Возможности и перспективы использования цифровых технологий в аудиторской деятельности

Вилена Якимова

doi:10.21638/spbu05.2020.206

Авторы

Вилена Якимова Амурский государственный университет https://orcid.org/0000-0001-5866-5652

DOI:

https://doi.org/10.21638/spbu05.2020.206

Аннотация

Цифровая экономика создает новые возможности для развития всех видов экономи- ческой деятельности. Прежде всего она позволяет совершенствовать организационно-техническое и методическое обеспечение информационных услуг, к которым относятся аудиторские услуги. Развивающиеся технологии на основе искусственного интел- лекта, дескриптивного и предиктивного анализа больших данных могут найти прикладной аспект в цифровизации аудиторской деятельности, что будет способствовать ускорению сбора информации, переходу от выполнения процедур вручную к машинной обработке информации, алгоритмизации планирования и углубленному понима- нию деятельности аудируемых лиц. По мере развития рынка высоких (hi-tech) и сквозных технологий, цифровизации информационных систем экономических субъектов особую актуальность приобретают проблемы адаптации методического и организаци- онно-технологического инструментария аудиторской деятельности к современным условиям. Таким образом, в аудиторской науке осуществляется смена парадигм: преобразование традиционного аудита в форму интеллектуального (ИИ-аудита), методология которого основывается на технологии машинного обучения в профессиональной области и применении профессиональных когниций. В статье представлена когнитивная экосистема аудиторской деятельности, которая необходима для определения цифровых технологий, с помощью которых могут быть реализованы конкретные задачи и направления аудиторских проверок и сопутствующих аудиту услуг. Применение экосистемного подхода позволяет описать особенности содержания и функционального назначения отдельных цифровых технологий для выполнения когнитивных процессов в аудиторской деятельности. Предлагаемая в работе экосистема может быть исполь- зована в качестве опорного механизма для создания комплексной системы ИИ-аудита и роботизированных интеллектуальных помощников в аудиторских организациях и для развития аудита, основанного на технологии искусственного интеллекта как области научного знания.

Ключевые слова:

цифровая экономика, цифровые технологии, аудиторские услуги, интеллектуальный аудит, технологии искусственного интеллекта, профессиональное суждение

Скачивания

Данные скачивания пока недоступны.

Библиографические ссылки

Литература на русском языке

Абдикеев Н. М., Аверкин А. Н., Ефремова Н. А. (2010) Когнитивная экономика в эпоху инноваций. Вестник РЭА. No 1. С. 3–20.

Егорова И. С. (2019) Использование данных интернет-среды в аудите. Аудитор. No 5. С. 14–28.

Жильцова Ю.В., Кемаева С.А., Козменкова С.В., Маслова Т.С. (2018) Формирование современной парадигмы аудита как прикладной науки. Международный бухгалтерский учет. No 17–18. С. 1037–1049.

Карелин В.П. (2011) Интеллектуальные технологии и системы искусственного интеллекта для поддержки принятия решений. Вестник Таганрогского института управления и экономики. 2011. No 2. С. 79–84.

Кудрявцева Е.И. (2013) Когнитивная экономика и когнитивный менеджмент: поиск концепции и управления новыми человеческими ресурсами. Научные труды Северо-Западного института управления РАНХиГС. Т. 4. No 4 (11). С. 58–67.

Кун Т. С. (2009) Структура научных революций. М.: АСТ. 310 с.

Остроух А.В. (2015) Интеллектуальные системы. Красноярск: Научно-инновационный центр. 110 с.

Пожарицкая И. М. (2017) Когнитивный аудит: новая парадигма. Аудитор. No 7. С. 11–15.

Родзин С.И., Титаренко И.Н.(2013) NBIC-технологии, искусственный интеллект и электронная культура. Информатика, вычислительная техника и инженерное образование. No 2. Вып.13. С. 60–74.

Ситнов А.А. (2015) Особенности аудита информационной безопасности бизнес-систем. Аудитор. No 9. С. 14–22.

Соболева Г.В. (2017) Использование метода больших данных для оценки рисков недобросовестных действий. Аудиторские ведомости. No 5. С. 173–184.

