Forum

Niniejsze FORUM to przestrzeń stworzona i dostępna wyłącznie dla biegłych rewidentów co mamy nadzieję zainspiruje do śmiałych i szczerych wypowiedzi na ciekawe dla Nas tematy.

Podzielmy się wiedzą, doświadczeniami i najlepszymi praktykami z obszaru audytu. Zachęcamy do korzystania, tworzenia własnych tematów i rozpoczynania dyskusji.

Please or Zarejestruj się to create posts and topics.

 AI w firmach audytorskich – gdzie jesteśmy dziś?

Admin iZaufani@admin-izaufani
5 wpisów
#1 · 2025-08-27, 13:30

AI i sytuacja na dzisiaj według bieżących publikacji wygląda tak:

1. Stan wdrożeń w firmach audytorskich

  • Wielkie firmy audytorskie od lat inwestują w zaawansowane narzędzia, takie jak EY Canvas, EY Helix czy platformy do analityki danych i sztucznej inteligencji (EY).
  • AI skraca czas analizy i przetwarzania ogromnych zbiorów danych, pozwalając audytorom skupić się na transakcjach wysokiego ryzyka (KPMG).
  • Przykładowe rozwiązania: MindBridge (skanuje wszystkie transakcje i identyfikuje ryzykowne) oraz CaseWare IDEA (analiza danych i automatyzacja rutynowych zadań) (tuv-nord.com).
  • AI umożliwia też ciągły audyt — analizę logów, wykrywanie anomaliów i przewidywanie zagrożeń w czasie rzeczywistym (CyberDefence24).

2. Kierunek rozwoju: gotowe chaty publiczne vs własne AI-agenty

  • Publiczne narzędzia mogą być łatwe i szybie w użyciu, lecz budzą obawy o bezpieczeństwo danych i zgodność z przepisami. Jak wynika z raportu, tylko 17 % organizacji ma wdrożone zautomatyzowane środki bezpieczeństwa dla AI (kiteworks.com).
  • Firmy coraz częściej rozważają agentic AI — autonomiczne agenty zdolne do realizacji złożonych zadań audytowych. Deloitte i EY wprowadzają tego typu rozwiązania (Zora AI, EY.ai Agentic Platform), a KPMG i PwC również eksperymentują z agentic AI, przekształcając rolę audytorów (Business Insider).

3. Zakres wsparcia audytu przez AI

  • AI wydajnie analizuje całość danych zamiast losowych prób, co zwiększa skuteczność wykrywania ryzyka (The Times).
  • Potrafi analizować dokumenty, streszczać i porównywać teksty w poszukiwaniu nieścisłości (The Times).
  • Wykonuje rutynowe testy, porównuje dokumentację, wykrywa anomalie i sugeruje kolejne kroki (adaptivegrc.com, Inventity.net Doradztwo dla firm).
  • Podejmuje działania w trybie agentów — realizuje całe etapy procesu audytu jako „partner”, nie tylko asysta (v7labs.com).

4. Bezpieczeństwo, nadzór i audyt AI

  • AI wymaga transparentności, wyjaśnialności oraz nadzoru ludzkiego (e-c-c.pl, unite.ai).
  • W audytach AI kluczowy jest dostęp do wewnętrznych informacji o modelu („white-box” - pełny dostęp lub „outside-the-box”), nie tylko do wyników black-box - ograniczony dostęp (arxiv.org).
  • Branża zaczyna wprowadzać standardy i nadzór — np. BSI w Wielkiej Brytanii planuje wprowadzić międzynarodowy standard dla firm audytujących AI już od 31 lipca 2025 (ft.com).
  • Big Four rozwijają usługi audytu AI – nowy obszar zapewniania bezpieczeństwa i jakości technologii AI (ft.com).
  • Warto też wspomnieć o potrzebie rozwoju infrastruktury zapewniającej odpowiedzialne praktyki AI, obejmującej nie tylko audyt, ale i wykrywanie szkód, badania nad inkluzywnością, itp. (arxiv.org).

 

 

Zatem jak postawić pytania:

  1. Czy  korzystanie z publicznych narzędzi AI (chaty, otwarte API) jest wystarczająco bezpieczne w przypadku danych wrażliwych? Czy preferowalibyście budowanie własnych agentów / AI wewnętrznie?
  2. Które czynności audytorskie Waszym zdaniem AI może przejąć już dziś, a gdzie wymaga się ludzkiego osądu? Czy to bardziej: testy analityczne, testy szczegółowe, określanie ogólnego ryzyka, czy raczej działania kontrolne opisy w dokumentacji itp.?
  3. Czy Waszym zdaniem panorama regulacyjna (standardy audytu AI, dostępność white-box, nadzór etyczny) jest obecnie wystarczająca? Czy potrzebujemy bardziej jednolitych reguł lub wymogów, np. podobnych do planowanych przez BSI?
Kliknij dla kciuka w dół.0Kliknij dla kciuka w górę.0