TS. Cao Hồng Loan

Trường Đại học Thương mại

Tóm tắt

Nghiên cứu này đã tìm hiểu các ứng dụng khác nhau của AI trong kiểm toán, bao gồm: Phân tích dữ liệu tự động; Phân tích dự đoán; Phát hiện gian lận; Xử lý ngôn ngữ tự nhiên (NLP); Giám sát liên tục. Mặc dù AI mang lại lợi ích đáng kể cho quá trình kiểm toán, nhưng việc áp dụng nó cũng đặt ra một số thách thức nhất định, như: Chất lượng và tích hợp dữ liệu; Khả năng diễn giải; Cân nhắc về đạo đức; Chuyên môn kỹ thuật và Khung quy định. Tóm lại, AI có tiềm năng cách mạng hóa các hoạt động kiểm toán bằng cách nâng cao hiệu quả, độ chính xác và đánh giá rủi ro. Tuy nhiên, việc tích hợp thành công đòi hỏi phải giải quyết các thách thức liên quan đến chất lượng dữ liệu, tính minh bạch, đạo đức, kỹ năng và quy định. Khi công nghệ AI tiếp tục phát triển, kiểm toán viên và các bên liên quan phải hợp tác để khai thác toàn bộ tiềm năng của AI đồng thời duy trì tính toàn vẹn và độ tin cậy của quy trình kiểm toán.

Từ khóa: Trí tuệ nhân tạo, (AI), Kiểm toán, Deep Learning, Phân tích dự đoán, Phát hiện gian lận, Xử lý ngôn ngữ tự nhiên (NLP).

Summary

Summary The paper explores various applications of AI in auditing including Automated Data Analysis, Predictive Analytics, Fraud Detection, Natural Language Processing (NLP), Continuous Monitoring. While AI brings significant benefits to the auditing process, its adoption also presents certain challenges like Data Quality and Integration, Interpretability, Ethical Considerations, Technical Expertise, Regulatory Frame Work. In conclusion, AI has the potential to revolutionize auditing practices by enhancing efficiency, accuracy, and risk assessment. However, successful integration requires addressing challenges related to data quality, transparency, ethics, skills, and regulations. As AI technologies continue to evolve, auditors and stakeholders must collaborate to harness the full potential of AI while maintaining the integrity and credibility of the auditing process.

Keywords: Artificial Intelligence, (AI), Auditing, Deep Learning, Predictive Analytics, Fraud Detection, Natural Language Processing (NLP).

ĐẶT VẤN ĐỀ

Trong bối cảnh nền kinh tế phát triển nhanh chóng như hiện nay, kiểm toán đóng một vai trò quan trọng trong việc đảm bảo tính minh bạch tài chính, tuân thủ các quy định và phát hiện những bất thường về tài chính. Theo truyền thống, kiểm toán là một quá trình tốn nhiều công sức và thời gian, phụ thuộc nhiều vào kỹ thuật lấy mẫu và phân tích dữ liệu thủ công. Tuy nhiên, với sự ra đời của công nghệ Trí tuệ nhân tạo (AI) và Machine Learning, nghề kiểm toán đang có sự chuyển đổi đáng kể.

Sự xuất hiện của các công nghệ AI, chẳng hạn như học máy, xử lý ngôn ngữ tự nhiên và phân tích dữ liệu, đã cách mạng hóa cách thức tiến hành kiểm toán. Các công cụ kiểm tra được hỗ trợ bởi AI cung cấp các khả năng nâng cao để phân tích dữ liệu, nhận dạng mẫu, phát hiện bất thường và đánh giá rủi ro. Điều này đã nâng cao hiệu lực và hiệu quả của kiểm toán bằng cách cho phép kiểm toán viên tập trung vào các lĩnh vực có rủi ro cao và thực hiện phân tích chuyên sâu hơn. Bài viết này nhằm mục đích khám phá các ứng dụng, lợi ích và thách thức khác nhau của AI trong Kiểm toán.

