윤리, 독립성, 개인정보 보호 및 엔드투엔드 감사 AI 워크플로 — 감사 및 독립감사 분야의 인공지능

이득:

인공 지능 사용의 맥락에서 독립성과 기밀성의 원칙을 이해하고 안전하고 계약적이며 감사 추적 수단을 선택할 수 있는 능력
계획부터 보고까지 전체 감사 주기에 걸쳐 검증 게이트를 갖춘 인공 지능을 배치하는 엔드투엔드 워크플로우를 구축하는 능력
감사 품질과 책임은 모든 단계에서 독립 감사자에게 있으며 인공 지능은 결코 이 책임을 대신할 수 없다는 점을 이해합니다.

이 마지막 단원에서는 두 가지 작업을 수행합니다. 첫째, 모듈 전반에 걸쳐 산발적으로 다루었던 세 가지 핵심 원칙(윤리, 독립성, 개인 정보 보호)을 AI 사용 맥락에서 단일 프레임워크로 통합할 것입니다. 그런 다음 우리가 배운 모든 것을 계획부터 보고까지 단일 엔드투엔드 워크플로우로 결합하여 각 단계에서 AI가 적합한 위치와 각 단계의 검증 게이트를 확인합니다. 목표는 이 모듈을 닫을 때 적용 가능하고 전체적이며 책임감 있는 감사-AI 작업 모델을 갖추는 것입니다.

AI의 렌즈를 통해 본 세 가지 원칙

윤리학. 감사인의 전문적 행동 원칙(성실성, 객관성, 전문적 역량 및 정당한 주의, 기밀성, 전문적 행동)은 AI 사용으로 인해 제거되지 않습니다. 반대로 새로운 테스트 영역이 탄생합니다. AI 결과물을 자신의 작업으로 제시하는 것(전문 역량 및 실사 측면에서 문제가 있음), 검증되지 않은 결과물에 의존하는 것(실사 위반), AI를 책임 보호막으로 만드는 것("AI가 그렇게 말했다")은 비윤리적입니다. AI는 도구입니다. 이를 사용하는 책임은 전적으로 감사자에게 있습니다.

독립. 감사인은 실제로나 외관상으로 그가 감사하는 사업으로부터 독립적이어야 합니다. AI의 맥락에서 새로운 질문이 제기됩니다. 귀하가 사용하는 도구는 누가 제공합니까? 독립적으로 통제할 수 없는 결과를 감사받는 회사 자체 시스템에 내장된 도구에 의존하는 것이 독립성을 훼손합니까? 귀하의 데이터가 어딘가에 저장되어 있고 다른 목적으로 사용됩니까? 독립성은 도구 선택 및 데이터 흐름의 일부입니다.

보안. 감사 데이터(고객 기록, 개인 데이터, 영업 비밀)는 개인 정보 보호 정책 및 KVKK의 범위 내에서 보호됩니다. 공개적으로 사용 가능한 AI 도구에 식별 가능한 실제 데이터를 업로드하는 것은 위반입니다. 규칙: 익명화, 최소한의 공유, 안전한 계약 도구 사용.

다음 표에는 안전한 차량을 선택할 때 검사관이 물어봐야 할 질문이 요약되어 있습니다.

질문

왜 중요합니까?

데이터는 어디로 이동하며 어디에 저장되나요?

개인 정보 보호 및 KVKK

모델 학습에 효율성이 사용되나요?

기밀유지, 영업비밀

데이터 처리 계약 및 기밀 유지 보장이 있나요?

법률/윤리 준수

감사 추적(누가, 언제 무엇을 했는지)이 유지됩니까?

문서화, 책임

출력을 독립적으로 확인할 수 있나요?

독립성, 신뢰성

기업/계약상인가요, 아니면 모든 사람에게 공개되나요?

일반 보안 수준

주의: 귀하는 "보안 및 규정 준수가 중요한" 분야에서 일하고 있습니다. 재무 감사 결과는 투자자, 대출 기관 및 공공의 결정에 영향을 미칩니다. AI 결과는 유능하고 독립적인 감사인의 승인을 대체할 수 없습니다. 결정은 개인에게 달려 있습니다. AI는 의사결정 지원 및 가속화 도구입니다.

엔드투엔드 감사-AI 워크플로우

모듈의 모든 부분을 단일 루프로 결합해 보겠습니다. 각 단계마다 AI의 역할과 바로 이어지는 검증 게이트를 확인할 수 있습니다. 검증 게이트는 감사자가 해당 단계의 출력을 다음 단계로 이동하기 전에 통과해야 하는 검사입니다.

