Актуальность. Цифровая трансформация экономики и экспоненциальный рост объемов данных, генерируемых ERP-системами, создают новый технологический контекст для аудиторской деятельности. Традиционные методы проверки, основанные на выборочных процедурах и ручной обработке документов, ограничены по времени, трудозатратны и сложны в плане полноты охвата данных. В этих условиях внедрение технологий искусственного интеллекта рассматривается как одно из ключевых направлений модернизации аудита, позволяющее автоматизировать аналитические процессы, обрабатывать 100% массива транзакций и формировать прогнозные модели оценки рисков. Однако практическая интеграция ИИ в аудит финансовой отчетности сдерживается методологическими, правовыми и этическими барьерами, а также отсутствием четких регуляторных требований к верификации алгоритмов. Цель исследования заключается в систематизации направлений, оценке эффективности и ограничений применения ИИ при проведении аудита финансовой отчетности, а также обосновании условий, при которых интеграция инновационных технологий в указанный процесс способствует повышению качества аудиторских доказательств при сохранении независимости и ответственности аудитора. В работе использованы методы теоретического анализа и синтеза научной литературы, нормативных документов и практических ситуаций внедрения ИИ-решений ведущими аудиторскими организациями. Осуществлен системно-ф ункциональный подход для классификации уровней аналитики, и применен риск-ориентированный метод для оценки потенциальных угроз алгоритмической предвзятости, «черного ящика» и ослабления профессионального скептицизма. Теоретической основой исследования послужили труды отечественных и зарубежных ученых в области аудита и его цифровой трансформации, а также посвященные статистическим методам выявления искажений (закон Бенфорда). В качестве нормативной базы использованы международные стандарты аудита (МСА 500, 570, 230). В результате работы определены уровни аналитики (описательная, диагностическая, предиктивная, предписывающая) и соответствующего технологического стека. Систематизированы ключевые аудиторские процедуры, подлежащие автоматизации, показано, что ИИ трансформирует профессиональное суждение аудитора, повышая его доказательность, но создавая риск «автоматизированного доверия». Выделены группы эффектов внедрения и категории рисков. Установлено, что системообразующим фактором эффективности является не степень автоматизации, а сбалансированное сочетание алгоритмических инструментов и профессионального скептицизма, обеспеченное непрерывной верификацией моделей и развитием регуляторной базы.
Предпросмотр статьи
Идентификаторы и классификаторы
- SCI
- Экономика
Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.