Machine Translated by Google

Asociația pentru Sisteme Informaționale

Biblioteca electronică AIS (AISeL)

Proceduri AMCIS 2020 Sisteme informatice contabile (SIGASYS)

10 august, ora 12:00

Impactul inteligenței artificiale asupra auditului - Un studiu explorator

Ravi Chandra Seethamraju ,

Facultatea de Sydney Ravi.Seethamraju@sydney.edu.au

Angela Hecimovic ,
Facultatea de Sydneyangela.hecimovic@sydney.edu.au

Urmărește aceasta și lucrări suplimentare la: https://aisel.aisnet.org/amcis2020

Citare recomandată
Seethamraju, Ravi Chandra și Hecimovic, Angela, „Impact of Artificial Intelligence on Auditing - An Exploratory
Study” (2020). https:// AMCIS 2020 Proceduri . 8.
aisel.aisnet.org/amcis2020/accounting_info_systems/accounting_info_systems/8

Acest material vă este adus de Conferința Americilor privind Sistemele Informaționale (AMCIS) la AIS Electronic Library
(AISeL). Acesta a fost acceptat pentru includerea în AMCIS 2020 Proceedings de către un administrator autorizat al AIS
Electronic Library (AISeL). Pentru mai multe informații, vă rugăm să contactați elibrary@aisnet.org.
Machine Translated by Google

Impactul inteligenței artificiale asupra auditului

Impactul inteligenței artificiale asupra auditului –

Un studiu explorator
Cercetare finalizată

Ravi Seethamraju Angela Hecimovic

University of Sydney Business School University of Sydney Business School
Ravi.seethamraju@sydney.edu.au angela.hecimovic@sydney.edu.au

Abstract
Inteligența artificială (AI) asistată de puterea masivă de procesare și de date mari, deși este gata să influențeze profesia de
audit, dovezile empirice sunt incomplete. Acest studiu de teren calitativ transversal explorator, folosind cadrul Tehnologie-
Organizație-Mediul (TOE) ca lentilă teoretică largă și interviurile semi-structurate ca strategie de colectare a datelor,
investighează adoptarea Inteligenței Artificiale (AI) în audit și identifică factorii care influen ează adop ia. Adoptarea IA de
către firmele de audit, a constatat studiul nostru, nu numai că ar avea ca rezultat îmbunătățirea calității auditului și luarea
deciziilor, dar le va ajuta și să își dezvolte capabilități de a furniza servicii de consultanță AI cu valoare adăugată, care sunt
mai profitabile decât auditul tradițional. Pe lângă îmbunătățirea calității auditului, provocările cu care se confruntă firmele
de audit includ abordarea conservatoare a organismelor de reglementare externe, incapacitatea de a documenta utilizarea
tehnologiei pentru verificarea de către autoritățile de reglementare și riscul perceput legal și reputațional al activității de
audit financiar care limitează utilizarea potențială a IA.

Cuvinte cheie

Audit, Inteligență artificială (AI), cadru TOE

Introducere

Progresele în tehnologiile emergente, cum ar fi analiza datelor, blockchain și inteligența artificială (AI) sunt de așteptat să
influențeze contabilitatea și auditul. Deși implementarea AI în audit nu este nouă, impactul ei este de așteptat să fie mai
substanțial acum, datorită disponibilității unei puteri de procesare masive și a datelor mari (Kokina și Davenport 2017). Lipsa
îmbunătățirii productivității în ultimul deceniu și sofisticarea tot mai mare a software-ului și hardware-ului care pot îndeplini
diferite tipuri de sarcini cognitive, accelerează utilizarea acestuia. Pentru firmele de contabilitate, natura intensivă a forței de
muncă a procesului tradițional de audit și cerințele tot mai mari de conformitate cu legile, reglementările și politicile au făcut
să fie imperativă utilizarea unor astfel de tehnologii emergente pentru îmbunătățirea productivității (KPMG 2018).

Mai multe inițiative sunt testate în întreaga lume, iar cele patru mari firme de contabilitate EY, Deloitte, KPMG și PwC
investesc milioane de dolari în AI cu scopul de a construi capabilități pentru a oferi clienților audituri mai eficiente din punct
de vedere al costurilor și de înaltă calitate. De exemplu, KPMG a început să folosească sistemele de învățare profundă ale
IBM Watson pentru a analiza fișierele de credit ale băncilor pentru portofoliile de credite ipotecare comerciale, în timp ce
Deloitte, în colaborare cu Kiva systems, folosește AI pentru a revizui contractele, contractele de închiriere și facturile (Sun și
Vasarhelyi 2017). În mod similar, PWC folosește Halo, un instrument de învățare automată pentru a analiza intrările din
jurnal și pentru a identifica zonele cu probleme (Dickey et al. 2019). Cu o predicție că 30% din auditurile corporative vor fi
efectuate folosind AI până în 2025 (Forumul Economic Mondial 2015), domeniul auditului se află în fața unei schimbări semnificative (Agnew 201
Se pare că organizațiile de afaceri australiene întârzie să adopte tehnologii, iar AI nu face excepție.
Potrivit unui raport publicat de Accenture Australia (2019), companiile australiene sunt cu mult în urmă

Conferința Americii privind Sistemele Informaționale 1

Machine Translated by Google

Impactul inteligenței artificiale asupra auditului

Omologuri din SUA și Europa în adoptarea IA de ultimă generație, iar creșterea productivității este, de asemenea, în urmă
din SUA și Europa (AFR 2019).

Cercetările de până în prezent privind adoptarea IA în domeniul auditului sunt limitate și majoritatea publicațiilor au fost
de natură descriptivă, evidențiind „potențialul” AI. În timp ce se preconizează că progresele în inteligența artificială (AI) vor
schimba în mod fundamental domeniul auditului, sunt disponibile foarte puține dovezi empirice despre factorii ei
antecedenti și provocările de adoptare. În afară de o discuție despre tehnologiile emergente, beneficiile și provocările
potențiale și agenda de cercetare, cercetarea empirică este limitată. De exemplu, Sutton et al (2016) și Issa et al (2017)
privind aplicațiile AI și potențialele sale efecte dăunătoare și dominația tehnologică, Kokina și Davenport (2017) privind rolul
transparenței și părtinirii în luarea deciziilor bazate pe AI în audit și Duan et al (2019) despre interacțiunea tehnologie AI-
uman și implementarea AI.

Studiul nostru își propune să umple această lacună și să furnizeze dovezi empirice cu privire la factorii care influențează
adoptarea IA în audit. Bazat pe interviuri semi-structurate cu auditori seniori, autorități de reglementare și experți în
inteligență artificială care se află în mijlocul observării, modelării și influențării utilizării tehnologiei AI în practica de audit
din Australia, studiul nostru își propune să investigheze impactul acesteia asupra procesului de audit și să identifice factorii
care influențează adoptarea. Prin analizarea utilizării potențiale și reale a tehnologiilor IA emergente în cadrul auditului și
în diferitele etape ale procesului de audit, acest studiu își propune să descopere și să abordeze problemele pertinente în
încorporarea AI în audituri. Prin adoptarea cadrului Tehnologie-Organizație-Mediu (TOE) ca o lentilă teoretică largă, acest
studiu își propune să identifice antecedentele și provocările în adoptarea și utilizarea IA în procesul de audit. Concluziile
studiului propus ar fi relevante pentru autoritățile de reglementare și pentru stabilitorii de standarde și ar facilita crearea
de principii directoare și cadre pentru adoptarea și utilizarea IA în auditurile financiare. Deși anecdotic, studiul nostru a
constatat o utilizare tot mai mare a inteligenței artificiale în audit în Australia.

