ИИ во внутреннем аудите: риски для бизнеса или реальная помощь

Специалисты подсчитали, что за 2018–2024 годы число компаний, которые применяют ИИ в аудите, выросло в тридцать раз. О том, как крупные компании внедряют нейросети в работу и какие риски существуют, рассказала Первому каналу старший преподаватель кафедры «Финансовый контроль и казначейское дело» финансового факультета Финансового университета при Правительстве РФ Валентина Волкова.

Чем ИИ занимается в аудите

● Проверка транзакции. Нейросеть прогоняет массив данных и ищет ошибки, так как дробление сумм, переводы одному и тому же контрагенту с разных подразделений, операции в три часа ночи.

● Проверка документов. Находит расхождения между версиями, слабые формулировки, пропущенные реквизиты.

● Подготовка черновиков отчетов и выводов. Нередко нейросети в аудите используют для проверки или подготовки отчетной документации или систематизации результатов работы.

В чем реальная помощь

● Ускорение рутины: отчеты собираются за минуты вместо часов.

● Расширение охвата операций: появилась возможность обрабатывать больше информации при той же трудозатратности.

Какие риски

● Иллюзия зрелости: у компаний нет четкого понимания, как использовать ИИ в работе. Чаще всего нейросети привлекают для ряда простых задач.

● Галлюцинации: нейросети нередко выдают выдуманную информацию за действительную, что ведет к неправильным выводам и результатам.

● Нарушение конфиденциальности: загрузка чувствительных данных в публичную сеть провоцирует их утечку.

● Завышенные ожидания: руководители аудитов боятся не успеть выстроить в своих командах культуру, дружелюбную к технологиям, из-за чего не делают уверенные шаги к внедрению ИИ в работу.

Взять от нейросетей максимум

Шаг 1.

Начинать разумно с узкого и понятного сценария. Выбрать одну процедуру, сверку платежей или проверку формулировок договоров, и запустить пилот на два-три месяца.

Шаг 2.

Привести в порядок данные, которые должен будет обработать ИИ. Иначе автоматизация всего лишь ускорит производство мусорных результатов.

Шаг 3.

Прописать, какие данные и в какие системы можно загружать, кто проверяет выводы модели и как фиксируется вклад ИИ в отчет. 

Что делать человеку

Технология не отменит профессионального скепсиса, знания бизнеса и умения задавать неудобные вопросы. Это останется за человеком. Но его роль изменится: рутинные задачи сможет выполнять нейросеть, а освободившееся время сотрудник направит на аналитику и более глубокие выводы. 

Ранее сообщалось, что китайской модели ИИ Intern-S2 удалось доказать гипотезу Этьена Жиса. Эта задача оставалась нерешенной на протяжении 31 года.