亚洲成人av在线|一本大道东京热精品人妻|高清在线无码视屏|91久久久久久久久久久|国产AV一区二区三区|在线看成年人黄色片|99国产精品人8无码免费|A级黄色大片网站|国产精品人人做人人爽人人添|av高清国产欧美香蕉在线

 Amy Za ng Wilbur Chen 范 為 龔鏝霖 信息化與數(shù)智化
專題

摘 要

關(guān)鍵詞

文章探討了人工智能（AI）技術(shù)在審計(jì)與會(huì)計(jì)領(lǐng)域的廣泛應(yīng)用及其面臨的挑戰(zhàn)，重點(diǎn)關(guān)注了AI 對(duì)注冊(cè)會(huì)計(jì)師 行業(yè)變革的推動(dòng)作用。文章進(jìn)一步分析了審計(jì)行業(yè)在 AI 時(shí)代的技能重塑需求，強(qiáng)調(diào)會(huì)計(jì)師和審計(jì)師需提升技 術(shù)素養(yǎng)，實(shí)現(xiàn)人機(jī)協(xié)同。此外，結(jié)合馬斯克領(lǐng)導(dǎo)的“政府效率部”（DOGE）利用 AI 對(duì)美國(guó)政府機(jī)構(gòu)進(jìn)行快速審 計(jì)評(píng)估的案例，文章指出 AI 應(yīng)被視為審計(jì)人員的“智能助手”，而非替代者，并呼吁行業(yè)在技術(shù)創(chuàng)新與專業(yè)主 義之間尋求平衡，以推動(dòng)可持續(xù)發(fā)展。
AI 人工智能 審計(jì) 人機(jī)協(xié)同 智能助手

一、行業(yè)變革的引擎：剖析 AI 的深遠(yuǎn)影響
隨著人工智能（AI）技術(shù)的持續(xù)發(fā)展，審計(jì)和會(huì)計(jì) 正成為受這些技術(shù)影響最大的專業(yè)領(lǐng)域之一。從業(yè)人員 已廣泛認(rèn)識(shí)到 AI 在多個(gè)場(chǎng)景中的潛在應(yīng)用，預(yù)示著這一 領(lǐng)域正在經(jīng)歷深刻的轉(zhuǎn)型。
最新研究表明，在審計(jì)和會(huì)計(jì)實(shí)踐中引入 AI 技術(shù) 能夠帶來(lái)顯著增益。例如，研究數(shù)據(jù)顯示，通過(guò)應(yīng)用 AI 技術(shù)，審計(jì)機(jī)構(gòu)能夠顯著減少會(huì)計(jì)錯(cuò)誤的發(fā)生，同時(shí)有 效降低審計(jì)失敗的風(fēng)險(xiǎn)。
然而，AI 的融入也為審計(jì)與會(huì)計(jì)行業(yè)帶來(lái)了新的挑 戰(zhàn)，尤其是在人才管理方面。研究表明，由于 AI 先進(jìn)的技 術(shù)能力，部分初級(jí)審計(jì)師可能面臨被取代的風(fēng)險(xiǎn)。
本文將深入探討 AI 如何重塑審計(jì)與會(huì)計(jì)行業(yè)，并分 析從業(yè)人員應(yīng)如何制定策略以應(yīng)對(duì)技術(shù)變革帶來(lái)的機(jī) 遇與挑戰(zhàn)。
二、解碼 AI 的力量：應(yīng)用場(chǎng)景中的變革之旅
1．信息分析。在會(huì)計(jì)與審計(jì)領(lǐng)域，發(fā)現(xiàn)并標(biāo)記會(huì)計(jì) 問(wèn)題是專業(yè)人士的核心職能，可以幫助提升企業(yè)財(cái)務(wù)信 息質(zhì)量、強(qiáng)化對(duì)內(nèi)管理與對(duì)外披露。然而，當(dāng)前 AI 在執(zhí) 行定量財(cái)務(wù)分析和識(shí)別會(huì)計(jì)欺詐方面尚未完全成熟，仍 需進(jìn)一步發(fā)展。
在會(huì)計(jì)學(xué)術(shù)研究中，傳統(tǒng)方法通常依賴線性模型來(lái) 預(yù)測(cè)欺詐行為，并從企業(yè)年度數(shù)據(jù)中抽取大量樣本以識(shí) 別異常會(huì)計(jì)條目。然而，這些線性模型在預(yù)測(cè)精度上面臨 顯著的局限性。經(jīng)實(shí)證發(fā)現(xiàn)，AI 的引入為提高欺詐檢測(cè)準(zhǔn) 確性開辟了新的路徑。例如，研究表明，隨著技術(shù)的進(jìn)步， 圖形機(jī)器學(xué)習(xí)（Graph ML）能夠高效識(shí)別異常條目，從而 幫助會(huì)計(jì)專業(yè)人士準(zhǔn)確發(fā)現(xiàn)會(huì)計(jì)系統(tǒng)中的潛在錯(cuò)誤。
此外，研究表明，采用隨機(jī)森林和梯度提升回歸樹

