Zyski:
- Możliwość rozróżnienia, gdzie sztuczna inteligencja oszczędza czas rzeczywisty w cyklu audytu (planowanie, gromadzenie dowodów, analiza, dokumentacja, raportowanie), a gdzie decyzje takie jak opinia z audytu i ocena istotnych zniekształceń pozostawia się niezależnemu audytorowi, w zależności od poziomu ryzyka zadania.
- Umiejętność zastosowania dyscypliny, która weryfikuje każdy wynik AI poprzez powiązanie go ze źródłem, ponowne obliczenie i przetestowanie ze sceptycyzmem audytora.
- Anonimizacja danych audytowych w zakresie zasad poufności i niezależności oraz wyrobienie nawyku wybierania bezpiecznych pojazdów
Dzień audytora spędza pomiędzy „gromadzeniem dowodów” a „wydawaniem osądu” znacznie częściej, niż większość ludzi zdaje sobie sprawę. Skanujesz tysiące zapisów w dzienniku, dokumentujesz saldo konta, kwestionujesz zasadność szacunków, pytasz: „Czy rzeczywiście tak jest?” zamiast przyjmować oświadczenie klienta według wartości nominalnej. kopiesz. Część tych prac jest powtarzalna i czasochłonna: porządkowanie danych, wyszukiwanie standardowych klauzul, opracowywanie dokumentów roboczych, sporządzanie wykazów rozbieżności w uzgodnieniu. Inne to osądy, które bezpośrednio wpływają na Twoją opinię z badania – to znaczy wyrażoną publicznie opinię na temat tego, czy sprawozdania finansowe są „prawdziwe i rzetelne we wszystkich istotnych aspektach” – która musi mieć bardzo niski margines błędu.
Sztuczna inteligencja (w skrócie AI lub w skrócie AI – systemy komputerowe, które potrafią tworzyć tekst jak ludzie, rozpoznawać wzorce, znajdować relacje w dużych zbiorach danych i wykonywać obliczenia) znajduje się dokładnie pośrodku tego obrazu. Przy prawidłowym użyciu skraca trzygodzinne podsumowanie przeglądu analitycznego do czterdziestu minut; skanuje setki tysięcy rekordów w ciągu kilku sekund; Prowadzi Cię do znalezienia standardowego elementu. Niewłaściwie użyte może przenieść do dokumentu roboczego – a ostatecznie do opinii z audytu – pozornie bezpieczną i płynną, ale całkowicie zmyśloną liczbę, nieistniejącą standardową klauzulę lub niepotwierdzony wynik.
Pierwszą częścią tego modułu nie jest wprowadzenie do oprogramowania. Jego celem jest wyjaśnienie, gdzie należy umieszczać sztuczną inteligencję w branży audytorskiej, a gdzie w ogóle jej nie umieszczać. Ponieważ audytor to zawód, w którym liczy się zgodność z przepisami, który opiera się na zaufaniu publicznym i którego wyniki mają wpływ na inwestorów, wierzycieli, administrację podatkową i społeczeństwo. Ustalmy od początku podstawową zasadę: sztuczna inteligencja jest asystentem, a nie kontrolerem. Odpowiedzialność i ostateczne zatwierdzenie wszystkich decyzji dotyczących opinii z badania, osądu w sprawie istotnego zniekształcenia oraz opinii końcowej należy do kompetentnego i niezależnego audytora.
Pętla sterowania i miejsce AI
Aby zrozumieć niezależny audyt, warto pomyśleć o pracy jako o cyklu. Na etapie planowania i oceny ryzyka poznajesz firmę i określasz, gdzie istnieje duże prawdopodobieństwo wystąpienia błędu. Na etapie gromadzenia i testowania dowodów łączysz salda kont, klasy transakcji i ujawnienia z dokumentami, potwierdzeniami i analizami. Na etapie oceny oceniasz ustalenia pod kątem ich znaczenia i wyciągasz wnioski. Na etapie raportowania przedstawiasz swoją opinię i ustalenia na piśmie. Przez cały cykl dokumentacja (dokumenty robocze) tworzy możliwe do prześledzenia dowody Twojej pracy.
Sztuczna inteligencja może dotknąć każdego etapu tego cyklu, ale na każdym etapie ma inną władzę. Generuje koncepcję ryzyka i scenariusz istotności w planowaniu; przygotowuje dane do testu, skanuje je i zaznacza anomalie; pisze projekty komentarzy w ocenie; Przyspiesza ustalenia i język raportowania w raportowaniu. Jednak na żadnym etapie nie podejmuje decyzji. Decyzja wymaga profesjonalnego osądu i sceptycyzmu; Nie podlegają one przeniesieniu.
