Ocena tveganja in pomembnost: zemljevid tveganja v luči BDS 315 in 320

Dobički:

• Sposobnost uporabe umetne inteligence kot generatorja idej o tveganju in načrtovalca v procesu prepoznavanja tveganja pomembno napačne navedbe s poznavanjem podjetja in njegovega okolja
• Sposobnost skriptiranja izračunov pragov pomembnosti in nepomembnosti s podporo umetne inteligence in neodvisnega preverjanja vsake številke
• Sposobnost ohraniti, da končna ocena tveganja in presoja pomembnosti pripada revizorjevi strokovni presoji in da umetna inteligenca zagotavlja samo vhodne podatke.

Dobro preverjanje se pridobi ali izgubi za mizo, veliko pred delom na terenu. Če revizor začne, ne da bi poznal posel, ne da bi ugibal, kje obstaja velika verjetnost, da bo šel narobe, in ne da bi usmeril svoje vire (čas, ekipo, teste) v ta tveganja, lahko išče na napačnih mestih, ne glede na to, kako trdo dela. Zato BDS 315 (Standard za ugotavljanje in ocenjevanje tveganja pomembno napačne navedbe s poznavanjem poslovanja in njegovega okolja) in BDS 320 (Standard pomembnosti pri revidiranju) vzpostavljata okvir revizije.

V tej enoti bomo opisali, kako lahko umetno inteligenco uporabite za dve glavni nalogi faze načrtovanja – izračun pomembnosti in kartiranje tveganja – kot idejnega partnerja in generatorja osnutkov, vendar zakaj boste vedno vi zadnji sodnik. Najprej razjasnimo dva pojma. Pomembna napačna navedba je napaka ali goljufija v računovodskih izkazih, ki je posamično ali skupaj dovolj velika, da vpliva na ekonomske odločitve uporabnikov izkazov. Ocena tveganja je prizadevanje za določitev, v katerem računu, razredu transakcij ali razkritju in iz katerega razloga je najverjetneje prišlo do takšne napačne navedbe.

Spoznavanje podjetja: Kjer AI postane miselni partner

ISA 315 od revizorja zahteva, da pozna subjekt in okolje, v katerem deluje (panoga, zakonodaja, poslovni model, notranji nadzor). Med tem postopkom priznavanja se revizor vpraša, "kaj gre običajno narobe v tej vrsti poslovanja?" vpraša. Tu je umetna inteligenca dragocen partner pri nevihti možganov: hitro lahko navede tipična področja tveganja v panogi, pogoste vzorce računovodskih goljufij, sezonskost in zapletenost pri prepoznavanju prihodkov. Vendar pozor: ta seznam, ki ga je podala AI, je splošen in splošen; ne prepozna vašega podjetja. Rezultat je torej "osnutek kontrolnega seznama", ne "ocena tveganja".

Nastavimo postopek korak za korakom:

1. Podajte kontekst. Anonimno opišite panogo podjetja, velikost, poslovni model in pomembne značilnosti. (Brez imena, TIN.)
2. Zahtevajte generično idejo o tveganju. "Kje je tveganje pomembno napačne navedbe običajno visoko v tej vrsti poslovanja?" vprašaj. AI vam ponudi začetni zemljevid.
3. Prilagodite poslu. Filtrirajte seznam umetne inteligence z dejstvi, ki jih poznate (zgodovina tega podjetja, notranji nadzor, ugotovitve prejšnjega leta). Nekatera tveganja ne veljajo za ta posel; Nekatera so edinstvena tveganja, ki jih AI ne bo nikoli opazil.
4. Poveži z dokazi. Povežite vsako tveganje s testom, ki ga boste obravnavali v terenski študiji.

Namig: pomislite na AI kot na "kje bi lahko obstajala nevarnost pomembno napačne navedbe?" Uporabite ga, da boste razmišljali; Ne zato, da bi rekli, "tu je zagotovo tveganje". Ocena tveganja je strokovna presoja; tvegano razmišljanje o ideji.

Pomembnost: število, vendar število na podlagi presoje

ISA 320 zahteva, da revizor na začetku revizije določi raven pomembnosti. V praksi se to začne z izbiro kazalnika (npr. davki pred dobičkom, prihodki, bilančna vsota ali kapital) in zanj uporabite odstotek. Na primer 5 % dobička pred obdavčitvijo iz tekočega poslovanja ali 0,5–1 % prihodka. To ni mehanična formula: revizor se odloči, kateri kazalnik je najbolj pomemben za podjetje, kakšen bo odstotek in končni znesek. Določena sta tudi bistvenost uspešnosti (spodnji prag, nastavljen pod pomembnostjo, da se med načrtovanjem poostri testiranje) in očitno nepomemben prag (meja razlik, ki je premajhna, da bi se o njej poročalo).

