AI एजेंट्स ने ऑडिट ट्रायल में KPMG के अकाउंटेंट्स से बेहतर सवाल पूछे
AI audit agents ने कथित तौर पर KPMG के human accountants की तुलना में आंतरिक trials में अधिक probing और comprehensive सवाल पूछे, जिससे इस बहस को फिर हवा मिली कि बड़े language models नियम-भारी, दस्तावेज़-गहन काम में पेशेवरों से कितनी दूर तक बेहतर हो सकते हैं। टिप्पणीकार नोट करते हैं कि आधुनिक auditing का बड़ा हिस्सा गलत aligned incentives, junior staffing, और “check-the-box” प्रक्रियाओं से सीमित है, जिससे यह automation का स्वाभाविक लक्ष्य बनता है — लेकिन चेतावनी देते हैं कि AI की exhaustiveness, opacity, और monoculture risks नए failure modes और fraud के नए रास्ते पैदा कर सकती हैं। कई लोग hybrid workflows की उम्मीद करते हैं, जहाँ AI अधिकांश routine analysis संभाले और मनुष्य judgment, sign-off, तथा accountability दें, जिसका jobs, regulation, और productivity gains से अंततः किसे लाभ होगा, इस पर महत्वपूर्ण प्रभाव पड़ेगा।
KPMG और Big Four ऑडिट्स की मानी गई गुणवत्ता
- कई लोगों का तर्क है कि नतीजा AI की तारीफ करने से ज़्यादा KPMG और बड़ी ऑडिट फर्मों पर खराब रोशनी डालता है।
- Big Four ऑडिट्स को अक्सर औपचारिक “check-the-box” या “whitewashing” अभ्यास बताया जाता है, जिनमें ग्राहकों को खुश रखने की प्रेरणा होती है, न कि गहराई से जांचने की।
- कई टिप्पणीकार ओवरवर्क्ड, कम-अनुभवी जूनियर्स के भारी उपयोग की ओर इशारा करते हैं, जिन पर वरिष्ठों की पतली परत निगरानी करती है; छोटे या कम रणनीतिक ग्राहकों के लिए गुणवत्ता विशेष रूप से कमजोर मानी जाती है।
- ऑडिट्स को कंपनियों द्वारा संकेत देने और कानूनी सुरक्षा के लिए खरीदी जाने वाली चीज़ के रूप में भी देखा जाता है, न कि हर समस्या खोजने के लिए।
ऑडिटिंग/अकाउंटिंग में AI कहाँ मज़बूत दिखता है
- AI को नियम-आधारित, दस्तावेज़-भारी, खोज-क्षेत्र-परिभाषित कार्यों के लिए उपयुक्त माना जाता है: टैक्स परीक्षाएँ, अनुपालन जाँच, SOC2, FP&A, और नीति/कोड क्रॉस-चेक।
- उपयोगकर्ता रिपोर्ट करते हैं कि AI सामान्य विश्लेषकों या ऑडिटरों की तुलना में अधिक व्यापक और सुसंगत है, खासकर विवरण याद रखने, चेकलिस्ट लागू करने, और असामान्यताओं को सामने लाने में।
- AI थकता नहीं, एजेंट्स के बीच काम समानांतर कर सकता है, और सिद्धांततः ऑडिट्स को सैंपलिंग से लगभग-समग्र विश्लेषण की ओर ले जा सकता है।
AI एजेंट्स की सीमाएँ और जोखिम
- टिप्पणीकार hallucinations, विनियमों को दस्तावेज़ों से गलत ढंग से मैप करने, टोकन सीमाओं से पैदा “trained-in laziness”, और तुच्छ मुद्दों की जगह रहस्यमय/जटिल मुद्दों पर अत्यधिक ध्यान देने को उजागर करते हैं।
- चिंता है कि AI मनुष्यों को लंबी-चौड़ी आउटपुट में डुबो देता है, जिससे “cognitive surrender” होती है, जबकि वह अब भी बुनियादी गलतियाँ कर सकता है।
- AI को materiality, incentives, और “क्या गहराई से देखने लायक है” जैसे निर्णयों में कमजोर माना जाता है, और वह बहुत कठोर या ज़्यादा नुक्ताचीनी वाला हो सकता है।
- monoculture और exploitability के जोखिम: बुरे अभिनेता fraud schemes को ऑडिटिंग AI पर पहले से परख सकते हैं; लक्षित exploits, सार्वभौमिक crashes से ज़्यादा चिंताजनक माने जाते हैं।
ऑडिट प्रथा, प्रोत्साहन, और materiality
- अनुभवी ऑडिटर सीखते हैं कि क्या मायने रखता है: material बनाम तुच्छ मुद्दे, और thoroughness, लागत, तथा client relationship के बीच कैसे संतुलन बनाना है।
- वास्तविक ऑडिट कार्य का बड़ा हिस्सा negotiation, context-specific risk assessment, और business realities को समझना बताया जाता है, न कि सिर्फ चेकलिस्ट।
- कानूनी दायित्व अब भी मनुष्यों पर रहता है (जैसे CEOs का filings पर sign करना), जिससे AI-only audits पर भरोसे को लेकर सवाल उठते हैं।
श्रम, अर्थशास्त्र, और उद्योग पर प्रभाव
- कई लोगों को उम्मीद है कि AI junior white-collar कामों (accounting, consulting, coding) का बड़ा हिस्सा विस्थापित करेगा, और मनुष्य oversight, training, तथा edge cases की ओर जाएंगे।
- इस पर बहस है कि productivity gains कौन कैप्चर करेगा: partners/shareholders या AI vendors या clients।
- कुछ लोग Excel/calculators के साथ समानताएँ देखते हैं; अन्य ज़ोर देते हैं कि उनसे अलग, AI जटिल workflows को स्वतः चला सकता है।
ट्रायल और रिपोर्टिंग पर संदेह
- यह ट्रायल KPMG द्वारा self-reported है; विवरण अस्पष्ट हैं (“several instances”), misses बनाम catches की कोई मात्रात्मक तुलना नहीं है, जिससे headline बढ़ा-चढ़ाकर लगती है।
- कुछ लोगों को marketing और regulatory signaling का शक है, न कि स्पष्ट, कठोर रूप से प्रदर्शित श्रेष्ठता का।