mitra ide dan pembuat rancangan, namun mengapa Anda akan selalu menjadi juri terakhir. Mari kita perjelas dua konsep terlebih dahulu. Salah saji material adalah kesalahan atau kecurangan dalam laporan keuangan yang, secara individu atau kolektif, cukup besar untuk mempengaruhi keputusan ekonomi pengguna laporan. Penilaian risiko merupakan upaya untuk menentukan akun, golongan transaksi atau pengungkapan mana, dan untuk alasan apa salah saji tersebut paling mungkin terjadi.

Mengenal bisnis: Dimana AI menjadi mitra pemikiran

ISA 315 meminta auditor untuk mengetahui entitas dan lingkungan di mana ia beroperasi (industri, peraturan perundang-undangan, model bisnis, pengendalian internal). Selama proses pengenalan ini, auditor bertanya “apa yang biasanya salah dalam bidang bisnis ini?” dia bertanya. Di sinilah AI menjadi mitra curah pendapat yang berharga: AI dapat dengan cepat membuat daftar area risiko umum suatu industri, pola umum penipuan akuntansi, musiman, dan seluk-beluk pengakuan pendapatan. Namun berhati-hatilah: daftar yang diberikan oleh AI ini bersifat umum dan umum; tidak mengenali bisnis Anda. Jadi keluarannya adalah “draf daftar periksa”, bukan “penilaian risiko”.

Mari kita siapkan prosesnya langkah demi langkah:

1. Berikan konteksnya. Jelaskan secara anonim industri, ukuran, model bisnis, dan fitur penting bisnis tersebut. (Tidak ada nama, NPWP.)
2. Mintalah gagasan risiko umum. “Di manakah risiko salah saji material yang biasanya tinggi dalam jenis bisnis ini?” bertanya. AI memberi Anda peta awal.
3. Sesuaikan dengan bisnis. Filter daftar AI dengan fakta yang Anda ketahui (sejarah bisnis ini, pengendalian internal, temuan tahun sebelumnya). Beberapa risiko tidak berlaku pada bisnis ini; Beberapa di antaranya adalah risiko unik yang tidak akan pernah dilihat oleh AI.
4. Ikat dengan bukti. Hubungkan setiap risiko dengan tes mana yang akan Anda tangani dalam studi lapangan.

Tip: Anggaplah AI sebagai “di manakah kemungkinan terdapat risiko salah saji material?” Gunakan itu untuk membuat Anda berpikir; Bukan untuk membuat Anda mengatakan "di sinilah risikonya, pasti". Penilaian risiko adalah pertimbangan profesional; brainstorming ide risiko.

Materialitas: angka, tetapi angka berdasarkan penilaian

ISA 320 mengharuskan auditor untuk menentukan tingkat materialitas ketika memulai audit. Dalam praktiknya, hal ini dimulai dengan memilih suatu indikator (misalnya pajak sebelum laba, pendapatan, total aset, atau ekuitas) dan menerapkan persentase pada indikator tersebut. Misalnya, 5% laba sebelum pajak dari operasi yang dilanjutkan, atau 0,5-1% dari pendapatan. Ini bukan rumus mekanis: auditor memutuskan indikator mana yang paling berarti bagi bisnis, berapa persentasenya, dan jumlah akhirnya. Materialitas kinerja (batas bawah yang ditetapkan di bawah materialitas untuk memperketat pengujian selama perencanaan) dan ambang batas yang jelas tidak penting (batas perbedaan terlalu kecil untuk dilaporkan) juga ditentukan.

AI adalah kalkulator dan mesin skenario yang luar biasa di sini: AI secara instan menghitung jumlah untuk berbagai indikator dan persentase, menempatkannya di depan Anda dalam sebuah tabel. Namun pilihan indikator dan penilaian akhir ada di tangan Anda. Tabel berikut menunjukkan output skenario umum (angka adalah contohnya):

indikator

Jumlah (TL)

% Diterapkan

Materialitas (TL)

keuntungan sebelum pajak

12.000.000

5%

600.000

pendapatan

240.000.000

0,5%

1.200.000

Jumlah aset

180.000.000

1%

1.800.000

ekuitas

90.000.000

2%

1.800.000

Melihat tabel ini, auditor berpikir: “Jika laba tidak stabil, materialitas berbasis pendapatan mungkin lebih masuk akal; tetapi jika kepentingan utama pengguna dalam bisnis ini adalah profitabilitas, maka laba sebelum pajak lebih tepat.” Penilaian ini merupakan penilaian profesional yang tidak dapat digantikan oleh AI. AI menghitung empat skenario dalam 5 detik; Anda memutuskan mana yang benar.