Această lucrare este organizată după cum urmează. Mai întâi va revizui literatura despre IA în audit și va evidenția beneficiile
și provocările potențiale raportate în literatură. Apoi, va explica pe scurt cadrul Organizației Tehnologice-Mediu (TOE), o
ancoră teoretică utilizată și metodologia studiului de teren transversal utilizată în colectarea și analiza datelor în acest
studiu. Secțiunile următoare prezintă constatări, discuții și concluzii.

Revizuire de literatura
În sens larg, AI este o tehnologie de calcul care prezintă o anumită formă de inteligență umană și acoperă mai multe
tehnologii interconectate, inclusiv extragerea datelor, învățarea automată, procesarea limbajului natural, recunoașterea
vorbirii, recunoașterea imaginilor și analiza sentimentelor (EY 2018). Puterea potențială a AI constă în capacitatea sa de a
recunoaște tipare și de a face predicții care facilitează luarea deciziilor (Goh et al. 2019).
Auditul este un proces care nu s-a schimbat prea mult de ani de zile (AICPA 2012). AI a arătat capacitatea de a perturba
industriile care constau de obicei în sarcini repetitive și previzibile (Chui et al., 2016). Întrucât procesul de audit implică de
obicei tranzacții recurente, anticipate cu volum mare, AI are potențialul de a avea un impact asupra procesului de audit
(Baldwin et al. 2006). Cu capabilități de a analiza eficient cantități mari de date, AI nu numai că ar permite auditarea a 100%
din datele din situațiile financiare, dar poate accelera activitatea auditorilor (Issa et al. 2016; Bizarro și Dorian 2017).
Adoptarea IA, se argumentează, ar putea îmbunătăți raționamentul asupra auditurilor și luarea deciziilor de către auditor
(Sun și Vasarhelyi 2017). De fapt, se argumentează, astfel de judecăți bazate pe AI sunt mai eficiente decât oamenii (Wu, et
al. 2015). Procedurile tradiționale de audit manual sunt ineficiente, deoarece oamenii sunt considerați mai puțin competenți
în sarcini care necesită colectarea și analizarea unui volum mare de date tranzacționale (Dai și Vasarhelyi 2016; Issa et al.
2016). Prin urmare, se argumentează că ar putea fi util în procedurile de audit, cum ar fi evaluarea semnificației și a
riscurilor, evaluarea controlului, planificarea auditului, selecția opiniei și raportarea (Vasarhelyi și Kogan 2017; Bierstaker și
colab. 2014). Alte beneficii prezentate în literatură includ reducerea erorilor umane (Murphy 2017), facilitarea auditului
continuu (Brennan et al. 2017) și capacitatea de a audita toate tranzacțiile și reducerea costurilor și a timpului de audit (Issa
et al. 2016; Westhausen 2016) .

Adoptarea tehnologiilor în audit nu este nouă. Auditul a adoptat cu succes diverse instrumente tehnologice ale informației
și comunicațiilor, cum ar fi trusele de instrumente de audit, modelele logit și șabloanele de control în operațiunile lor,
pentru a atinge niveluri mai mari de eficacitate (Manson et al. 2001). Dowling și Leech (2014) au observat utilizarea
instrumentelor și tehnicilor de audit asistate de computer (CAAT) care includ ajutoare de decizie inteligente, sisteme experte
și sisteme de suport pentru audit. Utilizările CAAT-urilor pentru testarea datelor, instalația de testare integrată, simularea
paralelă, modulul de audit încorporat și software-ul de audit generalizat sunt bine documentate în literatură (Bierstaker et
al. 2014).

Conferința Americii privind Sistemele Informaționale 2

Machine Translated by Google

Impactul inteligenței artificiale asupra auditului

Firmele de audit din SUA și Europa au început să implementeze diferite strategii pentru construirea de capabilități AI
pentru a le ajuta să dezvolte specializarea de nișă și să obțină un avantaj competitiv, așa cum se precizează pe site-urile lor
web (Omoteso 2012; KPMG 2018; Ting și Vasarhelyi 2018). De exemplu, KPMG lucra cu IBM Watson pentru a dezvolta
„Învățare supravegheată”, un sistem în care auditorii își asumă rolul de a preda procedurile AI în executarea gândirii logice
și raționale, alături de utilizarea raționamentului profesional și a scepticismului, în care AI învață și se dezvoltă singur
pentru a gestiona sarcini. KPMG testează, de asemenea, o soluție AI care ajută la identificarea datelor din fișierele de
credit, la extragerea datelor utilizabile și la recunoașterea tendințelor și modelelor (KPMG 2018). PricewaterhouseCoopers
(PwC) dezvoltă un instrument de inteligență artificială „GL.AI” care identifică anomalii în registrele generale ale clienților
prin examinarea datelor din peste un miliard de reviste din peste 4 țări și este de așteptat să analizeze miliarde de valori în
câteva secunde pentru a identifica tranzacțiile anormale (PwC). 2020).

Deloitte folosește o tehnologie de procesare a limbajului natural care preia informații și date de la populații sau eșantioane
și apoi le transferă pe o platformă pentru automatizarea procesului de revizuire a informațiilor contractuale, reducând
astfel timpul petrecut cu revizuirea documentelor la jumătate (Deloitte 2019).
În mod similar, o altă firmă, EY, utilizează învățarea automată pentru a revizui și examina contractele de închiriere cu un
nivel de acuratețe de 97% și utilizează automatizarea proceselor robotizate în confirmări, permițând auditorilor să-și
folosească raționamentul profesional și scepticismul pentru a determina validitatea confirmării (EY 2018). EY Australia a
susținut că jumătate din confirmările de audit pe care le-au solicitat au fost finalizate folosind această IA și are planuri
viitoare de a implementa drone pentru a monitoriza inventarul clienților în timpul auditului (EY 2018).

Toate exemplele de adoptare discutate mai sus sunt de către patru mari firme de contabilitate și pe bază de probă. Unii
dintre factorii care limitează adoptarea includ costurile inițiale și de întreținere ridicate ale sistemelor AI, cunoștințele
limitate despre auditul bazat pe tehnologie în rândul auditorilor absolvenți, aspectele legale ale dependenței de sistemele
bazate pe AI în audit (Issa et al. 2016). În plus, clienții pot prefera interacțiunea cu auditorii mai degrabă decât cu mașinile,
ceea ce evidențiază importanța continuă a conversațiilor și a construirii relațiilor (Chan et al.
2012). Inexactitățile în datele de intrare, potențialele părtiniri umane și datele incomplete în soluțiile AI (Brynjolfsson și
Mcafee 2017; McCollum 2017) pot conduce la opinia că AI este încă o „cutie neagră” care este dificil de înțeles pentru
oameni, chiar și experți ( McCollum 2017). Chiar și cu afluxul de Big Data, calitatea datelor poate fi o mare problemă care
duce la un scenariu „gunoi în gunoi afară” în care datele de proastă calitate duc la rezultate ale analizei care sunt
inutilizabile (PwC 2020). Deși Anderson și colab. (2003) au găsit unele dovezi anecdotice care indică faptul că auditorii au
preferat interacțiunile cu mașinile inteligente decât interacțiunile cu clienții, preocupările cu privire la securitatea datelor,
integritatea AI și lipsa de îndrumare cu privire la standardele relevante de audit sunt considerate constrângeri în adoptarea
acestora (Issa et al. 2016). ).

