Tugas Audit Internal

Rangkuman Seminar Artificial Intellegence in Auditing : Opportunities and Challenges

Nama : Dimas Muhammad Fauzan

Nim : 19102016

Apa itu Artificial Intellegence ? adalah sesuatu yang bertujuan untuk menciptakan mesin
kecerdasan, seperti halnya kecerdasan alami yang ditunjukkan oleh manusia dan hewan.

Common Narrow AI Technologies

 Machine Learning
Sebuah mesin yag disini adalah algoritma dimana algoritma tersebut bisa belajar atau
memprediksi sebuah tugas yang dilakukan di dalam computer tanpa perlu bantuan dari
penggunanya.

 Natural Language Processing

Sama seperti AI namun NLP ini berfokus pada interaksi antara manusia dengan computer.
Dimana NLP ini memiliki kemampuan untuk memahami bahasa manusia seperti yang di ucapkan
atau di tulis. Contoh : Google Assistant, Siri dan lain lain

 Computer Vision
Computer Vision juga bagian dari AI dimana cara kerja computer merupakan salah satu
teknologi yag dapat memindai dan mengenali objek yag ada disekitarnya. Contoh : Face
recognition, auto pilot tesla, dan lain lain.

 Robotic Process Automation (RPA)

RPA ini merupakan perangkat lunak yang dapat melakukan tindakan yang biasa di lakuka oleh
manusia dan berinteraksi dengan sistem digital untuk melakukan tugas dan proses bisnis yang
sederhana dan berulang.

Why Adopt AI in Assurance

 AI can help auditors process Relevan Big data to generate audit Evidence
Karena auditor bisa dengan mudah mengumpulkan big data. Sehingga dengan big data ini bukti
yang di temukan auditor akan lebih kuat.

 AI can identify hidden patern unseen by auditors

 Ada kalanya auditor melewatkan hal penting yang mungkin tidak ditemukan oleh auditor dan
dengan AI akan menganalisis banyak sekali data sehingga ini akan memberi informasi tambahan
untuk auditor mengenai resiko resiko yang tidak terlihat sebelumnya atau belum terduga

 AI can automate mundade audit tasks

Dengan AI auditor dapat membantu dalam menjalankan tugas tugas kecil seperti pengumpulan
dokumen sehingga ini akan membuat pekerjaan lebih evisien dan menghemat waktu.

What make AI become Popular today ?

 Increase computing and storage

Saat ini kita dengan mudah mengumpulkan data dan menyimpannya sebanyak apapun yang
kiita mau karena saat ini ada system penyimpanan cloud. Kita bisa menyimpan data yang tidak
terhingga tanpa memerlukan hardware.

 Availibility of Big data misalny dari social media, news article

Kita pun saat ini bisa sangat mudah untuk mengumpulkan sumber data dan fasilitas fasilitas
yang dapat kita gunakan untuk mengumplkan data semakin beragam misalnya bdari social
media, internet, berita, artikel dan lain lain.

 Advantage in Algorithm
Perkembangan algoritma pun sepanjang waktu akan mengalakmi perkembangan dan akan
selalu lebih baik dan sempurna.

Unindited Consequence of Machine Learning

 Garbage in, Garbage Out

Saat menggunakan AI kita akan mengumpulkan banyak sekali data. Namun data yang kita
kumpulkan tersebut tidak akan berguna semuanya. AI akan menganalisis data yang sesuai
dengan apa yang kita inginkan sehingga akan banyak data yang terbuang sehinga akan
menumpuk dan menjadi sampah sampah file di computer.

 User Overreliance
Karena AI mempermudah pekerjaan manusia, seringkali pengguna menjadi ketergantungan
untuk menggunakan AI dan ini bisa membuat pengguna menjadi malas untuk melakukan
pekerjaan yang tidak bisa mengunakan AI.
  United or potentially harmful bias in the models
Sering kali terjadi bisa pada data yang sudah di kumpulkan tadi sehingga ada kempunkinab bias
akan bersatu dan akan mempengaruhi kinerja AI. Sehingga kinerja AI tidak bisa dilakukan
dengan sempurna.

Challenges of AI Adoption in Assurance Service

1. Data privacy and confidentially

Aplikasi AI/ML yang efektif membutuhkan data dalam jumlah besar, termasuk data rahasia klien
dan terkadang auditor kesulitan untuk mendapatkan data rahasia tersebut karena clien menolak
untuk memberikannya.

2. Data Integrity
Terkadang data data yang sudah di kumpulkan secara banyak itu merupakan data yang tidak
valid dan tidak bisa di proses untuk menjalankan AI. Dan jika data yang di dapatkan tidak bagus
maka hasil dari pengerjaan machine learning pun tidak akan bagus atau sempurna

3. Explainability
Mengapa explainability?
1. Kurangnya penjelasan menantang penggunaan Al/ML dalam layanan assurance,
terutama audit F/S eksternal
• Profesi jaminan dibangun di atas kepercayaan
• Kepatuhan terhadap standar audit, terutama dokumentasi dan bukti (misalnya, AS 1215;
AS 1105)
2. Al-explainability mempengaruhi penilaian profesional
• Kurangnya penjelasan dapat memengaruhi kemampuan auditor untuk mengajukan
pertanyaan yang tepat dan menetapkan ekspektasi yang sesuai tentang produk ML yang
digunakan dalam organisasi mereka atau yang ada di pasar (ACCA 2020)

4. Limitations Of AI

AI/ML needs to be complemented by auditors

5. Auditing standards
Meskipun standar audit tidak menghalangi penggunaan teknologi baru dalam audit eksternal,
praktisi menginginkan panduan tambahan.

6. Lack of Talent
Kurikulum Model evolusi CPA yang baru Diluncurkan mencakup peningkatan penekanan pada
teknologi