收益：
- 能够通过了解业务及其环境，在识别重大错报风险的过程中使用人工智能作为风险想法生成器和起草者
- 能够在人工智能支持下编写重要性和非重要性阈值计算脚本并独立验证每个数字
- 能够坚持最终的风险评估和重要性判断属于审计师的专业判断，人工智能仅提供输入
早在实地工作之前，良好的审计就在案头决定胜负。如果审计师在不了解业务的情况下开始，没有猜测哪里最有可能出错，也没有将他的资源（时间、团队、测试）用于这些风险，那么无论他多么努力，他都可能会看错地方。因此，BDS 315（通过了解业务及其环境来确定和评估重大错报风险的标准）和BDS 320（审计中的重要性标准）建立了审计框架。
在本单元中，我们将介绍如何将人工智能应用于规划阶段的两项主要任务 - 重要性计算和风险映射 - 作为创意合作伙伴和草案生成者，但为什么你永远是最终的评判者。我们先澄清两个概念。重大错报是指财务报表中的错误或欺诈，其单独或集体的程度足以影响报表使用者的经济决策。风险评估旨在确定哪个账户、交易类别或披露以及出于何种原因最有可能发生此类错报。
了解业务：人工智能成为思想伙伴
ISA 315 要求审计师了解实体及其运营环境（行业、立法、商业模式、内部控制）。在此识别过程中，审计师会问“该业务领域通常会出现什么问题？”他问道。这就是人工智能成为宝贵的头脑风暴合作伙伴的地方：它可以快速列出行业的典型风险领域、会计欺诈的常见模式、季节性和收入确认的复杂性。但要注意：人工智能给出的这份清单是一般性的、通用的；不认可您的业务。因此输出是“清单草案”，而不是“风险评估”。
让我们逐步设置该过程：
- 给出上下文。匿名描述企业的行业、规模、商业模式和显着特征。 （没有名字，TIN。）
- 请求通用风险想法。 “此类业务中重大错报风险通常较高的地方在哪里？”问。 AI 给你一张起始地图。
- 根据业务定制。使用您知道的事实（该企业的历史、内部控制、上一年的调查结果）过滤人工智能的列表。有些风险不适用于该业务；有些是人工智能永远不会看到的独特风险。
- 把它与证据联系起来。将每个风险与您将在实地研究中进行的测试联系起来。
提示：将人工智能视为“哪里可能存在重大错报风险？”用它来让你思考；并不是让你说“这肯定是风险所在”。风险评估是专业判断；风险想法集思广益。
重要性：数字，但数字基于判断
ISA 320 要求审计师在开始审计时确定重要性级别。在实践中，首先选择一个指标（例如利润前税、收入、总资产或权益）并对其应用百分比。例如，持续经营税前利润的 5%，或收入的 0.5-1%。这不是一个机械公式：审计师决定哪个指标对业务最有意义、百分比是多少以及最终金额。还确定了绩效重要性（在计划期间为加强测试而在重要性之下设置的下限阈值）和明显不重要的阈值（差异限制太小而无法报告）。
人工智能在这里是一个出色的计算器和场景引擎：它立即计算不同指标和百分比的金额，并将它们放在您面前的表格中。但指标的选择和最终的判断是你的。下表显示了典型场景输出（数字为示例）：
指标
金额（TL）
% 应用
重要性 (TL)
税前利润
12,000,000
5%
60万
收入
240,000,000
0.5%
1,200,000
总资产
180,000,000
1%
1,800,000
股权
90,000,000
2%
1,800,000
看着这个表，审计师认为：“如果利润不稳定，基于收入的重要性可能更合理；但如果用户对该业务的主要兴趣是盈利，那么税前利润更合适。”这种评估是人工智能无法替代的专业判断。 AI 5秒计算出四种场景；您决定哪一个是正确的。
注意：验证人工智能给出的重要性场景。自己重新计算百分比（600,000 真的是 12,000,000 的 5% 吗？）并确保指标是正确的金额。 AI可能会错误地执行乘法或使用错误的数量。
风险地图：AI起草，审核员优先
风险地图是一个工作表，它将已识别的风险收集到一个地方，并对每个风险进行评估（可能性、影响、相关索赔、计划测试）。会计中的断言是管理层隐含地断言有关账户或交易的事实：现实/存在、完整性、准确性、估值、周期性（截止）、权利义务、表述。例如，“收入完整”是完整性主张； “股票按其可变现净值估值”是一种估值主张。
人工智能可以很好地将原始风险列表转化为有组织的地图：将每个风险映射到相应的索赔，列出可能的测试，格式化表格。但永远不要把两件事留给他：(1) 哪些风险真正适用于该业务，(2) 风险的优先级。这些决定了您将审计资源花在哪里，并直接影响审计质量。