Umetna inteligenca je tukaj odličen kalkulator in motor scenarijev: takoj izračuna zneske za različne kazalnike in odstotke ter jih postavi pred vas v tabelo. Toda izbira indikatorja in končna presoja sta vaša. Naslednja tabela prikazuje tipičen rezultat scenarija (številke so primeri):

indikator

Znesek (TL)

% Uporabljeno

Pomembnost (TL)

dobiček pred obdavčitvijo

12.000.000

5%

600.000

prihodek

240.000.000

0,5 %

1.200.000

Skupna sredstva

180.000.000

1 %

1.800.000

lastniški kapital

90.000.000

2 %

1.800.000

Revizor ob pogledu na to tabelo meni: "Če so dobički nestabilni, je morda smiselna pomembnost na podlagi prihodkov; če pa je glavni interes uporabnikov v tem poslu dobičkonosnost, je dobiček pred obdavčitvijo primernejši." Ta ocena je strokovna presoja, ki je umetna inteligenca ne more nadomestiti. AI izračuna štiri scenarije v 5 sekundah; Vi se odločite, kateri je pravi.

Pozor: preverite scenarij pomembnosti, ki ga poda AI. Sami ponovite izračun odstotka (ali je 600.000 res 5 % od 12.000.000?) in se prepričajte, da so kazalniki pravilni zneski. AI lahko izvede množenje nepravilno ali uporabi napačno količino.

Zemljevid tveganja: AI osnutke, revizor daje prednost

Zemljevid tveganja je delovni list, ki na enem mestu zbira ugotovljena tveganja in vsakemu dodeli ocene (verjetnost, učinek, ustrezna trditev, načrtovano testiranje). Trditve v računovodstvu so resnice, ki jih vodstvo implicitno zatrjuje o računu ali transakciji: resničnost/obstoj, popolnost, točnost, vrednotenje, periodičnost (cutoff), pravice-obveznosti, predstavitev. Na primer, "dohodek je popoln" je trditev o popolnosti; "Zaloge se vrednotijo ​​po čisti iztržljivi vrednosti" je zahtevek za vrednotenje.

Umetna inteligenca dobro deluje pri pretvarjanju surovega seznama tveganj v organiziran zemljevid: preslikava vsakega tveganja v ustrezno trditev, seznam možnih testov, oblikovanje tabele. Nikoli pa mu ne prepustite dveh stvari: (1) katero tveganje dejansko velja za ta posel, (2) prednostna razvrstitev tveganj. Ti določajo, kam boste porabili revizijske vire, in neposredno vplivajo na kakovost revizije.

trije mini kovčki

1. primer – pravilna uporaba. Izvršni revizor je razmišljal o tveganjih za novo pridobljenega malega naročnika. Vprašajte AI, "kje je tveganje pomembne napačne navedbe, ki je običajno visoko v maloprodajnem poslovanju z več poslovalnicami?" vprašal je; Prejel je osnutek 11 postavk, kot so upravljanje z gotovino, razlike v štetju zalog, zmanjševanje prihodkov, manipulacija z vračili/popusti. To je filtriral skozi svoje lastno znanje: stranka je imela nizko prodajo gotovine (težka kartica), kar je zmanjšalo to tveganje; Toda tveganje zmanjšanja zalog, ki ga AI ni spregledal, je bilo v tem poslu kritično, ker je bila ob koncu leta intenzivna kampanja. Rezultat: umetna inteligenca je dostavila seme, revizor je zemljevid prilagodil podjetju.

Primer 2 – Napaka množenja pomembnosti. Član ekipe je umetni inteligenci dal izračunati scenarij kardinalnosti. YZ je pomotoma vzel prihodek kot 24 milijonov namesto 240 milijonov in povečal bistvenost na 120.000 TL. Član ekipe je to vključil v načrtovanje brez preverjanja; Ker je bila pomembnost uspešnosti premalo določena, je ekipa po nepotrebnem začela testirati na stotine dodatnih elementov. Znesek je bil popravljen, ko je to opazila odgovorna oseba. Lekcija: Ponovno izračunajte vsako množenje AI.

Primer 3 – zamenjava javnega seznama za podjetje. Pripravnik je prilepil seznam splošnih "tveganj v gradbeništvu", ki ga je dal YZ, na delovni list za oceno tveganja. Vendar pa ta naročnik ni imel navedenega tveganja »manipulacija deleža dokončanja v večletnih gradbenih pogodbah« (naročnik je bil dobavitelj materiala, ne podizvajalec); Po drugi strani pa tveganja »transferne cene pri prodaji znotraj skupine« za kupca ni bilo na seznamu. Zamenjati splošni seznam kot oceno, specifično za podjetje, je napihnilo in pustilo tveganja nepopolna.