CƠ SỞ LÝ THUYẾT

Kiểm toán

Kiểm toán là việc kiểm tra, xác minh một cách có hệ thống các báo cáo, hồ sơ tài chính của cá nhân, tổ chức giao dịch hoặc hoạt động. Mục đích chính của kiểm toán là cung cấp đánh giá độc lập và khách quan về tính chính xác, đầy đủ và độ tin cậy của thông tin tài chính. Kiểm toán đóng một vai trò quan trọng trong việc đảm bảo tính minh bạch, trách nhiệm giải trình và sự tin cậy trong báo cáo tài chính cho các bên liên quan khác nhau bao gồm nhà đầu tư, cổ đông, chủ nợ, cơ quan quản lý và các đối tượng khác.

Trí tuệ nhân tạo (AI):

AI đề cập đến việc mô phỏng trí tuệ của con người bằng máy móc, đặc biệt là hệ thống máy tính. Ứng dụng cụ thể của AI bao gồm hệ thống chuyên gia, Xử lý ngôn ngữ tự nhiên (NLP), nhận dạng giọng nói và thị giác máy. John MC Carthy (1955) được coi là cha đẻ của AI.

Machine Learning (ML)

ML là một nhánh của trí tuệ nhân tạo, phát triển các thuật toán bằng cách tìm hiểu các mẫu ẩn của bộ dữ liệu được sử dụng để đưa ra dự đoán về loại dữ liệu tương tự mới mà không được lập trình rõ ràng cho từng nhiệm vụ. Arthur Samuel (1959) được coi là người sáng lập Machine Learning.

Deep Learning (DL):

DL là một trường con của Machine Learning, tập trung vào việc đào tạo mạng nơ ron để thực hiện các nhiệm vụ thường đòi hỏi trí thông minh của con người. DL là một loại thuật toán học máy cố gắng bắt chước khả năng học hỏi và đưa ra quyết định của bộ não con người. Geoffrey Hinton đã phát triển Deep Learning (1986).

Xử lý ngôn ngữ tự nhiên (NLP):

NLP là một công nghệ của Machine Learning, cung cấp cho máy tính khả năng diễn giải, thao tác và hiểu ngôn ngữ của con người (Dữ liệu Giọng nói và Văn bản). Alan Turing (1950) là cha đẻ của Xử lý ngôn ngữ tự nhiên.

Công nghệ Block Chain:

Chuỗi khối là một cơ sở dữ liệu phân tán duy trì một danh sách các bản ghi được sắp xếp liên tục tăng lên, được gọi là các khối, các 'khối' này được liên kết bằng mật mã, mỗi khối chứa hàm băm mật mã (#) của Chuỗi khối trước đó theo cách phi tập trung. Hầu hết các chuỗi khối đều là phần mềm nguồn mở hoàn toàn. Chuỗi khối phi tập trung đầu tiên được khái niệm hóa bởi một người (hoặc một nhóm người) tên là Satoshi Nakamoto vào năm 2008.

Phân tích dữ liệu lớn (Big Data):

Đó là quá trình kiểm tra dữ liệu lớn (khối lượng dữ liệu lớn) để khám phá những thông tin như mô hình ẩn, mối tương quan, xu hướng thị trường và sở thích của khách hàng có thể giúp các tổ chức đưa ra quyết định kinh doanh sáng suốt. John R. Mashey (1990) là cha đẻ của phân tích dữ liệu lớn.

Công nghệ AI và ứng dụng trong Kiểm toán

Khai thác và xử lý dữ liệu: Kiểm toán dựa trên AI bắt đầu bằng việc thu thập và xử lý lượng lớn dữ liệu tài chính. Thuật toán AI có thể trích xuất dữ liệu từ nhiều nguồn khác nhau, bao gồm báo cáo tài chính, hóa đơn, biên lai và hồ sơ giao dịch. Kỹ thuật xử lý ngôn ngữ tự nhiên (NLP) giúp hiểu dữ liệu phi cấu trúc như hợp đồng và thông tin văn bản.

