Возможно – полагают Билл Бреннан (Bill Brennan), Майк Баккала (Mike Baccala) и Майк Флинн (Mike Flynn), ведущие авторской колонки на CFO.
Приверженцы технологического прогресса предрекают времена, когда системы под управлением искусственного интеллекта смогут провести 100%-й аудит финансовой отчетности компании. В их представлении это будет непрерывный процесс в реальном времени. Можно сказать, что это будет чем-то вроде отчетности “нового класса”, о которой несколько лет назад заговорили в отрыве от высоких технологий, подразумевая представление отчетности в любой момент времени по желанию инвестора, только здесь это не будет требовать огромных команд работающих за сверхурочные специалистов, поскольку все будет выполняться машинами.
Если рассматривать такую перспективу, является ли полностью компьютеризированный аудит хорошей идеей? Или даже так: есть ли тут вообще какая-либо перспектива, или все эти фантазии - лишь небольшое расширение современных технологий анализа данных, которые многие технологические компании и так сегодня активно применяют? Подходя к теоретическому построению аудита под контролем ИИ с нуля, необходимо отталкиваться от того, что человеческие ценности должны остаться во главе угла аудиторской работы, и что у аудиторов-людей должны оставаться на руках инструменты постоянного улучшения качества работы. По этой логике вот что из этого получается.
Детали имеют значение. Получение данных по-прежнему лежит в основе аудиторского процесса. Специалистам они необходимы, чтобы приступить к проверке, т.е. проверить точность и взаимное соответствие наборов данных, таких как заявки на покупку, счета к получению, платежи, вознаграждения и т.д. Аудиторы часто обращаются к внешним источникам данных для оценки рисков, планирования аудиторской проверки, подтверждения сделанных в компании допущений. Для внедрения ИИ в аудиторскую методологию аудиторам потребуется методологическое осмысление того, как структурируются наборы данных, как они отличаются от одной отрасли к другой, от одного клиента к другому, в зависимости от их источника, наконец, как их можно трансформировать для использования.
Практически все деловые записи сегодня ведутся в электронной форме - в том или ином формате, в зависимости от которого они легче воспринимаются теми или иными программами. Многие страховые компании, например, ведут записи по страхованию в PDF, а страховые требования по программам учитывают в текстовых файлах. Прежде чем сопоставлять эти два условных набора данных, потребуется некий интерфейс, который сможет интерпретировать и соотносить связанные между собой данные, и до настоящего времени роль такого “интерфейса” играл человек, вручную. Чтобы это смог делать искусственный интеллект, нужно не только предоставить ему наборы данных, но и наделить правом на принятие решений на их основе.
Машины в чем-то лучше людей. В сравнении с людьми машины всегда будут непревзойденными в выполнении рутинных повторяющихся задач. Процесс получения и обработки данных с помощью высоких технологий можно автоматизировать и упорядочить, что раз и навсегда снимет с плечей аудиторов затратные в плане времени задачи, такие как поиск нужных данных, извлечение их из кип документов, конвертация в удобоваримые форматы. Людям останется лишь анализировать и, собственно, аудировать. Те “армии” независимых аудиторов, которые сегодня привлекаются для проверки любой крупной компании из Fortune 500, больше будут не нужны, а оставшиеся аудиторы смогут посвятить все свое время более полезным задачам – профессиональным суждениям в отношении аудита, то есть тому, чего машина делать не сможет. Машины эффективны в другом - в обработке огромных объемов данных и отсеивании той информации, которую необходимо проверить, в поиске аномалий и расхождений. Готовые решения под управлением искусственного интеллекта смогут быстро идентифицировать необычные скачки в поступивших заказах, странно выглядящие расходы или подозрительно выгодные условия лизинга оборудования в случае с определенным поставщиком, что может сигнализировать сговор. Всему этому машины можно научить.
Но в чем-то люди лучше машин. Клиенты сохраняют верность какому-то одному аудитору не просто так, а потому, что он или она предоставляет гарантию качества отчетности, а это возможно лишь благодаря тщательному изучению отчетности и профессиональному суждению – суждению человека. Автоматизированные системы оказывают неоценимую помощь в получении и обработке огромных объемов данных, генерируемых учетными системами любой компании, но хотя они быстры в этом и даже способны обнаруживать аномалии, лишь человек может увидеть реальную картину. По аналогии, пока что нельзя научить робота ставить галочку напротив графы “Я не робот” в простейшей системе защиты от автоматизированных сообщений на любом интернет-форуме.
Возможно, так будет не всегда. В конце концов, с той же постановкой галочки не так давно в сети был размещен полушутливый (в смысле, со здоровой долей шутки) видеоролик, где эту галочку все-таки проставил механический манипулятор под управлением компьютера, держащий в руках компьютерную мышку... Возможно, со временем появятся и более продвинутые технологии из области фантастики, но даже тогда необходимо будет контролировать, чтобы искусственный интеллект делал только то, что ему говорят делать – не больше и не меньше. Четкое определение аудиторских требований и сотрудничество между аналитиками, разработчиками и аудиторами поможет успешно и что важнее - ответственно перейти от громких заявлений к практике.
“Быстро” – значит “лучше”. Это действительно так, по крайней мере, тогда, когда речь идет об обработке данных, что означает очень большую экономию времени. Развитие аудита с использованием технологий искусственного интеллекта постепенно приближает проверку 100% всего массива данных, а не выборки из них. Когда это станет возможным, аудиторы смогут в полной мере сосредоточиться на эффективном изучении бизнеса. Таким образом, ИИ поможет специалистам отойти от традиционных аудиторских процессов к визуализации и оценки полной картины бизнеса.
ИИ в целом весьма полезен и способен помочь в ряде ситуаций с ручной обработкой данных – а это составляет весьма значительную часть традиционной аудиторской работы. Извлечение данных, сопоставление, проверка – примеры того, где это возможно. ИИ многократно ускоряет перевод в цифровой формат традиционно выполняемых пока что вручную процессов ввода данных или их извлечения, что многократно снижает время на предварительную их подготовку для проверки. Например, имеются данные по внутренним платежам в пользу третьих лиц за оказанную теми работу – связывание между собой этих двух рядов данных требует много времени от проверяющего в терминах аудиторских часов, но все можно многократно ускорить с помощью ИИ, поскольку как извлечение данных, так и тестирование с целью получения аудиторских свидетельств можно полностью автоматизировать.
Но больше всего выигрывают клиенты. Ведь на самом базовом уровне эффективность процесса означает, что клиентам нужно тратить меньше времени и ресурсов на то, чтобы отвечать на запросы аудиторов по поводу нужной документации, а это особенно критично в условиях сжатых сроков сдачи отчетности. Со своей стороны аудиторы, имея возможность посвятить больше времени областям, где требуется их профессиональное суждение, будут эти суждения выносить более обоснованно и допускать меньше ошибок, а это означает повышение качества аудита.
По материалам: CFO