Revizija se dugo temeljila na pažljivom pregledu dokumentacije, uzorkovanju i profesionalnoj prosudbi revizora. Danas umjetna inteligencija sve više utječe na to kako planiramo, provodimo i dokumentiramo angažmane. I to više nije neka daleka budućnost – mnogi se revizori s tim već susreću u svakodnevnom radu. U nastavku donosimo nekoliko područja u kojima se to najbolje vidi.
Kraj ručnog unosa podataka?
Donedavno je velik dio vremena u reviziji odlazio na prepisivanje, usklađivanje i formatiranje podataka iz klijentovih sustava. Bruto bilance, analitičke kartice, izvodi i ugovori ručno su se prenosili u radne papire, što je bilo sporo i podložno pogreškama. Danas AI alati iste podatke mogu učitati, razvrstati i povezati u nekoliko minuta. Prepoznaju tekst i strukturu dokumenata pa račune, ugovore i izvode obrađuju gotovo bez ičije pomoći. Umjesto analize uzorka sve je češće moguće analizirati cijelu populaciju transakcija. Usput izdvajaju neobične obrasce, odstupanja i moguće rizike koji bi čovjeku lako promaknuli. Ručnog unosa bit će sve manje, a u nekim dijelovima revizije vjerojatno će i potpuno nestati.
Fokus se seli na pregled i kontrolu kvalitete
Kad pripremu podataka preuzme stroj, revizor nije ništa manje važan – samo radi nešto drugo. Težište rada pomiče se s izrade radnih papira na njihov pregled, kritičko preispitivanje i kontrolu kvalitete. Umjetna inteligencija može pogriješiti, krivo protumačiti dokument ili donijeti zaključak koji djeluje uvjerljivo, a nije točan. Zato revizor mora razumjeti kako je rezultat nastao i prepoznati kada mu ne treba vjerovati. Profesionalni skepticizam sada se primjenjuje i na sam alat, pa je važniji nego ikad. Revizijski standardi i dalje traže dostatne i primjerene revizijske dokaze, a odgovornost za mišljenje ostaje na ljudima. Revizijska dokumentacija morat će sadržavati i podatke o tome kako je AI korišten te kako su njegovi rezultati provjereni. Kontrola kvalitete, i na razini angažmana i na razini cijelog društva, tako postaje još važnija.
Izazov obuke asistenata
Izazov o kojem se možda najmanje govori, a mogao bi biti najveći, jest obuka mladih revizora. Asistenti su tradicionalno učili posao upravo kroz rutinske zadatke kao što su usklađivanje salda, provjera računa i popunjavanje testova. A upravo te poslove danas sve češće odrađuje AI. Nameće se pitanje: kako će mladi revizor steći iskustvo i razviti prosudbu ako osnove nikada ne odradi sam? Budući senior ili menadžer koji ne razumije temelje neće moći kvalitetno pregledati ni rad kolege ni rad stroja. Revizorske kuće zato će morati dobro razmisliti kako organizirati obuku. Jedna je mogućnost da asistenti dio zadataka namjerno rade ručno kako bi razumjeli logiku automatiziranih rezultata. Druga je da se ranije uključuju u razgovore s klijentima, procjenu rizika i analizu značajnih stavki. Mentorstvo i redovite povratne informacije bit će još važniji nego do sada. Asistentima će trebati i nove vještine, od razumijevanja podataka do pisanja dobrih upita i kritičke procjene rezultata koje daje AI. Kuće koje ovo zanemare mogle bi za nekoliko godina ostati bez dovoljno iskusnih ljudi.
Zaštita podataka kao novi prioritet
Uz sve prednosti, AI otvara i pitanja zaštite podataka kakva u reviziji dosad nismo imali u tolikoj mjeri. Revizori svakodnevno rade s povjerljivim financijskim informacijama, osobnim podacima zaposlenika i poslovnim tajnama klijenata. Čim se takvi podaci unesu u AI alat, treba se zapitati gdje završavaju, tko im ima pristup i koriste li se za daljnje treniranje modela. Opća uredba o zaštiti podataka (GDPR), obveza čuvanja profesionalne tajne i europski Akt o umjetnoj inteligenciji postavljaju jasne granice. Jedno curenje podataka moglo bi revizorskom društvu trajno narušiti ugled i donijeti ozbiljne pravne probleme. Zato informacijska sigurnost više nije samo briga IT odjela, nego i partnera na angažmanima. Klijenti će sve češće pitati kako se obrađuju njihovi podaci i tražiti jasna jamstva.
Interni razvoj ili vanjski pružatelj usluga?
Tu dolazimo do važne odluke koju svako društvo mora donijeti. Jedna je opcija razviti vlastito AI rješenje, na vlastitoj infrastrukturi i pod punom kontrolom. To je sigurnije jer podaci ne izlaze iz kuće, a rješenje se može prilagoditi vlastitoj metodologiji. S druge strane, interni razvoj zahtijeva znatna ulaganja, stručnjake i vrijeme, što manja društva teško mogu priuštiti. Druga je opcija osloniti se na vanjskog pružatelja, odnosno gotove AI platforme. One su brže dostupne, početno jeftinije i obično tehnološki naprednije. No tada treba dobro provjeriti ugovorne uvjete, mjesto obrade podataka, certifikate i pravila o korištenju podataka za treniranje modela. U praksi će mnoga društva vjerojatno završiti negdje između, s hibridnim modelom, u kojem se najosjetljiviji podaci obrađuju interno, a manje osjetljivi zadaci prepuštaju vanjskim alatima.
Zaključak
Umjetna inteligencija neće zamijeniti revizora, ali će itekako promijeniti njegov posao. Bit će manje ručnog rada, a više pregleda, prosudbe i kontrole kvalitete. Pritom najveći izazovi nisu tehnološki, nego ljudski i organizacijski: kako obučiti nove generacije i kako zaštititi povjerene podatke. Prednost će imati oni koji na vrijeme dobro odluče o obuci, sigurnosti i izboru tehnologije. Revizija budućnosti bit će brža i temeljitija, ali samo ako u njezinu središtu ostane stručan i odgovoran čovjek.