계획 및 위험(2단원). AI: 부문별 리스크 브레인스토밍, 중요성 시나리오. → 게이트: 비즈니스에 특정한 위험 목록을 필터링하고 각 중요성 곱셈을 다시 계산합니다.
데이터 준비 및 전체 모집단 테스트(단위 3). AI: 데이터 정리, 규칙 시행, 예외 생성. → 게이트: 합의를 통해 데이터 완전성을 확인합니다. 발견 사항이 아닌 조사의 시작으로 예외를 고려하십시오.
변칙 및 저널 테스트(단위 4). AI: 다차원 주의 점수. → Gate: 거짓 긍정을 처리합니다. 문서를 통해 각 고득점 기록을 조사합니다.
분석 절차(단위 8). AI: 수평/수직/비율 분석, 발산 가설. → 문: 기대의 독립성을 보장합니다. 증거로 각 가설을 테스트합니다. 예상치 못한 우회로가 깊어집니다.
화해와 매칭(7단원) AI: 당좌/은행 조정, 3자 매칭. → 문: 문서와 항목이 일치하지 않는 이유를 확인합니다. 비즈니스 현실에 따라 허용 오차를 조정합니다.
표준 조사(6단원). YZ: 주제를 단순화하고 관련 표준으로 연결합니다. → 게이트: 공식 텍스트에서 각 항목/인용/날짜를 확인합니다. 공식 출처에서만 인용문을 가져오세요.
사기 위험 검사(9단원). AI: Benford, 중복, 하위 임계값, 텍스트 분석. → 문: Benford 적합성을 평가합니다. 위험 신호를 비난으로 바꾸는 것; 문서로 연구하세요.
문서(5단원). AI: 작업 서류 뼈대, 원시 메모 편집. → 문: 콘텐츠를 제공합니다. 증거 참조를 연결합니다. 결과를 작성하고 서명하십시오.
회의적인 검토(11단원). AI: 반박 심문 파트너. → 문 : “이것이 거짓이라면 어떤 증거를 보여주겠습니까?”; 확증편향을 깨세요.
보고(10단원). YZ: DKNEÖ 조사 결과 구조, 관리 서신, 의견 단락 초안. → 문: 뷰 유형과 중요성을 결정합니다. 증거를 가지고 각 문장을 조사하십시오. 서명 뒤에 서십시오.

이 사이클에는 단일 백본이 있습니다. AI는 속도와 초안을 생성합니다. 각 단계에서 검증 게이트는 감사인의 판단을 소개합니다. 게이트가 없으면 작업 흐름은 빠르지만 신뢰할 수 없습니다. 도어와 함께 빠르고 내구성이 뛰어납니다.

세 개의 미니 케이스

사례 1 — 적절한 엔드투엔드 사용법. 한 감사팀은 한 중견 제조회사의 감사에 이 사이클을 적용했습니다. 계획을 세울 때 AI는 위험 초안을 제공하고 팀은 이를 필터링했습니다. 전체 모집단 테스트를 통해 180,000개의 기록을 선별했으며 합의에 의해 완전성이 확인되었습니다. 분석 절차의 주기성 오류에 대한 가설은 증거에 의해 확인되었습니다. 공식 텍스트에서 확인된 표준 참조; 팀이 작성하고 서명한 문서 책임감사인은 보고서 의견을 결정하였습니다. AI로 인해 전체 시간이 크게 단축되었습니다. 책임과 판단은 집집마다 사람에게 남아 있었습니다.

사례 2 — 문 없는 속도 재앙. 다른 팀은 동일한 도구를 사용했지만 검증 게이트를 우회했습니다. 데이터 완전성을 확인하지 않고 "전체 테스트"라고 하고, 검토 없이 예외를 닫고, 검증 없이 표준 속성을 사용하고, AI의 낙관적인 초안에서 가져온 의견을 보고했습니다. 품질 검토 결과 수많은 오류가 발견되었습니다. 작업은 처음부터 이루어졌습니다. 얻은 시간보다 잃은 시간이 더 컸다. 교훈: 게이트 없는 속도는 가짜 속도이다.