La nivelul resurselor organizaționale, seturile de abilități necesare pentru a lucra cu aceste tehnologii emergente sunt
diferite. AI a început deja să influențeze practicile de angajare în firmele Big Four, unde preferă persoane cu cunoștințe
fundamentale de contabilitate împreună cu abilități de programare (Cooper et al. 2019), pe lângă abilitățile de gestionare
a datelor (Ovaska-Few 2017). Se susține că adoptarea IA ar putea îmbunătăți abilitățile tehnice ale auditorilor, inclusiv
codarea și vizualizarea, pentru a înțelege și manipula volume masive de date atât din surse interne, cât și din surse externe
(Deloitte 2018; PwC 2020). Utilizarea inteligenței artificiale va ajuta la atingerea acestui obiectiv prin luarea deciziilor bazate
pe date, analiza datelor pentru a obține informații utile și eliberarea contabililor să lucreze la sarcini care adaugă valoare,
mai degrabă decât să fie absorbiți de o muncă obositoare (Goh et al.
2019). Marr (2018) deduce că AI nu este capabilă să imite unele dintre capacitățile unice ale auditorilor, cum ar fi judecata,
inteligența emoțională și scepticismul profesional. Brennan et al (2017) susțin că rolul auditorilor s-ar putea schimba odată
cu adăugarea responsabilității de a interpreta datele produse de AI și de a le transfera clienților pentru a adăuga valoare
afacerilor lor.

Astfel, există mai multe probleme care necesită atenția cercetătorilor pentru ca firmele de contabilitate să exploateze mai
bine tehnologiile AI și să genereze beneficii economice. După cum a subliniat Banham (2018), majoritatea dovezilor
anecdotice ale utilizării AI în practică se află în contextul SUA, iar aplicațiile se limitează în mare parte la automatizarea
unor sarcini de rutină sau soluții de analiză a datelor. Dovezile empirice în contextul australian sunt limitate. Prin urmare,
acest studiu își propune să umple această lacună în cercetare și investighează impactul adoptării AI asupra auditului în
Australia. Secțiunea următoare explică cadrul teoretic.

Cadrul teoretic
Adoptarea tehnologiei deși joacă un rol complementar în generarea unui avantaj competitiv susținut, motivele adoptării și
natura impactului acestora variază de la o organizație la alta și

Conferința Americii privind Sistemele Informaționale 3

Machine Translated by Google

Impactul inteligenței artificiale asupra auditului

profesie altuia. Acest lucru depinde de diferitele contexte în care sunt situate aceste adoptări de tehnologie, inclusiv factori
externi concurențiali, organisme de reglementare și profesionale și factori organizaționali interni, cum ar fi procesele,
suportul de management, nivelul de sofisticare a tehnologiei și tehnologia în sine. Deși există mai multe teorii care se
ocupă de adoptarea tehnologiei, cadrul Organizației Tehnologice-Mediu (TOE) dezvoltat de Tornatzky și Fleischer (1990)
este considerat adecvat pentru a analiza adoptarea AI în audit. Cadrul TOE presupune că factorii tehnologici, organizaționali
și de mediu influențează adoptarea și adaptarea inovațiilor tehnologice de către firme și profesioniști individuali. Acesta
integrează factori tehnologici, organizatorici și de mediu contingenți cu care se confruntă auditorii și firmele de audit cu
evaluarea, implementarea și utilizarea IA în diferite etape ale procesului de audit. Folosind acest cadru, acest studiu își
propune să înțeleagă adoptarea IA în procesul de audit, inclusiv influența factorilor externi, organizaționali și tehnologici.

Metodologia propusă este un studiu de teren calitativ, transversal, în care datele au fost colectate în principal din interviuri
semi-structurate (Lillis și Mundy 2005). Acest tip de cercetare de teren este adecvată, având în vedere că utilizarea
instrumentelor IA contemporane în cadrul profesiei de audit este relativ nouă, iar noile perspective interpretate de noi
(Ahrens și Chapman 2006) pot arunca lumină asupra modului în care auditorii (și alte părți interesate, cum ar fi educatorii,
stabilitorii de standarde) sunt adecvate. adaptarea și modelarea practicii lor la această tehnologie emergentă. Având în
vedere natura exploratorie a cercetării, au fost întreprinse interviuri bazate pe percepțiile și perspectivele individuale ale
indivizilor cheie din firmele de audit. Pentru colectarea datelor, a fost folosit un ghid de interviu slab structurat care permite
flexibilitate pentru a Respondenții au fost întrebați despre percepția generală asupra IA, beneficiile potențiale și provocările
adoptării tehnologiei IA în audit și au fost examinați factorii organizaționali, de mediu și tehnologici care pot influența
adoptarea efectivă a acestora. După obținerea autorizației etice necesare, până în prezent Au fost finalizate 14 interviuri,
compuse din șapte manageri/parteneri de audit (respondenți A1, A2, A3, A4, A5, A6 și A7), doi stabilitori de standarde (A8
și A9), trei experți în IA și software de audit (A10, A11 și A12) și doi experți în audit/asigurare (A13 și A14).

Toți respondenții au o experiență considerabilă în domeniu. Aceste interviuri de cercetare au fost înregistrate cu
permisiunea prealabilă și transcrise pentru analize ulterioare. Anterior, au fost efectuate două interviuri pilot pentru a
testa procesul de chestionare și structură (Yin 2009), iar ghidul de interviu a fost perfecționat. Pentru a îmbunătăți
fiabilitatea au fost utilizate un protocol de interviu semistructurat și înregistrarea mecanică a datelor folosind un
înregistrator digital. Validarea datelor s-a realizat în primul rând prin înregistrarea interviurilor și transcrierea lor textuală,
și prin transmiterea acestora către respondenți individuali pentru validare și corectare, iar în final a fost stabilit un lanț de
dovezi folosind stenogramele textuale și notele observațiilor făcute în timpul interviului. Datele astfel colectate sunt
codificate și analizate cu referire la temele identificate din cadrul teoretic și din literatură.

Analiză și constatări
Analiza începe cu impactul perceput al AI asupra diferitelor etape ale auditului. Se va discuta apoi barierele și provocările
în calea adoptării IA, luând în considerare cadrul TOE ca bază. Perspectivele generate de acest studiu, în ciuda riscului de
generalizare, pot oferi câteva indicii și pot oferi baze pentru cercetări ulterioare.

