利益:
- タスクのリスクレベルに応じて、監査サイクル（計画、証拠収集、分析、文書化、報告）において人工知能がリアルタイムを節約する部分と、監査意見や重大な虚偽表示の判断などの決定が独立監査人に委ねられる部分を区別できること。
- 各 AI 出力をソースにリンクし、再計算し、監査員の懐疑を持ってテストするという手順を通じて検証する規律を適用する能力。
- 機密性と独立性の原則の範囲内で監査データを匿名化し、安全な車両を選択する習慣を身につける
監査人の 1 日は、ほとんどの人が思っているよりも、「証拠の蓄積」と「判断」の間に費やされます。何千もの仕訳帳に目を通し、口座残高を文書化し、見積もりの妥当性を疑問視し、「本当にそうですか?」と問いかけます。顧客の発言を額面通りに受け入れるのではなく、あなたは掘ります。データの整理、標準条項の検索、作業書類の草案、調整差異のリストなど、この作業の一部は反復的で時間がかかります。その他の判断は、監査意見、つまり財務諸表が「すべての重要な点において真実かつ公正であるかどうか」について公的に表明された意見を直接決定する判断であり、誤差の範囲が非常に小さくなければなりません。
人工知能 (略して AI、略して AI – 人間と同じようにテキストを生成し、パターンを認識し、大規模なデータセット内の関係を見つけ、計算を実行できるコンピューター システム) は、この状況のちょうど真ん中に位置します。正しく使用すると、3 時間かかる分析レビューの要約が 40 分に短縮されます。数十万のレコードを数秒でスキャンします。定番アイテムを見つけるお手伝いをします。誤って使用すると、一見安全で流暢に見えるが完全にでっち上げられた数字、存在しない標準条項、または根拠のない結果が作業書類に、そして最終的には監査意見に持ち込まれる可能性があります。
このモジュールの最初の単元はソフトウェアの紹介ではありません。その目的は、監査業務のどこにAIを導入するのか、どこにAIを導入しないのかを明確にすることだ。なぜなら、監査はコンプライアンスが重要な専門職であり、社会の信頼に依存しており、その結果は投資家、債権者、税務行政、社会に影響を与えるからです。最初から基本原則を説明しましょう。人工知能はアシスタントであり、コントローラーではありません。監査意見、重大な虚偽表示の判断および最終意見に関するすべての決定の責任と最終承認は、有能な独立監査人に帰属します。
AIの制御ループと配置
独立した監査を理解するには、作業をサイクルとして考えると役立ちます。計画とリスク評価の段階では、ビジネスを理解し、問題が発生する可能性が高い場所を特定します。証拠の収集とテストの段階では、口座残高、取引クラス、開示を文書、確認、分析に関連付けます。評価フェーズでは、重要性の観点から結果を比較検討し、結論を出します。報告段階では、自分の意見や調査結果を文書にまとめます。サイクル全体を通じて、文書化 (作業文書) によって作業の追跡可能な証拠が作成されます。
AI はこのサイクルのあらゆる段階に関与できますが、各段階で異なる権限を持ちます。計画においてリスクのアイデアと重要性のシナリオを生成します。テストでデータを準備し、スキャンして異常をマークします。評価の草案コメントを書きます。レポート作成における調査結果とレポート言語が高速化されます。しかし、彼はどの段階でも決断を下さない。この決定には専門的な判断と懐疑が必要です。これらは譲渡できません。
最初からいくつかの基本的な用語を定義しましょう。監査証拠とは、監査人が意見の根拠とする情報（文書、確認、再計算、分析）です。重要性は、財務諸表利用者の意思決定に影響を与えるほど誤差が大きいかどうかの閾値です。 BDS は、トゥルキエで施行されている独立監査基準です。これは国際監査基準 (ISA) に準拠しており、POA (公的監視会計監査基準局) によって発行されています。作業報告書とは、行った作業と得られた結果を記録する文書です。次の単元でこれらの概念を 1 つずつ説明します。現時点では、次のことを知っておいてください。これらの概念すべてにおいて、AI は概要と分析を提供しますが、判断は提供しません。
次の表は、AI の役割とリスク レベルをミッションごとにまとめたものです。
クエスト
AIの役割
リスクレベル
誰が承認/決定するか
データのクリーニング、フォーマット
ワーカー、アクセル
低い
監査チームメンバー
作業報告書/要約草案
スケッチジェネレーター
低～中
上級監査役
規格・項目検索
方向探知機
中程度
監査役（公文書による確認）
分析手順の解釈
仮説生成器
中程度
監査役
ジャーナル/異常スキャン
統計マーカー
中～高
監査人 (すべての例外を検査します)
マテリアリティ/リスクの判断
補助入力
高い
監査人の専門的判断
監査意見・結論
それはインプットですらない、ドラフト言語です
非常に高い
責任監査人（署名）