Сухарева М.А. (2018) От концепции постиндустриального общества к концепции экономики знаний и цифровой экономики: критический анализ терминологического поля. Государственное управление. Электронный вестник. No 68. С. 445–464.

Тихонов Э. Е., Ворохобина Я. В. (2018) Цифровая экономика: новые парадигмы развития цифровых валют и приложение технологий блокчейн в аудите. Научный вестник Государственного автономного образовательного учреждения высшего профессионального образования «Невинномысский государственный гуманитарно-технический институт». No 1. С. 128–131.

References in Latin Alphabet

Abdolmohammadi M.J. (1987) Decision support and expert systems in auditing: a review and research directions. Accounting and Business Research (Spring), vol. 17, pp. 173–185.

Abhishek N., Divyashree M. S. (2019) Application of Robotics in Accounting and Auditing of Business and Financial Information. Inspira — Journal of Modern Management & Entrepreneurship (JMME), vol. 9, no. 2, pp. 1–5.

Baldwin A. A., Brown C. E., Trinkle B. S. (2006) Opportunities for artificial intelligence development in the accounting domain: the case for auditing. Intelligent Systems in Accounting, Finance & Management: International Journal, vol. 14, no. 3, pp. 77–86.

Biggs S. F., Selfridge M., Krupka G. R. (1993) A computational model of auditor knowledge and reasoning processes in the going-concern judgment. Auditing: A Journal of Practice and Theory, vol. 12, pp. 82–99.

Bonner S. E., Pennington N. (1991) Cognitive processes and knowledge as determinants of auditor expertise. Journal of Accounting Literature, vol. 10, pp. 1–50.

Boritz J.E., Wensley A.K.P. (1990) Structuring the assessment of audit evidence — an expert systems approach. Auditing: A Journal of Practice and Theory, vol. 9, pp. 49–98.

Brandas C., Muntean M., Didraga O. (2018) Intelligent decision support in auditing: Big Data and machine learning approach. 17th International Conference on Informatics in economy (IE 2018) Education, Research & Business Technologies. The Bucharest University of Economic Studies. Bucharest. Romania, pp. 425–430.

Brennan B., Baccala M., Flynn M. (2017) Artificial Intelligence Comes to Financial Statement Audits. CFO. URL: https://www.cfo.com/auditing/2017/02/artificial-intelligence-audits/ (дата обращения: 04.08.2019).

Calderon T.G., Cheh J.J. (2002) A roadmap for future neural research in auditing and risk assessment. International Journal of Accounting Information Systems, vol. 3–4, pp. 203–236.

Chiu C. T., Scott R. (1994) An intelligent forecasting support system in auditing: expert system and neural network approach. System Sciences, vol. 3, pp. 272–280.

Commerford B. P. Dennis S. A., Joe J. R., Wang J. (2019) Complex Estimates and Auditor Reliance on Artificial Intelligence. Elsevier. URL: Elsevier https://ssrn.com/abstract=3422591 (дата обращения: 04.08.2019).

Davis J.T., Massey A.P., Lovell I.I. (1997) Supporting a complex audit judgment task: an expert network approach. European Journal of Operational Research, vol. 103(2), pp. 350–372.

Eining M.M., Jones D.R. (1997) Reliance on decision aids: an examination of auditors’ assessment of management fraud. Auditing: A Journal of Practice and Theory, vol. 16(2), pp. 1–19.

Etheridge H.L., Sriram R.S., Hsu H.Y.K. (2000) A comparison of selected artificial neural networks that help auditors evaluate client financial viability. Decision Sciences, vol. 31(2), pp. 531–550.

Fanning K., Cogger K., Srivastava R. (1995) Detection of management fraud: a neural network approach. Intelligent Systems in Accounting, Finance and Management, vol. 4, pp. 113–126.

Fay R., Negangard E. M. (2017) Manual Journal Entry Testing: Data Analytics and The Risk of Fraud. Journal of Accounting Education, vol. 38, pp. 37–49.

Gepp A., Linnenluecke M. K., O’Neill T. J., Smith T. (2018) Big Data Techniques in Auditing Research and Practice: Current Trends and Future Opportunities. Journal of Accounting Literature, vol. 40, pp. 102– 115.

