Искусственный интеллект в работе аудитора. Как ChatGPT и Claude стали моими интеллектуальными помощниками
- -
- 100%
- +
И только после этого формируется профессиональное суждение.
На практике такой порядок экономит гораздо больше времени, чем кажется. Исправить ошибку в черновике консультации несопоставимо проще, чем объяснять её клиенту после отправки документа.
Есть, впрочем, ловушка, в которую попасть особенно легко. Если ответ полностью совпал с тем, что вы и сами ожидали увидеть, желание его перепроверять исчезает почти мгновенно.
Аудитору не нужно объяснять, что это такое. Профессиональный скептицизм — не личная черта характера и не признак дурного нрава, а прямое требование МСА 200. Мы годами применяли его к пояснениям клиента, к расчётам бухгалтерии, к заключениям сторонних специалистов. Теперь его придётся применять и к собственному помощнику. Спорить он, вопреки распространённому мнению, умеет и делает это охотно. А вот стоять на своём под давлением — почти нет. Настойте во второй раз, и он с готовностью найдёт, в чём правы именно вы. Клиент, которому есть что терять, так себя не ведёт. К этому свойству мы ещё вернёмся отдельно.
Совпадение ответа с вашим мнением — не повод проверять меньше. Скорее наоборот.
Практический вывод. Не спрашивайте только «какой вывод». Спрашивайте «почему именно такой» — и проверяйте ответ по первоисточникам.
Когда расчёты необходимо проверять программно
Есть ещё одна история, после которой мои инструкции для работы с искусственным интеллектом стали длиннее ровно на одну строчку.
Клиент попросил подготовить ответ контрагенту и объяснить причины убытка, отражённого в бухгалтерской отчётности. Саму причину я прекрасно знала. Нужно было не искать её заново, а объяснить на языке цифр и подтвердить расчётами.
Оговорюсь сразу, потому что предыдущие страницы обязывают: годовая бухгалтерская отчётность у большинства организаций публична и размещается в государственном информационном ресурсе бухгалтерской отчётности, который ведёт ФНС. Это как раз тот случай, когда документ клиента тайной не является и давно доступен любому желающему. Не всё, что получено от клиента, закрыто, и разбираться, что именно у тебя в руках, — тоже часть работы.
Я загрузила отчётность, кратко описала ситуацию и поставила одну и ту же задачу сразу двум моделям. Обе подготовили хорошие ответы. Я уже собиралась взять один из них в работу, но решила сначала сравнить результаты между собой.
И не зря.
В расчётах ChatGPT неожиданно появился лишний миллиард рублей.
Не миллион. Именно миллиард.
Текст при этом выглядел настолько убедительно, что без сравнения двух ответов ошибка вполне могла уехать к клиенту. Claude повёл себя иначе: помимо основного ответа он пересчитал несколько контрольных показателей отчётности. Именно эта дополнительная проверка и показала, что где-то в вычислениях появилась ошибка.
Дальше было самое интересное. Разбирались втроём. ChatGPT объяснял, откуда взялось число. Claude искал, где именно расходятся контрольные показатели. Я решала, кому из них верить. Окончательный ответ клиент получил только после того, как всё было пересчитано ещё раз.
Из этого разговора и родилось правило, которое с тех пор стоит в инструкциях практически ко всем моим рабочим проектам. Оно состоит буквально из одной строки:
«Если задача содержит расчёты, используй Python для всех вычислений и проверки результатов».
Правило появилось не из статьи про нейросети и не из теории. Оно появилось из лишнего миллиарда.
Здесь важно не сделать неправильный вывод. Дело не в том, что одна модель считает хуже другой: в следующий раз они вполне могут поменяться ролями, и строить работу на репутации бренда я бы не советовала. Сработала не марка, а сама сверка двух независимых ответов.