Đánh giá rủi ro: Hệ thống AI có thể phân tích dữ liệu và mô hình tài chính lịch sử để xác định các rủi ro và bất thường tiềm ẩn. Bằng cách so sánh các báo cáo tài chính hiện tại với các xu hướng trong quá khứ, AI có thể đánh dấu những điểm bất thường như biến động bất thường về doanh thu hoặc mô hình chi phí bất thường, sau đó kiểm toán viên có thể điều tra thêm.

Phát hiện gian lận: AI đóng vai trò quan trọng trong việc phát hiện gian lận. Các mô hình học máy dùng để đào tạo nhằm nhận biết các mô hình gian lận đã biết và thích ứng với các âm mưu lừa đảo mới khi chúng xuất hiện. Những mô hình này có thể xác định các giao dịch đáng ngờ, hành vi bất thường của người dùng hoặc sự khác biệt trong hồ sơ tài chính có thể cho thấy gian lận.

Phân tích dự đoán: Kiểm toán viên có thể sử dụng AI để phân tích dự đoán nhằm dự báo hiệu quả tài chính trong tương lai và các rủi ro tiềm ẩn. Điều này có thể đặc biệt hữu ích cho việc lập kế hoạch kiểm tra và phân bổ nguồn lực một cách hiệu quả. Các mô hình học máy có thể phân tích dữ liệu lịch sử và xu hướng thị trường để đưa ra dự đoán về tình hình tài chính của công ty.

Tự động hóa các nhiệm vụ thường xuyên: Công nghệ AI tự động hóa nhiều nhiệm vụ kiểm tra thường xuyên và tốn thời gian. Ví dụ: việc đối chiếu báo cáo tài chính, kiểm tra lỗi toán học và xác minh việc tuân thủ các chuẩn mực kế toán có thể được tự động hóa. Điều này cho phép kiểm toán viên tập trung vào các nhiệm vụ phức tạp hơn, đòi hỏi sự phán đoán của con người.

Phân tích nâng cao: AI cho phép kiểm toán viên thực hiện phân tích sâu hơn về dữ liệu tài chính. Ví dụ: phân tích cụm có thể nhóm các giao dịch tương tự lại với nhau, giúp kiểm toán viên xác định những điểm tương đồng hoặc ngoại lệ. Điều này có thể có giá trị trong việc xác định những rủi ro tiềm ẩn hoặc những bất thường.

Kiểm toán liên tục: Kiểm toán truyền thống thường được thực hiện hàng năm hoặc hàng quý. AI cho phép kiểm tra liên tục, trong đó dữ liệu được phân tích theo thời gian thực hoặc trong khoảng thời gian ngắn hơn. Cách tiếp cận chủ động này giúp các doanh nghiệp xác định và giải quyết các vấn đề khi chúng phát sinh, giảm khả năng xảy ra sai sót tài chính hoặc gian lận mà không được chú ý.

Xem xét và tuân thủ tài liệu: Các công cụ nhận dạng ký tự quang học (OCR) và NLP được hỗ trợ bởi AI có thể quét và phân tích các hợp đồng, thỏa thuận và tài liệu tuân thủ. Họ có thể xác định các điều khoản và điều kiện để đảm bảo rằng các doanh nghiệp tuân thủ các yêu cầu pháp lý và quy định.

Lộ trình kiểm toán và tính minh bạch: Công nghệ chuỗi khối, thường được tích hợp với AI, có thể tạo ra các lộ trình kiểm toán bất biến, khiến việc thao túng hồ sơ tài chính gần như không thể. Điều này giúp tăng cường tính minh bạch và tin cậy trong quá trình kiểm toán.

Báo cáo tùy chỉnh: AI có thể tạo báo cáo kiểm toán tùy chỉnh dựa trên nhu cầu cụ thể của các bên liên quan. Những báo cáo này có thể cung cấp thông tin chuyên sâu về tình hình tài chính, sự tuân thủ và rủi ro tiềm ẩn ở định dạng dễ hiểu.

Học máy để nhận dạng mẫu: Các thuật toán học máy có thể xác định các mẫu phức tạp trong dữ liệu tài chính mà kiểm toán viên con người có thể không xác định được rõ ràng. Điều này có thể giúp khám phá những rủi ro hoặc cơ hội tiềm ẩn.