等機(jī)器學(xué)習(xí)方法，可以進(jìn)一步改善欺詐檢測(cè)的效果。而 自動(dòng)化機(jī)器學(xué)習(xí)（Auto ML）的應(yīng)用，則能夠?qū)崿F(xiàn)實(shí)時(shí)欺 詐檢測(cè)，從而顯著提升欺詐檢測(cè)的效率與及時(shí)性。這些 學(xué)術(shù)研究成果充分表明，AI 在提升審計(jì)與會(huì)計(jì)任務(wù)中錯(cuò) 誤檢測(cè)能力方面蘊(yùn)藏著巨大的潛力。
2．信息整合。AI 可能徹底革新審計(jì)和會(huì)計(jì)中的信 息整合方式。在這些職業(yè)中，工作匯報(bào)通常需要將零散 的觀點(diǎn)編纂成結(jié)構(gòu)化的文檔，同時(shí)嚴(yán)格遵守復(fù)雜的監(jiān)管 要求。生成式 AI 通過(guò)任務(wù)分解和系統(tǒng)化的信息提取能 力，從多種來(lái)源整合內(nèi)容并生成初步草稿，幫助專業(yè)人 士迅速搭建工作框架。憑借對(duì)上下文的深度理解，AI 能 夠協(xié)助解釋和整合信息，為專業(yè)人士提供有力支持，優(yōu) 化文檔編制流程。
3．合規(guī)助手。AI 還可以作為合規(guī)檢查的可靠助手， 確保文檔內(nèi)容符合行業(yè)法規(guī)、公司政策及方法論要求。 通過(guò)自動(dòng)標(biāo)記潛在錯(cuò)誤和遺漏，并提供相關(guān)指導(dǎo)意見， AI 幫助專業(yè)人士快速識(shí)別并修正問(wèn)題，提高文檔的準(zhǔn)確 性與合規(guī)性。
4．重塑流程。生成式 AI 的應(yīng)用還可能徹底革新審 計(jì)及會(huì)計(jì)工作流程，推動(dòng)從“副駕駛”（copilot）模式向 “智能體”（agent）模式的轉(zhuǎn)變，進(jìn)一步實(shí)現(xiàn)高度的人機(jī) 融合。這一變革顯著優(yōu)化了時(shí)間資源的分配，減少了專 業(yè)人士在事實(shí)收集與文檔編制上的投入，使其能夠集中 精力于框架設(shè)計(jì)、結(jié)果審查和專業(yè)判斷，從而交付更高 質(zhì)量的見解。

三、應(yīng)對(duì) AI 挑戰(zhàn)：破解技術(shù)應(yīng)用的難題
盡管 AI 在審計(jì)和會(huì)計(jì)領(lǐng)域展現(xiàn)了諸多有益的應(yīng)用 前景，其大規(guī)模采用仍然面臨諸多挑戰(zhàn)。
1．許多會(huì)計(jì)和審計(jì)從業(yè)者缺乏判斷哪些任務(wù)適合

