TL;DR: A pesquisa revela que a adoção de IA na auditoria está ocorrendo gradualmente, com predominância atual de ferramentas de “IA simples” como extração de dados e OCR, enquanto aplicações mais complexas ainda estão em desenvolvimento. Transparência, viés algorítmico, privacidade de dados e falta de regulamentação específica são desafios significativos para a implementação plena da IA no setor.

Takeaways:

• Existe uma distinção clara entre “IA simples” (já implementada) e “IA complexa” (ainda em desenvolvimento) no setor de auditoria, com RPA tendo aplicações mais limitadas do que se presumia.
• Os principais desafios incluem transparência/explicabilidade dos algoritmos, viés algorítmico, privacidade de dados e ausência de estruturas regulatórias específicas para IA em auditoria.
• A IA não substituirá auditores, mas transformará seu papel para focar em investigações detalhadas, revisão do trabalho das máquinas e interpretação contextual dos resultados.
• A IA generativa e grandes modelos de linguagem representam a próxima fronteira para o setor, com potencial para automatizar documentação e gerar insights de dados não estruturados.
• O futuro da auditoria dependerá do equilíbrio entre inovação tecnológica e manutenção dos valores fundamentais da profissão como integridade e ceticismo profissional.

Inteligência Artificial na Auditoria: Desafios e Oportunidades para Transformar o Setor

Introdução: A Revolução Silenciosa da IA na Contabilidade

O mundo da auditoria está passando por uma transformação silenciosa, mas profunda. Enquanto os profissionais continuam realizando suas verificações meticulosas, uma nova força está emergindo nos bastidores: a inteligência artificial. Mas será que a IA está realmente revolucionando a auditoria ou apenas automatizando processos básicos?

Uma pesquisa recente com 22 profissionais experientes de grandes firmas de auditoria revela um panorama fascinante: a adoção da IA na auditoria está acontecendo, mas não exatamente como muitos imaginam. Há uma clara distinção entre o que está sendo implementado hoje e o que permanece como promessa para o futuro.

Este artigo mergulha nos desafios e oportunidades da IA na auditoria, revelando insights valiosos para profissionais, reguladores e empresas que buscam navegar neste novo território tecnológico.

A Realidade Atual: IA Simples vs. IA Complexa na Auditoria

A pesquisa com profissionais experientes de auditoria revelou uma distinção crucial: existe uma diferença significativa entre o que chamamos de “IA simples” e “IA complexa” no setor.

O Domínio da IA Simples

Atualmente, as ferramentas de “IA simples” dominam o cenário de auditoria. Estas incluem:

• Extração automatizada de dados
• Reconhecimento óptico de caracteres (OCR)
• Processamento básico de linguagem natural para análise de contratos
• Automação de tarefas repetitivas

Um participante da pesquisa resume bem a situação atual: “No momento, é 75% de automação e 25% de análise e visualização, enquanto antes seria 95% de análise e visualização e 5% de automação.”

IA Complexa: Ainda em Desenvolvimento

Enquanto isso, as ferramentas mais avançadas de IA ainda estão em fase experimental ou de desenvolvimento:

• Modelos preditivos complexos para identificar anomalias
• Redes neurais de aprendizado profundo
• Sistemas que podem sugerir a “próxima melhor etapa” para auditores
• Ferramentas de visão computacional para contagens de estoque

Ao contrário de algumas pesquisas anteriores que sugerem uso generalizado de IA avançada, nossos entrevistados indicam que a maioria das ferramentas de machine learning complexas ainda está sendo desenvolvida e testada, não implementada em escala.