Tạo ngôn ngữ tự nhiên: AI có thể tạo ra các bản tóm tắt bằng ngôn ngữ tự nhiên về các phát hiện kiểm tra, giúp những người không phải là chuyên gia hiểu kết quả dễ dàng hơn. Những bản tóm tắt này có thể được sử dụng để liên lạc với khách hàng, cơ quan quản lý và các bên liên quan khác.

Thuật toán Xử lý ngôn ngữ tự nhiên (NLP) có thể phân tích và phân tích lượng lớn dữ liệu văn bản, cho phép kiểm toán viên xem xét nhanh chóng các hợp đồng, báo cáo tài chính và văn bản quy định. Thuật toán Machine Learning (ML) có thể phát hiện những điểm bất thường trong dữ liệu tài chính, xác định các gian lận hoặc lỗi tiềm ẩn hiệu quả hơn các phương pháp truyền thống.

Lợi ích của việc kết hợp AI trong quy trình kiểm toán

Việc kết hợp trí tuệ nhân tạo (AI) vào quy trình kiểm toán mang lại nhiều lợi ích và lợi thế có thể cải thiện đáng kể hiệu quả, độ chính xác và hiệu quả của các thủ tục kiểm toán.

❖ Cải thiện độ chính xác: AI có thể phân tích các tập dữ liệu khổng lồ với độ chính xác cao, giảm nguy cơ sai sót của con người trong quy trình kiểm toán. Các thuật toán Machine Learning có thể xác định những điểm bất thường, kiểu mẫu và sự bất thường mà con người có thể bỏ qua.

❖ Nâng cao hiệu quả: AI có thể tự động hóa các nhiệm vụ lặp đi lặp lại và tốn thời gian như trích xuất dữ liệu và đối chiếu dữ liệu, cho phép kiểm toán viên tập trung vào các hoạt động phức tạp và có giá trị gia tăng hơn. Các công cụ kiểm toán do AI cung cấp có thể hoạt động suốt ngày đêm, tăng tốc độ và mốc thời gian kiểm tra .

❖ Phân tích dữ liệu trên quy mô lớn: AI cho phép kiểm toán viên phân tích và xử lý khối lượng lớn dữ liệu một cách nhanh chóng, điều này đặc biệt có lợi trong các ngành có lượng dữ liệu lớn như tài chính và chăm sóc sức khỏe.

❖ Giám sát liên tục: AI có thể cung cấp khả năng giám sát liên tục và cảnh báo theo thời gian thực, cho phép kiểm toán viên phát hiện những bất thường hoặc gian lận tiềm ẩn ngay khi chúng xảy ra thay vì dựa vào kiểm toán định kỳ.

❖ Đánh giá rủi ro: AI có thể giúp kiểm toán viên xác định các khu vực hoặc giao dịch có rủi ro cao bằng cách phân tích dữ liệu và xu hướng lịch sử, cho phép kiểm toán viên phân bổ nguồn lực hiệu quả hơn.

❖ Phát hiện gian lận: Thuật toán AI có thể phát hiện các mô hình bất thường hoặc đáng ngờ trong các giao dịch tài chính, giúp kiểm toán viên phát hiện ra các hoạt động gian lận mà có thể không được chú ý.

❖ Phân tích dự đoán: AI có thể sử dụng mô hình dự đoán để dự báo xu hướng tài chính và rủi ro tiềm ẩn, hỗ trợ kiểm toán viên đưa ra khuyến nghị chủ động để giảm thiểu những rủi ro này.

❖ Xử lý ngôn ngữ tự nhiên (NLP): NLP cho phép kiểm toán viên phân tích và hiểu dữ liệu văn bản, chẳng hạn như email và tài liệu để xác định các vấn đề tuân thủ tiềm ẩn hoặc các hoạt động gian lận.

