Risicobeoordeling en materialiteit: risicokaart in het licht van BDS 315 en 320 — Kunstmatige intelligentie bij audits en onafhankelijke audits

Winst:

Vermogen om kunstmatige intelligentie te gebruiken als een generator en opsteller van risico-ideeën bij het identificeren van het risico op afwijkingen van materieel belang door het bedrijf en zijn omgeving te kennen
Mogelijkheid om materialiteits- en onbeduidendheidsdrempelberekeningen te scripten met ondersteuning voor kunstmatige intelligentie en elk getal onafhankelijk te verifiëren
Vermogen om vol te houden dat de uiteindelijke risico-inschatting en het materialiteitsoordeel tot het professionele oordeel van de auditor behoren en dat kunstmatige intelligentie alleen input levert

Goede auditing wordt gewonnen of verloren aan het bureau, lang vóór het veldwerk. Als een auditor begint zonder de business te kennen, zonder te raden waar de kans groot is dat er iets fout gaat, en zonder zijn middelen (tijd, team, tests) op deze risico's te richten, kan het zijn dat hij op de verkeerde plaatsen kijkt, hoe hard hij ook werkt. Daarom vormen BDS 315 (Standaard voor het bepalen en inschatten van het risico op afwijkingen van materieel belang door kennis van het bedrijf en zijn omgeving) en BDS 320 (Materialiteitsnorm bij controle) het raamwerk van de controle.

In deze unit bespreken we hoe u AI kunt toepassen op de twee hoofdtaken van de planningsfase – materialiteitsberekening en risicokartering – als ideeënpartner en conceptgenerator, maar waarom u altijd de uiteindelijke rechter zult zijn. Laten we eerst twee concepten verduidelijken. Een afwijking van materieel belang is een fout of fraude in de financiële overzichten die, afzonderlijk of gezamenlijk, groot genoeg is om de economische beslissingen van gebruikers van de overzichten te beïnvloeden. Risicobeoordeling is een poging om te bepalen in welke rekening, transactiestroom of toelichting, en om welke reden een dergelijke afwijking zich het meest waarschijnlijk zal voordoen.

Het bedrijf leren kennen: waar AI een gedachtepartner wordt

ISA 315 vraagt de auditor om de entiteit en de omgeving waarin deze opereert (industrie, wetgeving, bedrijfsmodel, interne controle) te kennen. Tijdens dit herkenningsproces vraagt de auditor zich af: “Wat gaat er doorgaans mis in deze branche?” vraagt hij. Dit is waar AI een waardevolle brainstormpartner is: het kan snel de typische risicogebieden van een sector, veelvoorkomende patronen van boekhoudfraude, seizoensinvloeden en de complexiteit van de omzetverantwoording in kaart brengen. Maar pas op: deze lijst van AI is algemeen en generiek; herkent uw bedrijf niet. De output is dus een ‘checklistconcept’, en niet een ‘risicobeoordeling’.

Laten we het proces stap voor stap opzetten:

Geef de context. Beschrijf anoniem de sector, de omvang, het bedrijfsmodel en de opvallende kenmerken van het bedrijf. (Geen naam, FIN.)
Vraag een generiek risico-idee aan. “Waar is het risico op afwijkingen van materieel belang doorgaans hoog bij dit soort activiteiten?” vragen. AI geeft je een startkaart.
Aanpassen aan het bedrijfsleven. Filter de AI-lijst met feiten die u kent (de geschiedenis van dit bedrijf, interne controles, bevindingen van voorgaande jaren). Sommige risico's zijn niet van toepassing op dit bedrijf; Sommige zijn unieke risico’s die de AI nooit zal zien.
Koppel het aan bewijs. Koppel elk risico aan de test die u in het veldonderzoek gaat behandelen.

Tip: Beschouw AI als “waar bestaat het risico op een afwijking van materieel belang?” Gebruik het om je aan het denken te zetten; Niet om je te laten zeggen: "Dit is zeker het risico". Risicobeoordeling is professioneel oordeel; brainstormen over risico-ideeën.

Materialiteit: aantal, maar aantal gebaseerd op oordeel

ISA 320 vereist dat de auditor bij aanvang van de controle een materialiteitsniveau bepaalt. In de praktijk begint dit met het kiezen van een indicator (bijvoorbeeld belasting vóór winst, omzet, totaal vermogen of eigen vermogen) en het toepassen van een percentage daarop. Bijvoorbeeld 5% van de winst vóór belastingen uit voortgezette activiteiten, of 0,5-1% van de omzet. Dit is geen mechanische formule: de auditor beslist welke indicator het meest betekenisvol is voor het bedrijf, wat het percentage zal zijn en het uiteindelijke bedrag. Ook worden de prestatiematerialiteit (de lagere drempel die onder de materialiteit is vastgesteld om de tests tijdens de planning te verscherpen) en de duidelijk onbelangrijke drempel (de grens van de verschillen die te klein zijn om te worden gerapporteerd) bepaald.

