Lợi nhuận:
- Hiểu những quy trình phân tích nào nằm trong phạm vi của BDS 520 và cách sử dụng trí tuệ nhân tạo để tạo kỳ vọng, phân tích tỷ lệ và soạn thảo giải thích sai lệch.
- Khả năng diễn giải phân tích ngang dọc, phân tích tỷ lệ và phân tích xu hướng với sự hỗ trợ của trí tuệ nhân tạo và xác định những sai lệch cần kiểm tra
- Khả năng hiểu rằng lời giải thích sai lệch do trí tuệ nhân tạo đề xuất là một giả thuyết và không thể được coi là kết quả kiểm toán nếu không có bằng chứng hỗ trợ.
Một trong những vũ khí mạnh nhất của một kiểm toán viên giàu kinh nghiệm là “kỳ vọng”. Trước khi xem báo cáo tài chính, anh ấy biết đại khái những gì mình cần xem vì anh ấy hiểu rõ về doanh nghiệp: “Công ty này tăng trưởng 15% vào năm ngoái, số lượng nhân sự ổn định nên tôi dự đoán chi phí nhân sự sẽ tăng xấp xỉ lạm phát”. Sau đó, nó so sánh thực tế với kỳ vọng. Nếu có sự sai lệch so với kỳ vọng thì đó là lời giải thích hoặc có vấn đề. Hình thức có hệ thống của lối suy nghĩ này được gọi là thủ tục phân tích và BDS 520 tổ chức nó.
Quy trình phân tích nhằm thiết lập kỳ vọng bằng cách sử dụng các mối quan hệ hợp lý giữa dữ liệu tài chính và phi tài chính, so sánh nó với thực tế và tìm kiếm những sai lệch đáng kể. Nó được sử dụng ở ba nơi: khi lập kế hoạch (để xem rủi ro), trong thử nghiệm cơ bản (để xác minh cơ bản) và khi kết thúc cuộc kiểm toán (để kiểm tra tính hợp lý tổng thể). Trong học phần này, bạn sẽ học cách sử dụng trí tuệ nhân tạo trong việc hình thành kỳ vọng, phân tích tỷ lệ và giải thích sai lệch trong dự thảo; Nhưng chúng ta sẽ thảo luận tại sao lời giải thích do AI đề xuất lại là một giả thuyết chứ không phải bằng chứng.
Công cụ của thủ tục phân tích
Các công cụ phân tích chính được kiểm toán viên sử dụng là:
- Phân tích theo chiều ngang: Xem xét sự thay đổi (số lượng và %) của một khoản mục từ năm này sang năm khác. "Doanh số tăng 40%; tại sao?"
- Phân tích theo chiều dọc: Tỷ lệ các khoản mục trên tổng thể (ví dụ: tỷ lệ từng khoản chi phí trên doanh thu). “Giá vốn hàng bán chiếm 62% doanh thu nhưng năm nay lên tới 71%, tại sao biên lợi nhuận lại bị thu hẹp?”
- Phân tích tỷ lệ: Tính toán các tỷ lệ có ý nghĩa (tỷ suất lợi nhuận gộp, tốc độ quay vòng hàng tồn kho, kỳ thu tiền phải thu, tỷ lệ thanh toán hiện hành) và xem xét xu hướng cũng như so sánh của nó với ngành.
- Phân tích xu hướng: Xem nhiều giai đoạn cùng nhau và bắt kịp thời gian nghỉ.
- Kiểm tra tính hợp lý: Thiết lập một kỳ vọng độc lập (ví dụ: “chi phí lãi vay ≈ nợ trung bình × lãi suất”) và so sánh nó với thực tế.
AI thực hiện tất cả các phép tính này trong vài giây, đưa chúng vào bảng tính và gắn cờ độ lệch. Hơn nữa, nó có thể gợi ý những lời giải thích khả thi cho những sai lệch. Đây là điểm quan trọng: lời giải thích do AI đưa ra chỉ là giả thuyết ban đầu. “Biên lợi nhuận đã thu hẹp vì giá nguyên liệu thô tăng” có thể hợp lý, nhưng kiểm toán viên không thể kết luận nếu không chứng thực nó bằng hợp đồng, hóa đơn, thông tin công bố của ban quản lý và—đặc biệt trong trường hợp có sai lệch ngoài dự kiến—bằng chứng độc lập.