Šibek poziv/močan poziv

Šibek poziv:

Povejte nam tveganja in pomembnost tega podjetja.

Težava: posel ni predstavljen, indikator in znesek nista podana, AI pa je narejen tako, da proizvede "določeno tveganje" in fiktivni znesek pomembnosti.

Močan poziv:

Vaša vloga: ste pomočnik pri načrtovanju neodvisnega revizorja. Končna presoja o tveganju in pomembnosti je moja. Kontekst (anonimno): srednje veliko maloprodajno podjetje z več podružnicami. Ob koncu leta poteka intenzivna kampanja. Prodaja s karticami, nizka gotovina. Ugotovitev iz prejšnjega leta: odstopanja pri štetju zalog. Naloga A – Zamisel o tveganju: Naštejte področja, kjer bi bilo tveganje pomembno napačne navedbe običajno visoko v tej vrsti poslovanja, pri čemer vsako preslikajte na ustrezno računovodsko trditev (popolnost, resničnost, periodičnost/mejna vrednost, vrednotenje itd.). Upoštevajte, da so ti SPLOŠNI in da ocena za posamezno podjetje pripada meni. Naloga B – Scenarij pomembnosti: Izračunajte tabelo scenarija pomembnosti z %s za naslednje kazalnike; Vsako množenje jasno pokaži, da ga lahko preverim. Odločil se bom, kateri kazalnik bom izbral.- Dobiček pred obdavčitvijo: 12.000.000 TL- Prihodek: 240.000.000 TL- Bilančna vsota: 180.000.000 TLRPravilo: Ne izmišljujte številk, za katere nisem navedel podatkov.

Ta poziv je močan, ker predstavi podjetje, zahteva ujemanje terjatev, naredi račun preverljiv in prepušča odločitev revizorju.

Pogoste napake

• Zamenjajte splošni seznam tveganj za poslovno oceno. Vnos splošnega izhoda umetne inteligence v delovni list brez filtriranja.
• Množenje kardinalnosti se ne preverja. Ne opaziti napake AI v znesku ali odstotku.
• Prepuščanje izbire indikatorja AI. Kateri indikator je primeren, je stvar strokovne presoje.
• Nepovezovanje tveganj s terjatvami. Tveganja brez ujemanja trditev ni mogoče povezati s testom.
• Zanemarjanje ugotovitev prejšnjega leta in informacij, specifičnih za podjetje. AI teh stvari ne pozna; Če mu ne poveš, bo zemljevid tveganja nepopoln.

Nasvet: Ko pripravite zemljevid tveganja, vprašajte AI ​​"Katera so tveganja, ki so bila morda spregledana na tem zemljevidu?" vprašaj nazaj. To vam pomaga videti slepe pege; Toda ideje filtrirajte sami.

Če povzamem

V fazi načrtovanja umetna inteligenca prinaša dve močni uporabi: sektorsko razmišljanje o tveganju in izračun scenarija pomembnosti. Toda ocenjevanje tveganja pomembno napačne navedbe v skladu z MSR 315 in določanje pomembnosti v skladu z MSR 320 je strokovna presoja. AI zagotavlja splošen vpogled v tveganje in preverljivo računovodstvo; Katero tveganje velja, kateri indikator izbrati in končni znesek pomembnosti pripada revizorju. Ponovno izračunajte vsako množenje pomembnosti, filtrirajte vsako idejo tveganja, specifično za podjetje.

Aplikacijska naloga

Izberite hipotetično podjetje (določite panogo, velikost, ugotovitev prejšnjega leta). Z zgornjim zmogljivim vzorcem poziva najprej dobite idejo o splošnem tveganju, nato scenarij pomembnosti. Preoblikujte seznam tveganj umetne inteligence v tabelo s tremi stolpci: "tveganje / ustrezen zahtevek / ali velja za to podjetje (DA/NE, utemeljitev)". Ročno preverite vsako množenje v scenariju pomembnosti in v enem stavku napišite utemeljitev za vaš izbrani kazalnik.

kontrolni seznam

• [ ] Podjetje sem opisal anonimno, vendar z zadostnim kontekstom (panoga, velikost, zgodovinske ugotovitve).
• [ ] Ideje o tveganjih AI sem filtriral skozi poslovno specifično znanje; Odstranil sem neveljavne in dodal manjkajoče.
• [ ] Vsako tveganje sem preslikal v ustrezno računovodsko trditev in ga povezal s testom.
• [ ] Neodvisno sem preveril vsak izdelek in znesek v scenariju pomembnosti.
• [ ] Utemeljil sem izbiro indikatorja; Odločil sem se.
• [ ] Določil sem prag pomembnosti in očitno nepomembnosti uspešnosti.
• [ ] »Ali obstajajo kakšna tveganja, ki so spregledana?« Vprašal sem nazaj in filtriral ideje.