AI is hier een uitstekende rekenmachine en scenario-engine: het berekent onmiddellijk de bedragen voor verschillende indicatoren en percentages en zet ze voor u in een tabel. Maar de keuze van de indicator en het uiteindelijke oordeel is aan u. De volgende tabel toont een typische scenario-uitvoer (cijfers zijn voorbeelden):

indicator

Bedrag (TL)

% toegepast

Materialiteit (TL)

winst vóór belastingen

12.000.000

600.000

inkomsten

240.000.000

0,5%

1.200.000

Totaal activa

180.000.000

1.800.000

gelijkheid

90.000.000

1.800.000

Kijkend naar deze tabel denkt de accountant: "Als de winsten onstabiel zijn, kan een op inkomsten gebaseerde materialiteit redelijker zijn; maar als het voornaamste belang van gebruikers in deze sector winstgevendheid is, is winst vóór belastingen passender." Deze beoordeling is een professioneel oordeel dat AI niet kan vervangen. AI berekent in 5 seconden vier scenario’s; Jij bepaalt welke juist is.

Let op: Controleer het materialiteitsscenario dat door de AI wordt gegeven. Voer de percentageberekening zelf opnieuw uit (is 600.000 echt 5% van 12.000.000?) en zorg ervoor dat de indicatoren de juiste bedragen zijn. Het kan zijn dat de AI de vermenigvuldiging verkeerd uitvoert of het verkeerde bedrag gebruikt.

Risicokaart: AI-concepten, auditor geeft prioriteit

Een risicokaart is een werkblad dat geïdentificeerde risico's op één plek verzamelt en aan elk risico een evaluatie (waarschijnlijkheid, impact, relevante claim, geplande tests) toewijst. Beweringen in de boekhouding zijn waarheden die het management impliciet beweert over een rekening of transactie: realiteit/bestaan, volledigheid, nauwkeurigheid, waardering, periodiciteit (afsluiting), rechten-verplichtingen, presentatie. 'Inkomen is compleet' is bijvoorbeeld een claim op volledigheid; “Aandelen worden gewaardeerd tegen hun netto realiseerbare waarde” is een waarderingsclaim.

AI werkt goed bij het omzetten van een ruwe lijst met risico's in een georganiseerde kaart: het in kaart brengen van elk risico aan de bijbehorende claim, het opsommen van mogelijke tests, het opmaken van de tabel. Maar laat hem nooit twee dingen over: (1) welk risico werkelijk van toepassing is op dit bedrijf, (2) prioritering van risico's. Deze bepalen waar u uw auditmiddelen aan besteedt en hebben rechtstreeks invloed op de auditkwaliteit.

drie minikoffers

Geval 1 — Correct gebruik. Een auditmanager brainstormde over de risico's voor een nieuw verworven particuliere klant. Vraag AI: “Waar is het risico op afwijkingen van materieel belang doorgaans hoog in een detailhandel met meerdere vestigingen?” vroeg hij; Hij ontving een concept van elf items, zoals cashmanagement, verschillen in voorraadaantallen, inkomstenverlagingen en manipulatie van retouren/kortingen. Hij filterde dit door zijn eigen kennis: de klant had weinig contante verkopen (veel kaarten), waardoor dat risico werd verkleind; Maar het risico van aandelenkorting, dat AI niet heeft gemist, was van cruciaal belang in deze branche omdat er aan het eind van het jaar een intense campagne plaatsvond. Resultaat: AI leverde het startpunt, de auditor paste de kaart aan het bedrijf aan.

Geval 2 — Significantievermenigvuldigingsfout. Een teamlid liet de AI een kardinaliteitsscenario berekenen. YZ nam ten onrechte de omzet op 24 miljoen in plaats van 240 miljoen en verhoogde de materialiteit naar 120.000 TL. Het teamlid heeft dit zonder verificatie in de planning verwerkt; Omdat de prestatiematerialiteit onderbepaald was, begon het team onnodig honderden extra items te testen. Het bedrag werd gecorrigeerd toen de verantwoordelijke dit merkte. Les: herbereken elke vermenigvuldiging van AI.

Geval 3 — De openbare lijst voor een bedrijf aanzien. Een stagiair plakte de lijst met algemene ‘risico’s voor de bouwsector’, gegeven door YZ, op het werkblad voor risicobeoordeling. Deze klant liep echter niet het risico van "percentage van voltooiingsmanipulatie bij meerjarige bouwcontracten" vermeld (de klant was een materiaalleverancier, geen onderaannemer); Aan de andere kant stond het klantspecifieke risico van "verrekenprijzen bij intragroepsverkopen" niet op de lijst. Door de algemene lijst aan te zien als een bedrijfsspecifieke beoordeling werden de risico's niet alleen overdreven, maar waren de risico's ook onvolledig.

Zwakke prompt/sterke prompt

Zwakke prompt:

Vertel ons de risico's en materialiteit van dit bedrijf.

