Аудиторские технологии

Технология аудита – это использование компьютерных технологий для улучшения аудита. Аудиторские технологии используются бухгалтерскими фирмами для повышения эффективности выполняемых ими процедур внешнего аудита.

Общая информация

Технология аудита — это общий термин, обозначающий методы компьютеризированного аудита (CAAT), используемые бухгалтерскими фирмами для повышения эффективности взаимодействия. Эти методы повышают эффективность и результативность результатов аудита, позволяя аудиторам анализировать гораздо большие наборы данных, иногда используя целые совокупности данных, а не выборку. По мере роста и развития информационных технологий в последние годы развивались и технологии аудита. Благодаря более совершенным программам, искусственному интеллекту и более мощным вычислительным мощностям технология аудита позволила принимать более обоснованные решения и определения во время взаимодействия.

История

Технология аудита имеет относительно короткую историю, поскольку технологический прогресс происходит быстро. Информационные технологии в значительной степени начали развиваться примерно за последние двадцать лет. До развития современных технологий аудита аудиторские заключения определялись на основе гораздо менее надежных доказательств. Методы тестирования в большей степени полагались на ручные расчеты и были подвержены высокой вероятности человеческой ошибки. Ручной аудит не только менее точен, но и требует гораздо больше времени. Благодаря последним достижениям в области информационных технологий, которые применяются в области аудита, аудит проводится более эффективно, а заключения становятся гораздо более точными. Фирмы, которые в новейшей истории постоянно расширяют использование аудиторских технологий, могут взимать более высокие ставки и предоставлять своим клиентам более качественные услуги. С тех пор, как компьютеры впервые были использованы в системах бухгалтерского учета, участие технологий в аудите постоянно росло. ^{[ нужна ссылка ]}

1940-е годы

Хотя Вторая мировая война привела к перерыву в развитии технологий аудита, в 1947–1948 годах были сделаны два конкретных комментария, которые требовали развития технологий аудита. Первое возникло из-за нового различия между пониманием внутреннего контроля и обеспечением разумной уверенности в том, что внутренний контроль действует и работает по плану. Это означало, что аудиторы могли не только понять механизмы внутреннего контроля, но и теперь должны были их тестировать. Второе требование заключалось в том, чтобы аудит проводился с учетом риска существенных искажений, а это означало, что должны быть способы получения более надежных аудиторских доказательств. ^{[ 1 ]}

1950-е годы и далее

1950-е годы последовали непосредственно за предыдущим десятилетием, когда среди аудиторов стало более широко использоваться статистическая выборка. Этот новый инструмент аудита был первым в своем роде, поскольку большинство других инструментов того времени возникли просто из мудрости опытных одиторов, тогда как этот пришел совершенно из другой дисциплины: математики. Отсюда создавалось все больше и больше инструментов аудита на основе других областей исследования. ^{[ нужна ссылка ]}

В 1966 году был опубликован «Аналитический аудит» Р.М. Скиннера и Р.Дж. Андерсона. Этот документ предоставил первое широко распространенное объяснение блок-схем. По отношению к предыдущему десятилетию это еще один инструмент аудита, который возник из дисциплины, отличной от аудита. Системный анализ был еще одной развивающейся областью в то время, и необходимо было внести изменения в принятую систему блок-схем, чтобы сделать ее приемлемой для нужд аудита. ^{[ нужна ссылка ]}

К середине 1970-х годов новые подходы к аудиторским исследованиям были найдены и в других областях. Например, в области психологии аудиторы начали использовать обработку информации человеком для получения более полезных и точных результатов. Эти результаты проложили путь к новым инструментам, которые улучшили процессы принятия решений аудиторами на следующие несколько десятилетий. ^{[ нужна ссылка ]}

В 1983 году была представлена первая полностью сформулированная модель аудиторского риска, которая применялась к аудиторской выборке и аудиту в целом. Эту модель можно сформулировать как: AR = IR x CR x DR.