RPA: O Precursor Limitado da IA em Auditoria

A Automação Robótica de Processos (RPA) tem sido frequentemente mencionada como uma tecnologia transformadora para a auditoria. No entanto, nossa pesquisa revela uma realidade mais nuançada:

• Uso administrativo predominante: Os bots RPA são utilizados principalmente para tarefas administrativas, como inserção de dados relacionados a viagens e agendamento de reuniões
• Aplicação limitada em auditoria: Seu uso em tarefas de auditoria propriamente ditas é restrito a áreas específicas como contas a receber, contas a pagar e confirmações de investimento
• Preferência por outras tecnologias: Muitas firmas preferem investir em tecnologias capazes de detectar anomalias, ler documentos e prever relacionamentos

Esta descoberta contrasta com visões mais otimistas sobre o uso de RPA em auditorias, sugerindo que, embora útil, o RPA tem aplicações mais limitadas do que se presumia anteriormente.

Os Grandes Desafios da IA na Auditoria

A implementação da IA em auditoria enfrenta obstáculos significativos que vão além de simples questões técnicas. Nossa pesquisa identificou quatro desafios principais:

1. Transparência e Explicabilidade

Um dos maiores desafios é a capacidade de explicar como as ferramentas de IA chegam a determinadas conclusões:

• Os auditores precisam entender e explicar o funcionamento da IA para reguladores
• A natureza “caixa-preta” de alguns algoritmos dificulta a compreensão de como as decisões são tomadas
• A documentação rigorosa é necessária para cada etapa do processo

Como um entrevistado destacou: “É difícil treinar a IA, é difícil documentar e apoiar como ela funciona.”

2. Viés Algorítmico e Justiça

O viés da IA representa outro desafio significativo:

• Em auditoria, o viés não está necessariamente relacionado a características demográficas, mas à incorporação de informações suficientes nos conjuntos de dados
• Garantir que os algoritmos sejam treinados adequadamente para aderir às regulamentações corretas
• Necessidade de dados diversos e representativos para treinamento

3. Privacidade de Dados

As preocupações com privacidade são particularmente importantes no estágio de treinamento das ferramentas de IA:

• Clientes relutam em fornecer acesso a grandes volumes de dados
• Temor de que os dados possam ser usados para “auditar 24 horas por dia”
• Necessidade de equilibrar o acesso a dados suficientes para treinar modelos eficazes com a proteção da privacidade do cliente

Um participante observou que “os clientes estão preocupados em fornecer aos auditores acesso a vastas quantidades de seus dados com medo da privacidade.”

4. Robustez e Confiabilidade

Garantir que os modelos de IA funcionem consistentemente em diferentes contextos é outro desafio:

• Modelos podem ter bom desempenho durante o treinamento, mas falhar em ambientes dinâmicos
• Preocupações com ferramentas que continuam aprendendo e mudando após a implantação
• Dificuldade em medir a precisão real das ferramentas em produção

Governança e Regulamentação: O Território Inexplorado

A ausência de estruturas de governança claras para IA em auditoria representa um desafio significativo:

• Falta de padrões específicos: “Não há nada nos padrões que impeça você de fazê-lo [usar IA], mas também não ajuda você a fazê-lo ou incentiva você a fazê-lo”
• Regulamentação desatualizada: “A regulamentação não está acompanhando os desenvolvimentos”
• Pressão do escrutínio regulatório: As firmas de auditoria operam em um ambiente altamente regulamentado, o que aumenta a cautela na adoção de novas tecnologias

Um participante observou que “ainda não temos um padrão de auditoria para IA e isso está pressionando a necessidade de orientações regulatórias.”

O Elemento Humano: Confiança Excessiva e Ceticismo Profissional

A interação entre auditores humanos e ferramentas de IA apresenta desafios únicos:

• Familiarização gradual: As ferramentas estão sendo lançadas em “passos de bebê” para permitir que auditores e reguladores se familiarizem com elas
• Risco de confiança excessiva: À medida que a familiaridade cresce, existe o risco de os auditores confiarem demais na tecnologia
• Necessidade de julgamento profissional: Os auditores são orientados a exercer seu julgamento profissional ao determinar a extensão em que podem confiar na IA
• Ceticismo profissional contínuo: Importância do pensamento crítico ao interpretar os resultados das ferramentas de IA

Um entrevistado enfatizou a necessidade de “educar os auditores para entender de onde os dados estão vindo e como os dados fluem do início ao fim do processo.”