Суть правила тоже не в языке программирования. Современные модели умеют писать код и считают им хорошо. Но делают это не всегда и обычно молча. Поэтому правильный вопрос звучит не «умеет ли модель считать», а «каким способом получено это число». Программный расчёт можно открыть, повторить и проверить шаг за шагом. Число, возникшее посреди обычного текста, проверить нельзя. Его можно только пересчитать заново.
Я не стала меньше доверять искусственному интеллекту. Я просто перестала просить языковую модель работать калькулятором.
Практический вывод. Если от расчёта зависит профессиональный вывод, расчёт должен быть воспроизводим. Python, Excel, специализированная программа — инструмент не так важен. Важно, чтобы результат можно было независимо проверить.
Что я никогда не поручаю искусственному интеллекту
После всех этих историй меня обычно спрашивают: так что же тогда вообще можно ему доверить?
Очень многое. Но не всё.
Сегодня я совершенно спокойно прошу искусственный интеллект подготовить первый черновик консультации, структурировать большой документ, найти слабые места в моей аргументации, предложить альтернативную точку зрения или помочь разобраться в новой теме. Иногда он предлагает решение, до которого я дошла бы значительно позже. Иногда задаёт вопрос, который мне самой не пришёл бы в голову. Именно за это я его и ценю.
Но есть вещи, которые я не перекладываю на него принципиально.
Я не прошу принять окончательное решение в спорной ситуации. Не прошу выбрать единственно верную позицию, если судебная практика противоречива. Не прошу решить, достаточно ли у меня аудиторских доказательств.
И вот здесь стоит остановиться, потому что за этой фразой прячется вещь более серьёзная, чем осторожность.
Ответ искусственного интеллекта сам по себе аудиторским доказательством не является. У него нет источника, на который можно сослаться, и его нельзя получить повторно: задайте тот же вопрос завтра — и получите другой текст, возможно, лучше, возможно, с другим выводом. В аудите же то, что не задокументировано, попросту не существует. Поэтому в рабочий файл ложится не ответ модели, а норма, документ и моё собственное суждение. Искусственный интеллект остаётся там же, где всегда оставался калькулятор: в черновиках.
Полезно время от времени задавать себе очень простой вопрос: что именно я подошью в файл?
Первый вопрос, который мне начали задавать коллеги после появления ChatGPT, звучал примерно одинаково: «А если он ошибётся?» Я отвечала встречным: «А кто подпишет документ?» После этого разговор обычно становился заметно короче.
Постепенно я перестала воспринимать искусственный интеллект как специалиста, который знает ответы лучше меня. Гораздо ближе к правде другой образ — собеседник и оппонент. Он способен за несколько минут просмотреть огромный объём информации, предложить идеи, найти противоречия, поспорить с моей позицией и выступить в роли профессионального критика. Всё это очень много. Но профессиональное суждение остаётся человеческим, и подпись под документом тоже.
Наверное, поэтому со временем изменились и мои запросы. Раньше я чаще спрашивала: «Как правильно?»
Теперь гораздо чаще: «Что я могла упустить?»
Этот вопрос оказался самым полезным за всё время моей работы с искусственным интеллектом.
Конец предупреждения
Если после этой главы возникло ощущение, что искусственный интеллект опасен, значит, я плохо справилась с задачей.
Опасен не искусственный интеллект. Опасно безоговорочно доверять любому инструменту, каким бы убедительным он ни казался.
За годы работы аудитором я перепроверяла документы клиентов, расчёты бухгалтеров, заключения оценщиков, выводы юристов и собственные рабочие документы. Появление искусственного интеллекта в этом смысле не изменило ровно ничего. Просто в списке появился ещё один участник — очень быстрый, очень начитанный и совершенно не отвечающий за результат.
Первую главу я сознательно посвятила ограничениям. Не потому, что они важнее возможностей, а потому, что именно с них начинается профессиональная работа. Стандарт, которого ещё не существует, выглядит абсолютно нормально, пока не откроешь правовую систему. Условие, которого нет в договоре, выглядит абсолютно нормально, пока не откроешь договор. Лишний миллиард выглядит абсолютно нормально, пока не пересчитаешь.