Аудиторский риск (AR) – это риск того, что мнение аудитора окажется ошибочным.
Неотъемлемый риск (IR) — это риск того, что система бухгалтерского учета клиента выйдет из строя, игнорируя внутренний контроль.
Риск контроля (CR) — это риск того, что средства внутреннего контроля клиента не смогут предотвратить или обнаружить искажение.
Риск обнаружения (DR) – это риск того, что искажение, которое не предотвращено или не обнаружено средствами внутреннего контроля клиента, также не будет обнаружено аудиторскими тестами по существу. ^{[ 2 ]}

Аудиторы оценивают эти риски на основе своих наблюдений за проверяемым клиентом и своего понимания собственных аудиторских процедур. Эта модель внесла и продолжает вносить значительный вклад в процесс принятия решений в ходе аудита и сочетается с более продвинутыми методами и технологиями, которые используются сегодня. ^{[ нужна ссылка ]}

Электронная обработка данных

Электронная обработка данных (EDP) оказала огромное влияние на аудит за последние полвека. Это не только изменило способы проведения аудитов, но и позволило использовать новые инструменты, позволяющие идти в ногу с развивающейся средой. После подписания контракта с Корпорацией системного развития в 1965 году в качестве консультанта AICPA сформировала рабочую группу, занимающуюся пониманием EDP в аудиторской профессии. Это привело к публикации книги «Аудит и EDP», в которой содержалось руководство по этой теме и на которую есть ссылки в Положении о стандартах аудита (SAS). ^{[ нужна ссылка ]}

С появлением более мощных компьютеров в окружающей среде произошел ряд изменений, которые сейчас являются общепринятой практикой в бизнесе. Например, средства бухгалтерского учета были реализованы непосредственно в компьютерных программах; записи и данные хранились в цифровой форме, что ограничивало количество отчетов на бумажном носителе; Входные документы, которые до этого были обычным явлением, становились все более редкими, поскольку информация вводилась непосредственно в системы. Эти и многие другие развивающиеся практики делали «работу вокруг компьютера» все более и более сложной для клиентов со сложной интеграцией. Были выявлены две потребности: (1) необходимо было разработать концепции оценки программных средств управления приложениями и (2) необходимо было интегрировать в аудит возможности компьютера. ^{[ нужна ссылка ]}

Проблема с первым требованием заключалась в том, что возникла путаница относительно необходимости тестировать общие элементы управления EDP (доступ, разработка системы и изменение программы) вместе с элементами управления приложениями. САС нет. 48 описывает их отношения как «взаимозависимость», но не требует проверки общих мер контроля. Из-за этой путаницы концепции оценки средств контроля разрабатывались медленнее, чем фактическое применение компьютеров в мире аудита. ^{[ нужна ссылка ]}

К началу 1970-х годов на рынке было так много пакетов программного обеспечения для аудита, что были написаны статьи, инструктирующие людей, как выбрать правильный. Основная проблема, с которой столкнулись аудиторы, заключалась в том, как использовать компьютер для доступа к файлам данных и программам своих клиентов. ^{[ 3 ]}

Первое решение этой проблемы заключалось в том, что аудиторы обрабатывали данные, которые уже были проверены на компьютере клиента, и сравнивали эти результаты с исходными результатами, полученными на компьютере клиента. У аудиторов также были созданы программы, которые получают доступ к компьютерным данным и проверяют их, но вскоре более универсальное программное обеспечение для аудита предложило аналогичный подход. Это программное обеспечение могло выполнять расчеты, читать и сравнивать компьютерные файлы друг с другом, а также составлять отчеты по информации, указанной аудитором. Также удалось ускорить такие методы аудита, как подготовка запросов на подтверждение дебиторской задолженности и оценка статистических выборок. Последнее привело к тому, что статистическая выборка и компьютеры в ближайшие десятилетия стали идти рука об руку.

Эта эффективность пошла еще дальше с появлением микрокомпьютера. Эти меньшие по размеру и более портативные компьютеры позволяли аудиторам выполнять аналогичные расчеты на месте проверки, не дожидаясь возвращения в офис. К середине 1980-х годов они стали обычным инструментом в большинстве проверок. ^{[ 4 ]}

Сегодняшний день

СААТС

Используемая сегодня технология аудита — это компьютерные инструменты аудита ( CAATS ), используемые в государственном бухгалтерском учете, которые помогают повысить общую эффективность и результативность аудита. В частности, аудиторы могут использовать свой арсенал информации, генерируемой этим программным обеспечением, для более эффективного выполнения оценки рисков, разработки более подходящих аудиторских процедур и стратегий, а также для более своевременного расследования отклонений в данных, которые могли бы остаться незамеченными, если бы аудитор вместо этого пришлось прибегнуть к выборке. Программное обеспечение для технологий аудита использует CAATS в соответствии со своей стратегией аудита, чтобы помочь в общем аудите. CAATS дает множество преимуществ по сравнению с типичными методами аудита и повышает общую эффективность аудита за счет непрерывного мониторинга больших объемов данных в ограниченное время. Существует множество различных типов CAATS, которые фирма будет использовать при проведении аудита.