Perhatian: Verifikasi skenario materialitas yang diberikan oleh AI. Ulangi sendiri perhitungan persentasenya (apakah 600.000 benar-benar 5% dari 12.000.000?) dan pastikan indikatornya adalah jumlah yang benar. AI mungkin salah melakukan perkalian atau menggunakan jumlah yang salah.

Peta risiko: Draf AI, auditor memberikan prioritas

Peta risiko adalah lembar kerja yang mengumpulkan risiko-risiko yang teridentifikasi di satu tempat dan memberikan evaluasi (kemungkinan, dampak, klaim yang relevan, pengujian yang direncanakan) pada setiap risiko. Asersi dalam akuntansi adalah kebenaran yang secara implisit ditegaskan oleh manajemen tentang suatu akun atau transaksi: realitas/keberadaan, kelengkapan, keakuratan, penilaian, periodisitas (cutoff), hak-kewajiban, penyajian. Misalnya, “pendapatan sudah lengkap” adalah klaim kelengkapan; "Saham dinilai berdasarkan nilai realisasi bersihnya" adalah klaim penilaian.

AI bekerja dengan baik dalam mengubah daftar risiko menjadi peta yang terorganisir: memetakan setiap risiko ke klaim yang sesuai, membuat daftar pengujian yang mungkin, memformat tabel. Namun jangan pernah menyerahkan dua hal kepadanya: (1) risiko mana yang benar-benar berlaku pada bisnis ini, (2) prioritas risiko. Hal ini menentukan di mana Anda menggunakan sumber daya audit dan berdampak langsung pada kualitas audit.

tiga kasus mini

Kasus 1 — Penggunaan yang benar. Seorang eksekutif audit melakukan brainstorming risiko untuk klien ritel yang baru diakuisisi. Tanyakan kepada AI “di manakah risiko salah saji material yang biasanya tinggi dalam bisnis ritel multi-cabang?” dia bertanya; Ia menerima rancangan 11 item, seperti pengelolaan kas, perbedaan penghitungan stok, pemotongan pendapatan, manipulasi pengembalian/diskon. Dia menyaring hal ini melalui pengetahuannya sendiri: klien memiliki penjualan tunai yang rendah (banyak kartu), sehingga mengurangi risiko tersebut; Namun risiko pemotongan stok, yang tidak dilewatkan oleh AI, sangat penting dalam bisnis ini karena terdapat kampanye yang intens di akhir tahun. Hasilnya: AI mengirimkan benih, auditor menyesuaikan peta dengan bisnis.

Kasus 2 — Kesalahan perkalian signifikansi. Seorang anggota tim meminta AI menghitung skenario kardinalitas. YZ secara keliru menganggap pendapatan sebagai 24 juta, bukan 240 juta, dan meningkatkan materialitas menjadi 120,000 TL. Anggota tim memasukkannya ke dalam perencanaan tanpa verifikasi; Karena materialitas kinerja tidak ditentukan, tim mulai menguji ratusan item tambahan yang tidak diperlukan. Jumlah tersebut diperbaiki ketika orang yang bertanggung jawab menyadarinya. Pelajaran: Hitung ulang setiap perkalian AI.

Kasus 3 — Salah mengira daftar publik sebagai bisnis. Seorang pekerja magang menempelkan daftar "risiko industri konstruksi" umum yang diberikan oleh YZ ke lembar kerja penilaian risiko. Namun, pelanggan ini tidak memiliki risiko tercantum dalam daftar "persentase manipulasi penyelesaian dalam kontrak konstruksi multi-tahun" (pelanggan adalah pemasok material, bukan subkontraktor); Di sisi lain, risiko "penetapan harga transfer dalam penjualan intra-grup" khusus pelanggan tidak ada dalam daftar. Mengabaikan daftar umum sebagai penilaian spesifik bisnis akan membuat risiko menjadi terlalu besar dan tidak lengkap.

Perintah lemah / Perintah kuat

Perintah yang lemah:

Beritahu kami risiko dan materialitas perusahaan ini.

Masalah: bisnis tidak diperkenalkan, indikator dan jumlah tidak diberikan, dan AI dibuat untuk menghasilkan "risiko tertentu" dan jumlah materialitas fiktif.

