Аудит в эпоху цифровизации: трансформирующая роль искусственного интеллекта

Введение, цель

В эпоху глобализации все больше предпри-ятий обращаются за помощью к искусственному интеллекту, который способен решать поставленные задачи благодаря роботизиро-ванной автоматизации процессов. Прежде всего это связано со стремлением повысить эффективность деятельности и быть конкурентоспособными в своей сфере деятельности. Также ИИ помогает предприятиям в обработке больших массивов данных и выполнении рутинных задач, что существенно ускоряет многие бизнес-процессы. Если говорить об аудите, то ИИ помогает специалистам анализировать и эффективно использовать постоянно расту-щий объем данных, а также обращать больше внимания на выявление рисков, связанных с аудируемым лицом.

Вопрос о полной автоматизации аудита с помощью ИИ остается предметом дискуссий. В частности, Л. Н. Рощина, И. В. Украинцева и П. В. Таранов [1] анализировали перспективы, возможности и риски замены человеческого труда ИИ в аудите и бухгалтерском учете. Чтобы внедрение ИИ было успешным, следует выбрать и адаптировать существующие программные решения к потребностям организации либо разработать специализированную платформу на основе ИИ. И. А. Наугольнова рассматривала отечественные и зарубежные платформы с ИИ, а также проблемы и перспективы их масштабного внедрения в компаниях [2]. Проблематике рисков и влияния ИИ на аудит посвящено исследование И. Н. Бога-той и А. Н. Кизилова [3], которые провели сравнительный анализ традиционной и ИИ-оценки рисков, выявив преимущества ИИ и его влияние на роль внешних и внутренних аудиторов. Л. Ю. Баранова, Т. С. Ягья считают ИИ двигателем прогресса и утверждают, что в современном мире развитие техноло-гий превзошло уровень механизированного производства, расширив функционал машин до выполнения сложных когнитивных задач и замещения человека в сферах, требующих инновационного подхода [4; 5]. В то же время М. А. Легашов рассуждает о том, что использование ИИ в бизнес-процессах создает ряд проблем, связанных с этикой, нормативным регулированием и опасениями населения [6].

Целью исследования является выявление преимуществ и недостатков использования ИИ в аудиторской деятельности, а также разработка стратегии по внедрению ИИ в бизнес-процессы аудиторских компаний.

Методы исследования

Использованы следующие методы исследования: контент-анализ – для систематического изучения научной литературы, статей и отчетов, посвященных применению ИИ в аудите, что позволило выявить тенденции, проблемы и области применения ИИ в данной сфере; сравнительный анализ – для сравнения преимуществ платформ с ИИ, использующихся в аудите, и выявления наиболее эффективной и перспективной из них; синтез – для объединения и обобщения полученной в результате контент-анализа информации, что позволило сформировать целостное представление о текущем состоянии исследований и практиче-

Контроль за достоверностью, полнотой и точностью учета данных

Оценка эффективности деятельности предприятия

Основные задачи аудитора Main tasks of the auditor

Источник: Федеральный закон «Об аудиторской деятельности» от 30.12.2008 № 307-ФЗ.

Source: Federal Law «On Auditing Activity» dated 30.12.2008 No. 307-FZ.

ском применении ИИ в аудите; формализация знаний – для структурирования, представления информации в виде рисунков, таблиц, что облегчило дальнейший анализ и интерпретацию полученных результатов.

Результаты и дискуссия

Из содержания Федерального закона от 30.12.2008 № 307 «Об аудиторской деятельности» [7] можно заключить, что перед аудитором ставится ряд задач, представленных на рисунке.

Подтверждение достоверности бухгалтер-ской отчетности – цель деятельности каждого аудитора. Благодаря аудиту руководство и другие заинтересованные лица получают сведения об эффективности, прозрачности и достоверности деятельности предприятия.

Известно, что проверка финансовой и на-логовой отчетности и других документов предприятия в ходе проведения аудита – достаточно монотонная и трудоемкая работа, требующая особой внимательности к мелочам. Технологии ИИ способны выполнять такую задачу намного быстрее и позволяют специалистам сосредоточиться на более сложной и стратегической работе в части принятия решений. К функциям ИИ в области аудита относят: организацию входящего документооборота, заполнение документов, обработку платежей и банковских выписок, формирование авансовых отчетов, контроль соответствия налоговому законодательству РФ, выявление мошеннических операций [8].