사례 3 — 기밀성과 독립성을 무시합니다. 감사자는 자신이 독립적으로 확인할 수 없는 출력을 감사한 회사의 서버에서 실행되는 AI 도구를 사용하여 고객 데이터를 실제 형태로 처리했습니다. 두 데이터 모두 회사가 통제하는 시스템에서 처리되었으며(독립성 문제) 실제 개인 데이터는 보호되지 않은 상태로 유지되었습니다(기밀성). 품질 부서가 프로세스를 중단했습니다. 올바른 방법은 감사 추적 및 익명화된 데이터를 갖춘 독립적인 계약 도구를 사용하여 작업하는 것이었습니다. 교훈: 도구와 데이터 흐름은 독립성과 개인정보 보호의 일부입니다.

약한 프롬프트 / 강한 프롬프트

약한 프롬프트:

처음부터 끝까지 감사를 할 수 있도록 모든 데이터를 업로드하고 결과를 알려주세요.

문제: 실제/비밀 데이터를 있는 그대로 업로드(개인정보 침해), AI에 판단 위임(윤리/독립 위반), 검증 게이트 파괴. 그것은 통제의 본질을 제거합니다.

강력한 프롬프트(워크플로 프레임워크):

귀하의 역할: 귀하는 독립 감사인의 엔드 투 엔드 보조자입니다. 각 단계에서 초안과 분석을 작성하게 됩니다. 각 단계가 끝나면 내가 해야 할 검증의 문(DOOR OF VERIFICATION)도 상기시켜 주실 것입니다. 판단, 의견 및 결론은 본인의 것입니다.규칙(모든 단계에서 적용 가능):- 익명화된 데이터만 제공합니다. 실명/TIN/개인 데이터가 없습니다. - 숫자, 표준 조항, 날짜 또는 출처를 조작하지 않습니다. 확실하지 않으면 "확인"이라고 말하세요. - 결과를 "발견/결론"이 아닌 "초안/예외/가설"로 배치하세요. 이제 1단계(계획-위험)부터 시작합니다. 이 단계에 대한 개요를 작성하고 마지막에 통과해야 하는 검증 게이트를 항목별로 작성합니다. 내가 확인하고 확인할 때까지 2단계로 진행하지 마세요.

이 프롬프트는 검증 게이트를 사용하여 전체 작업 흐름을 설정하고, 익명화 및 조작 금지를 수정하고, 출력을 올바르게 배치하고, 진행 상황을 감사자의 승인과 연결하기 때문에 강력합니다.

일반적인 실수

실제/비밀 데이터 업로드. 익명화 없이 공유하여 개인정보 보호 및 KVKK를 침해합니다.
인증 게이트를 우회합니다. 속도를 위해 확인, 검토, 판단을 생략합니다.
AI를 책임 방패로 만드는 것. “AI가 그렇게 말했다”로 판단을 위임합니다. 윤리 위반.
도구와 데이터 흐름에 의문을 제기하지 않습니다. 독립성과 보안을 위협하는 도구에 대한 맹목적인 신뢰.
엔드투엔드 자동화를 보안으로 착각합니다. AI가 처음부터 끝까지 감사를 수행하고 출력물에 서명하게 합니다.

팁: 이 모듈을 한 문장으로 전달하세요. "AI는 모든 단계에서 속도와 초안을 제공합니다. 모든 단계에서 검증 게이트가 내 판단에 참여합니다. 서명, 책임 및 의견은 나에게 있습니다." 이 문장은 책임 있는 감사-AI 활용의 핵심입니다.

요약하면

윤리, 독립성 및 기밀성은 AI에서도 감사의 필수 원칙입니다. 출력은 감사자의 업무(윤리)이고, 도구 및 데이터 흐름은 독립성(독립성)의 일부이며, 데이터는 익명화되어 안전한 도구로 처리됩니다(기밀성). 모듈의 모든 부분은 단일 엔드투엔드 루프로 결합됩니다. 이 루프의 백본은 감사자의 판단을 통해 각 단계에서 AI 초안을 필터링하는 검증 게이트입니다. 문 없는 속도는 잘못된 속도입니다. AI는 의사결정 지원 및 가속화 도구입니다. 감사의견, 중요한 왜곡표시에 대한 판단 및 결론은 유능하고 독립적인 감사인에게 속하며 양도할 수 없습니다.

응용과제

자신의 제어 환경을 위한 위의 10단계 엔드투엔드 워크플로우를 한 페이지에 담으세요. 각 단계마다 (1) AI의 역할, (2) 검증 게이트, (3) 사용할 보안 도구를 적습니다. 그런 다음 현재 사용 중인(또는 사용을 고려 중인) 차량에 대한 안전 차량 선택표의 6가지 질문에 답하고 해당 차량이 검사에 적합한지 합리적인 결정을 내리세요.