Impactul asupra etapelor de audit

AI ar putea influența diferitele etape ale auditului. Planificarea auditului, prima fază, este considerată un proces iterativ și
este primul pas esențial pentru a se asigura că auditorii se concentrează pe zonele cu risc mai mare. După cum a menționat
un partener senior de audit, „AI va afecta firmele tradiționale de audit în mod specific în procesul și funcția de audit,
deoarece vor exista o mulțime de funcții mecanice care vor fi îndeplinite mai eficient de AI și tehnicile de învățare
automată” (A3) . Un alt respondent a opinat că etapele auditului nu mai sunt clare. „Trebuie să regândim modul în care
organizăm auditul” (A11). Se susține că „niciuna dintre firme nu folosește încă vreo IA în misiunile lor de audit extern și nu
văd că acest lucru va apărea foarte curând” (A11). În plus, se susține că „firmele și clienții de audit sunt reticente (în a
adopta IA), deoarece accesul la date este o provocare” (A10).

În ciuda acestei reticențe de a schimba și adopta, există unii auditori care ar fi bineveniți ca AI să asiste în etapa de
planificare. Următorul citat clarifică acest lucru: „De parcă avem o mulțime de pași independenți în planificare care ar putea
fi făcute cu ușurință cu AI... cum ar fi revizuirea procesului-verbal de consiliu și spune ce este interesant? Ca să-ți spun ce
par a fi părți riscante ale afacerii. Deci da, în etapa de planificare. Și acolo

Conferința Americii privind Sistemele Informaționale 4

Machine Translated by Google

Impactul inteligenței artificiale asupra auditului

sunt atât de multe lucruri încât ne-ar putea ajuta cu asta. La fel ca în Client X, au aproximativ 300 de entități juridice
individuale și trebuie să ne formăm punctul de vedere al părților afiliate pentru a păstra ca o bază de date a tuturor
entităților pentru care avem un livrabil de asigurare. Deci, ca parte a independenței, trebuie să reconciliăm structura
organizației cu ceea ce avem în baza de date pentru a ne asigura că am inclus fiecare entitate pentru a ne asigura că am
acoperit totul. Deci este ca o cartografiere și durează atât de mult. Și Clientul X ajunge să cumpere și să investească în
fiecare lună, așa că facem această sarcină în fiecare lună și este nevoie de 2 fete să facă asta offshore pe săptămână pentru
a o face corect... AI ar putea ajuta” (A1) .

Aspectul de evaluare a riscurilor în planificare este un domeniu cheie de judecată pe care AI are potențialul de a „extrage
valori aberante, de a spune cum ar trebui noi [auditorii] să tratăm acest lucru și dacă există riscuri” (A4) și de a ajuta la
„emiterea unei judecăți critice asupra riscurilor”. domeniile de operațiuni ale clientului” (A7) și în „rezumarea riscurilor
cheie pe parcursul anului pe care ar trebui să le analizați” (A6). Deși AI ar putea ajuta la identificarea riscurilor, nu poate
analiza implicațiile riscului. Auditorii ar fi în continuare necesari pentru a determina dacă anomaliile scoase sunt riscuri
reale folosind raționamentul profesional, a observat studiul nostru, deoarece AI se constată că durează mult mai mult
pentru a înlocui sarcinile care necesită abilități de judecată (Agrawal et al., 2017).

Literatura anterioară (Goh, 2019; Dai și Vasarhelyi, 2016) a evidențiat rolul jucat de AI prin utilizarea pe scară largă a
algoritmilor și modelelor, pentru a ajuta la colectarea de dovezi pentru a detecta frauda în operațiunile clienților.
Studiul nostru a constatat că AI este utilă în faza de culegere a dovezilor a procesului de audit. După cum a observat un
auditor senior, „AI reduce timpul de testare, testând întreaga populație; cea mai mare problemă în acest moment este
eșantionarea, testarea în teren și confirmările” (A1) și „în special utilizarea la nivel inferior a AI în procesarea și analiza
confirmării” (A6).

Există, de asemenea, potențialul de a afecta etapa de raportare. După cum a subliniat un respondent, AI ar putea identifica
riscul și poate oferi o indicație cu privire la potențialele implicații pentru raport. „Făcurând datele din etapa de colectare a
dovezilor, folosirea cu adevărat a întregii populații și scoaterea valorii aberante și spunând cum ar trebui să tratăm acest
lucru și dacă acest lucru este în pericol sau nu, dându-mi profilul, pentru a arăta ce este mai riscant. Apoi, până la sfârșit,
când vine vorba de raportare, probabil că ar putea să-mi spună care ar fi potențialele implicații pentru raportul de
audit” (A6).

Important, se crede că etapele de audit cunoscute în mod tradițional fie vor dispărea, fie vor fuziona cu altele odată cu
adoptarea IA. După cum a remarcat un auditor, „a gândi la etapele de audit este aproape depășită, acele etape se vor
fuziona, deoarece dacă ne uităm la întreaga populație [cu potențial IA], vom identifica unde sunt zonele de risc [etapa de
planificare], nu-i așa că vă oferă dovezi și așa că cred că testul controalelor și testării de fond [etapa de colectare a
dovezilor], granițele s-ar putea în cele din urmă să fuzioneze, pentru că s-ar putea să facem același lucru, unde procesele,
s-ar putea să avem cele 3 potrivirea modului. Vom avea testarea de fond și testarea controalelor” (A4). Un altul a observat
că „cred că, definiția și ideile principiului cu care trăim în audit, și etapele separate și diferitele tipuri de testare, toate vor
fuziona, deoarece aceste instrumente AI ne-ar permite să facem asta” (A4 ).

În ceea ce privește faza de opinie/raportare, Fisher et al (2016) au susținut că procesarea limbajului natural ar putea fi
utilizată pentru a ajuta la identificarea riscului unei companii prin interpretarea datelor din surse precum rețelele sociale.
Respondentul A4 a fost de acord că „o utilizare mai interesantă a IA este evaluarea riscurilor și interpretarea dovezilor”,
sugerând că AI ar putea crește calitatea și raționamentul auditului prin furnizarea de mai multe dovezi și reducerea
părtinirii în proces. După cum a remarcat un auditor senior, „a face lucruri manuale, cum ar fi colectarea de dovezi, le oferă
auditorilor mai mult timp pentru a avea raționament profesional și (contribuie la) creșterea calității auditului” ( A7) și că
„calitatea auditului s-ar îmbunătăți datorită asigurării mai mari din partea întregului testarea populației” (A6). Un altul a
menționat că „puteți avea această tehnologie în care vă recomandăm să testați 48 de tranzacții pentru acest nivel de
materialitate al acestei tranzacții, care sunt aleatorii pentru a testa riscul acestei populații... astfel încât să obțineți o selecție
cu adevărat independentă și, în teorie, vă oferă un rezultat mai bun” (A9).

