Analytische procedures en verwachtingsmodellering: trend-, ratio- en afwijkingsanalyse — Kunstmatige intelligentie bij audits en onafhankelijke audits

Winst:

Begrijp welke analytische procedures binnen de reikwijdte van BDS 520 vallen en hoe u kunstmatige intelligentie kunt gebruiken voor het genereren van verwachtingen, ratio-analyse en het opstellen van verklaringen voor afwijkingen.
Mogelijkheid om horizontaal-verticale analyses, ratio-analyses en trendbreuken te interpreteren met ondersteuning van kunstmatige intelligentie en afwijkingen te identificeren die moeten worden onderzocht
Vermogen om te begrijpen dat de door kunstmatige intelligentie gesuggereerde afwijkingsverklaring een hypothese is en niet als een auditresultaat kan worden beschouwd zonder te worden ondersteund door bewijsmateriaal.

Eén van de krachtigste wapens van een ervaren auditor is ‘verwachting’. Voordat hij naar de jaarrekening kijkt, weet hij ongeveer wat hij moet zien, omdat hij de business kent: "Dit bedrijf is vorig jaar met 15% gegroeid, het personeelsbestand is stabiel, dus ik zou verwachten dat de personeelskosten ongeveer evenveel zullen stijgen als de inflatie." Vervolgens vergelijkt het de realiteit met de verwachting. Als er sprake is van een afwijking van de verwachting, is er sprake van een verklaring of van een probleem. De systematische vorm van deze manier van denken wordt analytische procedures genoemd, en BDS 520 organiseert deze.

De analytische procedure bestaat uit het vaststellen van een verwachting door gebruik te maken van redelijke relaties tussen financiële en niet-financiële gegevens, deze te vergelijken met de werkelijkheid en te zoeken naar significante afwijkingen. Het wordt op drie plaatsen gebruikt: bij de planning (om het risico te zien), bij inhoudelijke toetsing (voor inhoudelijke verificatie) en aan het einde van de audit (voor een algehele redelijkheidscontrole). In deze unit leer je hoe je kunstmatige intelligentie kunt gebruiken bij verwachtingsvorming, ratio-analyse en afwijkingsverklaring bij conceptproductie; Maar we zullen bespreken waarom de door AI voorgestelde verklaring een hypothese is en geen bewijs.

Hulpmiddelen van de analytische procedure

De belangrijkste analytische instrumenten die door de auditor worden gebruikt, zijn:

Horizontale analyse: Onderzoek naar de verandering (bedrag en %) van een item van jaar tot jaar. "De omzet steeg met 40%; waarom?"
Verticale analyse: verhouding tussen items en een geheel (bijvoorbeeld de verhouding tussen elke uitgave en de opbrengsten). "Terwijl de kosten van verkochte goederen 62% van de omzet bedroegen, werden dit dit jaar 71%; waarom werd de marge kleiner?"
Ratio-analyse: het berekenen van betekenisvolle ratio's (brutowinstmarge, omloopsnelheid van de voorraad, incassoperiode van debiteuren, huidige ratio) en het onderzoeken van de trend ervan en de vergelijking met de sector.
Trendanalyse: Meerdere periodes bij elkaar zien en pauzes opvangen.
Redelijkheidstest: het vaststellen van een onafhankelijke verwachting (bijvoorbeeld “rentelasten ≈ gemiddelde schuld x rente”) en deze vergelijken met de werkelijkheid.

AI voert al deze berekeningen binnen enkele seconden uit, zet ze in een spreadsheet en signaleert afwijkingen. Bovendien kan het mogelijke verklaringen voor afwijkingen aandragen. Hier is het cruciale punt: de verklaring die door AI wordt geproduceerd is een initiële hypothese. ‘De marge is kleiner geworden omdat de grondstofprijzen zijn gestegen’ kan redelijk zijn, maar de accountant kan niet concluderen zonder deze te onderbouwen met contracten, facturen, managementinformatie en – vooral in het geval van onverwachte afwijkingen – onafhankelijk bewijsmateriaal.

Hoe gevoeliger de verwachting, hoe sterker de procedure

Een belangrijke subtiliteit van BDS 520: de betrouwbaarheid van een analyseprocedure hangt af van hoe precies en onafhankelijk de verwachting wordt vastgesteld. Als je de verwachting rechtstreeks bouwt op basis van de gegevens die door het bedrijf worden aangeleverd, verval je in circulaire logica (het valideren van dezelfde gegevens met dezelfde gegevens). Een sterke verwachting is zoveel mogelijk gebaseerd op onafhankelijke inputs (niet-financiële gegevens, externe marktgegevens, uw eigen rekening). AI kan u helpen een verwachtingsmodel op te bouwen: “welke gegevens heb ik nodig om zelfstandig de rentelasten te berekenen?” — maar de auditor is verantwoordelijk voor de onafhankelijkheid van de input en de geschiktheid van het model.