Программное обеспечение

CAAT обычно относится к любому программному обеспечению, улучшающему процесс аудита. Однако его часто используют более конкретно для обозначения программного обеспечения, которое помогает в извлечении и анализе данных. Одним из наиболее известных программ, используемых сегодня, является программное обеспечение Generalized Audit Software (GAS), например:

GAS являются одними из наиболее часто используемых CAAT в современных аудитах. GAS — это пакетное программное обеспечение для аудита, которое позволяет аудиторам проводить анализ широко распространенных баз данных и программного обеспечения для извлеченных или живых наборов данных. Специализированные инструменты аудита GAS предлагают аудитору различные возможности. ^{[ 5 ]}

Система статистического анализа (SAS)

SAS — это пакет программного обеспечения, созданный Институтом SAS и находящийся в разработке еще с 1966 года. SAS помогает в сборе статистических данных и их анализе путем анализа, изменения, управления и извлечения данных для выявления тенденций и закономерностей для пользователя. для обзора. С момента выпуска стабильной версии в 2020 году SAS добавила в свой пакет четырнадцать новых функций, включая инструменты, помогающие не только в статистическом анализе, но и в контроле качества, интеллектуальном анализе данных и исследовании операций. Эти дополнительные компоненты пакета программного обеспечения перечислены ниже:

База SAS – основные процедуры и управление данными
SAS/STAT – Статистический анализ
SAS/GRAPH – Графика и презентация
SAS/OR – Исследование операций
SAS/ETS – эконометрика и анализ временных рядов
SAS/IML – язык интерактивных матриц
SAS/AF – Прикладные возможности
SAS/QC – Контроль качества
SAS/INSIGHT – интеллектуальный анализ данных
SAS/PH – анализ клинических исследований
Enterprise Miner – интеллектуальный анализ данных
Руководство для предприятий – редактор кода и менеджер проектов на основе графического пользовательского интерфейса
SAS EBI – набор приложений бизнес-аналитики
SAS Grid Manager – менеджер среды грид-вычислений SAS.

Технологии в Большой четверке

Бухгалтерские фирмы « Большой четверки » — Deloitte , PricewaterhouseCoopers (PwC), Ernst & Young (EY) и KPMG — все используют комбинацию аудиторских технологий, включая машинное обучение, искусственный интеллект, робототехнику и визуализацию, для проверки большего количества данных в более широком масштабе. действенный и действенный способ. Многие бухгалтерские фирмы используют собственное комплексное аудиторское программное обеспечение, чтобы обеспечить удобство работы для своих клиентов. Примерами аудиторского программного обеспечения, используемого фирмами «Большой четверки», являются: Aura (PwC), Clara (KPMG), Omnia (Deloitte) и Canvas, Helix и Atlas (EY). Хотя каждое из этих программ адаптировано к конкретной стратегии аудита каждой фирмы, между ними определенно есть общие черты. ^{[ 6 ]}

Сосредоточьтесь на искусственном интеллекте и робототехнике

Поскольку технологии развивались с течением времени и впоследствии сделали процесс аудита намного проще, умные машины теперь начинают по-новому определять, как проводятся аудиты, а также их качество и своевременность. Бухгалтерские фирмы по всему миру теперь стремятся обеспечить свой аудит машинами, роботами и системами на базе искусственного интеллекта, чтобы стать лидерами в области аудита. Учитывая быстрый рост использования автоматизированных машин для выполнения больших разделов аудитов, недавний анализ PricewaterhouseCoopers (PwC) показывает, что к началу 2030-х годов до 30% рабочих мест в Великобритании могут оказаться под угрозой во всех отраслях из-за способность этих машин работать с минимальным контролем за небольшую часть стоимости. Но что это означает для процесса аудита? Все бухгалтерские фирмы «большой четверки», включая PwC, прилагают все усилия, чтобы использовать эту автоматизацию, чтобы сделать аудит быстрее, эффективнее и с меньшим количеством ошибок. Для PwC это привело к созданию системы аудита Aura, которая в настоящее время используется каждым аудитором в сети PwC для регистрации и интеграции аудиторской деятельности. Это программное обеспечение искусственного интеллекта гарантирует, что все, кто работает над аудитом, использует одну и ту же методологию, и позволяет легко отслеживать аудиторские процедуры в режиме реального времени, чтобы гарантировать качество аудита. Хотя аудит с использованием искусственного интеллекта находится в зачаточном состоянии, он уже используется для выявления закономерностей и аномалий в больших наборах структурированных данных, их запоминания и обучения на их основе применению их к следующему набору данных. ^{[ нужна ссылка ]}

