Pada 1997, yang tak terpikirkan terjadi. Dalam kekalahan pertama dari jenisnya, juara catur
dunia yang berkuasa Garry Kasparov dikalahkan oleh superkomputer IBM Deep Blue.
Kekalahan mengejutkan dunia - sebuah mesin telah menampilkan kecerdasan menyaingi otak
manusia dan permainan itu selamanya berubah. Gagasan mesin pintar yang bisa mengungguli
Dua puluh tahun kemudian, organisasi mengeksplorasi penggunaan kecerdasan buatan (AI)
yang meluas dan audit menghadapi momen perubahan permainan sendiri. Teknologi telah
meningkatkan wawasan dan kualitas audit. Sekarang, mesin pintar memberi kita potensi untuk
mendefinisikan ulang audit sepenuhnya. Itu hal yang baik. Agar tetap berguna, audit harus
berkembang sehingga investor dan pemangku kepentingan lainnya dapat melihatnya untuk
kepercayaan. Ketika perusahaan gagal, kepercayaan diri terpukul dan para pemangku
kepentingan mempertanyakan apakah audit tersebut sesuai dengan tujuannya. Untuk mengatasi
masalah ini, para pemangku kepentingan menyerukan audit yang memberikan wawasan yang
lebih bermakna di luar 'lulus / gagal' bersejarah yang disediakan dalam laporan auditor. Dengan
Empat dekade lalu, tingkat kolaborasi manusia dan mesin dalam audit terbatas pada
penggunaan kalkulator. Penggunaan teknologi di masa depan dalam janji audit bersifat
transformatif. Para ahli berbicara tentang saat ketika AI akan mampu mengaudit 100% dari
transaksi keuangan perusahaan. Ini akan sangat membantu untuk mengatasi kesenjangan
harapan dalam audit, memberikan jaminan jauh melampaui pengujian berbasis sampel. Atau
hari ketika teknologi memungkinkan audit yang merupakan proses berkelanjutan dan waktu
nyata, bukan 'melihat ke belakang' berkepanjangan yang membutuhkan tim auditor besar. Jadi,
peran apa yang kita lihat dari teknologi dalam audit masa depan? Dan akankah manusia
menjadi tidak berguna untuk proses audit, digantikan oleh mesin cerdas? Kami menangani
pertanyaan-pertanyaan ini dalam hal ini, yang pertama dalam Keyakinan kami di seri
mendatang. Kami akan melihat bagaimana auditor bereksperimen dengan otomatisasi hari ini
sebelum melihat ke depan untuk membayangkan bagaimana teknologi yang muncul akan
meningkatkan audit dalam beberapa tahun mendatang. Dan akhirnya, kami akan menjelaskan
peran apa yang kami mainkan dalam memberikan audit di masa depan.
Mesin, robot, dan sistem bertenaga AI dengan cepat belajar untuk melakukan tugas-tugas yang
secara tradisional dilakukan oleh orang-orang di berbagai industri, dengan proyeksi terbaru
Analisis kami baru-baru ini menunjukkan bahwa hingga 30% pekerjaan di Inggris dapat
berisiko tinggi otomatisasi pada awal 2030-an, dengan risiko tertinggi di sektor-sektor seperti
transportasi dan penyimpanan (56%), manufaktur (46%) dan grosir dan eceran ( 44%). Robot
menawarkan penghematan besar pada biaya tenaga kerja manual dan staf pelatihan yang
menghabiskan waktu. Mereka dapat bekerja berjam-jam lebih lama sementara membutuhkan
pengawasan minimal. Margin kesalahan mereka juga jauh lebih rendah, meningkatkan efisiensi
dan mengurangi pemborosan. Profesi tidak kebal terhadap gangguan ini. Seorang 'pengacara
robo' baru-baru ini membatalkan 160.000 tiket parkir, dan sekarang memberikan saran kepada
para pencari suaka. Dan akhir tahun lalu, operasi robot pertama di dunia dilakukan. Ahli bedah
menggunakan joystick dan layar sentuh di luar mata untuk mengontrol robot sambil memantau
kemajuan melalui mikroskop operasi, dan mampu menghilangkan membran yang tumbuh di
permukaan retina pasien hanya setebal 100 milimeter. Hal-hal yang mengesankan, dan jauh
Dalam otomasi profesi audit membuat audit lebih cepat, lebih cerdas dan mengurangi risiko
kesalahan.
