新成立的克里斯顿全球审计集团的技术总监，印度特许会计师协会会员，在金融服务、交易咨询和风险担保领域拥有 20 多年的从业经验。
以色列内部审计师协会副会长，在风险管理、内部审计、控制设计和评估方面拥有超过 25 年的经验，擅长帮助组织了解和评估运营中的风险，评估流程和控制设计，并提供量身定制的解决方案，以提高内部审计的有效性和价值。
审计与技术：效益与风险
October 18, 2022
随着信息技术应用在收集数据、分析模式、保存记录等方面的能力越来越先进，技术在审计行业发挥着越来越重要的作用。
这为审计师本身以及他们的客户带来了诸多好处。 随着技术的进一步发展，许多人预测审计工作的效率、成本节约和质量都将得到提高。
但是，虽然我们很容易被新技术的进步所吸引，但也必须认识到在审计中采用新技术所带来的风险和挑战。
审计人员现在需要仔细考虑他们使用的方法和工具、所需的资源以及使用这些系统时需要采取的预防措施。
审计新技术的益处
各种技术在审计和会计领域都能发挥作用，但近年来的重点主要集中在三个关键领域：
- 机器人流程自动化（RPA）
- 区块链
- 人工智能和数据分析（AI&DA）。
每种技术都能在不同的工作领域为审计行业带来不同的好处。
例如，RPA 的工作原理是在现有系统上部署脚本来执行常规任务。 它们与软件应用程序的交互方式与人类基本相同：例如，将数据从一个系统复制到另一个系统，或者组织这些信息。
因此，它使审计人员能够减少在更基本的重复性任务上花费的时间，提高效率和生产率，并在许多情况下能够更可靠地收集数据。
通过腾出时间，还能让员工开展更有价值、更有判断力的工作，从而再次提高审计流程的效率，为客户带来更多价值。
而且，由于 RPA 往往是高度结构化的，遵循一系列固定的指令，因此比人工执行这些操作更易于管理和审计。 通过 RPA 平台，审计人员可以看到机器人的所有活动及其完成的确切任务。
区块链可以在更大程度上提高透明度。 智能合约和支付系统等建立在不可变、分散式分类账基础上的发展，为可靠的审计跟踪和更可靠的财务报告提供了可能。
同时，人工智能和数据分析技术可以提供强大的工具，用于分析大量数据的模式，从而有可能消除审计过程中的抽样需求。
这可以用来识别和突出异常交易，然后审计员可以进一步调查。
错误和局限性
虽然这些技术有可能加强审计流程，但仍然存在人为或其他方面出错的风险。
例如，虽然存储在区块链上的数据本质上是不可更改的，但这并不意味着它可以防止欺诈或错误–无法保证信息输入的正确性。
这可能会给以这种方式记录的数据的完整性带来真正的风险，如果广泛使用智能合约等工具，可能会产生重大的经济后果。
同样，通过自动化（RPA 或 AI&DA）生成的数据质量在很大程度上取决于输入数据的质量。 一旦有了结果，还需要人工来解释和理解。
例如，通过人工智能发现的异常数据可能只是虚惊一场，根本不会引起审计关注。 为避免浪费时间或误用数据，应由具有统计意识的人员管理这些信息，并在解释结果时运用自己的判断。
对于采用新技术的审计人员来说，重要的是要对正在使用的应用程序进行监督，对其进行持续监控，并至少对技术的功能及其局限性有所了解。
人员与培训
随着自动化程度的提高，很多人担心自己的工作会被淘汰，这种担忧在会计行业和其他行业一样普遍。
虽然自动化确实会使员工不再需要亲自管理某些手工任务，但这些技术的支持者往往认为，它们只会改变人们的工作性质。
随着更多基本任务的完成，需要人工分析和判断的岗位将有更大的需求–这些岗位最终对审计公司及其客户更有价值，而且在很多情况下，也更有趣、更有成就感。
尽管如此，在采用新技术时，必须认真对待员工的担忧。 员工可能不仅会担心自己的角色会被裁减，还会担心自己会失去喜欢的方面，或者需要重新接受新领域的培训。
与以前相比，自动化可能要求初级员工在职业生涯的早期阶段执行更复杂、判断力更强的任务。 反过来，这可能会给监督这项工作的管理人员带来挑战。
人工智能与透明度
另一个风险是人工智能（如机器学习）的使用越来越多。 与更常规的自动化相比，实施人工智能能赋予软件更大的自主权。 这样可以开展更复杂的活动，但同时也意味着对结果产生方式的可视性较低。
人工智能可能会以意想不到的方式行事，而且几乎不会留下任何审计线索来解释它是如何得出结论的。 这种不可见性意味着审计人员无法依赖其结果或将其作为证据。
目前，人工智能和数据分析在会计专业的教学中并不广泛，这给行业留下了知识空白。
为了充分利用这项技术带来的机遇，避免曲解或错误处理其数据，审计专业人员需要提高技能，了解其工作原理的基本要素。
道德与合规
最后，在研究审计新技术时要考虑几个重要的道德问题。
例如，区块链的运行是出了名的资源密集型。 在区块链上运行系统所需的能源量很大，这不仅会给企业带来经济损失，还会对环境造成影响。
与此同时，人工智能和数据分析通常需要收集大量数据，这可能会导致自身的道德和法律问题。 实施机器学习的审计公司或其他组织应仔细考虑其数据源及其是否符合法律框架。
例如，那些总部设在欧盟或处理欧盟人员数据的公司需要考虑如何满足《一般数据保护条例》（GDPR）以及英国同等法规的要求。
请与我们谈谈新技术对审计的影响。