この 1 行を念頭に置いてください。リスクが増大するにつれて、AI の役割は小さくなり、監査人の判断が大きくなります。
なぜ「検証」がこのビジネスの肝なのか
人工知能言語モデルは自分の答えに自信があるように見えますが、確信が持てない可能性があります。これは専門用語で幻覚と呼ばれます。モデルが、数字、標準項目、日付など、実際には存在しない情報を、あたかも真実であるかのように流れる文章に捏造することです。監査人にとって、これは致命的な罠です。このモデルは、「昨年の粗利益率は 34% でした」のような数値を生成するかもしれません。しかし、彼はあなたのデータを一度も見たことがなく、この数字は完全にでっちあげです。あるいは、「TMS 36 の第 22 条が 2021 年に変更されました」と表示される場合もあります。ただし、そのような条項や変更がない場合もあります。彼はどちらも同じ流暢さと自信を持って言うので、正しいことと間違っていることを区別する唯一のことは、あなたの知識と検証する習慣です。
検証規律は、監査の 3 つのステップで構成されます。
- 出典へのリンク: 数値、比率、残高、標準項目については、AI の記憶ではなく、独自の監査証拠 (試算表、補助元帳、銀行確認書、契約書) および公式情報源 (KGK が発行する BDS および TFRS テキスト、関連コミュニケ) に依存してください。 AI を使用して、データを記憶するのではなく、データについてコメントします。
- 再計算/比較: AI が返す各数値結果、評価、傾向を個別に確認します。パーセンテージ、合計、残高の差を自分で確認してください。
- テスト監査人の懐疑論: 出力が証拠、規制、常識と矛盾していないか懐疑的な目で質問します。 「これが真実なら、他に何が真実でなければなりませんか？」 「もしこれが嘘なら、どんな証拠がそれを示すだろうか？」聞く。
注意: AI によって作成された調査書を、調査結果や数値を検証せずにファイルに保存することは、署名されていない調査書を証拠とみなすようなものです。出力が流暢であるというだけでは真実ではありません。それが真実であると証明した場合にのみ、それは真実です。
独立性と機密保持: 監査の 2 つの不可侵原則
監査の正当性は 2 つの基本原則に基づいています。第一に、独立性です。監査人は、監査する事業体から事実上も外見上も独立していなければなりません。自分の意見を歪めるような利害関係からは距離を置くべきです。第二に、機密保持: 監査中に知り得た情報は、権限のない人物と共有したり、個人的な利益のために使用したりすることはできません。
AI の使用は、これらの原則の両方に直接関係します。監査対象企業の当座預金口座と顧客名、納税者番号、銀行情報、金額を公開 AI ツールに貼り付けるということは、このデータが外部サーバーに送信されることを意味します。これは職業倫理における機密保持の原則に違反し、個人データが関係する場合は KVKK (個人データ保護法) にも違反します。ルールはシンプルです。データを匿名化し、不必要な共有をしないことです。 「ABC Tekstil A.Ş.、TIN 1234567890、残高 4,850,000 TL」の代わりに、「中規模の製造会社、サイズ X の売掛残高」と書きます。可能であれば、データ処理契約を締結している企業ツールを選択し、モデルのトレーニングにデータを使用せず、監査証跡を保存してください。
独立性にはさらに微妙な点があります。監査対象企業のシステムに組み込まれている AI ツール（その出力を独自に制御できない）を盲目的に信頼すると、独立性が損なわれる可能性があります。 AI はツールです。誰がそれを構築したか、データがどこに送信されるか、その出力を検証できるかどうかはすべて、あなたの独立性の一部です。
ミニケース3個
ケース 1 — 安全な使用。上級監査人は通常、22 項目の分析レビューの概要を手書きで 3 時間を費やしました。彼は試算表から取り出した数字を匿名で（会社名はなし、口座と金額のみ）YZに渡し、コメント草稿を求めた。 AI は 12 分でスケッチを作成しました。監査人は各比率をワークシートと比較し、2 つの誤ったパーセンテージを修正し、逸脱に対する 2 つの説明を証明しました。期間: 3 時間ではなく 45 分。 AI が草案を提出し、責任と意見は監査人に残されました。
ケース 2 — 未検証の番号トラップ。研修生監査人が AI に「この業界の平均在庫回転率はどれくらいですか?」と質問しました。 AI は業界データに一切アクセスできなかったにもかかわらず、「約 6.4」という自信に満ちた数字を与えました。インターンはこれを期待値としてワークシートに書き、クライアントのレート 4.1 が「妥当」であるように感じました。監査人が尋ねたところ、その情報源は AI の発明であることが判明しました。分析手順がやり直しになりました。間違い: AI が持っていないベンチマーク データを要求したこと。