Un altul a observat: „... când ai o mașină care de fapt o face rapid și făcând toate lucrurile pe care altfel le-ar căuta o ființă
umană, atunci folosești puterile cognitive ale unei ființe umane pentru a aplica apoi judecata. Ceea ce cred că dacă auditorii
ar începe să auditeze companiile, pe baza factorilor de luare a deciziilor, a ceea ce conduce deciziile, care duce la acest
proces de sortare, sau la acest tip de raționament, cred că ceea ce cred că ar fi următoarea etapă în care AI ar putea face
auditori să devină. Și odată ce ajungi în această etapă, cred că a fi auditor ar deveni mult mai satisfăcător și mai definit (A5).

Industria de audit începe să vadă o întrerupere, deoarece aceste patru mari firme de contabilitate oferă servicii de
consultanță AI și lucrează la dezvoltarea în comun a unor instrumente AI specifice, deoarece aceste servicii ar putea

Conferința Americii privind Sistemele Informaționale 5

Machine Translated by Google

Impactul inteligenței artificiale asupra auditului

fi mai profitabil decât auditul. Un audit la scară largă, cu prețuri ridicate, efectuat de firme de audit tradiționale, ar putea fi
mai puțin atractiv în comparație cu alte firme care furnizează astfel de servicii folosind IA.

Factori legati de tehnologie

După cum s-a discutat în analiza literaturii de specialitate, ideea utilizării unei forme de instrumente de inteligență artificială
în audit nu este nouă, iar în trecut instrumente precum agenți inteligenți, sisteme de suport pentru audit și sisteme expert
au fost folosite pentru sarcini selective. Tehnologia AI are mai multe fațete și are mai multe componente și este percepută
diferit de oameni diferiți. Impactul său asupra auditului depinde, de asemenea, de aceste percepții și variază semnificativ în
funcție de experiența și expertiza fiecărui profesionist. În timp ce unii respondenți l-au numit drept un termen umbrelă
pentru analiza datelor și învățarea automată (A7) și că este abstract (A9), alții credeau că AI poate gândi pentru oameni (A1,
A5) și are capacitatea de a reproduce modul în care oamenii. gândește (A6). Confirmând această ambiguitate, studiul nostru
a găsit diferențe în percepțiile respondenților cu privire la ceea ce cuprinde IA și, prin urmare, impactul său potențial asupra
auditului.

Reflectând o viziune simplistă a AI, unii dintre respondenții studiului nostru au sugerat că AI este ca și cum ar fi folosirea
CAAT-urilor și că AI poate ajuta la dezvoltarea modelelor și judecăților în timp ce examinează volume mari de tranzacții
omogene cu caracteristici similare. AI pur și simplu oferă mai mult suport și informații, iar judecata critică este întotdeauna
umană. Ceea ce pare aparent este că AI este considerată doar un alt instrument și, deși AI este percepută ca fiind utilă în
ceea ce privește furnizarea de eficiență potențială a auditului, există încă dovezi limitate în legătură cu aceasta din practica
de audit. După cum a subliniat unul, „această (decizie AI) nu are sens pe baza acestor date, sau aceste tranzacții sunt
obișnuite... vă va oferi mai mult sprijin și informații, mai degrabă decât mostrele mici” (A4) și că „veți avea nevoie în
continuare auditorilor pentru judecata lor critică”
(A10). Fiind o tehnologie care este încă în evoluție, a avea o viziune diversă pare potrivită. Mai mult, un altul a remarcat că
„AI, în mintea mea, există diferite niveluri, poate exista automatizare sau un model în care poți să construiești și să adaugi
logică și date în care să-l analizezi și să-l faci predictiv sau ca și cum ar putea exista învățarea automată unde ar putea fi
nestructurat sau structurat, unde le puteți spune mașinilor ce să facă sau ele pot afla ce să facă. Dar cred că toate acestea
sunt AI” (A3).

Factori legați de mediu

Entitățile externe, cum ar fi clienții de audit, organismele de stabilire a standardelor de audit, organizațiile profesionale și
organismele de reglementare, au o influență semnificativă asupra adoptării IA. Natura lor conservatoare și lipsa abilităților
și competențelor tehnologice adecvate în cadrul acestor organizații ar putea limita adoptarea și utilizarea tehnologiilor AI, a
constatat studiul nostru. Deși AI are capacități puternice și capacitatea de a explora zonele gri care până acum au fost
rezolvate folosind raționamentul uman, adoptarea sa depinde în mare măsură de organismele externe, cum ar fi institutorii
de standarde și organismele de reglementare, cum ar fi ASIC (Australian Securities and Investment Commission).
Respondenții și-au exprimat îngrijorarea dacă autoritățile de reglementare, stabilitorii de standarde și clienții de audit sunt
pregătiți pentru IA în Australia și că clienții ar putea să nu fie echipați pentru a gestiona excepțiile de la raportare. După cum
a subliniat un respondent, „acceptarea clientului este principala problemă în care instrumentele oferite sunt percepute a fi
imature” (A2). Alți clienți, a menționat respondentul A3, și-au exprimat îngrijorarea cu privire la confidențialitatea și
securitatea informațiilor. Alte provocări sunt documentarea utilizării tehnologiei și a cunoștințelor tehnologice sau a lipsei
acesteia de către organismele de reglementare. După cum a menționat un altul, „cea mai mare problemă nu este utilizarea
tehnologiei, ci cum documentăm utilizarea acestei tehnologii. Cum îl scrieți într-un fișier de audit, cum îl folosim în acesta.
Pentru că atunci când va veni ASIC (Comisia Australiană de Securitate și Investiții), vor fi ca și cum nu înțeleg asta (A1) și...
ASIC nu este tocmai foarte avansat din punct de vedere tehnologic. Și chiar și standardele de audit, cum ar fi ASA 315 sau
520, niciunul dintre ele nu are de fapt înregistrări ale firmelor care folosesc boți sau AI... cum ar fi uitați-vă la cât timp le-a
luat să vină cu standardul, cum ar fi 20 de ani sau ceva de genul... mult timp îi vor face să vină la bord cu acest AI... (A1). Un
reprezentant al standardului australian subliniază provocările din spațiul de reglementare, având în vedere că soluția AI este
o „cutie neagră” pentru mulți.
„Oamenii sunt îngrijorați cu privire la utilizarea AI în acest spațiu de reglementare [cum ar fi ASIC] unde se pare că AI
respectă standardele? (A2).

Organizațiile profesionale sunt o altă entitate externă care trebuie să se concentreze pe îmbunătățirea competențelor
auditorilor prin încorporarea conținutului tehnologic în examenele și certificările lor profesionale. Persoanele intervievate
sunt de acord că conținutul despre tehnologie, cum ar fi analiza datelor și IT, ar trebui adăugat în programă, deoarece „este
evident că gradul actual de contabilitate și audit universitar nu acoperă suficient partea de date și analitică a părții de audit
și computere” (A9).