Tip: Bepaal vooraf de "insignificantiedrempel" bij het interpreteren van de afwijking. Hoeveel afwijking van de verwachting wordt als ‘onderzoeksmatig’ beschouwd? Stel deze drempel vooraf in, in overeenstemming met de materialiteit, zodat u niet op elke kleine fluctuatie hoeft te jagen die de AI produceert.

Sterke verwachtingen scheppen met niet-financiële data

De analytische procedure is het krachtigst wanneer u de verwachtingen bouwt op basis van niet-financiële gegevens, en niet alleen op financiële gegevens. U kunt bijvoorbeeld zelfstandig de kameropbrengsten van een hotel schatten door het aantal bezette kamernachten te vermenigvuldigen met de gemiddelde kamerprijs; u kunt de energiekosten van een productiebedrijf schatten op basis van het aantal geproduceerde eenheden en het typische verbruik per eenheid; U kunt de onderwijsinkomsten van een school voorspellen op basis van het aantal leerlingen en het gemiddelde tarief. Dergelijke verwachtingen vallen niet in de circulariteitsval omdat ze onafhankelijk zijn van de eigen boekhouding van het bedrijf en een echte kruiscontrole bieden. AI helpt u bij het vaststellen van de input en de formule voor dit onafhankelijke verwachtingsmodel; maar de auditor is er verantwoordelijk voor dat de input werkelijk onafhankelijk en betrouwbaar is (aantal studenten, kamernacht, productiehoeveelheid correct?). Als het verschil tussen verwachting en werkelijkheid groot is, duidt dit op een boekhoudkundige fout of op een probleem met de verwachtingsinvoer; Beide moeten worden onderzocht.

Stap voor stap analytische procedure

Stel verwachtingen. Schrijf op wat u verwacht van het beoordeelde item, indien mogelijk met onafhankelijke inbreng.
Bereid gegevens voor, controleer de volledigheid. Zijn de feitelijke gegevens die u gaat vergelijken nauwkeurig en volledig?
Bereken met AI. Horizontale/verticale/ratio/trend berekeningen maken; Toon de stappen van elk account.
Identificeer afwijkingen. Markeer afwijkingen die de vooraf ingestelde drempel overschrijden.
Genereer hypothesen, maar verifieer. Vraag de AI om mogelijke verklaringen; test ze allemaal met bewijs.
Documenteer het resultaat. Verwachting, feit, afwijking, verklaring en bevestigend bewijs.

drie minikoffers

Geval 1 — Het vinden van de werkelijke oorzaak van de afwijking. Eén accountant constateerde dat de personeelskosten met 38% stegen; Het personeelsbestand en de inflatie verklaarden dit echter slechts voor 22%. Hij liet de AI vragen naar divergentiehypothesen; YZ vermeldde opties zoals "verhoging, nieuwe aanstelling, bonus, ontslagvergoeding". De accountant onderzocht de loonadministratie: het verschil was te wijten aan een forfaitaire premiebetaling die gedurende het jaar werd betaald, maar niet als kosten over de juiste periode werd uitgesmeerd, en er was sprake van een seizoensfout. AI gaf hypothese; Het loonbewijs en het onderzoek van de accountant brachten de waarheid aan het licht.

Geval 2 – Een hypothese voor bewijs aanzien. Een teamlid vroeg AI naar een stijging van 40% op een onkostenpost; AI "is waarschijnlijk te wijten aan inflatie", zei hij. Het teamlid schreef dit als commentaar rechtstreeks op het werkblad en sloot de pen af. De verantwoordelijke persoon vroeg: de inflatie bedroeg destijds 25%, 40% werd niet verklaard; Bovendien was de post een huurlast met een vast contract en steeg deze niet automatisch met de inflatie. De echte reden was dat er een nieuw veld aan het contract werd toegevoegd. Les: De verklaring van AI is een hypothese; Er kan geen conclusie worden getrokken zonder te worden getoetst aan bewijsmateriaal.

Geval 3 — Slechte verwachtingen. Om de redelijkheid van de rentelasten te toetsen stelde een accountant zijn verwachting direct vast op basis van de door de onderneming geregistreerde rentelasten (circulair). Uiteraard bleek dat "verwachting = realiteit" en er verschenen geen afwijkingen. De verantwoordelijke persoon herinnerde eraan dat de verwachting onafhankelijk moet worden vastgesteld: gemiddeld schuldsaldo x gemiddeld rentepercentage. Bij onafhankelijke berekening bleek dat de werkelijke rentelasten aanzienlijk lager waren dan verwacht en dat er geen rente over een schuld werd opgebouwd. Les: onafhankelijkheid van verwachting bepaalt de kracht van de procedure.

Zwakke prompt/sterke prompt

Zwakke prompt:

Kijk naar deze grafiek, vertel me of er iets abnormaals is.

Het probleem: geen verwachtingen, geen drempel, geen context. AI markeert willekeurig een “anomalie” of genereert verzonnen verklaringen; het resultaat mist controlewaarde.

