Интеграция искусственного интеллекта в практику внутреннего аудита: современный опыт компаний и направления развития

Введение.

В контексте динамичного развития цифровой экономики, интеграция передовых информационно-аналитических инструментов приобретает решающее значение для достижения успеха и повышения конкурентоспособности предприятий на национальном уровне. Применение технологий ИИ в сфере внутреннего аудита представляет собой одно из наиболее перспективных направлений в данной области. Интеллектуальные технологии, внедренные в производственный цикл, значительно повышают точность аналитики и скорость обработки данных, выявляют скрытые тренды и риски, сокращают издержки и упрощают операции.

Отечественный опыт показывает: интеграция искусственного интеллекта в процедуры внутреннего аудита дает компании заметное конку-

рентное преимущество. Однако этому мешают барьеры, обусловленные спецификой российского рынка и архитектурой корпоративного управления.

В эпоху цифровой трансформации использование ИИ во внутреннем аудите и его вклад в долгосрочные стратегии все чаще привлекают внимание исследователей и профессиональных аудиторов.

Обсуждение. Результаты.

Современная функция внутреннего аудита включает не только анализ текущих процессов, но и разработку рекомендаций по улучшению работы компании. Он охватывает вопросы достоверности отчётности, корпоративной этики и управления рисками. В отличие от ежегодной внешней проверки, внутренний аудит действует постоянно: оценивает надежность учета и системы внутреннего контроля, оперативно исследует процессы, анализирует финансовые и нефинансовые показатели и выявляет признаки мошенничества [1].

Сегодня цифровизация бизнес-процессов радикально меняет ситуацию: данные организуются оптимально, информация доступна в реальном времени, операции стандартизируются. Внедрение передовых технологий в аудит улучшает качество заключений, уточняет оценку рисков и усиливает взаимодействие между службой внутреннего аудита (СВА) и проверяемыми подразделениями. Это сокращает сроки процедур, а информация о несоответствиях быстро поступает ответственным сотрудникам.

Ассоциация «Институт внутренних аудиторов» и компания «Технологии доверия» провели исследование о текущем состоянии и перспективах внутреннего аудита в российских нефинансовых организациях в 2023 году [2]. В опросе участвовали 65 руководителей аудиторских служб из различных отраслей. Данные сравнили с результатами опроса 2021 года, уделяя особое внимание внедрению инновационных технологий.

Среди ключевых компетенций 12 % респондентов отметили ИТ-грамотность. Однако 58 % считают, что их коллеги недостаточно разбираются в информационных технологиях, а 46 % указали на нехватку навыков сбора и анализа цифровых данных.

Кадровое обеспечение ИТ-аудита также показательно: более половины (55 %) сообщили, что в их СВА нет ИТ-аудиторов; в 22 % – один специалист; лишь в 12 % компаний в службе более пяти ИТ-экспертов (независимо от общей численности СВА и профиля бизнеса) (рис. 1).

■ Отсутствуют

Рисунок 1 – Численность ИТ-аудиторов в СВА коммерческих организаций

Таким образом, цифровая трансформация внутреннего аудита развивается достаточно быстро, расширяя возможности для повышения точности и эффективности контрольных процедур. Однако, несмотря на успехи, остаются и отдельные трудности: обработка больших объемов информации и анализ сложных бизнес-процессов. В этих условиях технологии ИИ как раз и становятся особенно актуальными, кардинально меняя подход к аудиту. Рассмотрим ниже, как передовые решения влияют на практику специалистов по внутреннему контролю и какие выгоды они приносят.

Так, Я.Э. Кондратьева отмечает, что ИИ-технологии, адаптированные для аудита, вызывают особый интерес. Это системы, способные мгновенно анализировать данные, вести диалог на естественном языке и эффективно автоматизировать поисковые операции [3].

Сегодня ИИ уже становится ключевым ресурсом в бизнесе: его интеграция позволяет автоматизировать рутинные и сложные операции, повышая их точность и производительность. Следует отметить, что технологии искусственного интеллекта все активнее применяются во внутренних проверках, делая их более точными и быстрыми. Алгоритмы могут прогнозировать финансовые показатели, контролировать соответствие законам, выявлять мошеннические схемы, обрабатывать большие объемы данных, анализировать деловую репутацию компаний, разворачивать виртуальных помощников и создавать интерактивные отчеты и панели мониторинга.