Робототехника также начинает играть важную роль в повышении эффективности аудита, например, при использовании дронов при инвентаризации активов. Возможность выполнения этого процесса с помощью дронов сэкономила время и деньги аудиторской фирмы, поскольку аудиторам больше не придется физически ездить в места для проверки запасов и других активов. Кроме того, дроны можно использовать для картографирования таких территорий, как фермы или шахты, для быстрой оценки физического состояния, аналогично подсчету запасов. ^{[ 7 ]}^{[ 8 ]}

Технологическая помощь, а не замена

Хотя технологии аудита используются чаще, чем когда-либо, чтобы помочь улучшить своевременность и эффективность аудиторских процедур, важно отметить, что эти инструменты анализа являются всего лишь вспомогательным средством для аудиторов, помогающим им принимать окончательные решения. Аудиторские фирмы должны обязательно действовать с профессиональным суждением на протяжении всего процесса аудита. Разработка и внедрение этих технологий аудита в сфере публичного бухгалтерского учета значительно облегчает аудиторам выявление отклонений от ожиданий и отслеживание или подтверждение их первичных документов, чтобы быстрее принимать решения по профессиональному суждению, однако важно, чтобы эти инструменты не заменяют уровень профессионального скептицизма аудиторов. Например, если бухгалтерская фирма интегрировала использование программного обеспечения искусственного интеллекта в свой аудит для повышения общего качества, и это программное обеспечение должно было выявить аномалию, возникшую в таком соотношении, как оборачиваемость запасов, ответственность по-прежнему лежит на аудиторе. аудиторская группа должна решить, является ли отклонение истинным отклонением, и выявить причину. ^{[ нужна ссылка ]}

Будущее аудиторских технологий

Искусственный интеллект

Общие сведения о технологии искусственного интеллекта

Благодаря более совершенному внедрению технологий процесс аудита станет все более эффективным. Например, компания KPMG объявила о внедрении IBM Watson для предоставления профессиональных услуг, включая анализ обширных объемов финансовой отчетности и других финансовых данных на предмет любых искажений или странностей с помощью процесса искусственного интеллекта.

История ИИ

Первоначальные исследовательские проекты в области искусственного интеллекта (ИИ) начались с работы и исследований, проведенных Дж. Маккарти, М.Л. Мински, Н. Рочестером и К.Э. Шенноном. Они вместе работали над восьминедельной программой под названием Дартмутский летний исследовательский проект по искусственному интеллекту (DSRPAI) , полугодовым исследовательским мероприятием, предназначенным исключительно для исследования, понимания и развития искусственного интеллекта. Одним из первых успехов ИИ является ELIZA компьютерная программа . Эта программа, созданная Джозефом Вайзенбаумом из Массачусетского технологического института, была первой версией процессора естественного языка, имитирующего человеческий разговор. Использование этой технологии в системе бухгалтерского учета оказалось полезным для отрасли. ^{[ 9 ]}^{[ 10 ]}

Промышленность широко внедряет ИИ

Системы учета искусственного интеллекта (ALIAS) — это способ свести к минимуму участие бухгалтеров в аудите, предоставляя ряд процессов, включая загрузку исходной документации, предоставление правильных счетов, проведение определенного тестирования и многое другое. Этот процесс позволит быстрее доставлять больше информации аудитору и клиенту, а с помощью экспертных систем, проверяющих документацию, помогающую процессу принятия решений, ИИ может революционизировать время процесса аудита. Из-за особенностей этой отрасли эту технологию нельзя интерпретировать без надлежащей проверки. Чем больше используется технология, тем лучше она сможет понять, какие документы необходимы для проверки других документов, какие процессы следует соблюдать для подачи и отчетности по определенной документации, а также другие процессы, которые в целом сведут к минимуму участие личного аудитора, чтобы минимизировать ошибки аудита и повысить точность. ^{[ 11 ]}^{[ 12 ]}

Блокчейн

Будущее использование сетей блокчейна может полностью исключить неправомерные действия в отношении финансовой отчетности и быстро улучшить аудиторский процесс.