❖ Quy trình kiểm toán và tính minh bạch: AI có thể tạo quy trình kiểm toán kỹ thuật số, cung cấp hồ sơ minh bạch và có thể theo dõi về các quy trình và phát hiện kiểm toán, có thể có giá trị vô giá đối với việc tuân thủ quy định.

❖ Tùy chỉnh: Các công cụ kiểm toán được hỗ trợ bởi AI có thể được điều chỉnh theo nhu cầu và yêu cầu cụ thể của một tổ chức hoặc ngành, đảm bảo rằng các cuộc kiểm toán được tiến hành một cách hiệu quả và hiệu quả.

❖ Tiết kiệm chi phí: Bằng cách tự động hóa các nhiệm vụ kiểm toán thông thường, AI có thể giảm chi phí lao động và giúp kiểm toán viên tập trung vào các nhiệm vụ có giá trị cao hơn, cuối cùng là giảm tổng chi phí kiểm toán.

❖ Tuân thủ quy định: AI giúp kiểm toán viên cập nhật các quy định thay đổi và đảm bảo tuân thủ bằng cách liên tục giám sát các giao dịch và hoạt động tài chính.

❖ Khả năng mở rộng: Với sự trợ giúp của AI, chúng ta có thể dễ dàng mở rộng quy mô để xử lý khối lượng dữ liệu ngày càng tăng và độ phức tạp, khiến chúng phù hợp cho cả doanh nghiệp nhỏ và tập đoàn lớn.

❖ Cải thiện chất lượng kiểm toán: Khả năng của AI phân tích và giải thích dữ liệu có thể dẫn đến các phát hiện kiểm toán sâu sắc và chính xác hơn, cuối cùng là cải thiện chất lượng của các báo cáo và khuyến nghị kiểm toán.

❖ Ra quyết định nhanh hơn: AI cung cấp cho kiểm toán viên những hiểu biết sâu sắc theo thời gian thực, cho phép đưa ra quyết định và phản hồi nhanh hơn trước các vấn đề rủi ro tiềm ẩn.

KẾT QUẢ VÀ THẢO LUẬN

Những thách thức

Việc triển khai AI trong kiểm toán mang lại một số lợi thế, chẳng hạn như độ chính xác, hiệu quả được cải thiện và khả năng phân tích lượng lớn dữ liệu một cách nhanh chóng. Tuy nhiên, nó cũng có một số thách thức và hạn chế cần được xem xét cẩn thận.

1. Chất lượng và tính sẵn có của dữ liệu: Hệ thống AI phụ thuộc rất nhiều vào dữ liệu có cấu trúc và chất lượng cao. Trong kiểm toán, cần đảm bảo tính chính xác và đầy đủ của dữ liệu tài chính từ nhiều nguồn khác nhau. Dữ liệu không đầy đủ hoặc không chính xác có thể dẫn đến kết quả kiểm toán sai lệch.

2. Quyền riêng tư và bảo mật dữ liệu: Kiểm toán viên xử lý thông tin tài chính nhạy cảm, khiến quyền riêng tư và bảo mật dữ liệu trở thành mối quan tâm hàng đầu. Hệ thống AI phải tuân thủ các quy định nghiêm ngặt, chẳng hạn như GDPR hoặc HIPAA và kiểm toán viên phải đảm bảo rằng dữ liệu được sử dụng cho AI trong kiểm toán được xử lý an toàn và có đạo đức.

3. Khả năng diễn giải và giải thích: Các mô hình AI, đặc biệt là mô hình Deep Learning, thường được coi là “Hộp đen” vì rất khó hiểu chúng đi đến kết luận như thế nào. Kiểm toán viên cần có khả năng giải thích lý do đằng sau kết quả kiểm toán, điều này có thể khó khăn khi sử dụng các thuật toán AI phức tạp.

4. Thành kiến ​​và Công bằng: Nếu dữ liệu đào tạo bị sai lệch, hệ thống AI có thể tạo ra kết quả kiểm tra sai lệch, điều này có thể dẫn đến đánh giá không công bằng hoặc không chính xác. Giải quyết sự thiên vị trong các mô hình AI là một thách thức quan trọng trong kiểm toán.

