«ИИ позволяет существенно сократить объём рутинной работы и минимизировать влияние человеческого фактора. Важно, что меняется сама логика аудита – проверка становится непрерывной, а не периодической», – отмечает Ирина Евгеньевна Жуковская, д.э.н., профессор Кафедры бизнес-информатики Финансового университета

На чём строится интеллектуальный аудит

Ведущие аудиторские фирмы инвестируют в цифровые платформы, сочетающие машинное обучение, обработку естественного языка (NLP), RPA и big data. Эти технологии позволяют автоматизировать ключевые этапы: сверку данных, анализ контрактов, предиктивную оценку рисков.

  Таблица 1. Инструменты ИИ в аудите крупнейших компаний


Наиболее известные примеры – GL.ai (PwC), Contract Intelligence (KPMG), системы предиктивной аналитики (Deloitte), роботы RPA (EY). Каждый инструмент демонстрирует экономию времени от 30% до 80% и рост точности выявления рисков.

  «Сегодня платформа GL.ai способна обрабатывать до миллиона записей за сессию. Это означает переход от ретроспективного аудита к опережающему анализу», – комментирует Илона Владимировна Трегуб, д.э.н., профессор Кафедры бизнес-информатики Финансового университета.

Рост интереса и динамика внедрения
С 2018 по 2024 год число компаний, использующих ИИ в аудите, выросло в 30 раз. Основной прирост наблюдается в крупных транснациональных структурах, однако адаптация идёт и в сегменте среднего бизнеса.
 
Рисунок 1. Рост количества компаний, внедряющих ИИ в аудите (2018–2024)


  Спрос на автоматизацию аудита поддерживают как клиенты, заинтересованные в прозрачности, так и регуляторы, усиливающие требования к проверкам в цифровой среде.
  Барьеры: данные, этика, регулирование
Несмотря на очевидные преимущества, распространение ИИ в аудите ограничено рядом факторов:

• Фрагментированность и низкое качество данных;
• Отсутствие готовых ИТ-инфраструктур в компаниях;
• Этические вопросы – кто несёт ответственность за ошибку алгоритма?;
• Недостаточная правовая база для применения ИИ в контролируемых сферах.

  «Искусственный интеллект нельзя использовать без верифицированной методики оценки и в условиях отсутствия ответственности. Это требует междисциплинарного подхода – технического, правового и этического», – подчёркивает Степан Алексеевич Сергеев, ассистент Кафедры бизнес-информатики Финансового университета

Новые направления: облака, нейросети, гибридные команды
Перспективное направление – интеграция ИИ с облачными платформами. Это позволяет аудиторам получать доступ к данным в режиме реального времени, в том числе в транснациональных группах.
Нарастают возможности глубоких нейронных сетей: алгоритмы фиксируют поведенческие отклонения сотрудников, анализируют несоответствия в документации, выявляют мошеннические схемы. Предиктивная аналитика позволяет прогнозировать вероятность банкротства или отклонений до их появления.

Рисунок 2. Распределение ИИ-технологий по видам применения в аудите



Также трансформируется профессия: аудиторы осваивают навыки интерпретации моделей и визуализации результатов, переходят к роли модераторов работы ИИ.
Прогноз: регулирование и стандарты станут драйвером роста
Главный вопрос – формирование нормативной среды. Сейчас отрасли не хватает стандартов валидации ИИ, механизмов сертификации и распределения ответственности. Эти аспекты станут предметом внимания профсообществ и регуляторов в ближайшие 3–5 лет.

  «Будущее – за гибридными системами, где ИИ работает под контролем экспертов. Это позволит повысить эффективность и снизить регуляторные риски», – резюмирует Ирина Евгеньевна Жуковская.