Zdefiniujmy na początek kilka podstawowych pojęć. Dowodem audytu jest informacja (dokument, potwierdzenie, przeliczenie, analiza), na której audytor opiera swoją opinię. Istotność to próg określający, czy błąd jest na tyle duży, że może wpłynąć na decyzję użytkowników sprawozdań finansowych. BDS to niezależne standardy audytu obowiązujące w Turcji; Jest zgodny z międzynarodowymi standardami audytu (ISA) i jest publikowany przez POA (Urząd ds. Nadzoru Publicznego, Rachunkowości i Standardów Audytu). Dokument roboczy to dokument, w którym rejestrowana jest wykonana praca i uzyskane wyniki. Wyjaśnimy te pojęcia jeden po drugim w następujących jednostkach; Na razie wiedz o tym: we wszystkich tych koncepcjach sztuczna inteligencja zapewnia zarys i analizę, ale nie ocenia.
W poniższej tabeli podsumowano rolę i poziom ryzyka sztucznej inteligencji według misji:
Zadanie
Rola sztucznej inteligencji
Poziom ryzyka
Kto zatwierdza/decyduje
Czyszczenie danych, formatowanie
pracownik, akcelerator
niski
Członek zespołu audytowego
Dokument roboczy/wersja podsumowująca
generator szkiców
Niski-Średni
starszy audytor
Znalezienie standardu/przedmiotu
namierzacz kierunku
średni
Audytor (potwierdzenie oficjalnym tekstem)
Interpretacja procedury analitycznej
generator hipotez
średni
Urzędnik ds. audytu
Skanowanie dziennika/anomalii
znacznik statystyczny
Średnio-wysoki
Audytor (bada każdy wyjątek)
Ocena istotności/ryzyka
wejście pomocnicze
wysoki
Profesjonalny osąd audytora
Opinia/wniosek z audytu
To nawet nie jest wejście, to wersja robocza
bardzo wysoki
Audytor odpowiedzialny (podpis)
Pamiętaj o jednej zasadzie: wraz ze wzrostem ryzyka rola sztucznej inteligencji staje się mniejsza, a ocena audytora rośnie.
Dlaczego „weryfikacja” jest sercem tego biznesu
Modele językowe sztucznej inteligencji wydają się pewne swojej odpowiedzi, ale mogą nie być tego pewne. W żargonie technicznym nazywa się to halucynacją: ma miejsce wtedy, gdy model fabrykuje informacje, które w rzeczywistości nie istnieją – liczbę, standardową pozycję, datę – w zdaniu, które brzmi tak, jakby było prawdziwe. Dla audytora jest to śmiertelna pułapka. Model może wygenerować dla Ciebie liczbę, na przykład „marża brutto w zeszłym roku wyniosła 34 procent”; Jednak nigdy nie widział Twoich danych i ta liczba jest całkowicie zmyślona. Może też brzmieć „TMS 36, art. 22 zmieniony w 2021 r.”; Taka klauzula lub zmiana może jednak nie istnieć. Ponieważ mówi jedno i drugie z taką samą płynnością i tą samą pewnością siebie, jedyną rzeczą, która odróżnia dobro od zła, jest twoja wiedza i nawyk sprawdzania.
Dyscyplina weryfikacyjna składa się z trzech etapów audytu:
- Link do źródła: W przypadku liczb, wskaźników, sald i pozycji wzorcowych należy opierać się na własnych dowodach kontroli (bilans próbny, księga pomocnicza, potwierdzenie bankowe, umowa) i źródłach oficjalnych (teksty BDS i TFRS publikowane przez KGK, odpowiednie komunikaty), a nie na pamięci AI. Używaj sztucznej inteligencji do komentowania tych danych, a nie do ich zapamiętywania.
- Oblicz ponownie/porównaj: niezależnie sprawdzaj każdy wynik liczbowy, oceniaj i trend zwracany przez sztuczną inteligencję. Sam sprawdź procent, sumę, różnicę salda.
- Sceptycyzm audytora testów: sceptycznie pytaj, czy wyniki są sprzeczne z dowodami, przepisami i zdrowym rozsądkiem. „Jeśli to prawda, co jeszcze musi być prawdą?” oraz „Jeśli to kłamstwo, jakie dowody by to wykazały?” zapytać.
Przestroga: Umieszczenie dokumentu roboczego opracowanego przez sztuczną inteligencję w pliku bez sprawdzenia ustaleń lub numeru jest równoznaczne z uznaniem niepodpisanego dokumentu roboczego za dowód. To, że wynik jest płynny, nie jest prawdą; Jest to prawdą tylko wtedy, gdy udowodnisz, że to prawda.