Так что это глава не про страх. Это глава про правила, при которых с искусственным интеллектом можно работать всерьёз: не отправлять лишнего, не верить красивым ссылкам, проверять числа и не отдавать никому право подписи.
Предупреждений в этой книге больше не будет. Осторожность останется — но она и так часть профессии, а не отдельная тема для разговора.
Дальше речь пойдёт о том, ради чего книга вообще написана: о том, как искусственный интеллект помогает аудитору работать быстрее, глубже и, что для меня особенно важно, интереснее.
На этом первое и последнее китайское предупреждение заканчивается. Можно переходить к настоящей работе.
Глава 2. Как изменилась моя работа
Как одна случайная фраза превращается в неделю профессиональных вопросов
На одну из проверок я приехала электричкой.5
Клиент любезно прислал за мной служебную машину. До предприятия было минут двадцать езды. Ехать всё это время молча было неудобно, поэтому разговор завязался сам собой.
— Как у вас дела?
Вопрос был самый обычный. Я не собиралась проводить аудит водителя. Просто спросила первое, что обычно спрашивают люди.
— Да всё нормально… Только пожар недавно был.
Дальше разговор свернул совсем не туда, куда я ожидала.
Оказалось, что на территории предприятия произошло возгорание. Пострадало имущество арендатора, была повреждена часть здания самого клиента. Потом арендатор ушёл, начался судебный спор. По словам водителя, это был один из крупнейших контрагентов предприятия.
К проходной мы подъехали уже совсем с другим настроением. Я почти перестала поддерживать разговор и мысленно перебирала вопросы, которые собиралась задать бухгалтерии.
Вообще-то я человек довольно стеснительный. Но на проверке со мной происходит что-то странное. Как будто внутри щёлкает какой-то переключатель. Я начинаю разговаривать со всеми. С водителем. С охранником. С кладовщиком. С уборщицей. Иногда потом сама удивляюсь, как легко это получается.
Тогда мне казалось, что это просто черта характера, которая почему-то включается только на работе. Сейчас я понимаю, что это и есть часть профессии.
«А кто вам вообще про это рассказал?»
В бухгалтерии всё оказалось ещё интереснее.
Когда разговор дошёл до пожара, сначала наступила пауза. Не та деловая пауза, когда человек вспоминает дату, а другая — когда в кабинете внезапно становится слышно, как работает кулер в системном блоке.
Потом одна из сотрудниц посмотрела на меня с явным удивлением.
— Подождите… А кто вам вообще про это рассказал?
— Водитель.
И почти сразу, почти хором:
— Ну зачем он вам это рассказал?!
Вот эта реакция удивила меня гораздо больше самого пожара.
Поразил их не мой вопрос. Их поразило, что я вообще об этом узнала.
Я тогда впервые подумала, что без случайного разговора в машине могла бы не узнать ничего. Меня повели бы на инвентаризацию другого объекта. Показали бы документы, заранее подготовленные к проверке. Ответили бы на все мои запросы — вежливо, полно и строго по существу заданного вопроса. Проверка прошла бы совершенно нормально.
А пожар остался бы где-то за её пределами.
И здесь я не стану делать вид, что истолковала происходящее как-то деликатнее, чем оно выглядело.
Рассказывать мне о пожаре не собирались. В учёте событие не отражено. Документы по нему не представлены. Ни в одном ответе на мои запросы оно не упоминалось. А первой реакцией на вопрос стала не готовность объяснить, что произошло, а досада на человека, который проговорился. Каждый из этих фактов по отдельности ещё можно списать на невнимательность и текучку. Все вместе они объясняются значительно проще.
Для проверки это означало вещь куда более неприятную, чем сам пожар. Если об одном существенном событии мне не сказали, вопрос о том, что ещё осталось за пределами переданных документов, перестаёт быть теоретическим. С этого момента меняется не только объём процедур. Меняется и то, с каким весом принимаются устные объяснения — те самые, которые до сих пор звучали вполне убедительно.