Conferința Americii privind Sistemele Informaționale 6

Machine Translated by Google

Impactul inteligenței artificiale asupra auditului

Factori organizatorici
Se susține că adoptarea tehnologiei AI poate contribui la potențialul de economisire a costurilor prin reducerea locurilor de
muncă și, în acest proces, poate înlocui oamenii cu competențe valoroase. Evidențiind impactul, un respondent (A10) a subliniat
potențiala pierdere a rolurilor lucrătorilor de cunoștințe în firmele de audit și pierderea ulterioară a cunoștințelor valoroase de
audit și corporative. Spre deosebire de alte tehnologii, AI, dacă este implementată eficient, ar putea îndeplini sarcinile îndeplinite
de obicei de mai mulți auditori în mod eficient și ar putea reduce costurile serviciilor pentru firmele de audit și, prin urmare,
costurile pentru clienți. După cum a menționat un respondent, „AI a depășit punctul în care înlocuiește casierii sau locurile de
muncă care nu necesită o diplomă. Începe să înlocuiască oamenii care au abilități valoroase în ultimul deceniu. Mulți oameni
sunt nemulțumiți de AI, sau speriați, ceea ce înțeleg, dar sunt mulți oameni care sunt entuziasmați, pentru că le poate rezolva
problemele de afaceri (A10).

De asemenea, pare să existe un exercițiu de consolidare a capacităților în firmele profesionale care trebuie să aibă loc pentru a
facilita adoptarea IA. Persoanele intervievate care efectuează în prezent audituri, A1, A2, A3, A5 și A6 au identificat fiecare
abordarea și investițiile firmelor lor în tehnologiile emergente, iar această practică este variată. În timp ce unele firme înființează
laboratoare/unități separate pentru a dezvolta soluții specifice pentru o anumită sarcină/problemă, le testează și le oferă
echipelor de audit, după cum este necesar, alte firme înființează o echipă multidisciplinară care cuprinde experți în IA și analiza
datelor împreună cu auditorii tradiționali. După cum a subliniat un respondent, „acum avem acest lucru numit laborator digital
și este un fel de magazin de aplicații și schimbă modul în care noi [auditorii] gândim de la bază, nu de sus în jos. Și pentru că, așa
cum mulți dintre absolvenții noștri sunt din mediul informatic acum și au atât de multe din propriile lor idei... poți oricând să le
introduci ca cerere la laborator și pot construi o aplicație digitală... ideea este locul în care stai tu într-o echipă de audit și
identifică problemele tehnologice și construiește coduri și chestii pentru a face ceva rapid (A1). Un altul a remarcat că „... în ceea
ce privește inteligența artificială, avem un impuls către roboți și analiza datelor chiar acum, astfel încât să putem reduce o
mulțime de eforturi fizice de la auditori înșiși, pentru a face totul mai eficient și clienții chiar îl cumpără în ceea ce privește această
abordare... este de fapt intrigantă pentru clienții noștri chiar acum... au investit mulți bani și sunt în curs de dezvoltare instrumente
(A3). Astfel, marile 4 firme de contabilitate, așa cum era de așteptat, se uită către brațele lor globale pentru a testa și furniza
acele soluții pentru a le utiliza și a obține îmbunătățiri ale productivității.

Astfel, economiile de costuri și capacitatea de a furniza audituri de calitate cu ajutorul tehnologiei AI sunt factori cheie pentru
firmele de contabilitate.

Deși autoritățile de reglementare și stabilitorii de standarde sunt adesea învinuiți pentru că nu articulează în mod clar elementele
AI în standarde și procese, factorii organizaționali interni, cum ar fi datele de calitate, accesul bun și seturile de competențe
adecvate sunt mai importanți pentru ca inițiativa AI să aibă succes. Organizațiile clienți trebuie să investească în acele resurse
pentru a obține cel mai bun avantaj. Un partener într-o firmă de audit, observă următoarele: „Mulți dintre practicieni dau vina pe
standarde și autoritățile de reglementare că nu pot să o facă cu adevărat [folosește AI în audituri], deoarece standardele nu sunt
clare și nu pot respecta standardele. Dar cred că realitatea este că este destul de costisitor, necesită mult timp și multă experiență.
Trebuie să aveți o infrastructură în clienți, de unde puteți obține acces la date și date care sunt utile și apoi, seturile de abilități”.

Reticența generală a auditorilor de a avea încredere în mașini pentru judecată și, prin urmare, convingerea că tehnologia AI nu
poate identifica corect tranzacțiile neobișnuite, este un factor care limitează adoptarea. Următorul citat exemplifica acest lucru:
„pentru că partenerii preiau proprietatea deplină asupra unui proiect și cum poți prelua tot ceea ce produce AI dacă nu știi cum
este produs. Ca dacă nu te poți uita la coduri, ca majoritatea partenerilor, nu cred că pot codifica și nu pot înțelege” (A2)

Calitatea datelor utilizate ca intrare în programul AI este un alt factor. Prejudecățile pot fi injectate în programul AI dacă calitatea
datelor este slabă și inexactă și care, la rândul său, poate influența raționamentul uman. Acest lucru este perceput ca un
impediment imens în utilizarea AI în audit, a remarcat studiul nostru. După cum a subliniat un partener senior de audit, înainte
ca IA să poată fi adoptată, „una dintre cele mai mari provocări este obținerea de date bune” și „clienții întârzie să investească în
digitizare și calitatea datelor și au încă grămezi de hârtie pe biroul lor”. (A1). Prin urmare, „există multă părtinire în seturile lor
de date. Nu spun că sunt proști. Cred că AI este un domeniu atât de nou și oamenii descoperă această problemă peste timp și
cred că eliminarea părtinirii în seturile de date este ceva cu adevărat important. Deci asta va fi una dintre provocări. Acest lucru
va necesita să vă gândiți mai mult la seturile de date, dar și să verificați părtinirea și, de asemenea, să vă verificați rezultatul (A4)

Un alt domeniu important care a fost evident din datele interviului este elementul necesar de încredere în AI, considerându-l ca
o cutie neagră. O astfel de ezitare este de așteptat având în vedere implicațiile juridice ale activității de audit financiar și
necesitatea auditorilor să-și exprime cu încredere o opinie și un raport bazat pe date.

Conferința Americii privind Sistemele Informaționale 7

Machine Translated by Google

Impactul inteligenței artificiale asupra auditului

produs de sistemul AI. Următoarea declarație a unui partener senior de audit ilustrează acest punct. „Cu AI, trebuie să ai
încredere în ea pentru ca să funcționeze, cum ar fi să analizezi ceva și să-ți spună ca predictiv și îți spune tendințe. Cred că
este ceva mai intens și mai mulți oameni ar fi mai ezitând față de asta. Pentru că este o necunoscută. Și presupun că învață
cu cât o faci mai mult. Ca o frică necunoscută... pe care noi, ca auditori, trebuie să o depășim... (A1).

Resurse cu seturi de abilități relevante este o cerință importantă. Cu accent pe viitorul auditor să fie expert tehnologic,
organizațiile investesc în formarea și perfecționarea auditorilor. Datele sugerează că a fi cunoscător din punct de vedere
tehnologic nu înseamnă neapărat să înveți cum să codezi sau să scrii un software de limbă, cum ar fi R sau Python. Este
mai mult despre înțelegerea ieșirii datelor și de ce este capabilă tehnologia. După cum a sugerat un partener, „nu este
vorba tocmai despre cunoașterea instrumentului lingvistic, ci despre a ști ce poate face instrumentul, cum ar fi să conducă
deciziile” (A3).

