KPMG UK испытала 100+ ИИ-агентов в аудите: иногда они копали глубже людей

KPMG UK провела эксперимент, в котором более 100 ИИ-агентов проверяли отчётность крупной компании, входящей в индекс FTSE 250 (название компании не раскрыто). По данным издания European Business Magazine, ссылающегося на Financial Times, проект получил кодовое название Project Exponential. Агенты работали параллельно с обычной аудиторской командой и выполняли задачи на разных этапах аудита, а не только отдельные вспомогательные операции.
По словам главы аудита KPMG UK Кэт Бёрнет (её мнение передано в пересказе, прямой цитаты нет), технология в нескольких случаях заметно глубже, чем штатная команда, разбирала отдельные вопросы: выявляла области, требующие дополнительной проверки, и задавала вопросы, которые аудиторы-люди не обязательно поднимали. В материале это подано как то, что агенты иногда исследовали финансовые вопросы глубже и задавали более удачные вопросы, чем люди. Примеров таких вопросов в источнике нет.
Агенты собирали информацию, анализировали и документировали данные, готовили черновые выводы и наблюдения, предлагали следующие шаги. Они также могли работать друг с другом, распределяя обязанности и согласуя части проверки. Технологию разрабатывали примерно четыре месяца.
KPMG подчёркивает, что это не формально утверждаемый обязательный аудит. Партнёр по аудиту подписал экспериментальную работу, но её результаты не легли в основу формального одобрения отчётности компании. Человеческий контроль остался необходимым: в ходе испытания аудитору пришлось вмешаться, когда один из ИИ-агентов неверно сопоставил нормативные требования с документами компании.
KPMG планирует расширить инициативу максимум до 20 более крупных аудитов, но признаёт, что технология пока недостаточно зрела для применения в тысячах проверок. Серьёзным препятствием остаётся качество данных: у части компаний нет чистой структурированной информации, нужной агентам. Будут ли выгоды от ИИ переданы клиентам, неясно: KPMG признала возможность существенной экономии времени, но не подтвердила, что она приведёт к снижению стоимости аудита. Британский регулятор, Financial Reporting Council, предупредил, что применение ИИ не должно подрывать независимость, добросовестность и профессиональный скептицизм аудиторов. Автор материала отмечает, что эксперимент не доказывает, что ИИ может заменить бухгалтеров или самостоятельно провести надёжный обязательный аудит.
Ключевые факты
- KPMG UK в проекте Project Exponential задействовала более 100 ИИ-агентов рядом с обычной аудиторской командой на отчётности неназванной компании из FTSE 250.
- По словам главы аудита KPMG UK Кэт Бёрнет, технология в нескольких случаях глубже разбирала вопросы и задавала то, что аудиторы-люди не обязательно поднимали; общего превосходства над людьми источник не заявляет.
- Это не формально утверждаемый аудит: партнёр подписал эксперимент, но выводы не использовались для одобрения отчётности; один из агентов ошибся в сопоставлении нормативных требований с документами, и вмешался аудитор.
- KPMG планирует расширить подход максимум до 20 более крупных аудитов, но технология пока не готова для тысяч проверок; препятствие, качество данных.
- Данных об экономии времени и денег нет, снизится ли цена аудита, KPMG не подтвердила.
Почему это важно
Аудит, одна из самых трудоёмких областей профессиональных услуг: его традиционно делают большие команды младших бухгалтеров под надзором менеджеров и партнёров. Здесь ИИ-агентов использовали не как помощника для отдельных операций, а на разных этапах аудита: от сбора и анализа данных до черновых выводов и предложений по следующим шагам. Это сдвиг от вспомогательных инструментов к автономным агентам в рабочем процессе. Но результат пока ограничен: речь о нескольких случаях, где агенты, по словам KPMG, копали глубже, а не о общем превосходстве над людьми.
Кому это важно
Аудиторским и бухгалтерским фирмам, включая крупнейшие (KPMG, Deloitte, PwC, EY): материал называет привлекательными для них более быстрые проверки, потенциально меньшие издержки и возможность анализировать куда больший объём данных. Важно и клиентам аудита, которые зададутся вопросом о цене, и регуляторам, следящим за независимостью и профессиональным скептицизмом аудиторов. Интересно также разработчикам и командам, внедряющим многоагентные системы в регулируемых отраслях.
Как это применить
Прямого применения у читателя нет: технология внутренняя, какие модели или поставщики лежат в её основе, источник не сообщает. Практический урок, схема испытания: агенты работают рядом с обычной командой, результаты не используются как основание для официального решения, партнёр подписывает эксперимент, а человек вмешивается при ошибках. Из условий роста, названных в материале: нужны чистые структурированные данные, и расширение пока планируется лишь до 20 более крупных аудитов.
Можно ли доверять
Оценка того, что агенты иногда задавали лучшие вопросы, исходит от KPMG: Кэт Бёрнет изложена в пересказе, а подробности проекта и кодовое название источник берёт из Financial Times. Данных проверки, примеров вопросов, замеров экономии времени или стоимости нет, компания не названа. Сам автор материала оговаривает, что эксперимент не доказывает способность ИИ заменить бухгалтеров или самостоятельно провести надёжный обязательный аудит. Считайте это заявлением компании о пилоте, а не независимо подтверждённым результатом.
Риски и подводные камни
В ходе испытания один агент неверно сопоставил нормативные требования с документацией компании, и аудитору пришлось вмешаться. Качество данных остаётся значимым препятствием. Среди проблем в материале названы безопасность данных, чрезмерное доверие к автоматическим выводам и возможность выдуманной или неточной информации от ИИ. Financial Reporting Council предупредил, что ИИ не должен подрывать независимость, добросовестность и профессиональный скептицизм аудиторов; ответственность за аудиторское заключение остаётся на человеке. Неясно и то, получат ли клиенты выгоду в виде более низких цен.