Krachtige prompt:

Jouw rol: je bent analytisch procedureassistent van een onafhankelijke auditor. Je berekent en TOONT afwijkingen en stelt mogelijke verklarende HYPOTHESES voor; verificatie en conclusie zijn van mij.Context (anoniem): Productiebedrijf. Omzet huidig jaar 240 miljoen, vorig jaar 200 miljoen (20% groei). Het aantal personeelsleden ligt vast.Gegevens:[account; vorig jaar; lopend jaar] regels (omzet, kosten, personeelskosten, huur, rentelasten, ...) Taak: 1) Maak een horizontale analyse (bedrag en % verandering) voor elk item; toon berekeningsstap.2) Verticale analyse: verdeel elke uitgave in verhouding tot de opbrengsten; vergelijk gedurende twee jaar.3) Pas de volgende drempel toe: markeer “ter beoordeling” als de procentuele verandering meer dan 10 absolute punten afwijkt van de omzetgroei (20%).4) Stel 2-3 mogelijke verklaringen voor HYPOTHESE voor elk gemarkeerd item; Noteer ook het BEWIJS waarmee elk ervan zal worden geverifieerd. Geef aan dat dit geen bevindingen zijn. 5) Verzin geen cijfers of sectorbenchmarks die u niet uit de gegevens kunt afleiden.

Deze aanwijzing is krachtig omdat het context en verwachtingen geeft (groei van 20%), een duidelijke afwijkingsdrempel instelt, om uitleg vraagt in de vorm van hypothesen, en elke hypothese koppelt aan bewijsmateriaal.

Veel voorkomende fouten

Een hypothese voor bewijs verwarren. Conclusies schrijven zonder de 'waarschijnlijk...'-verklaring van de AI te verifiëren.
Circulaire verwachtingen creëren. Het afleiden van de verwachting uit de te verifiëren gegevens en het produceren van een valse "fit".
Geen drempel instellen. Elke kleine fluctuatie najagen of de significante afwijking over het hoofd zien.
Analyse zonder context. Vragen om een ‘anomalie’ zonder het bedrijf te promoten; betekenisloze signalen ontvangen.
Oppervlakkig blijven bij onverwachte afwijkingen. Een verrassende wending behandelen met de eerste plausibele verklaring; terwijl BDS een diepgaander onderzoek naar onverwachte afwijkingen vereist.

Let op: Een verwachte afwijking (bijvoorbeeld een hogere afschrijving als gevolg van een bekende investering) is anders dan een onverwachte afwijking. Onverwachte afwijkingen brengen een groter risico met zich mee en vereisen sterker bewijs. AI kan geen onderscheid maken tussen de twee; De accountant maakt dit onderscheid.

Samengevat

Analytische procedures (BDS 520) is de kunst van het zien van afwijkingen door verwachtingen vast te stellen en deze te vergelijken met de werkelijkheid. AI is een krachtige reken- en hypothesemotor op dit gebied: het voert binnen enkele seconden horizontale/verticale/ratio/trendanalyses uit, signaleert afwijkingen en suggereert mogelijke verklaringen. Maar de kracht van de procedure hangt af van de onafhankelijkheid van de verwachting, en de door de AI voorgestelde verklaring is een hypothese en geen bewijs. De auditor stelt de afwijkingsdrempel vast, de auditor waarborgt de onafhankelijkheid van de verwachtingen en de auditor verifieert elke verklaring met bewijsmateriaal. Een onverwachte afwijking vraagt altijd om diepgaander onderzoek.

Applicatie taak

Neem een eenvoudige resultatenrekening over twee jaar (hypothetisch) en stel een groeiverwachting vast (bijvoorbeeld 20%). Met het krachtige promptpatroon hierboven kunt u de AI horizontale en verticale analyses laten uitvoeren, een driftdrempel toepassen en hypotheses en bewijsmateriaal matchen voor gemarkeerde items. Schrijf vervolgens in één alinea hoe je een ‘niet-circulaire onafhankelijke verwachting’ voor een item kunt opstellen (welke onafhankelijke inputs zou je gebruiken).

controlelijst

[ ] Ik heb vooraf een verwachting gesteld (indien mogelijk met onafhankelijke inbreng) voor het te beoordelen item.
[ ] Ik bevestigde de volledigheid van de gegevens die ik vergeleek.
[ ] Ik heb de horizontale/verticale/ratio-analyse met de rekenstappen van de AI ontvangen en geverifieerd.
[ ] Ik heb een afwijkingsdrempel ingesteld die consistent is met de materialiteit.
[ ] Ik beschouwde de verklaringen van de AI als hypothesen; Ik heb ze allemaal getest met bewijs.
[ ] Ik maak onderscheid tussen verwachte en onverwachte afwijkingen; Ik verdiepte me dieper in het onverwachte.
[ ] Ik documenteerde de verwachting, de realiteit, de afwijking, de verklaring en het ondersteunende bewijsmateriaal.