Inteligența Artificială în Audit: Cum Arată în Realitate De Liza Primzharova Publicat 18 mai 2026, 9:00 a.m. EDT
Când m-am alăturat Deloitte în Seattle, mă așteptam ca AI să fie un subiect discutat de parteneri în ședințele de strategie. În schimb, era deja prezentă în activitatea zilnică. Algoritmii semnalau anomalii în datele tranzacțiilor. Instrumentele automatizate gestionau părți din testarea documentației. Modele care ar fi necesitat ore unui analist pentru a le descoperi apăreau în câteva minute. Nimeni nu a anunțat-o. Pur și simplu era acolo.
Această experiență mi-a schimbat modul de a gândi despre AI în contabilitate – și este motivul pentru care am petrecut anii următori studiind tranziția mai formal. Articolul meu din 2026, revizuit de colegi, despre AI în automatizarea contabilității a descoperit ceea ce văzusem deja în practică: tehnologia nu înlocuiește contabilii. Dar schimbă modul în care se desfășoară de fapt munca de contabilitate, iar schimbarea este mai avansată decât își dau seama majoritatea practicienilor.
Cea mai vizibilă aplicație în prezent este procesarea documentelor. Modelele de viziune computerizată combinate cu procesarea limbajului natural pot citi facturi, contracte și chitanțe, pot extrage câmpurile relevante și pot genera automat intrări contabile. Acuratețea nu este perfectă – depinde foarte mult de cât de curate și standardizate sunt documentele primite. Dar, pentru organizațiile care procesează volume mari de tranzacții, elimină o cantitate reală de introducere manuală a datelor. Schimbarea practică este subtilă: în loc să prindă erori de introducere a datelor după fapt, sarcina devine asigurarea că datele de intrare sunt suficient de curate pentru ca algoritmul să le citească corect. Aceeași problemă, loc diferit în proces.
Clasificarea tranzacțiilor se schimbă și ea. Modelele de învățare automată antrenate pe datele istorice ale unei firme învață modul în care acea organizație specifică își înregistrează operațiunile în timp, apoi aplică acel model la tranzacțiile noi. Un sondaj efectuat în rândul a 454 de profesioniști contabili a constatat îmbunătățiri măsurabile ale vitezei de procesare și ale acurateței datelor atunci când aceste sisteme erau utilizate. Ceea ce cercetarea tinde să subestimeze este ceea ce se întâmplă atunci când datele de intrare devin inconsistente sau când afacerea se schimbă semnificativ. Modelul continuă să aplice modelul vechi până când o persoană observă că ceva nu este în regulă. Aceasta nu este o observație minoră. De fapt, este ceea ce necesită cea mai mare atenție profesională.
Monitorizarea continuă a auditului este schimbarea care contează cel mai mult pentru auditorii interni. Auditul tradițional se bazează pe eșantionare. Revizuiți o parte din tranzacții și trageți concluzii despre restul. Funcționează, dar lucrați întotdeauna cu informații incomplete. Sistemele de monitorizare continuă analizează tranzacțiile pe măsură ce apar, semnalând modele neobișnuite în timp real, mai degrabă decât să le scoată la iveală într-o revizuire trimestrială. Algoritmii nu au nevoie de o definiție predefinită a fraudei. Ei identifică tranzacțiile care arată diferit de tot restul și o fac pe întreaga populație, nu pe un eșantion. Fereastra dintre momentul în care ceva merge prost și momentul în care cineva observă devine semnificativ mai scurtă.
Nimic din toate acestea nu înlocuiește contabilul. Sistemele nu pot evalua dacă o anomalie semnalată reprezintă o problemă reală sau o excepție legitimă. Nu pot evalua dacă modelul pe care l-au învățat din datele de anul trecut are încă sens pentru o afacere care și-a schimbat de atunci modelul de prețuri sau a achiziționat o nouă entitate. Nu își pot explica raționamentul unui organism de reglementare într-un mod care să satisfacă un standard legal. Un studiu publicat în Journal of Accounting, Ethics and Public Policy a constatat că, pe măsură ce AI gestionează procesarea de rutină, contabilii se îndreaptă către interpretare, judecată și analiză strategică – care, sincer, este o utilizare mai bună a abilităților profesiei. Dar necesită o pregătire diferită decât cea pe care au primit-o majoritatea practicienilor.
Există moduri reale de eșec care merită înțelese. Algoritmii amplifică problemele de calitate a datelor, mai degrabă decât să le remedieze, astfel încât, dacă datele sursă au erori sau inconsecvențe, rezultatul AI va reproduce acele probleme la scară și nu va fi evident până când nu vă uitați cu atenție. Rețelele neuronale pot produce rezultate foarte precise, rămânând dificil de interpretat, ceea ce creează fricțiuni de conformitate în contextele de raportare financiară în care fiecare intrare are nevoie de o explicație logică. Modelele antrenate pe date istorice pot deriva atunci când condițiile de afaceri se schimbă, producând în liniște rezultate greșite până când cineva le prinde. Iar costurile de infrastructură ale integrării complete a AI sunt suficient de semnificative încât tehnologia nu este la fel de accesibilă în toate dimensiunile firmelor.
Abilitatea care contează cel mai mult în prezent nu este programarea sau știința datelor. Este capacitatea de a te uita la ceea ce face un algoritm și de a pune întrebările potrivite despre dacă o face corect. CPA-urile care dezvoltă acest obicei – care tratează rezultatele AI în același mod în care ar trata orice alt produs de lucru care necesită revizuire – vor fi într-o poziție puternică. Cei care fie ignoră tehnologia, fie au încredere în ea fără a o critica, vor avea amândoi probleme, doar unele diferite.
Am crescut în Kazahstan și mi-am construit cariera contabilă în trei țări. Profesia arăta în esență la fel în toate: atentă, metodică, construită pe judecata umană aplicată proceselor manuale. Această fundație este reconstruită chiar acum. Procesul manual se mută la mașini. Judecata rămâne cu noi. Practicienii care se angajează serios cu această schimbare, care înțeleg ce pot face aceste sisteme și unde eșuează, vor defini cum va arăta profesia peste 10 ani.