Artificial Intelligence (AI) is increasingly used in financial reporting and auditing to analyse large volumes of transactions, identify unusual journal entries, review contracts, evaluate financial forecasts and detect potential fraud indicators. These capabilities offer opportunities to improve audit efficiency and risk identification. However, AI can also generate inaccurate conclusions, misinterpret accounting information or produce convincing explanations unsupported by reliable evidence. The central question for auditors is therefore not whether AI should be used, but how its results should be challenged while maintaining professional skepticism.
In October 2024, the International Auditing and Assurance Standards Board (IAASB) issued its Technology Position, supporting the appropriate use of technology to enhance audit quality. In August 2026, the IAASB also published proposed revisions to ISA 330, ISA 500 and ISA 520 to modernise requirements concerning audit evidence and risk responses in a technology-enabled environment. These proposals were still under consultation as of October 2026 and should not be treated as effective standards.
Under TSA 200, auditors must exercise professional skepticism throughout the audit. This involves maintaining a questioning mind, remaining alert to potentially contradictory evidence and critically assessing the reliability of audit evidence. The principle applies equally to information generated by employees, accounting systems, external specialists and AI applications. An AI-generated conclusion should not be accepted merely because it appears technically sophisticated, mathematically precise or supported by a persuasive explanation.
The first consideration is the reliability of the underlying data. Before relying on AI analysis, auditors should understand where the information originated, whether the dataset is complete and accurate, and whether the AI application has processed it correctly. For example, if AI identifies unusual revenue transactions using 50,000 sales invoices, the auditor should reconcile the dataset with the accounting records and verify that relevant transactions were not omitted, duplicated or incorrectly classified. Under TSA 500, evaluating the relevance and reliability of information used as audit evidence remains essential, regardless of the technology involved.
Auditors should also challenge the reasoning behind AI-generated conclusions. AI may identify a journal entry as suspicious because it was recorded near year-end, involves an unusual account combination or exceeds a predetermined amount. However, these characteristics do not automatically establish a misstatement or fraud. The auditor must examine supporting documents, understand the business purpose and determine whether the accounting treatment complies with applicable financial reporting standards. Conversely, transactions not flagged by AI should not automatically be assumed correct, because the model may fail to detect certain errors or fraud patterns.
A practical approach is to perform independent validation of AI outputs. Auditors may reperform selected calculations, trace findings to original documents, compare results with independent evidence and test both transactions flagged as unusual and transactions classified as normal. Testing the latter helps assess the risk of false negatives. Where AI produces unsupported references to accounting standards, contracts or external information, auditors should verify those references against authentic source documents rather than relying on generated quotations or summaries.
Consider a hypothetical company with 50,000 sales transactions. An AI system identifies 120 transactions as potentially involving incorrect revenue cut-off. The auditor should first verify the completeness of the transaction population, then inspect relevant invoices, delivery documents, customer acceptance records and contractual terms. If some flagged transactions are valid, the auditor should consider the reasons for these false positives. If testing of unflagged transactions reveals errors, the auditor should reassess the tool's detection reliability and whether additional procedures are necessary. Analysing an entire population with AI does not automatically provide sufficient appropriate audit evidence or eliminate the need for professional judgement.
AI-generated forecasts and accounting estimates require particular attention. Under TSA 540, auditors must evaluate the methods, significant assumptions and data supporting material accounting estimates. If AI concludes that goodwill impairment is unnecessary because projected EBITDA will increase significantly, auditors should independently examine historical forecast accuracy, revenue assumptions, operating margins, discount rates and external market conditions. A forecast that appears reasonable in an AI-generated report may still be based on unrealistic management assumptions. Similarly, AI-generated expected credit loss calculations should be assessed for data quality, customer risk segmentation and forward-looking assumptions.
An important distinction should also be made between AI used by management and AI used by the audit firm. Where management uses AI to prepare accounting estimates or reports, the auditor must evaluate the resulting information and relevant controls as part of the audit. Where the audit firm uses AI to perform audit procedures, the firm remains responsible for the suitability of its tools, the competence of engagement personnel and the quality of the conclusions reached. Under TSA 220 (Revised) and Thai quality management requirements, engagement partners cannot transfer professional responsibility to technology vendors or automated systems.
Documentation and confidentiality are equally important. Under TSA 230, audit documentation should enable an experienced auditor to understand the procedures performed, evidence obtained, significant judgements and conclusions reached. When AI is used for significant audit procedures, the engagement team should retain relevant information concerning the data, tool or model version, analytical purpose, results, exceptions investigated and independent validation. Audit firms should also control the use of confidential client information, particularly when considering public AI platforms or external service providers. The IESBA's technology-related ethical revisions, effective internationally from December 2024, reinforce the importance of professional competence, due care and confidentiality when using technology, subject to applicable local adoption.
For audit partners, the appropriate response is neither unrestricted reliance on AI nor a complete rejection of the technology. Firms should adopt risk-based procedures for evaluating and approving AI tools, training audit teams and establishing appropriate review requirements. AI can improve the identification of unusual transactions and strengthen analytical procedures, but significant conclusions must remain supported by independently evaluated evidence.
Conclusion
AI has the potential to improve audit quality by expanding analytical capabilities, processing complex information and identifying risks that traditional procedures might overlook. However, AI does not replace professional skepticism, sufficient appropriate audit evidence or the auditor's responsibility for forming an independent opinion.