Практический вывод. Информация, которой нет в документах и в ответах на запросы, существует независимо от этого. Вопрос только в том, встретится ли аудитор с человеком, который к разговору с ним не готовился.
Со слов начальника котельной
В тот момент мне вспомнилась история, которую я услышала в самом начале карьеры.
Когда я только пришла работать в аудиторскую компанию, коллеги рассказывали её как профессиональный анекдот. Молодой помощник аудитора написал в рабочих документах:
«Со слов начальника котельной…»
Над этой фразой смеялись все. Историю передавали из года в год как образец того, как писать нельзя.
Я была совсем новичком и, разумеется, спорить не стала. Новичку вообще полезно первое время больше слушать, чем высказываться. Но я помню своё недоумение — довольно упрямое для человека, который только что получил пропуск и ещё путался в этажах.
Мне всё время хотелось спросить: а что, собственно, здесь смешного?
Да, слова начальника котельной сами по себе ничего не доказывают. Они не заменяют документы, они требуют проверки, и строить на них вывод аудитора нельзя. Но из этого никак не следует, что они не заслуживают внимания. Запрос — в том числе устный — прямо назван в стандартах одной из аудиторских процедур, а ответ на него является аудиторским доказательством. Просто из наименее надёжных: документ надёжнее устного ответа, и это записано прямым текстом.6 Для вывода такого доказательства мало. Для того чтобы изменить направление процедур, — вполне достаточно.
Собственно, над помощником смеялись не за то, что он поговорил с начальником котельной. Смеялись над формулировкой, попавшей в рабочие документы. Но за шуткой потерялось различие, которое в профессии стоит дорого: между источником информации и доказательством вывода. Первое может быть любым. Второе — только проверенным.
Разговор с водителем неожиданно вернул меня к этой старой истории. Пятнадцать лет спустя я получила ответ на вопрос, который тогда так и не задала вслух.
Где во всём этом искусственный интеллект
А теперь внимательный читатель имеет полное право спросить: книга вроде бы про искусственный интеллект — где он?
Пока нигде.
Был обычный аудит. Обычный разговор в машине. Обычное человеческое любопытство. И событие, о котором аудитор мог никогда не узнать.
Искусственный интеллект не поехал бы на электричке. Не спросил бы водителя, как дела. Не услышал бы паузу в кабинете и не заметил бы, что удивил бухгалтерию не вопрос, а его источник. И дело здесь совсем не в том, что ему не хватает интеллекта. Дело в том, что у него не было доступа к этой информации. Он работает с текстом, который ему передали. Всё остальное для него попросту не существует.
Исходную информацию добывает аудитор. Искусственный интеллект помогает исследовать её последствия.
Вот с этого места он и вступает в работу.
Один пожар и двадцать вопросов
Мы с бухгалтерией разобрались, как организация отразила последствия пожара в учёте, и довольно быстро выяснили, что почти никак.
Дальше я открыла ChatGPT. Не потому, что не знала бухгалтерский учёт, и не потому, что рассчитывала получить готовое решение, которое можно переложить в рабочие документы. Мне нужно было другое: развернуть событие в систему последствий и убедиться, что я ничего не упустила.
Сначала казалось, что задача понятна. Произошёл пожар — значит, надо определить последствия для бухгалтерского и налогового учёта. Через несколько минут стало ясно, что я слишком просто сформулировала даже вопрос.
Сгорело ведь не отдельное основное средство. Не станок, который списывается одним актом. Не автомобиль. Повреждена была часть здания, а в учёте здание существовало как один инвентарный объект.
И вот здесь начались настоящие вопросы.
Сначала меня занимало самое простое: что, собственно, подлежит списанию, если пострадала часть объекта, а объект в учёте один? С какого момента прекращается признание этой части? И существует ли она как отдельная величина хоть в одном регистре — или её придётся выделять расчётным путём?