Sistem audit Aura PwC adalah contoh yang bagus. Aura digunakan oleh setiap auditor di
jaringan PwC untuk menangkap dan mengintegrasikan kegiatan audit. Ini memberikan satu
sumber informasi untuk setiap audit kami dan memastikan bahwa semua orang bekerja dengan
metodologi yang sama. Ini memfasilitasi pemantauan pusat atas kemajuan dan kualitas dalam
waktu nyata, mendorong peningkatan kualitas audit. Pengujian transaksi terperinci adalah
bidang lain di mana otomasi menjadi pengubah permainan. Di masa lalu, untuk mengaudit
jutaan entri pada buku besar pembelian perusahaan besar, auditor akan mulai dengan memilih
sampel yang valid secara statistik (katakanlah itu 60). Untuk masing-masing dari 60 transaksi
itu, mereka harus memeriksa apakah pembelian itu diotorisasi dengan benar, apakah uang tunai
benar-benar keluar dari rekening bank (jadi itu adalah 60 salinan laporan bank untuk
ditemukan), dan memeriksa bahwa apa pun yang dibeli benar-benar tiba - jadi mereka juga
akan mencari 60 barang yang berbeda menerima catatan. Itu sudah dua minggu bekerja,
minimum, untuk memeriksa sepotong kecil transaksi pada buku besar. Alat analisis data besar
kami, Halo, memungkinkan kami untuk beralih dari pendekatan pengujian sampel ke evaluasi
seluruh populasi transaksi. Halo dapat memeriksa karakteristik jutaan entri dalam sekejap,
segera menandai pengecualian apa pun. Ini kemudian memungkinkan kita memvisualisasikan
data dalam banyak cara yang berbeda - berdasarkan pemasok, berdasarkan tanggal transaksi,
dengan jumlah misalnya - meningkatkan kemungkinan bahwa auditor akan menemukan item
atau tren yang tidak biasa. Semua itu membutuhkan sebagian kecil dari waktu yang dihabiskan
sebelumnya - lebih banyak kepastian, apalagi upaya manusia. Penggunaan drone dalam audit
juga membawa efisiensi. Kami sedang mengeksplorasi penggunaan drone dalam jumlah stok
aset modal untuk menyelamatkan auditor kami yang harus bepergian secara fisik ke lokasi.
Tapi ini baru permulaan. Drone dapat diterapkan ke sejumlah industri, seperti pertambangan.
Tambang terbuka dapat mencakup beberapa kilometer persegi, dan auditor mungkin perlu
menilai keadaan fisik tambang. Dengan cara yang mirip dengan cara mereka memeriksa jumlah
stok, drone dapat digunakan untuk memetakan area dengan cepat, membuat laporan, memantau
kemajuan pekerjaan, dan sebagainya. Dan semuanya tanpa harus melakukan perjalanan ke
Mari kita lihat beberapa teknologi yang lebih baru dan potensinya untuk memengaruhi audit.
Kecerdasan buatan adalah area yang meledak minatnya selama beberapa tahun terakhir. Bentuk
AI saat ini sering digambarkan sebagai 'AI sempit', dibuat untuk fokus pada tugas sempit dalam
parameter yang dapat diprogram tertentu. AI sempit digunakan dalam analisis prediktif, untuk
menganalisis set data besar dan dalam mesin rekomendasi seperti Google untuk menilai
pencarian sebelumnya dan situs web yang dikunjungi untuk membuat hasil Anda lebih berguna
bagi Anda. Harapannya adalah bahwa suatu hari kita akan dapat menciptakan AI yang setara
dengan pikiran kita sendiri - dapat berpikir sendiri, menampilkan kecerdasan emosional,
Meskipun dalam masa pertumbuhan, AI sudah digunakan untuk membuat proses audit lebih
baik. Kami menggunakan AI untuk menemukan pola dan anomali dalam sejumlah besar data
terstruktur. Setiap masalah yang diidentifikasi dikenali dan diingat oleh mesin, yang kemudian
'belajar' dari pengalamannya dan menerapkan pembelajaran tersebut ke set data berikutnya.
Rekan-rekan kami di AS baru saja mengembangkan aplikasi hebat untuk ini. Katakanlah kita
mengaudit perusahaan A, dan kita perlu melakukan tinjauan analitik terhadap kinerjanya.