Внедрение ИИ в аудиторскую практику сокращает численность персонала, снижает затраты на оплату труда, повышает качество проверок, уменьшает временные затраты и увеличивает количество объектов контроля.

Следует также обратить внимание на результаты исследования компании PwC’s (2022 г.) AI Business Survey (U.S.) относительно использования компаниями ИИ в своей текущей деятельности: процесс принятия решений с помощью ИИ используют 74 % респондентов, опрошенных в ходе опроса технологических лидеров, 62% руководителей по эксплуатации и техническому обслуживанию, 61 % руководителей по работе с клиентами и 60 % руководителей по стратегии [4].

Сегодня существуют разные точки зрения на то, как группировать различные формы ИИ. С точки зрения функциональности, например, компания IBM разделяет ИИ на четыре типа [5].

• 1.    Реактивный машинный ИИ (тип ИИ без памяти, который предназначен для выполнения задач, основанных исключительно на человеческом участии или обучении).

• 2.    Разумный ИИ (текущие исследования направлены на разработку систем ИИ, которые понимают такие нюансы, как эмоции и мотивация и взаимодействуют с ними по-человечески).

• 3.    Самосознающий ИИ (эта гипотетическая версия ИИ будет обладать уникальным самосознанием, которое многие представляют, как богатое внутреннее сознание, соответствующее или превосходящее то, на что способны люди).

• 4.    ИИ с ограниченной памятью (ИИ с ограниченной памятью в меньшей степени зависит от взаимодействия с человеком для получения результатов, что дает ему возможность учиться и совершенствоваться на основе больших наборов данных. В то время как реактивный машинный ИИ может использовать только имеющиеся данные прошлого, ИИ с ограниченной памятью для повышения своей производительности может использовать как данные прошлого, так и данные, получаемые в настоящее время).

Генеративный ИИ (GenAI) тоже относится к категории ИИ с ограниченной памятью и может быть использован для создания нового контента.

Отметим, что в последние годы на рынке стремительно растет интерес к решениям на базе именно генеративного искусственного интеллекта. По данным Dimension Market Research, к концу 2024 года объём мирового рынка решений на базе генеративного ИИ для внутреннего аудита составил $111,7 млн, с прогнозируемым ростом до $2,7 млрд к 2033 году. Среднегодовой темп прироста оценивается в 42,5 %. Эта технология меняет саму суть внутреннего аудита: от ретроспективной проверки – к проактивному участию в

управлении рисками и стратегическом развитии компании [6].

Также согласно исследованию EY’s 2023 Global CEO Outlook Pulse Survey – 99 % опрошенных руководителей компаний вкладывают или планируют значительные инвестиции в генеративный ИИ [7]. Следует обратить внимание и на исследование, проведенное компанией McKinsey’s 2023 State of AI – 79 % всех респондентов по всему миру сообщили о некотором знакомстве с генеративным ИИ, а 22% заявили, что регулярно им пользуются [8].

Традиционно аудиты строились вокруг фактов прошлого: соблюдение регламентов, проверка операций, формальный контроль. Однако современные реалии требуют от функции аудита гибкости, цифровой грамотности и готовности участвовать в изменениях. В этом уже помогает генеративный ИИ. Он может применяться в следующих направлениях:

– анализ данных: быстрая проверка выборок, выявление аномалий и закономерностей;

– подготовка документации: автоматизированная генерация черновиков отчетов, программ и чек-листов;

– оценка рисков: построение прогнозных моделей и сценариев;

– обучение персонала: ИИ-ассистенты для адаптации новых сотрудников на основе корпоративных стандартов.

По данным зарубежной аудиторской компании Deloitte, американская корпорация WestRock после внедрения GenAI увеличила производительность на 30 % и сократила затраты на подготовку первых версий отчетов вдвое [9].

Применение ИИ, интегрированного в процедуры внутреннего аудита, становится ключевым фактором повышения эффективности: он помогает своевременно выявлять и оценивать потенциальные риски. Способность алгоритмов обрабатывать большие объемы данных и находить неочевидные корреляции обеспечивает быструю адаптацию к изменениям, снижает вероятность неожиданных инцидентов и повышает устойчивость бизнеса к внешним вызовам.