Concluzii
Rolul AI în audit crește rapid, cu implicații majore pentru auditul de calitate și proces.
Studiul nostru explorator calitativ oferă dovezi anecdotice cu privire la impactul AI asupra etapelor de auditare și auditare.
Deși este în faza incipientă de adoptare în Australia, impactul său este bine recunoscut și sunt în curs de desfășurare
eforturi pentru a pregăti firmele (în special cele patru mari) și profesia să profite de această tehnologie și să ajute la
îmbunătățirea calității și procesului de audit. Pe lângă investiția în aceste tehnologii, unele firme înființează laboratoare/
unități separate pentru a dezvolta soluții bazate pe inteligența artificială, în timp ce altele înființează echipe multidisciplinare
care includ experți în IA și analiza datelor împreună cu auditori tradiționali. Cu astfel de capabilități și adoptarea AI în
procesul de audit, firmele de audit ar putea oferi nu numai noi servicii de consultanță cu valoare adăugată, care sunt mai
profitabile decât auditul tradițional, dar și să îmbunătățească calitatea auditului și luarea deciziilor. După cum a remarcat
un partener senior, marile firme de audit vor „continua cu investițiile în AI, deoarece nu vor să fie pe spate, dar multe
dintre ele folosesc AI în consultanță, impozitare și analizează cercetare și dezvoltare, cheltuieli și încercând să identifice
ceea ce este deductibil, dar până când oamenii se simt confortabil cu ceea ce iese din cutia neagră, nu vor trece la audit...
încă” (A1).

Entitățile externe, cum ar fi clienții de audit, organismele de stabilire a standardelor de audit, organizațiile profesionale și
organismele de reglementare, se pare, constrâng adoptarea și utilizarea tehnologiilor AI, datorită abordării lor
conservatoare cu privire la adoptarea tehnologiei și a lipsei de abilități tehnologice. Deși sunt adesea acuzați că nu
articulează clar elementele AI în standarde și procese, datele de calitate și accesul bun cu clientul și seturile de competențe
adecvate în firma de audit sunt esențiale pentru ca inițiativele AI să aibă succes, a constatat studiul nostru. Cu toate
acestea, AI are capabilități puternice de a explora zonele gri care până acum au fost rezolvate folosind raționamentul
uman, clienții de audit din Australia, sunt preocupați de confidențialitatea și securitatea datelor, au capacitatea limitată de
a gestiona excepțiile generate de aplicațiile AI și incapacitatea de a documenta utilizarea tehnologiei. pentru reglementatori.
Prejudecățile umane construite în programul AI din cauza calității slabe a datelor de intrare și lipsa de încredere în soluțiile
AI din cauza „cutiei negre” sunt impedimente în calea adoptării, a observat studiul.
Având în vedere implicațiile legale și reputaționale ale activității de audit financiar și necesitatea auditorilor de a-și exprima
cu încredere o opinie pe baza datelor produse de sistemul AI, o astfel de ezitare în adoptare poate fi înțeleasă. Multe etape
ale auditării vor fi influențate de adoptarea AI, iar etapele de audit cunoscute în mod tradițional fie vor dispărea, fie vor
fuziona cu altele odată cu adoptarea.

Deși studiul nostru aduce o contribuție importantă la literatura de specialitate prin explorarea factorilor tehnologici, de
mediu și organizaționali care influențează adoptarea AI în audit, acesta are două limitări.
În primul rând, colectarea sa de date este limitată la contextul australian și, prin urmare, are o generalizare limitată în ceea
ce privește constatările sale. În al doilea rând, utilizarea studiului de teren transversal, deși este mai bună din punct de
vedere metodologic decât un singur studiu de caz, suferă de limitarea tragerii de concluzii definitive care sunt încorporate
în contextul australian. Alte studii de caz aprofundate pentru a înțelege modul în care AI schimbă practica de audit și
profesia de audit vor oferi perspective mai profunde și o rafinare suplimentară a teoriilor.

Experții AI și partenerii tehnologici ai firmelor de audit de top pot folosi factorii identificați în studiul nostru pentru a
îmbunătăți dezvoltarea soluției și pot lua în considerare îmbunătățirea asistenței pentru clienți pentru a extinde utilizarea
AI de către firmele de audit. Constatările studiului nostru vor ajuta firmele de audit și auditorii să înțeleagă etapele
procesului de audit în care adoptarea ar putea fi cea mai eficientă. Având în vedere investițiile semnificative necesare
pentru soluția tehnologică și dezvoltarea abilităților și capacităților, înțelegerea impactului potențial al utilizării IA asupra
raționamentului, calității și performanței auditului ar ajuta firmele să-și prioritizeze resursele.

Conferința Americii privind Sistemele Informaționale 8

Machine Translated by Google

Impactul inteligenței artificiale asupra auditului

Având în vedere complexitățile asociate cu utilizarea AI, auditorii se confruntă cu cerințe crescute de procesare și codare
și un accent suplimentar pe gândirea critică și scepticismul profesional. Se așteaptă ca viitorul auditor să posede cunoștințe
solide de contabilitate, subliniate de o competență puternică în tehnologiile contabile și capabilități AI și să fie abil în
comunicare pentru a putea interpreta și comunica datele în mod eficient către clienții lor de conducere și audit.

REFERINȚE

Accenture Australia. 2019. Accenture Technology Vision 2019, Melbourne: Accenture Australia.
luptă,"
„Auditing: Pitch Financial times (9 mai), Agnew H., 2016. (https://www.ft.com/content/
268637f6-15c8-11e6-9d98-00386e39d accesat 19 octombrie 2019).
Agrawal, A., Gans, J. și Goldfarb, A. 2017. „La ce să ne așteptăm de la inteligența artificială”, MIT Sloan
Management Review (58:3), pp. 23–27.
Ahrens T. și Chapman C. 2006. „Doing field research in management accounting: Positioning data to contribute to theory”,
Accounting, Organizations and Society (31), pp. 819–841.
Australian Financial Review (AFR). 2019. De ce Australia rămâne în urmă în productivitate, 20 iunie 2019,
(https://www.afr.com/technology/wages-hurt-by-low-tech-adoption-and-less-job-switching 20190619-
p51zbc accesat 20 noiembrie 2019).
Baldwin, A., Brown, C. și Trinkle, B. 2006. „Oportunities for artificial intelligence development in the accounting domain:
The case for auditing.” Sistem inteligent în contabilitate, finanțe și management, (14:3), pp. 77-86.