AI 以及識(shí)別其技術(shù)局限性的專業(yè)知識(shí)。對(duì)于AI 相 關(guān)的潛在風(fēng)險(xiǎn)的理解與識(shí)別，以及 AI 性能與人 工表現(xiàn)的評(píng)估與比較，是一項(xiàng)復(fù)雜且尚未完全解 決的難題。這可能導(dǎo)致審計(jì)機(jī)構(gòu)在擁抱 AI 時(shí)，資 深員工難以產(chǎn)出有價(jià)值的洞察，并在缺乏充分批 判性評(píng)估的情況下，對(duì) AI 過(guò)度依賴。
2．員工對(duì) AI 的信任不足。實(shí)驗(yàn)研究表明，審 計(jì)從業(yè)者常表現(xiàn)出“算法排斥”現(xiàn)象，傾向于低 估 AI 生成建議的價(jià)值。這種現(xiàn)象較為顯著，研究 數(shù)據(jù)顯示，與人類基準(zhǔn)相比，審計(jì)人員對(duì) AI 驅(qū)動(dòng) 建議的信任度平均降低了 23%。
3．?dāng)?shù)據(jù)隱私問(wèn)題對(duì)AI 的推廣構(gòu)成重大挑戰(zhàn)。 針對(duì)審計(jì)行業(yè)中數(shù)據(jù)分析應(yīng)用的最新調(diào)查表明， 客戶普遍擔(dān)憂在分析模型中使用企業(yè)專有信息可 能導(dǎo)致數(shù)據(jù)泄露。
4．監(jiān)管機(jī)構(gòu)對(duì) AI 技術(shù)的謹(jǐn)慎態(tài)度。作為一 項(xiàng)相對(duì)較新的技術(shù)，現(xiàn)有關(guān)于AI 使用的指導(dǎo)和規(guī) 范仍不完善，使審計(jì)機(jī)構(gòu)在采用創(chuàng)新技術(shù)時(shí)心存 疑慮。研究進(jìn)一步表明，監(jiān)管機(jī)構(gòu)傾向于質(zhì)疑基 于數(shù)據(jù)分析得出的判斷，認(rèn)為自動(dòng)化結(jié)果的可靠 性低于人工生成的分析。
要全面釋放 AI 在審計(jì) 和會(huì) 計(jì)行業(yè)的潛力， 必須采取多方面的舉措，積極緩解員工、客戶及 監(jiān)管機(jī)構(gòu)對(duì) AI 應(yīng)用的疑慮。這包括提供針對(duì)性 培訓(xùn)以提升員工的技術(shù)素養(yǎng)、增強(qiáng)客戶對(duì)數(shù)據(jù)安 全的信心，以及推動(dòng)監(jiān)管機(jī)構(gòu)對(duì) AI 技術(shù)的深入 理解與規(guī)范化管理。
四、技能重塑：會(huì)計(jì)與審計(jì)專業(yè)人士的新使命
AI 的迅速發(fā)展正在顯著提升審計(jì)和會(huì)計(jì)專 業(yè)人士的效率與產(chǎn)出，但同時(shí)也為行業(yè)的人才管 理帶來(lái)了前所未有的挑戰(zhàn)。2023 年 3 月，高盛的 一項(xiàng)調(diào)查指出，會(huì)計(jì)是最有可能受到 AI 興起影響 的職業(yè)之一，這一結(jié)論凸顯了 AI 技術(shù)對(duì)行業(yè)人才 發(fā)展的深遠(yuǎn)影響。
研究顯示，主流的 AI 應(yīng)用 ChatGPT 已經(jīng)能 夠復(fù)現(xiàn)許多與審計(jì)師和會(huì)計(jì)師相關(guān)的核心技能。 例如，在研究人員進(jìn)行的測(cè)試中，ChatGPT 參與 會(huì)計(jì)執(zhí)照考試（如 CPA、CMA、CIA 和 EA 考試）并 取得了平均 85% 的高分。這一顯著成績(jī)反映了 AI 技術(shù)對(duì)審計(jì)行業(yè)人才可能帶來(lái)的顛覆性影響。
然而，這是否意味著公司將不再需要專業(yè)的 審計(jì)師和會(huì)計(jì)人才？答案顯然是否定的。德勤的 研究表明，93% 的首席財(cái)務(wù)官認(rèn)為，在未來(lái)兩年