5. Tuân thủ quy định: Lĩnh vực được quản lý chặt chẽ và việc triển khai AI có thể yêu cầu những thay đổi hoặc phê duyệt quy định quan trọng. Đảm bảo rằng các phương pháp kiểm toán dựa trên AI tuân thủ các tiêu chuẩn ngành và yêu cầu pháp lý là một quá trình phức tạp.

6. Hợp tác giữa con người và AI: Kiểm toán viên phải làm việc cùng với các hệ thống AI. Thường có sự phản đối trong việc áp dụng AI vì lo ngại về sự dịch chuyển công việc. Việc đạt được sự cân bằng hợp lý giữa phán đoán của con người và sự hỗ trợ của AI trong quá trình kiểm toán có thể là một thách thức.

7. Những hạn chế về chi phí và nguồn lực: Việc triển khai AI trong kiểm toán đòi hỏi phải đầu tư tài chính đáng kể, bao gồm chi phí mua và duy trì công nghệ AI, đào tạo kiểm toán viên và đảm bảo tính tương thích của cơ sở hạ tầng. Các công ty kiểm toán nhỏ hơn có thể gặp khó khăn với những hạn chế tài chính này.

Những hạn chế

1. Thiếu dữ liệu lịch sử: Các mô hình AI thường yêu cầu dữ liệu lịch sử để xử lý và xác nhận. Trong một số trường hợp, có thể không có đủ dữ liệu lịch sử cho một số ngành hoặc lĩnh vực kiểm toán nhất định, điều này hạn chế tính hiệu quả của AI.

2. Tính phức tạp của nhiệm vụ kiểm toán: Kiểm toán bao gồm các nhiệm vụ dựa trên đánh giá phức tạp đòi hỏi chuyên môn về lĩnh vực và hiểu biết sâu sắc về quy trình kinh doanh. Mặc dù AI có thể hỗ trợ thực hiện các nhiệm vụ lặp đi lặp lại và phân tích dữ liệu, nhưng nó có thể gặp khó khăn với các phán đoán mang sắc thái, theo ngữ cảnh cụ thể.

3. Môi trường kinh doanh năng động: Hoạt động kinh doanh không ngừng phát triển và các tiêu chuẩn, quy định và công cụ tài chính mới xuất hiện. Các mô hình AI có thể gặp khó khăn trong việc thích ứng nhanh chóng với những thay đổi này, dẫn đến các phương pháp kiểm toán lỗi thời.

4. Phạm vi hạn chế: AI phù hợp nhất cho các nhiệm vụ liên quan đến nhận dạng mẫu và phân tích dữ liệu. Một số nhiệm vụ kiểm tra, chẳng hạn như đánh giá tính toàn vẹn của quản lý hoặc đánh giá các yếu tố chất lượng có thể không phù hợp cho việc tự động hóa bằng AI.

5. Mối lo ngại về đạo đức: Việc sử dụng AI trong kiểm toán có thể đặt ra các câu hỏi về đạo đức, đặc biệt là khi AI có khả năng đưa ra các quyết định ảnh hưởng đến thu nhập tài chính của cá nhân. Việc đảm bảo rằng các quyết định kiểm toán do AI điều khiển phù hợp với các nguyên tắc đạo đức là một thách thức đáng kể.

6. Sự phụ thuộc vào công nghệ: Việc triển khai AI trong kiểm toán đòi hỏi phải tiếp cận được cơ sở hạ tầng và chuyên môn công nghệ tiên tiến. Các tổ chức thiếu các nguồn lực này có thể gặp khó khăn trong việc áp dụng AI một cách hiệu quả.

7. Bảo trì liên tục: Các mô hình AI yêu cầu giám sát và cập nhật liên tục để duy trì tính chính xác và phù hợp. Việc bảo trì liên tục này có thể tốn nhiều tài nguyên và đòi hỏi cam kết luôn cập nhật các công nghệ AI đang phát triển.