Ярким примером внедрения ИИ в бухгал-терский учет и аудит является исследование KPMG, проведенное среди 1800 руководителей служб финансовой отчетности в ведущих странах мира [9]. Отмечается, что Северная Америка занимает наибольшую долю использования ИИ в бухгалтерском учете и аудите – 39 %. На втором месте находится европейский рынок, доля которого составляет 32 %, третье место – Азиатско-Тихоокеанский регион – 29 % [9].

Cегодня 3/4 компаний по всему миру уже внедрили ИИ в свою работу, и в течение следующих трех лет их доля превысит 90 %. В табл. 1 приведен отраслевой обзор внедрения ИИ в финансовую отчетность и аудит.

ИИ показывает значительные успехи в области аудита и бухгалтерского учета. К 2029 г. прогнозируется увеличение размера рынка ИИ в данном секторе на 5,06 млрд долл. США. Азиатско-Тихоокеанский регион будет демонстрировать самый высокий среднегодовой темп роста в течение пяти лет [11].

На данный момент 64 % компаний видят необходимость в независимой оценке дей-ствий ИИ в ходе составления финансовой отчетности. Ожидается, что аудиторы будут выполнять данную функцию путем аттестации средств контроля ИИ и предоставления гаран-тий. Данные компании видят в ИИ возможности для трансформации аудиторской практики в следующих ключевых направлениях:

• 1)    66 % ожидают, что существенно возрастет эффективность и точность проверок,

  Табл. 1. Обзор внедрения ИИ по отраслям в 2024 г.

Tab. 1. AI Implementation Overview by Industry in 2024

Отрасль	Доля компаний, %
Средства массовой информации, телекоммуникации	41
Химическая промышленность, горное дело, энергетика	35
Медицинско-биологические технологии и охрана здоровья	32
Промышленность	31
Финансовые услуги	31
Розничная торговля, потребители	26

Источник: составлено авторами по материалам [9; 10].

Source: made by the authors based on information provided by [9; 10].

особенно в части анализа данных и контроля качества;

• 2)    более 50 % стремятся к тому, чтобы аудиторы применяли прогнозный анализ для разработки более проактивных, непрерывных и прогностических процессов;

• 3)    считается, что аудиторы смогут быстрее анализировать большие данные и генерировать ценные идеи, что представляется невозможным при традиционном аудите.

Заметим, что наблюдается разрыв между публичными и частными компаниями в сфере управления ИИ. Более высокий уровень внедрения политик управления ИИ зафиксирован у публичных компаний (65 %) по сравнению с частными (55 %) из-за повышенного внимания и более жестких требований регуляторов к публичным компаниям [9].

Нами приведен перечень платформ (табл. 2), которые многие организации выбирают для

Табл. 2. Востребованные платформы для ИИ-аудита с расширенными возможностями

Tab. 2. In-demand AI audit platforms with advanced capabilities

Платформа	Возможности
MindBridge Ai Auditor	Анализ транзакций для выявления ошибок и мошенничества, обеспечивающий полный охват данных; –    интеграция с ERP-системами и бухгалтерским ПО для упрощенного импорта данных и быстрого внедрения; –    точная оценка рисков и обнаружение аномалий благодаря сочетанию правил, статистики и машинного обучения; –    удобный интерфейс, визуализация данных и создание отчетов для анализа
CortexAI (Deloitte)	ИИ-поддержка для руководителей (киберразведка, прогнозирование рисков в здравоохранении); – этика и ИИ-аудит на основе этической структуры и опыта в рисках; – предварительно настроенные ИИ-инструменты (NLP, обучение, микросервисы) для пользова-телей любого уровня подготовки; – масштабируемая, безопасная среда для развертывания, мониторинга и защиты ИИ-решений с соблюдением нормативных требований
EY Helix	Агрегация данных из разных источников (главная книга, кредиторская задолженность, отчет о запасах и др.); – поиск отклонений и несоответствий в источниках данных; – помощь аудиторским группам в представлении и организации финансовых данных для формирования стратегии объема работ по аудиту; – оценка риск-профиля ипотечного портфеля клиента, назначение пороговых значений и веса факторам риска
KPMG Clara	Обработка финансовых и операционных данных для выявления потенциальных рисков и анома-лий; –    единая точка доступа для мониторинга аудита, обмена информацией, связи с командой; –    инструменты анализа данных и автоматизации с машинным обучением

Источник: составлено авторами по материалам [12; 16].

