L'intelligenza artificiale nella revisione contabile: un'applicazione sugli aspetti chiave di revisione

Abstract

Il presente elaborato esamina il ruolo dell’intelligenza artificiale nel processo di revisione contabile, analizzandone le potenzialità, i limiti e le prospettive di impiego. Sulla base delle evidenze derivanti dall’analisi della letteratura scientifica è stato condotto un test empirico volto a valutare le prestazioni di un large language model nell’identificazione degli aspetti chiave di revisione a partire dalle informazioni contenute nel fascicolo di bilancio. I risultati ottenuti sono stati valutati mediante un approccio integrato basato su analisi statistiche e sul confronto degli output del modello con il giudizio espresso nelle relazioni di revisione. Gli elementi emersi sono stati successivamente approfonditi attraverso tre interviste semi-strutturate condotte con partner appartenenti a tre differenti società di revisione. La scelta di professionisti provenienti da contesti organizzativi differenti ha consentito di raccogliere prospettive eterogenee e confrontare le evidenze empiriche con il punto di vista della prassi professionale. I risultati mostrano come il modello sia in grado di supportare il revisore nell’identificazione dei KAM, pur evidenziando limiti riconducibili principalmente alla comprensione del contesto aziendale e alle valutazioni che richiedono un elevato livello di giudizio professionale. Le interviste confermano un consenso pressoché unanime sull’utilità dell’intelligenza artificiale nelle attività standardizzate, mentre emergono differenti livelli di apertura rispetto al suo impiego nelle attività discrezionali. Nel complesso, i risultati suggeriscono che, allo stato attuale, l’intelligenza artificiale può rappresentare un valido supporto all’attività di revisione, senza sostituire il giudizio professionale del revisore.

This thesis examines the role of artificial intelligence in the audit process, analyzing its potential, limitations, and prospects for application. Building on the evidence of the academic literature, an empirical study was conducted to evaluate the performance of a large language model in identifying key audit matters based exclusively on the information contained in the company’s annual report. The findings were assessed through an integrated approach combining statistical analyses with a comparison between the model’s outputs and the professional judgements reflected in the audit reports. The evidence was subsequently explored in greater depth through three semi-structured interviews conducted with audit partners from three different audit firms. Selecting professionals from different organizational contexts made it possible to gather heterogeneous perspectives and compare the empirical findings with current auditing practice. The findings show that the model can effectively support auditors in the identification of key audit matters, while also highlighting limitations primarily related to understanding the client’s business context and making assessments that require a high level of professional judgement. The interviews reveal an almost unanimous consensus regarding the usefulness of artificial intelligence in standardized audit tasks, whereas differing levels of acceptance emerge with respect to its application in more discretionary activities. Overall, the findings suggest that, at its current stage of development, artificial intelligence can represent a valuable tool for supporting the audit process, without replacing the auditor’s professional judgement.