Niezależność i poufność: dwie nienaruszalne zasady audytu
Legalność audytu opiera się na dwóch podstawowych zasadach. Po pierwsze, niezależność: audytor musi być niezależny zarówno pod względem faktycznym, jak i pozornym od podmiotu, który bada; Powinien trzymać się z daleka od relacji będących przedmiotem zainteresowania, które zniekształcałyby jego opinię. Po drugie, poufność: informacji uzyskanych podczas audytu nie można udostępniać osobom nieupoważnionym ani wykorzystywać dla korzyści osobistych.
Zastosowanie AI dotyczy bezpośrednio obu tych zasad. Wklejenie rachunku bieżącego kontrolowanej firmy z nazwiskami klientów, numerami NIP, danymi bankowymi i kwotami do publicznego narzędzia AI oznacza, że dane te trafiają na serwer zewnętrzny. Narusza to zarówno zasadę poufności w etyce zawodowej, jak i, jeśli w grę wchodzą dane osobowe, KVKK (ustawa o ochronie danych osobowych). Zasada jest prosta: anonimizuj dane i nie udostępniaj niepotrzebnych informacji. Zamiast „ABC Tekstil A.Ş., NIP 1234567890, saldo 4 850 000 TL” należy wpisać „średniej wielkości firma produkcyjna, saldo należności wielkości X”. Jeśli to możliwe, wybieraj narzędzia korporacyjne, które mają umowę o przetwarzaniu danych, nie wykorzystuj danych w szkoleniu modeli i prowadź ścieżkę audytu.
Niezależność ma jeszcze jedną subtelność: ślepe zaufanie do narzędzia AI wbudowanego w system kontrolowanej firmy, którego wyników nie można niezależnie kontrolować, może podważyć Twoją niezależność. Sztuczna inteligencja jest narzędziem; Kto go zbudował, dokąd trafiają Twoje dane i czy możesz zweryfikować ich wyniki, to elementy Twojej niezależności.
trzy mini etui
Przypadek 1 – Bezpieczne użytkowanie. Starszy audytor zazwyczaj spędzał 3 godziny na ręcznym pisaniu 22-elementowego podsumowania przeglądu analitycznego. Anonimowo podał YZ liczby, które pobrał z salda próbnego (bez nazwy firmy, tylko konto i kwota) i poprosił o wstępny komentarz. Sztuczna inteligencja stworzyła szkic w 12 minut; Audytor porównał każdy współczynnik ze swoim arkuszem kalkulacyjnym, poprawił dwa błędne wartości procentowe i przedstawił dwa wyjaśnienia odchyleń. Czas trwania: 45 minut zamiast 3 godzin. AI przekazała projekt, odpowiedzialność i opinia pozostały u audytora.
Przypadek 2 — Niezweryfikowana pułapka liczbowa. Audytor-stażysta zapytał AI: „Jaki jest średni wskaźnik rotacji zapasów w tej branży?” AI podał pewną liczbę „około 6,4”, mimo że nie miał dostępu do żadnych danych branżowych. Stażysta zapisał to w arkuszu jako wartość oczekiwaną, przez co stawka klienta wynosząca 4,1 wydawała się „rozsądna”. Na pytanie audytora okazało się, że źródłem był wynalazek sztucznej inteligencji; Procedura analityczna została przerobiona. Błąd: proszenie sztucznej inteligencji o dane porównawcze, których nie posiada.
Przypadek 3 – Naruszenie poufności. Członek zespołu przesłał pełną listę klientów, do których będzie wysyłał listy potwierdzające – tytuł, adres, kwotę, imię i nazwisko osoby kontaktowej – do publicznego narzędzia sztucznej inteligencji i „sporządził projekt listu potwierdzającego” – powiedział. Dane wyciekły poza organizację; W dziale jakości firmy audytorskiej wszczęto kontrolę poufności. Prawidłowy sposób: polegał na usunięciu rzeczywistych danych i po prostu poproszeniu o szablon z symbolami zastępczymi, takimi jak „[NAZWA KLIENTA]”, „[Kwota]”.
Słaba zachęta/silna zachęta
Słaba zachęta:
Zinterpretuj sprawozdanie finansowe tej spółki i powiedz mi, czy istnieje ryzyko.
To twierdzenie jest błędne: AI nie otrzymuje żadnych danych, kontekstu ani roli. Ponieważ sztuczna inteligencja nie dysponuje żadnymi danymi, formułuje ogólne stwierdzenia lub tworzy „interpretacje” na podstawie wymyślonych liczb. Ani okres, ani sprawozdanie, ani cel kontroli nie są jasne.