Perintah yang kuat:

Peran Anda: Anda adalah asisten perencanaan untuk auditor independen. Keputusan akhir mengenai risiko dan materialitas ada di tangan saya. Konteks (anonim): Bisnis ritel makanan multi-cabang berskala menengah. Ada kampanye yang intens di akhir tahun. Penjualan berbasis kartu, uang tunai rendah. Temuan tahun sebelumnya: varian penghitungan inventaris. Tugas A - Ide risiko: Buat daftar area di mana risiko salah saji material biasanya tinggi dalam jenis bisnis ini, petakan masing-masing area ke dalam asersi akuntansi yang relevan (kelengkapan, kebenaran, periodisitas/batas waktu, penilaian, dll.). Harap dicatat bahwa ini bersifat UMUM dan evaluasi khusus bisnis adalah milik saya. Tugas B - Skenario materialitas:Hitung tabel skenario materialitas dengan %s untuk indikator berikut; Tunjukkan setiap perkaliannya dengan jelas agar saya dapat memverifikasinya. Saya akan memutuskan indikator mana yang akan dipilih.- Laba sebelum pajak: 12.000.000 TL- Pendapatan: 240.000.000 TL- Total aset: 180.000.000 TLRaturan: Jangan membuat angka apa pun yang belum saya berikan datanya.

Perintah ini kuat karena memperkenalkan bisnis, memerlukan pencocokan klaim, membuat akun dapat diverifikasi, dan menyerahkan keputusan kepada auditor.

Kesalahan umum

• Salah mengira daftar risiko umum sebagai penilaian bisnis. Memasukkan keluaran umum AI ke dalam lembar kerja tanpa memfilternya.
• Tidak memverifikasi perkalian kardinalitas. Tidak memperhatikan kesalahan AI dalam jumlah atau persentase.
• Menyerahkan pemilihan indikator kepada AI. Indikator mana yang tepat bergantung pada penilaian profesional.
• Tidak menghubungkan risiko dengan klaim. Risiko tanpa pencocokan klaim tidak dapat dikaitkan dengan pengujian.
• Mengabaikan temuan tahun sebelumnya dan informasi spesifik bisnis. AI tidak mengetahui hal-hal ini; Jika Anda tidak memberitahunya, peta risikonya tidak akan lengkap.

Tip: Setelah menyiapkan peta risiko, tanyakan kepada AI “Risiko apa saja yang mungkin terlewatkan dalam peta ini?” bertanya ke belakang. Ini membantu Anda melihat titik buta; Tapi saringlah ide-ide itu sendiri.

Singkatnya

Dalam fase perencanaan, AI mempunyai dua kegunaan yang kuat: brainstorming risiko sektoral dan perhitungan skenario materialitas. Namun menilai risiko kesalahan penyajian material berdasarkan SA 315 dan menentukan materialitas berdasarkan SA 320 merupakan pertimbangan profesional. AI memberikan wawasan risiko umum dan akuntansi yang dapat diverifikasi; Risiko mana yang valid, indikator mana yang harus dipilih, dan jumlah materialitas akhir menjadi milik auditor. Hitung ulang setiap perkalian materialitas, saring setiap gagasan risiko khusus bisnis.

Tugas aplikasi

Pilih bisnis hipotetis (tentukan industri, ukuran, temuan tahun sebelumnya). Dengan pola cepat yang kuat di atas, pertama-tama dapatkan gagasan risiko umum, lalu skenario materialitas. Ubah daftar risiko AI menjadi tabel tiga kolom: "risiko / klaim relevan / apakah berlaku untuk bisnis ini (Y/T, justifikasi)". Verifikasi secara manual setiap perkalian dalam skenario materialitas dan tulis dalam satu kalimat pembenaran untuk indikator pilihan Anda.

daftar periksa

• [ ] Saya menjelaskan bisnis ini secara anonim namun dengan konteks yang memadai (industri, ukuran, temuan historis).
• [ ] Saya menyaring gagasan risiko AI melalui pengetahuan khusus bisnis; Saya menghapus yang tidak valid dan menambahkan yang hilang.
• [ ] Saya memetakan setiap risiko ke pernyataan akuntansi yang relevan dan menghubungkannya dengan pengujian.
• [ ] Saya telah memverifikasi secara independen setiap produk dan jumlah dalam skenario materialitas.
• [ ] Saya membenarkan pilihan indikator; Saya membuat keputusan.
• [ ] Saya menetapkan ambang batas untuk materialitas kinerja dan tentu saja non-materialitas.
• [ ] “Apakah ada risiko yang terlewatkan?” Saya bertanya ke belakang dan memfilter idenya.