Probleem: het bedrijf wordt niet geïntroduceerd, de indicator en het bedrag worden niet gegeven, en de AI is gemaakt om een "bepaald risico" en een fictief materialiteitsbedrag te produceren.

Krachtige prompt:

Jouw rol: je bent de planningsassistent van een onafhankelijke auditor. Het eindoordeel over risico en materialiteit is van mij. Context (anoniem): Een middelgroot voedingsdetailhandelbedrijf met meerdere vestigingen. Aan het eind van het jaar is er een intensieve campagne. Kaartgebaseerde verkoop, weinig contant geld. Bevinding uit het voorgaande jaar: afwijkingen in de inventaristelling. Taak A - Risico-idee: Maak een lijst van de gebieden waar het risico op afwijkingen van materieel belang doorgaans hoog zou zijn in dit soort activiteiten, en breng elk daarvan in kaart met de relevante boekhoudkundige bewering (volledigheid, waarheidsgetrouwheid, periodiciteit/afsluiting, waardering, enz.). Houd er rekening mee dat deze ALGEMEEN zijn en dat de bedrijfsspecifieke evaluatie van mij is. Taak B - Materialiteitsscenario: Bereken de materialiteitsscenariotabel met %s voor de volgende indicatoren; Laat elke vermenigvuldiging duidelijk zien, zodat ik het kan verifiëren. Ik zal beslissen welke indicator ik moet kiezen. - Winst vóór belastingen: 12.000.000 TL - Inkomsten: 240.000.000 TL - Totaal vermogen: 180.000.000 TLR Regel: verzin geen getallen waarvoor ik geen gegevens heb gegeven.

Deze impuls is sterk omdat het de business introduceert, claimmatching vereist, de rekening verifieerbaar maakt en de beslissing aan de auditor overlaat.

Veel voorkomende fouten

Het verwarren van de algemene risicolijst met een bedrijfsbeoordeling. De generieke uitvoer van de AI in het werkblad plaatsen zonder deze te filteren.
Niet verifiëren van kardinaliteitsvermenigvuldiging. De fout van de AI in bedrag of percentage niet opmerken.
De indicatorselectie wordt overgelaten aan AI. Welke indicator geschikt is, is een kwestie van professioneel oordeel.
Geen risico's koppelen aan claims. Risico zonder claimmatching kan niet aan de toets worden gekoppeld.
Het negeren van bevindingen uit voorgaande jaren en bedrijfsspecifieke informatie. AI weet deze dingen niet; Als je het hem niet vertelt, is de risicokaart onvolledig.

Tip: Vraag na het opstellen van de risicokaart aan de AI: "Wat zijn de risico's die mogelijk over het hoofd zijn gezien in deze kaart?" achteruit vragen. Dit helpt je blinde vlekken te zien; Maar filter de ideeën zelf.

Samengevat

In de planningsfase biedt AI twee krachtige toepassingen: brainstorming over sectorale risico's en berekening van materialiteitsscenario's. Maar het inschatten van het risico op een afwijking van materieel belang in overeenstemming met Standaard 315 en het bepalen van de materialiteit in overeenstemming met Standaard 320 is professionele oordeelsvorming. AI biedt generiek risico-inzicht en verifieerbare boekhouding; Welk risico geldig is, welke indicator te kiezen en het uiteindelijke materialiteitsbedrag zijn eigendom van de accountant. Bereken elke materialiteitsvermenigvuldiging opnieuw, filter elk risico-idee bedrijfsspecifiek.

Applicatie taak

Kies een hypothetisch bedrijf (bepaal de sector, de omvang en de bevindingen van vorig jaar). Met het krachtige promptpatroon hierboven moet u eerst het generieke risico-idee krijgen en vervolgens het materialiteitsscenario. Transformeer de risicolijst van de AI in een tabel met drie kolommen: "risico / relevante claim / is deze van toepassing op dit bedrijf (J/N, rechtvaardiging)". Verifieer elke vermenigvuldiging in het materialiteitsscenario handmatig en schrijf in één zin de rechtvaardiging voor de door u gekozen indicator.

controlelijst

[ ] Ik heb het bedrijf anoniem beschreven, maar met voldoende context (sector, omvang, historische bevindingen).
[ ] Ik heb de risico-ideeën van AI gefilterd door middel van bedrijfsspecifieke kennis; Ik heb de ongeldige verwijderd en de ontbrekende toegevoegd.
[ ] Elk risico heb ik gekoppeld aan de relevante boekhoudkundige bewering en daaraan een toets gekoppeld.
[ ] Ik heb elk product en bedrag in het materialiteitsscenario onafhankelijk geverifieerd.
[ ] Ik heb de keuze van de indicator gemotiveerd; Ik heb de beslissing genomen.
[ ] Ik heb de drempel vastgesteld voor prestatiematerialiteit en uiteraard niet-materialiteit.
[ ] “Worden er risico’s over het hoofd gezien?” Ik vroeg achteruit en filterde de ideeën.