Допустим, выделять. Тогда немедленно возникает следующий вопрос: как определить её стоимость настолько надёжно, чтобы отражать выбытие? Клиент, разумеется, привлёк оценщика. Отчёт оценщика — солидный документ с печатью, и печать успокаивающе действует даже на аудитора. Только отвечает этот отчёт на свой собственный вопрос: какова рыночная величина ущерба. Балансовая стоимость повреждённой части и её налоговая стоимость — это два других вопроса, и ответы на них лежат совсем не в отчёте оценщика. Перепутать их удивительно легко, особенно когда в документе много цифр.
А потом выяснилось, что самое интересное лежит вообще в другой плоскости, до которой в начале проверки я не додумалась бы. Если здание физически изменилось, что происходит с ним юридически? Остался ли объект недвижимости прежним? Требуется ли вносить изменения в сведения реестра, и если да, то на основании каких документов? Бухгалтерский учёт основных средств и государственная регистрация недвижимости — разные системы координат, и они не обязаны совпадать. Аудитора, впрочем, интересуют обе.
Дальше цепочка потянулась сама. Налоговые последствия утраты имущества. Судьба ранее принятого вычета по НДС — вопрос, вокруг которого профессиональный спор идёт уже много лет и по которому уверенный ответ должен настораживать сильнее, чем осторожный. Возможное страховое возмещение. Расходы на восстановление. Оценочные обязательства по претензиям ушедшего арендатора. Раскрытие информации в пояснениях к отчётности.
А затем появился вопрос, которого в начале проверки не существовало вовсе.
Крупнейший контрагент расторг отношения и обратился в суд. Часть недвижимости повреждена. Впереди расходы на восстановление и, возможно, компенсации. По отдельности ни один из этих фактов ещё ничего не означает. В совокупности они требуют оценить, нет ли здесь существенной неопределённости в отношении непрерывности деятельности организации.7
Я заметила, что всё реже думаю о пожаре как о самостоятельном событии. Он превратился в отправную точку большого исследования, где каждый ответ открывал следующий вопрос.
Практический вывод. Первый ответ модели — это не конец работы, а её начало. Список вопросов по одному событию теперь появляется за вечер. Закрывается он неделями.
Где искусственный интеллект остановился
Здесь я должна сказать неудобную вещь, потому что после первой главы читатель вправе ждать подвоха.
Подвоха не было. По учётным и налоговым вопросам ChatGPT работал отлично: раскладывал варианты, находил направления, предлагал аргументы за и против, помогал сформулировать запросы юристу и оценщику. Всё это я, разумеется, проверяла по первоисточникам — но проверка подтверждала, а не опровергала.
Ограничение обнаружилось в другом месте, и оказалось куда интереснее ошибки.
Ему нечего было сказать про водителя.
Я передала ему факты: событие произошло, в учёте не отражено, документы не представлены, информация получена в устном разговоре с сотрудником, не имеющим отношения к отчётности. И модель приняла это как данность. Как строчку исходных данных.
А для аудитора это не строчка. Это вопрос, на который надо ответить самому: насколько надёжен источник? Откуда водитель может знать про арендатора и суд — возил руководителя на переговоры или пересказал разговор в курилке? Насколько он вообще склонен преувеличивать? Что означала реакция бухгалтерии — досаду на болтливого коллегу или что-то ещё? И сколько процедур можно строить на этом сигнале, пока он не подтверждён документами?
Оценка надёжности источника — не текстовая задача. В ней участвуют интонация, обстоятельства разговора, репутация человека, ваш опыт общения с такими организациями и понимание того, кто здесь кому подчиняется. Ничего из этого в чат не загружается.
Забавно, что ошибка получилась та же самая, что и пятнадцать лет назад. Тогда не различали источник информации и доказательство вывода. Сейчас ждут от модели ответа на вопрос, который она по своей природе не решает.