체크리스트

[ ] 윤리: 나는 AI 결과물을 검증하고 소유합니다. 나는 AI에게 책임을 맡기지 않았다.
[ ] 독립성: 도구의 소스와 데이터 흐름을 평가했습니다. 출력을 독립적으로 확인할 수 있습니다.
[ ] 개인 정보 보호: 데이터를 익명화했습니다. 저는 안전하고 계약된 감사 추적 차량을 운전했습니다.
[ ] 엔드투엔드 워크플로의 모든 단계에 인증 게이트를 배치했습니다.
[ ] 나는 어떤 단계도 놓치지 않았습니다. 문없는 속도는 가짜 속도라는 데 동의했습니다.
[ ] 중요한 왜곡표시에 대한 의견, 판단, 결론은 본인이 직접 작성했습니다.
[ ] 안전한 차량 선택표의 6가지 질문에 답변하고 해당 차량의 적합성을 평가하였습니다.

모듈 시험

1. 감사팀 구성원은 AI가 180,000개의 저널 항목에 대해 '비정상적인' 항목을 스캔하고 340개 레코드의 예외 목록을 얻습니다. BDS 및 직업적 책임 측면에서 이 목록은 무엇을 의미합니까?

가) 감사인이 하나씩 조사하게 되는 물음표는 예외로 한다. 증거가 있는 평가와 결론은 감사인의 소유입니다 ✔
B) 340개 기록 모두 확인된 오류로 간주되어 결과로서 보고서에 직접 기록됩니다.
다) 인공지능 스캔이므로 이러한 기록은 별도로 검토할 필요가 없습니다.
D) 목록에는 340개 이하의 내용이 포함되어 있으므로 중요한 왜곡표시의 위험은 자동으로 제거됩니다.

설명: 인공지능이 표기한 기록은 감사 결과가 아니라 감사자가 조사해야 할 출발점이다. 각 예외 사항은 증거를 통해 조사되어야 하며, 거짓 긍정(false positives)을 제거해야 하며, 실제 결과는 타당해야 합니다. 의견과 의견은 감사인에게 귀속됩니다.

2. 감사인은 회계사항이 어떤 기준에 속하는지 인공지능에게 묻는다. 인공지능은 'TMS 37조 14/b가 2022년에 변경됨'이라고 명확한 언급을 하고 있습니다. 올바른 접근 방식은 무엇입니까?

가) 공식표준문서의 확인 없이는 물질 및 날짜를 사용할 수 없다. 환각의 가능성이 있습니다 ✔
나) 참고문헌이 명확하므로 작업서류에 직접 기재한다.
다) 인공지능이 날짜를 정했다면 입법변경은 확실하다.
D) 표준 해석은 전적으로 인공 지능에 맡길 수 있습니다.

설명: 인공 지능은 표준 숫자, 항목 및 날짜(환각)를 유창하게 구성할 수 있습니다. 각 참고문헌은 주요 공식 출처(KGK, 관련 표준 텍스트)의 확인 없이 사용할 수 없습니다. 인공지능은 원천이 아니라 길잡이이다.

3. 감사 대상 회사의 당좌 명세서를 고객 이름, 세금 번호 및 금액과 함께 공개적으로 사용 가능한 인공 지능 도구에 붙여넣는 것이 왜 해로운가요?

A) 어차피 인공지능은 데이터를 잊어버리기 때문에 문제가 없습니다.
나) 금액이 100만원을 초과하는 경우에만 이의가 있습니다.
C) 기밀유지 및 KVKK 위반입니다. 데이터는 익명화되고 안전해야 하며, 계약된 도구를 사용해야 합니다. ✔
D) 고객이 승인한 경우 모든 차량에 데이터를 자유롭게 업로드할 수 있습니다.

설명: 감사 데이터는 개인정보 보호정책 및 KVKK의 범위 내에서 보호됩니다. 외부 서버로 데이터를 전송하는 것은 직업 윤리와 기밀 유지에 위배됩니다. 올바른 방법은 데이터를 익명화하고 계약된 보안 도구를 사용하는 것입니다.

4. 전문적인 회의론 측면에서 AI 결과를 평가할 때 가장 큰 함정 중 하나는 무엇입니까?