內(nèi)，引入具備生成式 AI 技能的專業(yè)人才作為財(cái)務(wù)團(tuán)隊(duì)的重要組成 部分尤為關(guān)鍵，成為首要關(guān)注重點(diǎn)。
由此，在這個(gè)特殊時(shí)刻，審計(jì)與會(huì)計(jì)行業(yè)面臨的關(guān)鍵問(wèn)題有
二：（1）在 AI 主導(dǎo)的時(shí)代，哪些核心技能對(duì)于行業(yè)人才至關(guān)重要？
（2）專業(yè)人士應(yīng)如何重塑個(gè)人技能，有效整合 AI 技術(shù)，優(yōu)化工作流 程并保持競(jìng)爭(zhēng)力？
五、會(huì)計(jì)師和審計(jì)師需要什么樣的技能？
在 生 成 式 AI 時(shí) 代，一 個(gè) 名 為“ 智 能 勞 動(dòng) 力”（Workforce Intelligence，Wi）的 新 型勞 動(dòng)力設(shè) 計(jì)理 念正在 嶄露頭 角。該 理 念 旨 在 實(shí) 現(xiàn) 人 類 智 能（Human Intelligence，Hi）與 人 工 智 能 （Artificial Intelligence，Ai）的無(wú)縫整合。這種模式主要關(guān)注勞動(dòng) 力時(shí)間的重新分配，從而促進(jìn)個(gè)人價(jià)值的深刻轉(zhuǎn)型。信息收集與 初步創(chuàng)意生成等任務(wù)正逐步交由生成式 AI 管理，而專業(yè)人士則 能夠?qū)⒏嗑性诋a(chǎn)生洞察與專業(yè)判斷等高價(jià)值活動(dòng)上。
這一趨勢(shì)無(wú)疑構(gòu)成了會(huì)計(jì)師與審計(jì)師未來(lái)發(fā)展的核心方向。 根據(jù)世界經(jīng)濟(jì)論壇的報(bào)告，一項(xiàng)關(guān)于未來(lái)五年內(nèi)技能重要性變化 的調(diào)查顯示，企業(yè)對(duì)員工技能的期望正在快速演變。認(rèn)知技能增 長(zhǎng)最快，反映出職場(chǎng)對(duì)復(fù)雜問(wèn)題解決能力的需求不斷提升。創(chuàng)造 性思維的重要性增長(zhǎng)速度預(yù)計(jì)將略高于分析性思維，而技術(shù)素養(yǎng) 則成為增長(zhǎng)速度第三快的核心技能。
六、會(huì)計(jì)師和審計(jì)師應(yīng)如何重新學(xué)習(xí)和提升技能？
1. 必須擁抱技術(shù)變革并積極應(yīng)對(duì)挑戰(zhàn)，借助生成式 AI 工具深 入探索會(huì)計(jì)和審計(jì)領(lǐng)域。會(huì)計(jì)師和審計(jì)師需要學(xué)習(xí)如何正確、高 效地使用這些工具，包括自我評(píng)估提示詞工程的精通程度，并根 據(jù)最佳實(shí)踐持續(xù)提升你的提示詞技巧。對(duì)于年長(zhǎng)員工而言，這一 過(guò)程可能面臨更大的適應(yīng)性挑戰(zhàn)。
2. 在掌握工具的基礎(chǔ)上，專業(yè)人士需要評(píng)估其職業(yè)中哪些任 務(wù)適合生成式 AI 的輔助。這一過(guò)程要求他們識(shí)別技術(shù)的局限性， 理解潛在風(fēng)險(xiǎn)，批判性地選擇適用場(chǎng)景，并確保 AI 輸出能夠得到 人類審查與補(bǔ)充。會(huì)計(jì)和審計(jì)專業(yè)人士應(yīng)逐步將注意力從“如何 完成任務(wù)”轉(zhuǎn)向“如何利用生成式 AI 更快更好地完成任務(wù)”，以實(shí) 現(xiàn)更高效的人機(jī)協(xié)作。
3. 行業(yè)必須共同面對(duì)知識(shí)保留這一關(guān)鍵問(wèn)題。隨著生成式 AI 的發(fā)展，部分決策必然會(huì)被委托給 AI。然而，為避免對(duì) AI 的過(guò)度 依賴并保持穩(wěn)健的專業(yè)判斷力，明確哪些知識(shí)必須由會(huì)計(jì)師和審 計(jì)師保留至關(guān)重要。哪些專家知識(shí)可以在最小化人工干預(yù)的前提 下委托給 AI，是行業(yè)領(lǐng)導(dǎo)者需要主動(dòng)探討的，發(fā)人深省的課題。