ケース 3 — 機密保持の違反。チームメンバーが確認書を送る顧客の完全なリスト（役職、住所、金額、連絡先名）を公開AIツールにアップロードし、「確認書の下書きを作成した」と同氏は語った。データは組織の外に出てしまいました。監査会社の品質部門で機密保持レビューが開始されました。正しい方法は、実際のデータを削除し、「[顧客名]」、「[金額]」などのプレースホルダーを含むテンプレートを要求することでした。
弱いプロンプト / 強いプロンプト
弱いプロンプト:
この会社の財務諸表を解釈して、リスクがあるかどうか教えてください。
この主張には欠陥があります。AI にはデータ、コンテキスト、役割がまったく与えられていません。 AIはデータを持たないため、一般的な発言をするか、でっち上げた数字を使って「解釈」を導き出します。期間も会計も監査目的も明確ではない。
強力なプロンプト:
あなたの役割: あなたは、独立監査人を支援する分析アシスタントです。管理管轄権は私にあります。あなたは草案と勘定科目を作成します。内容: 以下は匿名化された試算表の概要です (会社名はありません)。私の目的は、今年と前年の大きな変化（水平分析）を確認し、調査する必要がある偏差を判断することです。データ: [アカウント名;前年の金額。今年の金額行]タスク:1) 各アカウントの金額と変化率を計算します。検証できるように計算ステップを示します。2) 20% を超える項目、または符号が変わる項目 (利益→損失など) を「検討中」としてマークします。3) マークされた項目ごとに、考えられる説明の仮説を 2 ～ 3 つ提案します。これらは証拠によって検証する必要があることに注意してください。4) 確信のない数字やデータから推測できない数字をでっち上げないでください。 「データから抽出できません」と書きます。出力をテーブルとして与えます。
この主張は、（司法監査人の）役割、境界、データ、手順、検証可能性、および「捏造の禁止」を明確に確立しているため、強力です。
よくある間違い
- AI をリソースと間違える。個数、割合、基準項目、日付はAIの記憶に頼る。 AI は方向探知器です。ソース管理の証拠と公式テキスト。
- コンテキストなしでプロンプトを作成する。役割、データ、目的を与えずに「解釈する」と言う。結果は偽物になります。
- 機密データをそのまま貼り付けます。顧客名、TIN、個人データを含む記録を匿名化せずに共有する。プライバシーとKVKKの違反。
- 出力を検証せずにファイルに保存します。流暢なテキストが正しいと考えてワークシートに転送します。
- 判断を委任する。 「AIがそう言った」という理由で結論を急ぐ。監査意見は譲渡できません。
ヒント: 「この出力のどこが間違っているのだろうか?」という監査人の心を持ちながら、すべての AI セッションに臨んでください。この質問は自動化バイアスに対する解毒剤であり、モジュール全体で繰り返します。
要約すれば
人工知能は監査における強力なアシスタントです。データの準備、スキャン、下書き、計算を行い、時間を数時間から数分に短縮します。ただし、監査意見、重大な虚偽表示の判断、および結論は、独立した有能な監査人に帰属します。 AI の出力が検証されない限り、署名されていない作業書類と同様に有効です。 3 つの不可侵の原則: ソースと再計算 (認証)、監査人の懐疑的なテスト、データの匿名化、安全な手段の選択 (機密性と独立性)。リスクが高まるとAIの役割は小さくなり、判断力が高まる。
アプリケーションタスク
独自の監査業務 (または仮説監査) から 3 つの反復タスクを選択します。たとえば、(1) 試算表から水平分析の概要を抽出する、(2) 基準条項を見つける、(3) 作業文書の草案を作成する。上記の「強力なプロンプト」パターンを使用して、それぞれのプロンプトを作成します。役割、匿名化されたデータ、手順、および「捏造禁止」を追加します。次に、3 つの検証ステップ (ソース、再計算、懐疑的なテスト) を通じて出力を実行し、どのようなエラーが発生したかを記録します。
チェックリスト
- [ ] AI に与えたデータを匿名化しました。私は顧客名、TIN、個人データを共有しませんでした。
- [ ] プロンプトに役割、コンテキスト、目的、および「捏造の禁止」を追加しました。
- [ ] 独立したソースを使用して、出力内のすべての数値と比率を再計算しました。
- [ ] 公式テキストより規格・物質の参照を確認しました。
- [ ] 出力を「どこで問題が発生する可能性がありますか?」に変換します。懐疑的に次のような質問をしてテストしてみました。
- [ ] 最終的な判断と意見は私自身が下しました。 AIを理由には挙げませんでした。
- [ ] データの機密性と独立性の観点から、使用したツールの適切性を評価しました。