Практический вывод. Модель может исследовать последствия факта. Оценить, насколько надёжен источник самого факта, она не может — у неё нет ничего, кроме вашего пересказа. Этот шаг остаётся человеку целиком.
Почему работа не стала легче
Несколько лет назад такая проверка выглядела бы иначе.
Значительная часть времени уходила на поиск отправной точки: найти норму, проверить действующую редакцию, посмотреть судебные подходы, отыскать похожие ситуации, сопоставить несколько документов между собой. Иногда на этом этапе проходила половина рабочего дня, и к моменту, когда можно было начинать думать, думать уже не очень хотелось.
Теперь эта часть занимает минуты.
Освободившееся время, вопреки ожиданиям, свободным не стало. Его мгновенно заняла другая работа: проверка найденных источников, сопоставление бухгалтерских, налоговых и гражданско-правовых последствий, уточнение фактических обстоятельств, запросы юристу и оценщику, оценка существенности, определение того, каких доказательств не хватает, и формирование вывода.
У любого исследования есть граница, и определяется она не любознательностью аудитора, а сроками проверки и разумным объёмом процедур. Существенные вопросы задавались всегда — иначе это был бы не аудит. Но там, где раньше исследование приходилось закрывать, потому что дальше начиналась работа на несколько дней, теперь можно сделать ещё несколько шагов. Граница отодвинулась. Проверка по-прежнему заканчивается в назначенный день, но успеть в этот день удаётся заметно больше.
Так что моя работа не сократилась. Она сместилась — в сторону самого сложного.
Это, пожалуй, главное изменение, которое искусственный интеллект принёс в мою профессию. Он не научил меня задавать вопросы. Он перестал отнимать время, которое раньше уходило на поиск ответов. И выяснилось, что освободившееся время тут же занимают новые вопросы — те самые, на которых прежде исследование приходилось останавливать.
Практический вывод. Быстрее на поверхности не означает легче по существу. Если после появления искусственного интеллекта ваша работа стала проще, стоит проверить, не стала ли она при этом мельче.
Что решает человек
Список вопросов — ещё не аудит. Рано или поздно приходится закрывать чат и отвечать на вещи, которых там нет.
Существенно ли это событие для данной отчётности. Достаточно ли собранных доказательств. Можно ли полагаться на заявления руководства. Требуется ли расширять процедуры по другим событиям, о которых мне тоже не сообщили. И есть ли существенная неопределённость в отношении непрерывности деятельности.
Ни на один из этих вопросов нельзя ответить из текста. Нужна вся совокупность обстоятельств: масштаб бизнеса, финансовое состояние, структура выручки, реальные перспективы судебного спора, возможность заменить потерянный доход, состояние оставшейся недвижимости и — да, не в последнюю очередь — то, как эта организация вела себя всё время проверки.
Профессиональное суждение плохо описывается словом «мнение». Это не мнение, а процедура: обнаружить сигнал, сформулировать риск, собрать доказательства, понять, чего не хватает, проверить альтернативные объяснения и задокументировать решение. Ускорить её увеличением скорости ответов невозможно.
Чем всё закончилось
Развязка вышла не такой, какой её рисуют в учебниках.
К моменту окончания проверки часть вопросов не имела ответа в принципе. Судебный спор не был разрешён, размер возможных обязательств достоверно не определялся, восстановительные работы не завершились. Признать в учёте то, что не поддаётся надёжной оценке, нельзя — но и промолчать о событии такого масштаба тоже нельзя.
В итоге информация о пожаре, об уходе крупнейшего арендатора и о судебном споре была раскрыта в пояснениях к бухгалтерской отчётности.8
Далась эта формулировка не с первого разговора. И я вполне отдаю себе отчёт, что это компромисс: было бы значительно приятнее написать, что аудитор пришёл, всё увидел и добился идеального отражения в учёте. Но исходное состояние выглядело так: в отчётности не было ничего. Итоговое: событие раскрыто, пользователь отчётности о нём знает и может сам оценить последствия.