Source: made by the authors based on information provided by [12; 16].

Табл. 3. Главные преимущества и препятствия внедрения ИИ в процесс аудита, по мнению руководителей Tab. 3. Key benefits and barriers to implementing AI in the audit process, according to executives

Преимущество	Доля, %	Препятствие	Доля, %
Возможность оперативно спрогнозировать тенденции и последствия	65	Нехватка финансирования, инвестиций	49
Способность выявлять риски в оперативном режиме	60	Неопределенность срока окупаемости проекта по внедрению ИИ	45
Более точные расчеты	57	Выражение опасений работниками по поводу увольнений	42
Более качественный анализ и высокая точность данных		Проблемы регуляторного и этического характера
–	–	Риски автономного функционирования алгоритмов без вмешательства человека	40

Источник: составлено авторами по материалам [9; 10].

Source: made by the authors based on information provided by [9; 10].

ИИ-аудита благодаря их широким возможностям.

Следует выделить самую перспективную и масштабную платформу – KPMG Clara. Она легко интегрируется в деятельность компании благодаря корпоративному мессенджеру, позволяющему аудиторам безопасно работать в команде, делиться ключевой информацией, документами и поддерживать связь как между собой, так и с клиентом. Современные облачные технологии гарантируют защиту данных и соответствие нормативным требованиям, обеспечивая конфиденциальность информации аудируемого лица. Также клиент получает возможность отслеживать процесс аудита в любое время.

Однако существуют барьеры, связанные с внедрением ИИ. В табл. 3 представлены преимущества и препятствия, которые отмечают руководители крупных аудиторских компаний в процессе внедрения ИИ в их деятельность.

Видно, что самое серьезное препятствие – сложность привлечения инвесторов и нехватка денежных средств на финансирование проекта. Действительно, сегодня проекты ИИ среднего размера (прогнозная аналитика, NLP-приложения и др.) оцениваются от 820 тыс. до 4 млн руб. в зависимости от сложности программного обеспечения, хостинга в облаке и требований к интеграции. Крупные ИИ-проекты, на уровне предприятия, в которые входит глубокое обучение, автономные системы, стоят от 8 до 41 млн руб. [13] за счет обширных исследований, разработок, мер по обеспечению соответствия законодательству, а также постоянного обслуживания.

Если предприятие не располагает достаточным капиталом для разработки собственного ИИ-проекта, то существуют уже готовые платформы. Цена такой платформы коррелирует с количеством пользователей и требованиями предприятия.

Для преодоления препятствий, о которых говорилось выше, предлагаются следующие меры:

• 1)    выделение средств на постепенное внедрение ИИ в процессы предприятия и проведение тренингов, курсов, семинаров по нейросетям для специалистов. В скором времени знаний по статистике, бухгалтерии и аудиту будет недостаточно, так как настоящему профессионалу предстоит работать с ИИ-инструментами и кибербезопасностью;

• 2)    поиск и заключение договора с поставщиком ИИ-решений, который предлагает индивидуальные решения, не противоречащие законодательству. Для минимизации рисков, возникающих при внедрении ИИ, рекомендуется поэтапный подход, ориентированный на выбор ИИ-решений, совместимых с существующими системами управления данными. Сотрудничество с технологическими компаниями, имеющими опыт внедрения ИИ-решений, позволяет постепенно вводить инновации и снижать вероятность сбоев в бизнес-процессах;

• 3)    разъяснение специалистам преимуществ ИИ. Важно объяснить сотрудникам, что ИИ