三个迷你箱子
案例1——正确使用。一位审计主管对新收购的零售客户的风险进行了集思广益。问 AI：“在多分店零售业务中，重大错报风险通常较高的地方在哪里？”他问道；他收到了一份包含 11 项内容的草案，例如现金管理、库存差异、收入削减、退货/折扣操纵等。他通过自己的知识过滤了这一点：客户的现金销售额较低（信用卡较多），从而降低了风险；但人工智能没有错过的库存削减风险在这项业务中至关重要，因为年底有一场激烈的促销活动。结果：人工智能交付了种子，审核员为企业定制了地图。
情况 2 — 显着性乘法错误。一名团队成员让人工智能计算基数场景。 YZ 错误地将收入视为 2400 万而不是 2.4 亿，并将重要性增加至 120,000 TL。团队成员未经核实就将其纳入计划；由于性能重要性尚未确定，团队开始不必要地测试数百个其他项目。负责人发现后已更正金额。课程：重新计算 AI 的每个乘法。
案例 3——将公开名单误认为是一家企业。一名实习生将 YZ 提供的通用“建筑行业风险”清单粘贴到风险评估工作表上。但该客户不存在所列的“多年期建造合同完工百分比操纵”风险（该客户为材料供应商，而非分包商）；另一方面，客户特定的“集团内销售转让定价”风险并未出现在名单中。将总体清单误认为是特定于业务的评估，既夸大了风险，又导致风险不完整。
弱提示/强提示
弱提示：
告诉我们这家公司的风险和重要性。
问题：没有介绍业务，没有给出指标和金额，让AI产生“一定风险”和虚构的实质性金额。
强力提示：
您的角色：您是独立审计师的规划助理。对风险和重要性的最终判断是我的。背景（匿名）：一家中型、多分店的食品零售企业。年底有一场激烈的竞选活动。刷卡销售，现金少。上一年的发现：库存盘点差异。任务 A - 风险理念：列出此类业务中重大错报风险通常较高的领域，将每个领域映射到相关的会计断言（完整性、真实性、周期性/截止值、估值等）。请注意，这些是一般性的，具体业务的评估属于我。任务B - 重要性情景：计算以下指标的重要性情景表，%s；清楚地显示每个乘法，以便我可以验证它。我将决定选择哪个指标。- 税前利润：12.000.000 TL- 收入：240.000.000 TL- 总资产：180.000.000 TLRule：请勿编造任何我未提供数据的数字。
这个提示很强烈，因为它介绍了业务，要求索赔匹配，使帐户可验证，并将决定权留给审计员。
常见错误
- 将一般风险列表误认为是业务评估。将AI的通用输出放入工作表中而不进行过滤。
- 不验证基数乘法。没有注意到人工智能的错误数量或百分比。
- 将指标选择留给AI。哪个指标合适是专业判断的问题。
- 没有将风险与索赔联系起来。没有索赔匹配的风险无法链接到测试。
- 忽略上一年的调查结果和业务特定信息。人工智能不知道这些事情；如果你不告诉他，风险图就会不完整。
提示：准备好风险地图后，询问AI“这张地图中可能被忽视的风险是什么？”向后问。这可以帮助您看到盲点；但你自己过滤一下想法。
总之
在规划阶段，人工智能带来了两个强大的用途：部门风险头脑风暴和重要性情景计算。但根据 ASA 315 评估重大错报风险并根据 ASA 320 确定重要性属于专业判断。人工智能提供通用风险洞察和可验证的会计；哪些风险是有效的，选择哪些指标以及最终的重要性金额属于审计师。重新计算每个重要性乘法，过滤每个特定于业务的风险想法。
应用任务
选择一个假设的企业（确定行业、规模、上一年的调查结果）。通过上面强大的提示模式，首先获得一般风险概念，然后获得重要性场景。将人工智能的风险列表转换为三列表：“风险/相关索赔/是否适用于该业务（是/否，理由）”。手动验证重要性场景中的每个乘法，并用一句话写出所选指标的理由。
清单
- [ ] 我匿名描述了该业务，但有足够的背景信息（行业、规模、历史发现）。
- [ ]我通过业务特定知识过滤了AI的风险想法；我删除了无效的并添加了缺失的。
- [ ] 我将每个风险映射到相关的会计断言并将其链接到测试。
- [ ] 我已独立验证重要性场景中的每个产品和金额。
- [ ] 我论证了指标选择的合理性；我做出了决定。
- [ ] 我设定了绩效重要性和明显非重要性的阈值。
- [ ] “是否存在被忽视的风险？”我倒着问，过滤了想法。