Kỳ vọng càng nhạy cảm thì quy trình càng mạnh
Một điểm tinh tế quan trọng của BDS 520: độ tin cậy của quy trình phân tích phụ thuộc vào mức độ kỳ vọng được thiết lập một cách chính xác và độc lập như thế nào. Nếu bạn xây dựng kỳ vọng trực tiếp từ dữ liệu do doanh nghiệp cung cấp, bạn sẽ rơi vào logic tuần hoàn (xác thực cùng một dữ liệu với cùng một dữ liệu). Kỳ vọng mạnh mẽ dựa trên đầu vào độc lập càng nhiều càng tốt (dữ liệu phi tài chính, dữ liệu thị trường bên ngoài, tài khoản của chính bạn). AI có thể giúp bạn xây dựng mô hình kỳ vọng - “Tôi cần những thông tin đầu vào nào để tính toán chi phí lãi vay một cách độc lập?” - nhưng kiểm toán viên chịu trách nhiệm về tính độc lập của đầu vào và tính phù hợp của mô hình.
Mẹo: Xác định trước “ngưỡng không đáng kể” khi diễn giải độ lệch. Độ lệch bao nhiêu so với kỳ vọng sẽ được coi là "điều tra"? Đặt trước ngưỡng này, phù hợp với tính trọng yếu, để bạn không phải theo đuổi từng biến động nhỏ mà AI tạo ra.
Thiết lập kỳ vọng mạnh mẽ với dữ liệu phi tài chính
Quy trình phân tích có hiệu quả nhất khi bạn xây dựng kỳ vọng từ dữ liệu phi tài chính, không chỉ dữ liệu tài chính. Ví dụ: bạn có thể ước tính độc lập doanh thu phòng của khách sạn bằng cách nhân số đêm phòng với giá phòng trung bình; bạn có thể ước tính chi phí năng lượng của một doanh nghiệp sản xuất từ số lượng đơn vị được sản xuất và mức tiêu thụ thông thường trên mỗi đơn vị; Bạn có thể dự đoán thu nhập giáo dục của trường dựa trên số lượng sinh viên và học phí trung bình. Những kỳ vọng như vậy không rơi vào bẫy tuần hoàn vì chúng độc lập với hồ sơ kế toán của chính doanh nghiệp và cung cấp khả năng kiểm tra chéo thực sự. AI giúp bạn thiết lập đầu vào và công thức cho mô hình kỳ vọng độc lập này; nhưng kiểm toán viên có trách nhiệm đảm bảo rằng các đầu vào thực sự độc lập và đáng tin cậy (số lượng sinh viên, số phòng đêm, số lượng sản xuất có đúng không?). Nếu chênh lệch giữa kỳ vọng và thực tế lớn, điều này cho thấy có sai sót kế toán hoặc có vấn đề với đầu vào kỳ vọng; Cả hai đều cần được điều tra.
Quy trình phân tích từng bước
- Đặt kỳ vọng. Viết ra những gì bạn mong đợi đối với hạng mục đang được xem xét, với ý kiến đóng góp độc lập nếu có thể.
- Chuẩn bị dữ liệu, xác minh tính đầy đủ. Dữ liệu thực tế bạn sẽ so sánh có chính xác và đầy đủ không?
- Tính toán với AI. Thực hiện tính toán theo chiều ngang/dọc/tỷ lệ/xu hướng; Hiển thị các bước của từng tài khoản.
- Xác định các sai lệch. Gắn cờ những sai lệch vượt quá ngưỡng bạn đã đặt trước.
- Tạo ra các giả thuyết nhưng hãy xác minh. Yêu cầu AI đưa ra những lời giải thích khả thi; kiểm tra từng cái bằng chứng.