A) 출력이 너무 짧습니다.
나) 인공지능 터키어로 글쓰기
C) 자동화/확증 편향: 질문 없이 매끄럽고 자신있게 보이는 출력을 사실로 받아들입니다. ✔
D) 출력에 테이블이 있음

설명: 자동화 편향과 확증 편향으로 인해 감사자는 원활하고 자신감 있게 보이는 출력을 의심하지 않고 받아들이게 됩니다. 회의적인 감사인은 결과를 반박하고 그 반대의 결과를 찾으려고 합니다. 유창함은 정확성이 아닙니다.

5. 샘플링에 비해 전체 모집단 테스트(데이터의 100% 테스트)의 가장 중요한 이점은 무엇입니까? 하지만 그것은 어떤 새로운 책임을 가져오는가?

A) 샘플링 위험을 제거합니다. 그러나 데이터 완전성을 확인하고 예외 사항을 평가할 책임이 있습니다. ✔
나) 감사를 완전 자동화하여 감사인의 판단을 불필요하게 한다
C) 예외가 발생하지 않으므로 워크로드를 재설정합니다.
D) 데이터 품질에 관계없이 항상 정확한 결과를 제공합니다.

설명: 전체 모집단 테스트는 샘플링 위험을 제거합니다(샘플이 모집단을 대표하지 않음). 그러나 데이터의 완전성과 정확성을 검증하면서 발생하는 수많은 예외 사항을 평가하는 것은 감사자에게 새로운 부담을 안겨줍니다.

6. BDS 320에 따라 인공지능을 활용하여 중요성 금액을 계산할 때 올바른 접근 방식은 무엇입니까?

가) 인공지능이 부여한 첫 번째 금액을 직접 사용
나) 중요성은 항상 매출액의 5%이며 판단을 요구하지 않는다.
다) 감사시 중요성 계산이 불필요하다
D) 인공 지능이 시나리오를 계산합니다. 지표, 비율, 최종 중요성은 감사인의 판단이며 계정이 확인됩니다 ✔

설명: 중요성은 선택된 지표와 비율을 바탕으로 전문적인 판단의 결과입니다. AI는 다양한 시나리오를 신속하게 계산할 수 있지만 지표 선택, 백분율 및 최종 금액은 감사인의 판단에 속하며 각 계산은 독립적으로 검증되어야 합니다.

7. 벤포드의 법칙은 사기 통제에서 어떤 역할을 하며 인공 지능과 함께 사용할 때 그 한계는 무엇입니까?

A) 첫 번째 숫자 분포의 편차를 나타내는 위험 신호입니다. 증거만으로는 충분하지 않고 연구가 필요합니다 ✔
B) 편차가 발견되면 사기가 확인된 것으로 간주됩니다.
C) 모든 데이터세트에 적용되며 거짓양성을 생성하지 않습니다.
D) AI 없이만 사용할 수 있습니다.

설명: 벤포드의 법칙은 자연 데이터 세트에서 첫 번째 숫자의 예상 분포를 제공합니다. 편차는 조작 가능성을 나타낼 수 있습니다. 그러나 이것은 단지 위험 신호일 뿐입니다. 그 자체로는 사기의 증거가 아닙니다. 감사인 조사가 필요합니다.

8. 인공지능으로 감사 결과를 작성할 때 가장 견고한 구조는 무엇입니까?

A) '문제가 있다'라는 문장만으로도 충분합니다.
B) 경영진에 대해서만 비난적인 언어를 사용하십시오.
다) 상황, 기준, 원인, 결과, 권고 등의 요소를 증거중심으로 포함하는 구조 ✔
D) 숫자를 포함하지 않는 일반 표현

설명: 효과적인 결과에는 상황(발견된 내용), 기준(규칙이 위반된 규칙), 원인(근본 원인), 영향(결과/위험) 및 권장 사항(수행해야 할 작업)이 포함됩니다. AI는 이 뼈대를 신속하게 작성하지만 각 요소는 증거와 연결되어야 합니다.

9. 3자 일치 테스트에서는 인공지능이 주문서, 납품서, 송장을 비교하여 일치하지 않는 항목 27개를 찾아냅니다. 이 결과는 무엇을 의미합니까?

A) 연필 27개는 사기의 확실한 증거
나) 인공지능이 찾아냈으므로 별도의 검사는 필요하지 않다.
다) 27개 항목은 개수가 적어 중요하지 않다.
D) 불일치 항목은 조사해야 할 차이점입니다. 시기, 부분배송, 오류가 있을 수 있으며, 평가는 감사원의 몫입니다 ✔

설명: 일치하지 않는 항목은 자동 오류가 아니지만 감사자가 조사할 차이점입니다. 시기 차이, 부분 배송, 실제 오류가 있을 수 있습니다. 인공지능이 차이점을 보여주고, 설명과 결론은 감사자의 몫입니다.