七、AI 與審計(jì)的邊界：一場(chǎng)引發(fā)深思的技術(shù)變革
盡管 AI 技術(shù)在審計(jì)領(lǐng)域的應(yīng)用前景廣闊，但在實(shí)際操作中 仍面臨著諸多挑戰(zhàn)和爭(zhēng)議。近期，馬斯克領(lǐng)導(dǎo)的“政府效率部” （DOGE）通過(guò) AI 技術(shù)對(duì)美國(guó)國(guó)際開發(fā)署（USAID）等聯(lián)邦政府機(jī)

構(gòu)進(jìn)行快速審計(jì)評(píng)估的案例，引發(fā)了社會(huì)各界對(duì) AI 技術(shù)適用性和倫理問(wèn)題的熱烈討論。這一事件 不僅凸顯了 AI 在審計(jì)中的潛力，也讓我們不得不 重新審視其邊界和局限。作為專業(yè)服務(wù)機(jī)構(gòu)，我 們認(rèn)為這一事件為深入思考 AI 技術(shù)與審計(jì)本質(zhì) 關(guān)系提供了重要契機(jī)，同時(shí)也對(duì)行業(yè)如何加強(qiáng)與 社會(huì)公眾的互動(dòng)、彌合審計(jì)期望差距提出了課題。 究其本質(zhì)是馬斯克創(chuàng)造的 AI 審計(jì)神話和現(xiàn)實(shí)中 屢禁不止的財(cái)務(wù)造假現(xiàn)象形成強(qiáng)烈對(duì)比，那么在 此借著這一熱點(diǎn)話題，我們探討下 AI 究竟能在多 大程度上重構(gòu)傳統(tǒng)審計(jì)模式？
從專業(yè)角度看，審計(jì)的本質(zhì)是通過(guò)系統(tǒng)化的 工作方法，獲取充分、適當(dāng)?shù)膶徲?jì)證據(jù)，并在此 基礎(chǔ)上運(yùn)用專業(yè)判斷得出合理結(jié)論。這一過(guò)程涉 及復(fù)雜的信息收集、分析判斷和質(zhì)量控制，需要 審計(jì)人員具備扎實(shí)的專業(yè)知識(shí)、豐富的實(shí)踐經(jīng)驗(yàn)， 以及嚴(yán)謹(jǐn)?shù)穆殬I(yè)道德。從完整的審計(jì)生命周期出 發(fā)，我們可以從以下三個(gè)方面具體去看 AI 與審計(jì) 的關(guān)系。
第一是“審計(jì) 證據(jù)獲取”。這里最核心的問(wèn) 題是“數(shù)據(jù)授權(quán)”，在馬斯克的案例中，特朗普政 府顯然是為他“一路開綠燈”，這在通常的審計(jì) 案例中極為少見，企業(yè)出于個(gè)人隱私和商業(yè)機(jī)密 的保護(hù)，往往希望審計(jì)團(tuán)隊(duì)能以最小的“數(shù)據(jù)成 本”完成審計(jì)工作，有言道“巧婦難為無(wú)米之炊”， 在缺乏數(shù)據(jù)的情況下 AI 能做的其實(shí)也極為有限， AI 系統(tǒng)的判斷質(zhì)量高度依賴于基礎(chǔ)數(shù)據(jù)的完整 性和準(zhǔn)確性，以及算法設(shè)計(jì)的合理性。在處理非 標(biāo)準(zhǔn)化數(shù)據(jù)和復(fù)雜業(yè)務(wù)場(chǎng)景時(shí)，AI 的表現(xiàn)往往不 及專業(yè)審計(jì)人員，這也與我們之前討論的相呼應(yīng)， 想要利用 AI 賦能審計(jì)，數(shù)據(jù)基礎(chǔ)必不可少。
第二是“剩下的 5% 的難題”。這里講的是在 獲取審計(jì)證據(jù)后，進(jìn)行專業(yè)判斷分析時(shí)，我們往 往會(huì)看到 AI 工具的準(zhǔn)確率難以達(dá)到 100%，那么 假設(shè) AI 工具能達(dá)到 95% 的準(zhǔn)確率，我們是否能容 忍剩下 5% 的誤差？答案是否定的。此外，區(qū)塊鏈 技術(shù)也常常與馬斯克這一案例一同被提及，雖然 并沒(méi)有官方消息表明馬斯克使用了區(qū)塊鏈技術(shù)。 作為一項(xiàng)去中心化的高可信技術(shù)，人們往往對(duì)它 和審計(jì)的結(jié)合給予厚望，但若企業(yè)使用的區(qū)塊鏈 本身公信力不夠強(qiáng)大，是否未來(lái)會(huì)轉(zhuǎn)變?yōu)閷?duì)區(qū)塊 鏈技術(shù)本身的審計(jì)？答案是未可知的，但無(wú)論如 何，出于審慎考慮，“人機(jī)結(jié)合”必然是審計(jì) AI 化 中不可或缺的一部分。