Что касается проблемы сдерживания угроз при использовании GenAI, то следует отметить, что, несмотря на значительный потенциал генеративного ИИ, его внедрение во внутренний контроль связано с серьезными инженерными, правовыми и этическими рисками. Эти уязвимости вызывают обеспокоенность как у зарубежных, так и у отечественных компаний.

Главной проблемой остается достоверность: алгоритмы могут создавать убедительные тексты, даже если они основаны на ошибочных данных. Без обязательной проверки это может привести к искаженным аналитическим выводам.

В российской практике особенно актуальна проблема защиты данных. Исследование Ассоциации «Институт внутренних аудиторов» за 2025 г. показывает, что 73 % российских аудиторов считают утечку конфиденциальной информации главной угрозой при работе с публичными ИИ-сервисами. Более 70 % обеспокоены появлением ложных заключений, а 40 % опасаются нарушения закона, включая нормы, защищающие коммерческую тайну.

Также стоит отметить и ответы респондентов относительно того, насколько достаточными являются меры по управлению рисками, связанными с использованием ИИ в рабочих целях: меры достаточны, регулярно используются все основные лучшие практики – 9 %, в целом достаточно, но требуется доработка – 22 %, уделяется этим рискам минимальное достаточное внимание – 18 %, недостаточны, нет управления данными рисками в качестве регулярного осознанного процесса – 33 %.

На наш взгляд, решение данной проблемы заключается в разработке корпоративной политики, охватывающей три блока:

– инженерные меры: ограничение доступа к публичным моделям, создание локальных экосистем;

– процедурные фильтры: обязательная перекрестная проверка результатов, двойное рецензирование, четкое распределение ролей;

– повышение квалификации сотрудников: тренинги по критической оценке ИИ-результатов и понимание, где технология может давать сбои.

Таким образом, использование генеративного ИИ возможно только системно: одновременно развивая технологию, методику и интегрируя её в единую систему риск-менеджмента и внутреннего контроля.

В современном деловом климате компании постоянно пересматривают методы управления рисками. Перспективные технологии, особенно искусственный интеллект, становятся важными помощниками в своевременном выявлении и снижении потенциальных угроз.

Многоуровневая система управления рисками с интеграцией ИИ превращается в универсальный механизм: она автоматически отслеживает показатели, обрабатывает большие объемы данных и подает сигналы задолго до ухудшения ситуации.

Приведем ниже пример модели управления рисками ИИ, которая, по нашему мнению, также может быть использована для целей внутреннего аудита (рис. 2) [11].

фундаментальные факторы беспокойства внешней среды:люди и планета

функции организации по управлению рисками ИИ

Рисунок 2 – Модель функций организации по управлению рисками ИИ

Модель основана на четырех взаимодополняющих функциях, каждая из которых отвечает за определенный сегмент ИИ-рисков. Вместо простого перечисления ролей, описано, какую проблему решает функция и какой эффект она должна принести: сначала указано ее высшее предназначение, затем раскрываются основные направления действий и границы ответственности, а в конце перечислены узкие, но важные практики, отличающие эту функцию в системе управления ИИ-рисками.

Ожидается, что внутренний аудитор, ознакомившись с описанием, получит полное пред- ставление о контроле ИИ-рисков и сможет конструктивно взаимодействовать как с коллегами по контрольным и ИТ-функциям, так и с владельцами бизнес-процессов, где уже применяются ИИ-решения.

Заключение.

Учитывая вышеизложенные примеры, можно сделать вывод о том, как ИИ может трансформировать внутренний аудит, сделав его более эффективным, точным и результативным.

Конкурентоспособность компаний в будущем будет определяться тем, насколько глубоко они интегрируют ИИ во внутренний аудит. Несмотря на высокие затраты и строгие требования к качеству данных, эти вложения окупаются уже на первых этапах: алгоритмы беспрерывно анализируют данные, быстро выявляют отклонения и прогнозируют риски на кварталы вперед.

Освобожденные от рутины аудиторы получают время для помощи в реализации стратегических целей: анализируют причины негативных явлений, разрабатывают превентивные меры и консультируют бизнес по устойчивому росту.

Таким образом, искусственный интеллект превращает аудит из ретроспективного анализа в инструмент предиктивного управления, повышая точность и скорость реакции на изменения рынка.