Sebuah mesin mencari web dan menghasilkan kelompok perusahaan untuk perusahaan A.
Kemudian menghitung dan merencanakan serangkaian rasio dari waktu ke waktu untuk
perusahaan A dan kelompok rekan - misalnya, perputaran aset, hari debitur, dan sebagainya.
Mesin tersebut kemudian diprogram untuk mengidentifikasi tren yang tidak biasa, misalnya
jika perusahaan A tidak sesuai dengan tolok ukur peer group pada titik tertentu. Data ini
kemudian dibagikan dengan tim audit, yang dapat memutuskan apakah varian itu benar-benar
anomali dan jika demikian, apa yang menyebabkannya. Keputusan tim tentang anomali dan
menanggapi hubungan serupa di masa depan. Dan semakin banyak latihan ini dilakukan,
semakin baik mesin dalam menemukan anomali nyata - yang berarti kita akan lebih mampu
mengidentifikasi pola dan anomali yang tidak biasa dalam sejumlah besar data dalam sekejap.
Ini dapat membantu mengatasi kesenjangan harapan yang mengelilingi kemampuan auditor
untuk mendeteksi kecurangan. Auditor memiliki tanggung jawab yang terbatas dan jelas untuk
menunjukkan bahwa harapan auditor melampaui ini. Mungkin ada kekecewaan besar di benak
masyarakat umum, setiap kali ada jenis kegiatan penipuan - di mana para auditor? Dengan
metode baru analisis data, Anda dapat dengan mudah membayangkan mengajar mesin untuk
mencari kecurangan akuntansi, mulai dengan menunjukkannya kumpulan data besar di mana
penipuan telah dilakukan dan karenanya membantu ia mempelajari pola apa yang akan
ditemukan. Namun, seperti halnya AI yang terus berkembang, begitu pula metode yang
digunakan untuk melakukan penipuan. Kita harus memastikan bahwa teknologi yang kita
kemampuan kita untuk berbicara dan membaca "bahasa alami". Itu terlalu rumit untuk
dilakukan mesin apa pun pada level anak kecil sekalipun. Itu berubah. Mesin cerdas sekarang
dapat menganalisis dan menerjemahkan sejumlah besar data terstruktur ke dalam ringkasan
bahasa Inggris biasa. Teknologi ini sudah digunakan di perusahaan jasa keuangan untuk
menganalisis email untuk menemukan aktivitas ilegal. Ini dapat diterapkan pada pelaporan
perusahaan: mesin dapat mengambil buku besar umum, sub-buku besar dan catatan akuntansi
lainnya untuk menulis ringkasan yang memberikan pandangan yang seimbang tentang kinerja
perusahaan. Saat ini auditor perlu mempertimbangkan apakah pelaporan naratif “adil,
seimbang, dan dapat dimengerti”, tetapi mungkin di masa depan kami akan merangkul
Kami juga menggunakan teknologi pemrosesan bahasa alami untuk membantu menganalisis
kontrak yang rumit dan panjang. Mesin dapat memindai kontrak 100 halaman dalam hitungan
detik, mencari kata dan frasa yang mungkin mengindikasikan keputusan pengakuan
pendapatan yang sulit, misalnya. Di masa lalu, seorang auditor manusia dengan kecepatan
membaca yang sangat cepat akan membutuhkan setidaknya 4 jam untuk menyelesaikan latihan
yang sama.
Virtual reality
Virtual Reality (VR), di antara kegunaan populer lainnya seperti dalam industri video game
yang berkembang, digunakan oleh militer untuk mempersiapkan pasukan untuk situasi
pertempuran. Tidak dapat disangkal mengurangi pertumbuhan rambut, tetapi mengapa VR juga
tidak dapat digunakan untuk melatih auditor dengan memasukkan mereka ke dalam simulasi
situasi audit sehari-hari, mungkin penghitungan stok yang menyoroti potensi tanda bahaya?
Menggunakan sejumlah besar data yang kami tangkap dalam proses audit, kami kemudian
peta virtual data perusahaan, memanipulasi gaya Laporan Minoritas saat mereka pergi.
Lebih murah untuk dipekerjakan, tidak pernah melelahkan, jarang (jika pernah) membuat
kesalahan. Dengan beroperasi dalam seperangkat parameter yang dapat diprogram dan
mengandalkan logika, mesin memberikan kenyamanan yang lebih besar saat memproses data.