Greenman C. (2017) Exploring the Impact of Artificial Intelligence on the Accounting Profession. Journal of Research in Business, Economics and Management, vol. 8, no. 3, pp. 1451–1454.

Griffith E.E., Hammersley J.S., Young D., Kadous K. (2015) Auditor Mindsets and Audits of Complex Estimates. Journal of Accounting Research, vol. 53, no. 1, pp. 49–77.

Hashimzade N., Myles G. D., Rablen M. D. (2016) Predictive Analytics and The Targeting of Audits. Journal of Economic Behavior & Organization, vol. 124, pp. 130–145.

Issa H., Sun T., Vasarhelyi M.A. (2016) Research Ideas for Artificial Intelligence in Auditing: The Formalization of Audit and Workforce Supplementation. Journal of Emerging Technologies in Accounting, vol. 13, no. 2, pp. 1–20.

Koh H. C. (2004) Going concern prediction using data mining techniques. Managerial Accounting Journal, vol. 19, no. 3, pp. 462–476.м

Kokina J., Davenport Th. H. (2017) The Emergence of Artificial Intelligence: How Automation is Changing Auditing. Journal of emerging technologies in accounting, vol. 14, no. 1, pp. 115–122.

Koskivaara E. (2017) Artificial neural network models for predicting patterns in auditing monthly balances. Journal of the Operational Research Society, vol. 51, pp. 1060–1069.

Kozlowski S. (2016) Audit Ecosystem. Doctoral dissertation, Rutgers, The State University of New Jersey. 135 p.

Lenard M.J., Alam P., Booth D., Madey G. (2001) Decision-making capabilities of a hybrid system applied to the auditor’s going-concern assessment. International Journal of Intelligent Systems in Accounting, Finance and Management, vol. 10, pp. 1–24.

Luo J., Hu Zh., Wang L. (2018) Research on CPA Auditing Reform Strategy Under the Background of Artificial Intelligence. Advances in Social Science, Education and Humanities Research. 2nd International Conference on Management, Education and Social Science, vol. 176, pp. 935–939.

Meservey R. D., Bailey Jr. A. D., Johnson P. E. (1986) Internal control evaluation: a computational model of the review process. Auditing: A Journal of Practice and Theory, vol. 6, no. 1, pp. 44–74.

Sun T., Vasarhelyi M.A. (2018) Embracing Textual Data Analytics in Auditing with Deep Learning. The International Journal of Digital Accounting Research, vol. 18, pp. 49–67.

Li Q., Vasarhelyi M. A. (2018) Developing a Cognitive Assistant for the Audit Plan. The International Journal of Digital Accounting Research, vol. 18, pp. 119–140.

Omoteso K. (2012) The application of artificial intelligence in auditing: Looking back to the future. Expert Systems with Applications, vol. 39, no. 9, pp. 8490–8495.

Perols J. (2011) Financial Statement Fraud Detection: An Analysis of Statistical and Machine Learning Algorithms. Auditing: A Journal of Practice & Theory, vol. 30, no. 2, pp. 19–50.

Rozen C. (2018) Small Firm Blazes Trail in Artificial Intelligence Use for Audits. Bloomberg Tax. p. 38. Ramlukan R. How Big Data and Analytics Are Transforming the Audit. URL: http://bit.ly/2pJJ8ju (дата обращения: 04.08.2019).

Ukpong E.G., Udoh I.I., Essien I.T. (2019) Artificial Intelligence: Opportunities, Issues and Applications in Accounting and Auditing in Nigeria. Asian Journal of Economics, Business and Accounting, vol. 10, no. 1, pp. 1–6.

Vasarhelyi M., Bonson E., Hoitash R. (2005) Artificial Intelligence in Accounting and Auditing: International Perspectives. 225 р.

Welch O. J., Reeves T. E., Welch S. T. (1998) Using a genetic algorithm-based classifier system for modeling auditor decision behavior in a fraud setting. International Journal of Intelligent Systems in Accounting, Finance and Management, vol. 7, pp. 173–186.