- Ghi lại kết quả. Kỳ vọng, thực tế, sai lệch, giải thích và bằng chứng xác nhận.
ba trường hợp nhỏ
Trường hợp 1 - Tìm nguyên nhân thực sự của sai lệch. Một kiểm toán viên nhận thấy chi phí nhân sự tăng 38%; Tuy nhiên, số lượng nhân sự và lạm phát chỉ giải thích điều này bằng 22%. Anh ấy đã yêu cầu AI hỏi về các giả thuyết phân kỳ; YZ liệt kê các lựa chọn như "tăng lương, tuyển dụng mới, tiền thưởng, trợ cấp thôi việc". Kiểm toán viên đã kiểm tra bảng lương: số chênh lệch là do khoản phí bảo hiểm trả một lần trong năm nhưng không được phân bổ thành chi phí trong kỳ và có lỗi về tính thời vụ. AI đưa ra giả thuyết; Bằng chứng về tiền lương và cuộc điều tra của kiểm toán viên đã tiết lộ sự thật.
Trường hợp 2 - Nhầm giả thuyết với bằng chứng. Một thành viên trong nhóm đã hỏi AI về việc một khoản chi phí tăng 40%; AI "có lẽ là do lạm phát", ông nói. Thành viên trong nhóm đã viết điều này như một nhận xét trực tiếp trên bảng tính và đậy nắp bút. Người có trách nhiệm hỏi: lúc đó lạm phát là 25%, 40% không giải thích được; Ngoài ra, khoản mục này là chi phí thuê nhà có hợp đồng cố định và không tự động tăng theo lạm phát. Lý do thực sự là một lĩnh vực mới được thêm vào hợp đồng. Bài học: Lời giải thích về AI là một giả thuyết; Không thể có kết luận nếu không được kiểm tra bằng bằng chứng.
Trường hợp 3 - Kỳ vọng kém. Để kiểm tra tính hợp lý của chi phí lãi vay, kiểm toán viên đã xác định kỳ vọng của mình trực tiếp từ chi phí lãi vay được doanh nghiệp ghi nhận (thông tư). Đương nhiên, hóa ra “kỳ vọng = thực tế” và không có sai lệch nào xuất hiện. Người chịu trách nhiệm nhắc nhở rằng kỳ vọng cần được thiết lập một cách độc lập: số dư nợ trung bình × lãi suất trung bình. Sau khi tính toán độc lập, hóa ra chi phí lãi vay thực tế thấp hơn đáng kể so với dự kiến và không có khoản lãi nào được tích lũy trên khoản nợ. Bài học: tính độc lập của kỳ vọng quyết định sức mạnh của quy trình.
Dấu nhắc yếu / Dấu nhắc mạnh
Dấu nhắc yếu:
Nhìn vào biểu đồ này, cho tôi biết nếu có điều gì bất thường.
Vấn đề: không có kỳ vọng, không có ngưỡng, không có bối cảnh. AI gắn cờ ngẫu nhiên “sự bất thường” hoặc tạo ra những lời giải thích bịa đặt; kết quả thiếu giá trị kiểm soát.
Lời nhắc mạnh mẽ:
Vai trò của bạn: bạn là trợ lý thủ tục phân tích cho kiểm toán viên độc lập. Bạn sẽ tính toán và HIỂN THỊ những sai lệch cũng như đề xuất GIẢ THUYẾT giải thích có thể có; xác minh và kết luận là của tôi. Bối cảnh (ẩn danh): Công ty sản xuất. Doanh thu năm hiện tại 240 triệu, năm trước 200 triệu (tăng trưởng 20%). Số lượng nhân sự là cố định.Data:[account; năm trước; năm hiện tại] dòng (doanh thu, giá vốn hàng bán, chi phí nhân sự, tiền thuê, chi phí lãi vay, ...) Nhiệm vụ:1) Thực hiện phân tích theo chiều ngang (số tiền và % thay đổi) cho từng khoản mục; trình bày bước tính toán.2) Phân tích theo chiều dọc: tỷ lệ từng khoản chi phí trên doanh thu; so sánh trong hai năm.3) Áp dụng ngưỡng sau: đánh dấu “để xem xét” nếu % thay đổi lệch so với mức tăng trưởng doanh thu (20%) hơn 10 điểm tuyệt đối.4) Đề xuất 2-3 cách giải thích có thể GIẢI THUYẾT cho mỗi mục được đánh dấu; Đồng thời viết ra BẰNG CHỨNG mà mỗi bằng chứng sẽ được xác minh. Nói rõ rằng đây không phải là những phát hiện.5) Không tạo ra bất kỳ con số hoặc điểm chuẩn nào trong ngành mà bạn không thể rút ra được từ dữ liệu.
