Россия
В статье исследуется трансформация важнейшей аудиторской категории — оценки существенности — под влиянием технологии искусственного интеллекта (ИИ). Цель исследования — комплексный анализ новых возможностей и системных рисков, возникающих при интеграции алгоритмов машинного обучения и обработке естественного языка в процессе профессионального суждения аудитора о существенности. В результате выявлены основные возможности ИИ, а также систематизированы критические риски. Делается вывод о том, что наиболее эффективной является гибридная модель, в которой ИИ выступает как мощный инструмент предварительного анализа и фильтрации данных, а окончательное суждение о существенности, учет качественных факторов и принятие решений остаются за аудитором.
существенность в аудите, искусственный интеллект, машинное обучение, профессиональное суждение, аудиторские процедуры, риск, выборка, МСА
1. Варданян С.А., Немченко А.В., Чернованова Н.В., Шемет Е.С. Искусственный интеллект в аудиторской деятельности: возможности и вызовы // Аудитор. — 2025. — Т. 11, № 5. — С. 12–16. DOI: https://doi.org/10.12737/1998-0701-2025-11-5-12-16; EDN: https://elibrary.ru/SQTEYF
2. Кеворкова Ж.А., Мухин В.В. Сравнительный анализ методик определения уровня существенности в аудите: преимущества и недостатки отраслевого подхода // Экономические науки. — 2025. № 244. — С. 200–206. DOI: https://doi.org/10.14451/1.244.201; EDN: https://elibrary.ru/NIMJEJ
3. Кочинев Ю.Ю. Оценка порога существенности // Аудитор. — 2016. — Т. 2, № 8. — С. 12–15. DOI: https://doi.org/10.12737/21058; EDN: https://elibrary.ru/WMHYJZ
4. Лукина Е.В., Фецкович И.В., Горохова Ю.С. Оценка существенности и аудиторского риска в ходе проведения аудита экономических субъектов // Тенденции развития науки и образования. — 2022. № 83-3. — С. 50–53. DOI: https://doi.org/10.18411/trnio-03-2022-99; EDN: https://elibrary.ru/QXMAZA
5. Умавов Ш.Ю. Методика аудита процесса оценки двойной существенности на основе рискориентированного подхода // Учет и статистика. — 2025. — Т. 22, № 2. — С. 125–138. DOI: https://doi.org/10.54220/1994-0874.2025.44.71.014; EDN: https://elibrary.ru/AQQTOE
6. Чая В.Т., Чупахина Н.И., Старовойтова Е.В. Искусственный интеллект как инструмент для повышения эффективности финансового аудита // Аудит. — 2025. — № 3 (195). — С. 7–11. EDN: https://elibrary.ru/QXUJFM
7. Чая В.Т. Формирование государственной политики развития аудиторской деятельности и основ применения искусственного интеллекта // Новые идеи в науках о Земле: мат. 17-й Международной научно-практической конференции: тезисы докладов. В 9 т. Москва, 03—04 апреля 2025 года. — М.: Российский государственный геологоразведочный университет им. Серго Орджоникидзе, 2025. — С. 182–185. EDN: https://elibrary.ru/EMDKAP
8. Alles M., Gray G.L. Incorporating big data in audits: identifying inhibitors and a research agenda to address those inhibitors. International Journal of Accounting Information Systems, 2020.
9. Brown-Liburd H., Issa H., Lombardi D. Behavioral Implications of Big Data’s Impact on Audit Judgment and Decision Making and Future Research Directions. Accounting Horizons, 2015, Accounting horizons 29 (2), 451–468 DOI: https://doi.org/10.2308/acch-51023
10. Vasarhelyi M.A., Kogan A., Tuttle B.M. Big Data in Accounting: An Overview. Accounting Horizons, 2015, 29, 381–396. DOI: https://doi.org/10.2308/acch-51071