最后是“異常不等于問(wèn)題”。在出具審計(jì)意見的過(guò)程中，我們 面對(duì)無(wú)論是通過(guò)AI 還是人工識(shí)別出的五花八門的異常，均需要逐 一鑒別，但目前的 AI 模型普遍存在 " 黑箱 " 特性，無(wú)論是傳統(tǒng)的 機(jī)器學(xué)習(xí)，還是大語(yǔ)言模型，前者需要論證參數(shù)的合理性，后者 為基于概率的模型，其得出結(jié)論的過(guò)程難以追溯和解釋，這與審 計(jì)工作要求的可驗(yàn)證性和透明度存在潛在沖突。實(shí)踐證明，最終 對(duì)異常的解釋還是需要落實(shí)到業(yè)務(wù)中去，不能“亂扣帽子”，只有 發(fā)現(xiàn)企業(yè)真正潛藏的風(fēng)險(xiǎn)，才能有利于其自我改進(jìn)，良性發(fā)展。
當(dāng)然，我們也應(yīng)當(dāng)正視 AI 技術(shù)為審計(jì)行業(yè)帶來(lái)的積極影響。 德勤的實(shí)踐研究表明，合理運(yùn)用 AI 技術(shù)確實(shí)能夠提高審計(jì)工作 效率、降低人為失誤風(fēng)險(xiǎn)，并為審計(jì)人員提供更多洞察。關(guān)鍵在 于如何實(shí)現(xiàn) AI 與傳統(tǒng)審計(jì)方法的有機(jī)融合?；诖?，我們提出三 點(diǎn)建議：一是準(zhǔn)確定位 AI 技術(shù)的角色，將其視為審計(jì)人員的“智 能助手”而非替代者；二是建立健全的 AI 應(yīng)用質(zhì)量控制體系，確 保技術(shù)應(yīng)用始終符合職業(yè)準(zhǔn)則要求；三是加強(qiáng)審計(jì)人員的數(shù)字素 養(yǎng)培訓(xùn)，提升其理解和運(yùn)用 AI 工具的能力。
這次 USAID 事件的爭(zhēng)議提醒我們，在評(píng)估 AI 技術(shù)的審計(jì)應(yīng) 用價(jià)值時(shí)需要保持客觀理性的態(tài)度。一方面，我們要積極擁抱技 術(shù)創(chuàng)新帶來(lái)的效率提升；另一方面，也要堅(jiān)守審計(jì)工作的專業(yè)主 義精神，確保質(zhì)量控制始終處于核心地位。唯有如此，才能推動(dòng) 審計(jì)行業(yè)在數(shù)字化轉(zhuǎn)型中實(shí)現(xiàn)健康可持續(xù)發(fā)展。
作為行業(yè)引領(lǐng)者，注冊(cè)會(huì)計(jì)師行業(yè)將繼續(xù)以嚴(yán)謹(jǐn)?shù)膽B(tài)度探索 AI 技術(shù)在審計(jì)領(lǐng)域的創(chuàng)新應(yīng)用。我們堅(jiān)信，在恪守獨(dú)立、客觀、專 業(yè)等核心價(jià)值準(zhǔn)則的前提下，審慎推進(jìn)技術(shù)創(chuàng)新，是提升審計(jì)質(zhì) 量、維護(hù)公眾利益的應(yīng)有之義。
香港科技大學(xué)證券分析與金融技術(shù)中心
（責(zé)任編輯：楊文風(fēng)）