Barreiras à Implementação: Além da Tecnologia

Alcançar a consistência nos formatos de dados entre os clientes emerge como uma das principais barreiras para a implementação da IA em auditoria. Outros obstáculos incluem:

• Qualidade dos dados: Dados incompletos ou de baixa qualidade comprometem a eficácia dos modelos
• Diferenças de recursos: Disparidade significativa em recursos entre as Big 4 e as demais firmas
• Infraestrutura inadequada: Falta de infraestrutura de IA escalável em muitas organizações

As grandes firmas (Big 4) investem globalmente no aprimoramento de habilidades dos auditores, enquanto firmas menores enfrentam desafios adicionais devido a recursos limitados.

O Futuro da Auditoria com IA: Equilibrando Qualidade e Eficiência

Apesar dos desafios, o uso de tecnologias de IA tem o potencial de transformar a auditoria, equilibrando qualidade e eficiência:

Benefícios Potenciais

• Análise de população completa: Capacidade de testar conjuntos inteiros de dados, não apenas amostras
• Identificação de outliers: Detecção mais eficaz de anomalias e padrões incomuns
• Procedimentos analíticos avançados: Análises mais sofisticadas e baseadas em dados
• Auditoria contínua: Possibilidade de monitoramento constante em vez de verificações periódicas

O Novo Papel do Auditor

À medida que a IA assume tarefas mais rotineiras, o papel do auditor humano evolui:

• Foco em investigações detalhadas: Concentração em áreas que exigem julgamento profissional
• Revisão do trabalho das máquinas: Supervisão e validação dos resultados gerados por IA
• Interpretação contextual: Compreensão do significado dos resultados no contexto específico do cliente

IA Generativa: A Próxima Fronteira

A IA generativa e os grandes modelos de linguagem representam uma área de foco futuro importante para as grandes firmas de auditoria:

• Potencial para automatizar a redação de relatórios e documentação
• Capacidade de sintetizar grandes volumes de informações
• Possibilidade de gerar insights a partir de dados não estruturados

No entanto, essas tecnologias também levantam novas questões sobre autenticidade das informações e a necessidade de maior ceticismo profissional.

Conclusão: Navegando no Futuro da Auditoria com IA

A jornada da IA na auditoria está apenas começando. Embora as ferramentas de “IA simples” já estejam transformando aspectos do trabalho de auditoria, as aplicações mais avançadas ainda estão em desenvolvimento. Os desafios são significativos, mas não intransponíveis.

Para navegar com sucesso neste novo território, será necessário:

• Desenvolver estruturas de governança claras para o uso de IA em auditoria
• Equilibrar inovação tecnológica com a necessidade de transparência e explicabilidade
• Investir no treinamento de auditores para trabalhar efetivamente com ferramentas de IA
• Colaborar entre indústria, academia e reguladores para estabelecer padrões apropriados

A IA não substituirá os auditores, mas transformará fundamentalmente como eles trabalham. Aqueles que conseguirem adaptar-se a esta nova realidade estarão bem posicionados para liderar a próxima geração de serviços de auditoria – mais eficientes, mais abrangentes e mais valiosos do que nunca.

O futuro da auditoria não será definido apenas pela tecnologia, mas pela capacidade humana de usá-la sabiamente, mantendo os valores fundamentais de integridade, ceticismo profissional e julgamento que sempre definiram a profissão.

Referências Bibliográficas

• Título: Challenges and Opportunities for Artificial Intelligence in Auditing: Evidence from the Field

Fonte: International Journal of Accounting Information Systems (Elsevier). Disponível em: https://www.sciencedirect.com/science/article/pii/S1467089525000144.

• Título: Artificial Intelligence (AI) in Auditing: Opportunities and Challenges

Autor: Fedyk, T., et al.
Fonte: Journal of Accountancy. Disponível em: https://www.journalofaccountancy.com/issues/2022/aug/artificial-intelligence-in-auditing-opportunities-and-challenges.html.

• Título: European Union’s AI Act

Fonte: European Union. Disponível em: https://artificialintelligenceact.eu/.