10. BDS 230에 따라 인공지능을 활용한 작업 문서 초안을 작성할 때 중요한 원칙은 무엇입니까?

A) 인공지능이 생산한 텍스트가 바로 최종 작업지입니다.
B) 초안은 증거에 첨부되어 감사인이 검토하고 채택할 때까지 유효한 문서가 아닙니다. ✔
다) 작업보고서에 증거자료를 포함하는 것은 불필요하다.
D) 문서가 추적 가능한지는 중요하지 않습니다.

설명: 작업 보고서는 수행된 작업, 획득한 증거 및 도달한 결론을 추적할 수 있어야 합니다. AI는 프레임워크와 언어를 간소화하지만 출력은 증거와 연결되고 감사자가 검토하고 소유할 때까지 유효한 문서가 아닙니다.

11. 분석 절차(BDS 520)에서 인공지능은 비용 항목의 40% 증가를 감지하고 '인플레이션 때문인 것 같다'고 설명합니다. 감사인은 무엇을 해야 합니까?

A) 진술을 그대로 받아들이고 닫는다.
B) 제안은 가설이다. 독립적인 증거를 통해 편차를 조사하고 확인하지 않으면 결론에 도달하지 않습니다. ✔
C) 40% 증가는 항상 정상입니다.
라) 인공지능이 설명했다면 추가적인 증거는 불필요하다

설명: 인공지능이 제시한 설명은 증거가 아닌 가설입니다. 감사자는 독립적인 증거(계약, 송장, 경영 공개 및 확인)를 통해 이탈을 조사하지 않고는 결론에 도달할 수 없습니다. 예상치 못한 편차에는 더 깊은 조사가 필요합니다.

12. 독립성 원칙 측면에서, 감사인이 인공지능 도구를 선택할 때 주의해야 할 점은 무엇입니까?

가) 차량만 무료입니다.
B) 데이터가 있는 곳에서는 모델 교육, 계약, 감사 추적 및 기밀 유지 보장에 사용됩니다.
다) 차량이 가장 인기가 있다
D) 다채로운 인터페이스

설명: 감사자는 데이터가 어디로 가는지, 모델 교육, 계약 및 감사 추적에 사용되는지 여부를 고려해야 합니다. 감사인이 결과를 통제할 수 없는 감사 대상 회사의 시스템에 내장된 도구는 독립성과 기밀성을 위협할 수 있습니다.

13. 감사인은 인공지능이 작성한 편차 설명 초안을 평가하고 있습니다. 확증 편향을 피하는 데 가장 효과적인 기술은 무엇입니까?

A) 출력의 유효성을 검사하는 단일 인스턴스를 찾아 닫습니다.
B) 출력을 전혀 읽지 않고 출력을 수락합니다.
다) 결론을 반박하려고 한다: '이것이 거짓이라면 어떤 증거가 그것을 보여줄 것인가?' ✔ 반대 증거를 찾기 위해
D) 철자 오류를 찾는 것

설명: 회의적인 감사자는 '이 진술이 거짓이라면 어떤 증거가 그것을 보여줄 것인가?'라는 결과를 확인하기보다는 반박하려고 합니다. 그는 반대되는 증거를 묻고 찾습니다. 이것이 확증 편향에 대한 해독제이다.

14. 보안 및 규정 준수에 중요한 감사 분야에서 AI 출력의 역할을 어떻게 요약할 수 있습니까?

가) 인공지능 출력이 감사인 승인을 대체하고 최종 의견을 결정함
B) 감사 시 더 이상 사람의 승인이 필요하지 않습니다.
다) 인공지능은 모든 조건에서 인간보다 더 정확하다
D) AI는 초안 작성/분석/속도를 제공합니다. 의견 및 판단은 독립된 감사인의 의견이며, 검증되지 않은 결과는 유효하지 않습니다 ✔

공개: 인공 지능 출력은 유능하고 독립적인 감사인의 승인을 대체하지 않습니다. 초안은 분석과 속도를 제공하지만 감사의견, 중요한 왜곡표시에 대한 판단, 결론은 인간의 것입니다. 확인되지 않은 출력은 서명되지 않은 작업 서류와 같습니다.