Tetapi seseorang akan selalu dibutuhkan untuk memprogram mesin, membimbing AI dan
Auditor manusia tidak akan digantikan oleh mesin, tetapi akan ditingkatkan oleh mereka. Jika
mesin dapat melakukan pekerjaan lebih cepat, dan lebih baik, mari kita gunakan. Mari kita
memungkinkan mereka untuk melaksanakan elemen audit yang memakan waktu, penilaian
yang lebih rendah, elemen yang dapat diulang, ekstraksi data dan analisis informasi keuangan
yang biasanya memakan waktu berminggu-minggu, mengakui bahwa alat berat akan
memberikan kualitas yang lebih tinggi dan analisis lebih cepat dari volume data yang tinggi.
menginterpretasikan data, menyajikan wawasan yang lebih dalam kepada bisnis dan pemangku
kepentingan utama mereka. Dan tentu saja, mengambil keuntungan dari pembelajaran mesin,
wawasan baru ini dapat diumpankan kembali ke mesin, yang berarti bahwa analisis yang
dipimpin mesin akan lebih kuat di waktu berikutnya. Kedengarannya langsung tetapi kita tidak
harus terlalu menyederhanakan. Audit lebih dari menganalisis dan memvalidasi keuangan - itu
juga tentang tertanam dalam perusahaan, memahami budaya, menggambar pengalaman dan
naluri untuk mengidentifikasi bidang yang menjadi perhatian. Elemen intuitif audit ini
merupakan faktor manusia yang penting, dan membawa kita ke poin berikutnya - penilaian.
Pertimbangan Manusia
Tidak ada yang dapat membantah bahwa manfaat dari audit yang dimungkinkan oleh teknologi
yang lebih cepat dengan margin kesalahan yang lebih sedikit memiliki daya tarik. Namun
demikian, auditor audit memberikan jauh melampaui yang disediakan oleh pengujian dan
analisis rinci. Itu berasal dari pemikiran dan penilaian berdasarkan hasil pengujian dan analisis
sistemik atau sekali saja? Pelaporan perusahaan adalah seni, bukan ilmu - bagaimana
seharusnya seluk-beluk kinerja perusahaan tercermin dengan baik dalam Laporan Tahunan?
jawabannya jarang jelas. Percakapan yang sulit mungkin diperlukan dan penilaian yang
seimbang diambil tentang "berapa banyak yang cukup?". Auditor harus mampu
mengidentifikasi masalah ini - tetapi juga mengangkat dan menyelesaikannya dengan cara yang
benar, menggunakan semua kecerdasan emosional mereka dalam proses tersebut. Pasar modal
tidak memerlukan auditor yang ketat AI untuk mendistribusikan kesimpulan biner secara real-
time tanpa memikirkan konteks atau konsekuensi - mungkin ada kepanikan investor, pelarian
saham, atau bahkan kegagalan perusahaan. Kami masih membutuhkan orang-orang dalam
audit karena kami membutuhkan penilaian, intuisi, dialog konstruktif, dan keberanian. Selama
teman-teman mesin kami tidak dapat meniru ini, auditor akan diperlukan.
Auditor masa depan tidak boleh tinggal diam ketika hadiah untuk semua, dibawa oleh
teknologi, adalah audit yang sama sekali lebih baik. Penghakiman dan tanggung jawab manusia
akan dan harus tetap menjadi intinya. Tetapi sama seperti kita telah meninggalkan kalkulator
kita, kita harus berharap untuk beradaptasi untuk masa depan di mana kita tidak lagi
menghabiskan waktu menganalisis data keuangan dan melakukan tes rinci transaksi. Alih-alih,
kita perlu memeriksa algoritme dan parameter yang ditetapkan untuk mesin cerdas buatan yang
bertanggung jawab atas pekerjaan itu, dan menggunakan intuisi dan penilaian untuk mencapai
kesimpulan.
Berurusan dengan semua teknologi yang muncul ini akan membutuhkan pelatihan dan
orang dari latar belakang analisis keuangan, sekarang kami juga akan membutuhkan teknisi
data dan keterampilan teknik AI, dan mungkin juga psikolog dan spesialis perilaku. Auditor
masa depan masih akan menjadi orang - tetapi didukung oleh kolega dan mesin dengan