Bierstaker, J., Janvrin, D. și Lowe, D. 2014. „Ce factori influențează utilizarea de către auditori a instrumentelor asistate de calculator
tehnici de audit?” Progrese în contabilitate (30:1), pp. 67–74.
Bizarro PA și Dorian M. 2017. „Inteligenta artificială: viitorul auditului”, Auditul intern (32:5),
pp. 21-26.
Brennan, B., Baccala M. și Flynn, M. 2017. „How Auditing Will incorporate AI”, CFO Auditing, (https://www.cfo.com/auditing/
2017/02/artificial-intelligence-audits/ accesat la 20 noiembrie 2019).
Brynjolfsson, E. și Mcafee, A. 2017. „Afacerea inteligenței artificiale, ce poate și nu poate face pentru organizația ta”,
Harvard Business Review (http://alertlogic.qa.hbr.org/cover story/2017/) 06/the-business-of-artificial-intelligence
accesat 20 noiembrie 2019).
Chan, H., DeBoskey, DG și Hee, K. 2012. „Audit fee patterns of Big Four and Non-Big Four firms”, The CPA Journal, (82:10),
(https://www.questia. com/magazine/1P3-2826779561/audit-fee-patterns-of big-four-and-non-big-four-firms accesat
20 noiembrie 2019).
Chui, M., Manyika, J. și Miremadi, M. 2016. „Where machines could replace humans-and where they can't (inc)”, McKinsey
Quarterly, iulie (https://www.mckinsey.com/ business-functions/digital mckinsey/our-insights/where-machines-
could-replace-humans-and-where-they-cant-yet accesat 19 ianuarie 2020).

Cooper. L., Holderness. DK, Sorensen. T. și Wood. DA 2019. „Automatizarea proceselor robotizate în public
Contabilitate”, Accounting Horizons, (33:4), pp. 15-35.
Deloitte. 2019. Folosind AI pentru a dezlănțui puterea datelor guvernamentale nestructurate, Deloitte Insights (https://
www2.deloitte.com/insights/us/en/focus/cognitive-technologies/natural-language processing-examples-
in-government-data .html accesat 19 ianuarie 2020).
Dowling, C. și Leech, S. 2014. „Utilizarea tehnologiei informației de către o firmă de 4 mari pentru a controla procesul de
audit: cum un sistem de suport pentru audit modifică comportamentul auditorului”, Contemporary Accounting
Research (31:1), pp. 230- 252.
EY. 2018. Cât de artificial cel
voiaudit (https://www.ey.com/en_gl/assurance/
intelligence transform
how-artificial-intelligence-will-transform-the-audit accesat la 5 februarie 2020).

Goh, C., Pan, G., Seow, P .S., Lee, BHZ și Young M. 2019. „Charting the future of accountancy with AI,”
Colecția de Cercetare Școala de Contabilitate (https:/ink.library.smu.edu.sg/soa_research/1806).
Fisher, I., Garnsey, M. și Hughes, M. 2016. „Procesarea limbajului natural în contabilitate, audit și finanțe: o sinteză a
literaturii cu o foaie de parcurs pentru cercetarea viitoare: NLP în contabilitate, audit și finanțe”, Intelligent Systems
in Accounting, Finance and Management (23:3), pp. 157– 214.

Conferința Americii privind Sistemele Informaționale 9

Machine Translated by Google

Impactul inteligenței artificiale asupra auditului

Issa, H., Sun, T. și Vasarhelyi M., A. 2016. „Idei de cercetare pentru inteligența artificială în audit: formalizarea
auditului și suplimentarea forței de muncă”, Journal of Emerging Technologies in Accounting (13:2), pp.
1-20.
Kokina, J. și Davenport, TH 2017. „Apariția inteligenței artificiale: cum automatizarea schimbă auditul”, Journal of
Emerging Technologies in Accounting (14:1), pp. 115-122.
KPMG. 2018. „AUDIT Viitorul2025:
acum”, este Forbes
Perspective. (https://i.forbesimg.com/forbesinsights/kpmg_audit2025/KPMG_Audit_2025.pdf accesat la 19
octombrie 2019).
Lillis, AM și Mundy, J. 2005. „Cross-sectional field studies in management accounting research – closing the gaps
between sondaje și studii de caz”, Journal of Management Accounting Research (17), pp. 119-141.

Manson, S., McCartney, S. și Sherer, M. 2001. „Audit automation as control within audit firms”,
Accounting, Auditing & Accountability Journal (14:1), pp. 109-30.
Marr, B. 2018. „Câte date creăm în fiecare zi? Statisticile uimitoare pe care toată lumea ar trebui să le citească.”
Forbes, (https://www.forbes.com/sites/bernardmarr/2018/05/21/how-much-data-do-we-create every-day-
the-mind-blowing-stats-everyone-should- read/#6317e1b560ba accesat la 5 februarie 2020).

McCollum, T. 2017. „Audit in a age of smart machines: Deja în uz la multe organizații, inteligența artificială este
gata să transforme modul în care operează afacerea”, Auditor intern (74:6), pp. 24-29 (https: //
iaonline.theiia.org/2017/Pages/Audit-in-an-Age-of-Intelligent-Machines.aspx accesat la 5 februarie 2020).

Murphy, H. 2017. „Auditing less of a burden as accountants embrace AI”, Financial Times. (https://www.ft.com/
content/0898ce46-8d6a-11e7-a352-e46f43c5825d accesat la 5 februarie 2020).
Omoteso, K. 2012. „The Application of Artificial Intelligence in Auditing: Looking back to the Future,”
Experts Systems with Applications: An International Journal (39), pp. 8490 – 8495.
Ovaska-Few, S. 2017. „How artificial intelligence is changing accounting”, Journal of Accountancy, (https://
www.journalofaccountancy.com/newsletters/2017/oct/artificial-intelligence
octombrie, changing-accounting.html accesat la 5 februarie 2020).
PwC. 2020. Ce este un audit? Disponibil la: https://www.pwc.com.au/assurance/audit.html, (accesat 5
februarie 2020).
Sun T. și Vasarhelyi M., A. 2017. „Deep Learning and the Future of Auditing: How an Evolving Technology Could
Transform Analysis and Improve Judgment”, CPA Journal (87:6): pp. 24-29.
Ting, S. și Vasarhelyi, MA 2018. „Embracing Textual data analytics in Auditing with Deep Learning”,
International Journal of Digital Accounting research (18), pp. 49-67.
Tornatzky, L. și Fleischer, M. 1990. Procesul de inovare tehnologică, Lexington: Lexington Books.
Vasarhelyi, MA și Kogan, A. 2017. „Inteligenta artificială în contabilitate și audit. Towards a new paradigm,” (4),
(http://raw.rutgers.edu/MiklosVasarhelyi/Rutgers Resume%20Articles/BOOKS/
B13.%20artificial%20intelligence.pdf accesat la 5 februarie 2020) .
Westhausen, H. 2016. „Auditorul expert în tehnologie: utilizarea eficientă a tehnologiei de audit poate permite
departamentelor de audit să ofere informații valoroase”, Auditor intern (73:3), pp.18-21. (https://
iaonline.theiia.org/2016/Pages/The-Tech-Savvy-Auditor.aspx accesat la 5 februarie 2020).
Forumul Economic Mondial 2015. Deep Shift: Technology Tipping Points and Social Impact. Disponibil la: http://
www3.weforum.org/docs/ WEF_GAC15_Technological_ Tipping_ Points_ report_2015.pdf, (accesat la 5
februarie 2020).
Wu, Y., Kosinski, M. și Stillwell, D. 2015. „Judecățile de personalitate bazate pe computer sunt mai precise decât
cele făcute de oameni”, în Proceedings of National Academy of Sciences of United States of America,
(112:4). ), p. 1036-40.

Conferința Americii privind Sistemele Informaționale 10