1. Eloundou, T., S. Manning, P. Mishkin, and D. Rock. 2024. GPTs are GPTs: An early look at the labor market impact potential of large language models. Science 384 (6702), pp. 1306-1308.
2. Law, K. K. F., and M. Shen. 2024. How does artificial intelligence shape audit firms? Management Science, Forthcoming.
3. Fedyk, A., J. Hodson, N. Khimich, and T. Fedyk. 2022. Is artificial intelligence improving the audit process? Review of Accounting Studies 27 (3):938-985.
4. Liang, P. J., A. Wang, L. Akoglu, and C. Faloutsos. 2021. Pattern recognition and anomaly detection in bookkeeping data. Working paper. Asian Bureau of Finance and Economic Research (ABER). Available from https://www.abfer.org/component/edocman/main-annual-conference/pattern-recognition-and-anomaly- detection-in-bookkeeping-data.
5. Bao, Y., Bin. Ke, Bin. Li, Y. J. Yu, and Jie Zhang. 2020. Detecting accounting fraud in publicly traded U.S. Firms using a machine learning approach. Journal of Accounting Research 58 (1):199-235.
6. Bertomeu, J., E. Cheynel, E. Floyd, and W. Pan. 2021. Using machine learning to detect misstatements. Review of Accounting Studies 26 (2):468-519.
7. Jiang, L., M. Vasarhelyi, and C. A. Zhang. 2022. Towards real-time financial statement fraud detection using machine learning. Working paper. Rutgers University. Available from https://ssrn.com/abstract=4003621.
8. Commerford, B. P., S. A. Dennis, J. R. Joe, and J. W. Ulla. 2022. Man versus machine: Complex estimates and auditor reliance on artificial intelligence. Journal of Accounting Research 60 (1):171-201.
9. Austin, A. A., T. D. Carpenter, M. H. Christ, and C. S. Nielson. 2021. The data analytics journey: Interactions among auditors, managers, regulation, and technology. Contemporary Accounting Research 38 (3):1888-1924.
10. Cao, T., R.-R. Duh, H.-T. Tan, and T. Xu. 2022. Enhancing auditors' reliance on data analytics under inspection risk using fixed and growth mindsets. The Accounting Review 97 (3):131-153.
11. Eulerich, M., A. Sanatizadeh, H. Vakilzadeh, and D. A. Wood. 2024. Is it all hype? Chatgpt's performance and disruptive potential in the accounting and auditing industries. Review of Accounting Studies 29 (3):2318-2349.4
12. Deloitte, Research from Deloitte CFO Signals Q1 2024
13. World Economic Forum, Future of Jobs Report, May 2023