Lời nhắc này có tác dụng mạnh mẽ vì nó đưa ra bối cảnh và kỳ vọng (tăng trưởng 20%), đặt ra ngưỡng sai lệch rõ ràng, yêu cầu giải thích dưới dạng giả thuyết và gắn từng giả thuyết với bằng chứng.
Những lỗi thường gặp
- Nhầm một giả thuyết với bằng chứng. Viết kết luận mà không xác minh câu nói "có thể..." của AI.
- Thiết lập kỳ vọng vòng tròn. Xuất phát kỳ vọng từ dữ liệu cần được xác minh và tạo ra sự "phù hợp" sai.
- Không đặt ngưỡng. Đuổi theo từng biến động nhỏ hoặc bỏ qua những sai lệch đáng kể.
- Phân tích không có bối cảnh. Đòi hỏi sự “bất thường” mà không thúc đẩy hoạt động kinh doanh; nhận được những dấu hiệu vô nghĩa.
- Luôn hời hợt trong sự sai lệch bất ngờ. Che đậy một bước ngoặt đáng ngạc nhiên bằng lời giải thích hợp lý đầu tiên; trong khi BDS yêu cầu điều tra sâu hơn về những sai lệch ngoài dự kiến.
Lưu ý: Độ lệch dự kiến (ví dụ: khấu hao tăng do khoản đầu tư đã biết) khác với độ lệch ngoài dự kiến. Sự sai lệch ngoài dự kiến mang lại rủi ro cao hơn và cần có bằng chứng thuyết phục hơn. AI không thể phân biệt giữa hai điều này; Kiểm toán viên thực hiện sự phân biệt này.
Tóm lại
Quy trình phân tích (BDS 520) là nghệ thuật nhìn ra những sai lệch bằng cách thiết lập những kỳ vọng và so sánh chúng với thực tế. AI là một công cụ tính toán và đưa ra giả thuyết mạnh mẽ trong lĩnh vực này: nó thực hiện phân tích theo chiều ngang/dọc/tỷ lệ/xu hướng trong vài giây, đánh dấu các sai lệch, gợi ý các giải thích khả thi. Nhưng sức mạnh của quy trình phụ thuộc vào tính độc lập của kỳ vọng và lời giải thích do AI đề xuất là một giả thuyết, không phải bằng chứng. Kiểm toán viên đặt ra ngưỡng sai lệch, kiểm toán viên đảm bảo tính độc lập của kỳ vọng và kiểm toán viên xác minh từng tuyên bố bằng bằng chứng. Một sai lệch bất ngờ luôn đòi hỏi phải điều tra sâu hơn.
Nhiệm vụ ứng dụng
Lấy một báo cáo thu nhập hai năm đơn giản (giả thuyết) và đặt kỳ vọng tăng trưởng (ví dụ: 20%). Với mẫu lời nhắc mạnh mẽ ở trên, hãy yêu cầu AI thực hiện phân tích theo chiều ngang và chiều dọc, áp dụng ngưỡng trôi dạt và đưa ra giả thuyết + đối sánh bằng chứng cho các mục được đánh dấu. Sau đó viết trong một đoạn văn cách thiết lập "kỳ vọng độc lập không tròn" cho một mục (bạn sẽ sử dụng đầu vào độc lập nào).
danh sách kiểm tra
- [ ] Tôi đã đặt trước kỳ vọng (với ý kiến đóng góp độc lập nếu có thể) đối với hạng mục đang được xem xét.
- [ ] Tôi đã xác nhận tính đầy đủ của dữ liệu tôi đã so sánh.
- [ ] Tôi đã nhận được phân tích ngang/dọc/tỷ lệ hiển thị các bước tính toán từ AI và đã xác minh nó.
- [ ] Tôi đã đặt ngưỡng sai lệch phù hợp với mức độ trọng yếu.
- [ ] Tôi coi những lời giải thích của AI là giả thuyết; Tôi đã kiểm tra từng cái bằng chứng.
- [ ] Tôi phân biệt giữa sai lệch dự kiến và sai lệch ngoài dự kiến; Tôi đào sâu hơn vào những điều bất ngờ.
- [ ] Tôi đã ghi lại kỳ vọng, thực tế, sai lệch, giải thích và bằng chứng chứng thực.