NHỮNG PHÁT HIỆN CHÍNH VÀ KẾT LUẬN

Những phát hiện

Tự động hóa các công việc thường ngày: AI đã chứng tỏ khả năng tự động hóa các nhiệm vụ kiểm tra định tuyến, chẳng hạn như trích xuất, phân loại và đối chiếu dữ liệu. Điều này giúp giảm thời gian và công sức cần thiết cho những nhiệm vụ này và cho phép kiểm toán viên tập trung vào các hoạt động phức tạp và đòi hỏi nhiều phán đoán hơn.

Phân tích dữ liệu để quản lý rủi ro: Các công cụ phân tích dữ liệu do AI điều khiển có thể phân tích các tập dữ liệu lớn để xác định mô hình, điểm bất thường và các khu vực rủi ro tiềm ẩn. Những công cụ này có thể giúp kiểm toán viên ưu tiên nỗ lực và nhắm mục tiêu vào các khu vực có rủi ro cao để kiểm tra sâu hơn.

Phát hiện gian lận: AI có thể được sử dụng để phát triển các mô hình phát hiện gian lận có thể liên tục giám sát các giao dịch tài chính và xác định các hoạt động đáng ngờ hoặc các mô hình bất thường. Cách tiếp cận chủ động này có thể giúp ngăn chặn và phát hiện gian lận sớm hơn.

Xử lý ngôn ngữ tự nhiên (NLP): Công nghệ NLP cho phép kiểm toán viên phân tích dữ liệu văn bản phi cấu trúc, chẳng hạn như hợp đồng, email và báo cáo tài chính. Điều này giúp kiểm toán viên hiểu sâu hơn và phát hiện rủi ro tiềm ẩn trong thông tin văn bản.

Phân tích dự đoán: AI có thể được sử dụng để xây dựng các mô hình dự đoán xu hướng tài chính, rủi ro kiểm toán và các yếu tố liên quan khác. Những mô hình dự đoán này có thể cung cấp thông tin cho việc lập kế hoạch kiểm toán và phân bổ nguồn lực.

Giám sát liên tục: Trí tuệ nhân tạo cho phép kiểm toán liên tục, cho phép kiểm toán viên giám sát các giao dịch tài chính và kiểm soát nội bộ trong thời gian thực. Điều này có thể dẫn đến việc xác định vấn đề kịp thời hơn và quản lý rủi ro tốt hơn.

Kết luận

Các công cụ kiểm toán được hỗ trợ bởi AI đã cho thấy tiềm năng vượt trội trong việc nâng cao hiệu quả và độ chính xác của kiểm toán thông qua tự động hóa, phân tích dữ liệu và nhận dạng mẫu. AI có thể xử lý lượng lớn thông tin tài chính với tốc độ và độ chính xác cao, giảm thiểu lỗi của con người và cho phép kiểm toán viên tập trung vào các nhiệm vụ cấp cao. Điều này không chỉ nâng cao hiệu quả của quá trình kiểm toán mà còn nâng cao chất lượng báo cáo tài chính.

Tóm lại, AI trong kiểm toán hứa hẹn sẽ định hình lại ngành nghề. AI là một yếu tố sẽ thay đổi cuộc chơi cho kiểm toán viên./.

TÀI LIỆU THAM KHẢO

1. AICP A & CIMA (American Institute of CP As (AICP A) and Chartered Institute of Management Accounts (CIMA):https://www.aicpa- cima.com/home

2. Artificial Intelligence Governance and Auditing: https://ai- governance.eu/

3. Nanonets: https://nanonets.com/blog/ using-artificial-intelligence-in-audits/

4. The Institute of Internal Auditors, USA: https://www.theiia.org/

5. Robo-Auditing using AI (e-book): https://www.amazon.in/Robo-Auditing-Artificial-Intelligence- Corporate-Processes- ebook/dp/B07FW85YMM

6. Artificial Intelligence (AI) in Accounting and Auditing (e-journal): https://www.scirp.org/journal/paperinf ormation.aspx?paperid=115007

7. Wiley online library: https://www.scirp.org/journal/paperinf ormation.aspx?paperid=115007