Табл. 4. Причины проведения аудита ИИ-систем

Tab. 4. Reasons for auditing AI systems

Причина	Описание
Этичность	Алгоритмическая предвзятость к конкретным группам людей, возникающая по причине неправильного обучения алгоритмам. Предварительное тестирование и валидация ИИ-систем необходима для устранения потенциальных источников предвзятости до их внедрения и нанесения ущерба
Прозрачность, доступность для понимания	Прозрачность и верифицируемость алгоритмов ИИ критически важны для повышения осведомленности пользователей об их возможностях и ограничениях, что снижает риск принятия ошибочных решений
Законность	В условиях развития нормативно-правовой базы регулирования ИИ в России критически важно соблюдать существующее законодательство, включая требования к обработке персональных данных, защите конфиденциальной информации и прав интеллектуальной собственности [8]
Юридическая защита	Комплексный и надлежащим образом задокументированный аудит позволяет свести к минимуму риски нарушений законодательства и прав граждан, обеспечивает защиту от потенциальных штрафов, материальных убытков, судебных исков
Доверие клиентов, партнеров	Демонстрация компанией ответственного и безопасного применения технологий ИИ укрепит доверие сотрудников, партнеров и клиентов. У компании появляется конкурентное преимущество, которое делает ее более надежным участником рынка

Источник: составлено авторами по материалам [12; 16].

Source: made by the authors based on information provided by [12; 16].

усиливает их роль, облегчая выполнение рутинных задач. Необходимо подчеркнуть, что профессиональное суждение, основанное на опыте и знаниях, остается критически важным элементом качественного аудита и не может быть полностью заменено ИИ [14];

• 4)    обеспечение защиты персональных данных и предотвращение утечек информации. Необходимо соблюдать законодательство РФ, требования, стандарты, корпоративные политики. Рекомендуется создание закрытого сервера для работы с ИИ, что позволит контролировать конфиденциальность клиентских данных. Важно совершенствовать политику управления данными, проводить аудит используемых ИИ-систем для обеспечения этичности, прозрачности, безопасности и законности их работы (табл. 4) [15].

Прежде чем компания предпримет меры по реализации данных стратегий, руководству следует обсудить следующий круг вопросов. Постановка цели: важен ли ИИ для нашего бизнеса и как его внедрение может повлиять на деятельность компании? Оценка уровня ИИ-зрелости: каких успехов достигнет компания при использовании ИИ для подготовки финансовой отчетности? Какие пробные мероприятия были проведены? Согласование цели, уровня ИИ-зрелости, стратегии: в достаточ-ной ли степени планируется финансирование внедрения ИИ? Есть или возможно создание систем управления и структуры для ИИ? Способно ли предприятие решать проблемы, связанные с ИИ и подготовкой с помощью него финансовой отчетности? Поиск поддержки: изучен ли опыт лидеров внедрения ИИ в данном секторе? Какую платформу из существующих следует использовать в деятельности предприятия? Все эти вопросы помогут компании более тщательно отнестись к внедрению ИИ и поиску платформы для работы.

С внедрением ИИ произошло кардинальное изменение бизнес-процессов в компаниях. В то же время полная автоматизация процесса аудита с помощью ИИ пока невозможна, но сегодня происходит его интеграция в работу в качестве помощника или коллеги-аудитора [17]. В роли помощника ИИ способен анализировать простые показатели (с неизменным способом расчета), давать советы и делать выводы. ИИ-коллега выполняет расчет более сложных показателей, анализ законодательства, выявление недобросовестных действий аудируемого лица и оценку влияния внутренних и внешних факторов на деятельность компании. Аудитор в данном случае выполняет контролирующую функцию и следит за качеством вводимых данных [1; 18; 19].

Заключение

Активность бизнеса вокруг ИИ и подготовки бухгалтерской (финансовой) отчетности постепенно набирает обороты. Инструменты ИИ в аудите уже существуют и активно развиваются. В то же время важно предотвратить риски при внедрении ИИ в бизнес-процессы предприятия, связанные с персоналом, законодательством и неточностью. Опыт и дополнительные знания специалистов в области технологий машинного обучения, киберрисков, обработки и анализа данных оказывают существенную помощь аудиторской компании. Для успешного функционирования важен индивидуальных подход к интеграции ИИ и сохранение важности аудиторского мнения.