Новая технология, популярность которой растет с момента использования криптовалюты, — это использование блокчейна . Сети блокчейна представляют собой децентрализованный публичный реестр, в котором хранятся записи транзакций, выполненных с использованием биткойнов . Поскольку этот реестр децентрализован, транзакции трудно считать мошенническими, а это означает, что аудиторы могут проверять эти транзакции без использования посредника. Поскольку эта система полностью основана на Интернете, она открывает двери для сотрудников, которые могут работать над аудитом этой технологии и транзакций, происходящих в ней, чтобы в конечном итоге повысить производительность процесса аудита. Если компании смогут начать признавать эти криптовалюты в качестве активов, использование криптовалют заставит технологию аудита адаптироваться вместе с правилами и положениями по получению аудиторских доказательств из этих активов. ^{[ нужна ссылка ]}

Для последовательного использования этой технологии еще предстоит решить множество проблем. Например, безопасность данных этих транзакций все еще находится под вопросом. Поскольку нет необходимости в подтверждениях из внешних источников, таких как счета-фактуры, подтверждения дебиторской задолженности или аналитические отчеты, аудиторам необходимо полагаться на безопасность, встроенную в сеть блокчейна. Поскольку эта технология относительно новая, необходимо провести дополнительные исследования, чтобы понять, насколько безопасны эти сети. После подтверждения безопасности и контроля этой безопасности аудиторы могут использовать все доказательства, поступающие из сети блокчейн , для проведения надлежащих аудиторских процедур. ^{[ 13 ]}^{[ 14 ]}

Ссылки

^ Дебрецени, Роджер; Ли, Сук-Ленг; Нео, Вилли; Шулинг То, Джоселин (август 2005 г.). «Использование программного обеспечения для общего аудита в секторе финансовых услуг: проблемы и возможности». Журнал управленческого аудита . 20 (6): 605–618. дои : 10.1108/02686900510606092 . S2CID 3184825 .
^ Салкинд, Нил (2010). Энциклопедия дизайна исследований . дои : 10.4135/9781412961288 . ISBN 978-1-4129-6127-1 . ^{[ нужна страница ]}
^ Сенфт, Сандра; Гальегос, Фредерик; Дэвис, Александра (2016). Контроль и аудит информационных технологий . ЦРК Пресс. ISBN 978-1-4398-9324-1 . ^{[ нужна страница ]}
^ Гарвен, Сара; Скарлата, Одри (20 июля 2020 г.). «Анализ факторов, связанных с инвестициями в технологии внутреннего аудита». Журнал управленческого аудита . 35 (7): 955–978. дои : 10.1108/MAJ-06-2019-2321 . S2CID 225604238 .
^ Синглтон, Томми (2006). «Программное обеспечение для общего аудита: эффективный и действенный инструмент для современного ИТ-аудита» (PDF) . Журнал управления информационными системами . 2 : 1–3.
^ Сируа, Луи-Филипп; Мармусез, Софи; Симуник, Дэн А. (май 2012 г.). Затраты на производство аудита компаний «Большой четверки» и «не-Большой четверки»: технология аудита на уровне офиса и влияние на плату за аудит . Бухгалтерский учет и инновации. Гренобль, Франция.
^ «Уверенность в будущем» (PDF) . ПвК . Проверено 4 мая 2022 г.
^ Куреши, Аник А; Шим, Джэ К; Сигел, Джоэл Дж. (сентябрь 1998 г.). «Искусственный интеллект в бухгалтерском учете и бизнесе». Национальный аудитор . 43 (7): 13–18. ПроКвест 232358754 .
^ Исса, Хусейн; Сунь, Тинг; Васархеи, Миклош А. (сентябрь 2016 г.). «Исследовательские идеи по использованию искусственного интеллекта в аудите: формализация аудита и пополнение рабочей силы» . Журнал новых технологий в бухгалтерском учете . 13 (2): 1–20. дои : 10.2308/jeta-10511 . OCLC 6936595435 .
^ Картикеян Дж.; Тин, Су Хи; Нг Ю, Джин, ред. (2022). Результаты обучения в классе . Рутледж. ISBN 978-93-92995-15-6 . ^{[ нужна страница ]}
^ Аль Марзуки, Сумайя (лето 2021 г.). «Перспективные технологии для перспективного аудита государственного сектора». Международный журнал государственного аудита . 48 (3): 52–53. ПроКвест 2565210188 .
^ Пурти, Анну (2021). «Искусственный интеллект в зеленом учете». Применение искусственного интеллекта в бизнесе и финансах . стр. 185–202. дои : 10.1201/9781003129639-10 . ISBN 978-1-00-312963-9 . S2CID 240160573 .
^ Демиркан, Себахаттин; Демиркан, Ирем; Макки, Эндрю (2 апреля 2020 г.). «Технология блокчейн в будущем кибербезопасности и бухгалтерского учета бизнеса». Журнал управленческой аналитики . 7 (2): 189–208. дои : 10.1080/23270012.2020.1731721 . S2CID 213567107 .
^ Салкинд, Нил (2010). Энциклопедия дизайна исследований . дои : 10.4135/9781412961288 . ISBN 978-1-4129-6127-1 . ^{[ нужна страница ]}