Potężny monit:
Twoja rola: jesteś asystentem ds. analiz wspierającym niezależnego audytora. Władza kontrolna należy do mnie; przygotujesz weksle i rachunki. Kontekst: Poniżej znajduje się zanonimizowane podsumowanie salda próbnego (bez nazwy firmy). Moim celem jest dostrzeżenie znaczących zmian (analiza horyzontalna) pomiędzy rokiem bieżącym a rokiem poprzednim i określenie odchyleń wymagających sprawdzenia.Dane:[nazwa rachunku; kwota z poprzedniego roku; linie kwotowe bieżącego roku]Zadanie:1) Oblicz kwotę i zmianę procentową dla każdego rachunku; pokaż etap obliczeń, abym mógł to zweryfikować.2) Oznacz pozycje, które przekraczają 20% lub zmień znak (np. zysk->strata) jako „do sprawdzenia”.3) Zaproponuj 2-3 możliwe wyjaśnienia HIPOTEZY dla każdej zaznaczonej pozycji; Pamiętaj, że należy je zweryfikować za pomocą dowodów.4) Nie wymyślaj żadnych liczb, których nie jesteś pewien lub których nie możesz wywnioskować z danych. Napisz „nie można wyodrębnić z danych”. Podaj wynik w postaci tabeli.
Twierdzenie to jest mocne, ponieważ jasno określa rolę, granicę (w przypadku audytora sądowego), dane, etapy, sprawdzalność i „zakaz fabrykacji”.
Typowe błędy
- Mylenie sztucznej inteligencji z zasobem. Poleganie na pamięci sztucznej inteligencji w zakresie liczby, proporcji, standardowego elementu i daty. Sztuczna inteligencja wyznacza kierunek; dowody kontroli źródła i tekst oficjalny.
- Pisanie podpowiedzi bez kontekstu. Powiedzieć „interpretować” bez podawania roli, danych i celu; Wynik będzie fałszywy.
- Wklejanie poufnych danych w niezmienionej postaci. Udostępnianie transkryptów zawierających imię i nazwisko klienta, NIP, dane osobowe bez anonimizacji; naruszenie prywatności i KVKK.
- Umieszczenie danych wyjściowych w pliku bez ich sprawdzania. Uznanie, że płynny tekst jest poprawny i przeniesienie go do arkusza ćwiczeń.
- Delegowanie wyroku. Wyciągnięcie pochopnego wniosku na tej podstawie, że „AI tak powiedziała”; Opinia z badania nie podlega przeniesieniu.
Wskazówka: do każdej sesji AI podchodź z myślą audytora: „Gdzie te wyniki mogą być błędne?” To pytanie jest antidotum na stronniczość związaną z automatyzacją i będziemy je powtarzać w całym module.
Podsumowując
Sztuczna inteligencja to potężny asystent w audytowaniu: przygotowuje dane, skanuje, szkicuje, oblicza i skraca godziny do minut. Jednakże opinia z badania, ocena istotnego zniekształcenia i wnioski należą do niezależnego i kompetentnego audytora. O ile wyniki sztucznej inteligencji nie zostaną zweryfikowane, są one tak samo ważne jak niepodpisany dokument roboczy. Trzy nienaruszalne zasady: pozyskuj i przeliczaj (uwierzytelnianie), testuj ze sceptycyzmem audytora, anonimizuj dane i wybieraj bezpieczne środki (poufność i niezależność). Wraz ze wzrostem ryzyka rola sztucznej inteligencji staje się mniejsza, a Twój osąd rośnie.
Zadanie aplikacji
Wybierz trzy powtarzalne zadania z własnej praktyki audytu (lub audytu hipotetycznego): na przykład (1) wyodrębnienie podsumowania analizy horyzontalnej z bilansu próbnego, (2) zlokalizowanie klauzuli dotyczącej standardów, (3) sporządzenie dokumentu roboczego. Napisz zachętę dla każdego z nich, korzystając z powyższego wzorca „silnego podpowiedzi”; Dodaj rolę, anonimowe dane, kroki i „zakaz fabrykacji”. Następnie przeprowadź wyniki przez trzy etapy weryfikacji (źródło, ponowne obliczenie, test ze sceptycyzmem) i zanotuj, jakie błędy wyłapiesz.
lista kontrolna
- [ ] Zanonimizowałem dane, które przekazałem AI; Nie udostępniłem imienia i nazwiska klienta, NIPu, danych osobowych.
- [ ] Dodałem rolę, kontekst, cel i „żadnych fabrykacji” do podpowiedzi.
- [ ] Ponownie obliczyłem każdą liczbę i współczynnik na wyjściu, korzystając z niezależnego źródła.
- [ ] Potwierdziłem odniesienia do norm/substancji z oficjalnego tekstu.
- [ ] Konwertuj wynik na „Gdzie mógł wystąpić błąd?” Sprawdziłem to sceptycznie zadając pytanie:
- [ ] Sam wydałem ostateczny osąd i opinię; Nie podałem AI jako powodu.
- [ ] Oceniłem przydatność narzędzia, z którego korzystałem, pod kątem poufności i niezależności danych.