[1] Дебрецени, Роджер; Ли, Сук-Ленг; Нео, Вилли; Шулинг То, Джоселин (август 2005 г.). «Использование программного обеспечения для общего аудита в секторе финансовых услуг: проблемы и возможности». Журнал управленческого аудита . 20 (6): 605–618. дои : 10.1108/02686900510606092 . S2CID 3184825 .

[2] Салкинд, Нил (2010). Энциклопедия дизайна исследований . дои : 10.4135/9781412961288 . ISBN 978-1-4129-6127-1 . ^{[ нужна страница ]}

[3] Сенфт, Сандра; Гальегос, Фредерик; Дэвис, Александра (2016). Контроль и аудит информационных технологий . ЦРК Пресс. ISBN 978-1-4398-9324-1 . ^{[ нужна страница ]}

[4] Гарвен, Сара; Скарлата, Одри (20 июля 2020 г.). «Анализ факторов, связанных с инвестициями в технологии внутреннего аудита». Журнал управленческого аудита . 35 (7): 955–978. дои : 10.1108/MAJ-06-2019-2321 . S2CID 225604238 .

[5] Синглтон, Томми (2006). «Программное обеспечение для общего аудита: эффективный и действенный инструмент для современного ИТ-аудита» (PDF) . Журнал управления информационными системами . 2 : 1–3.

[6] Сируа, Луи-Филипп; Мармусез, Софи; Симуник, Дэн А. (май 2012 г.). Затраты на производство аудита компаний «Большой четверки» и «не-Большой четверки»: технология аудита на уровне офиса и влияние на плату за аудит . Бухгалтерский учет и инновации. Гренобль, Франция.

[7] «Уверенность в будущем» (PDF) . ПвК . Проверено 4 мая 2022 г.

[8] Куреши, Аник А; Шим, Джэ К; Сигел, Джоэл Дж. (сентябрь 1998 г.). «Искусственный интеллект в бухгалтерском учете и бизнесе». Национальный аудитор . 43 (7): 13–18. ПроКвест 232358754 .

[9] Исса, Хусейн; Сунь, Тинг; Васархеи, Миклош А. (сентябрь 2016 г.). «Исследовательские идеи по использованию искусственного интеллекта в аудите: формализация аудита и пополнение рабочей силы» . Журнал новых технологий в бухгалтерском учете . 13 (2): 1–20. дои : 10.2308/jeta-10511 . OCLC 6936595435 .

[10] Картикеян Дж.; Тин, Су Хи; Нг Ю, Джин, ред. (2022). Результаты обучения в классе . Рутледж. ISBN 978-93-92995-15-6 . ^{[ нужна страница ]}

[11] Аль Марзуки, Сумайя (лето 2021 г.). «Перспективные технологии для перспективного аудита государственного сектора». Международный журнал государственного аудита . 48 (3): 52–53. ПроКвест 2565210188 .

[12] Пурти, Анну (2021). «Искусственный интеллект в зеленом учете». Применение искусственного интеллекта в бизнесе и финансах . стр. 185–202. дои : 10.1201/9781003129639-10 . ISBN 978-1-00-312963-9 . S2CID 240160573 .

[13] Демиркан, Себахаттин; Демиркан, Ирем; Макки, Эндрю (2 апреля 2020 г.). «Технология блокчейн в будущем кибербезопасности и бухгалтерского учета бизнеса». Журнал управленческой аналитики . 7 (2): 189–208. дои : 10.1080/23270012.2020.1731721 . S2CID 213567107 .

[14] Салкинд, Нил (2010). Энциклопедия дизайна исследований . дои : 10.4135/9781412961288 . ISBN 978-1-4129-6127-1 . ^{[ нужна страница ]}

[ 1 ]

[ 2 ]

[ 3 ]

[ 4 ]

[ 5 ]

[ 6 ]

[ 7 ]

[ 8 ]

[ 9 ]

[ 10 ]

[ 11 ]

[ 12 ]

[ 13 ]

[ 14 ]