The essential principle is that auditors should use AI to generate better questions, identify risks and strengthen audit procedures, but should never allow AI-generated answers to replace the critical evaluation of audit evidence. The future of audit quality depends not on choosing between human judgement and artificial intelligence, but on combining both within a reliable and accountable audit process.
ปัญญาประดิษฐ์ (Artificial Intelligence หรือ AI) กำลังมีบทบาทเพิ่มขึ้นในการจัดทำบัญชีและการสอบบัญชี ไม่ว่าจะเป็นการวิเคราะห์รายการบัญชีจำนวนมาก การค้นหารายการปรับปรุงที่ผิดปกติ การตรวจสอบสัญญา การวิเคราะห์ประมาณการทางการเงิน หรือการระบุรายการที่อาจมีความเสี่ยงจากการทุจริต เทคโนโลยีเหล่านี้ช่วยให้ผู้สอบบัญชีประมวลผลข้อมูลได้รวดเร็วและครอบคลุมมากขึ้น อย่างไรก็ตาม AI อาจสร้างข้อสรุปที่ไม่ถูกต้อง ตีความข้อมูลทางบัญชีผิดพลาด หรือให้คำอธิบายที่ดูน่าเชื่อถือแต่ไม่มีหลักฐานรองรับ ประเด็นสำคัญจึงไม่ใช่ว่าผู้สอบบัญชีควรใช้ AI หรือไม่ แต่เป็นการพิจารณาว่าจะนำ AI มาใช้โดยยังรักษาความสงสัยเยี่ยงผู้ประกอบวิชาชีพได้อย่างไร
เมื่อเดือนตุลาคม 2567 คณะกรรมการมาตรฐานการสอบบัญชีและการให้ความเชื่อมั่นระหว่างประเทศ (IAASB) ได้เผยแพร่แนวนโยบายด้านเทคโนโลยีเพื่อสนับสนุนการใช้เทคโนโลยีอย่างเหมาะสมในการยกระดับคุณภาพงานสอบบัญชี ต่อมาในเดือนสิงหาคม 2569 IAASB ได้เผยแพร่ร่างแก้ไข ISA 330, ISA 500 และ ISA 520 เพื่อปรับปรุงข้อกำหนดเกี่ยวกับหลักฐานการสอบบัญชีและการตอบสนองต่อความเสี่ยงให้เหมาะสมกับสภาพแวดล้อมดิจิทัล ทั้งนี้ ณ เดือนตุลาคม 2569 ร่างดังกล่าวยังอยู่ระหว่างรับฟังความคิดเห็นและยังไม่มีผลบังคับใช้เป็นมาตรฐานฉบับใหม่
ตามมาตรฐานการสอบบัญชี รหัส 200 ผู้สอบบัญชีต้องใช้ความสงสัยเยี่ยงผู้ประกอบวิชาชีพตลอดการตรวจสอบ โดยต้องมีความคิดเชิงตั้งคำถาม ระมัดระวังหลักฐานที่ขัดแย้งกัน และประเมินความน่าเชื่อถือของหลักฐานอย่างรอบคอบ หลักการนี้ใช้กับข้อมูลทุกประเภท ไม่ว่าจะมาจากฝ่ายบริหาร ระบบบัญชี ผู้เชี่ยวชาญ หรือ AI ผู้สอบบัญชีจึงไม่ควรยอมรับข้อสรุปจาก AI เพียงเพราะระบบแสดงผลอย่างเป็นมืออาชีพ มีตัวเลขละเอียด หรือสามารถอธิบายเหตุผลได้อย่างน่าเชื่อถือ
สิ่งแรกที่ผู้สอบบัญชีควรตรวจสอบคือความน่าเชื่อถือของข้อมูลต้นทาง ก่อนนำผลวิเคราะห์จาก AI มาใช้ ต้องทราบว่าข้อมูลมาจากระบบใด มีความครบถ้วนและถูกต้องหรือไม่ และระบบ AI ประมวลผลข้อมูลโดยไม่มีการตกหล่นหรือเปลี่ยนแปลงสาระสำคัญหรือไม่ ตัวอย่างเช่น หาก AI วิเคราะห์ใบแจ้งหนี้ขายจำนวน 50,000 รายการเพื่อค้นหาความผิดปกติ ผู้สอบบัญชีควรกระทบยอดข้อมูลทั้งหมดกับระบบบัญชีและตรวจสอบว่ามีรายการซ้ำ รายการที่ขาดหาย หรือการจัดประเภทรายการผิดหรือไม่ เพราะภายใต้ TSA 500 ความน่าเชื่อถือของหลักฐานยังคงเป็นข้อกำหนดสำคัญ ไม่ว่าข้อมูลจะผ่านการวิเคราะห์ด้วยเทคโนโลยีระดับใดก็ตาม
ประเด็นถัดมาคือการท้าทายเหตุผลและข้อสรุปของ AI เช่น หากระบบระบุว่ารายการปรับปรุงบัญชีช่วงสิ้นปีมีความเสี่ยงสูง เนื่องจากมีจำนวนเงินมากหรือใช้บัญชีที่ไม่พบเป็นประจำ ผู้สอบบัญชีต้องตรวจสอบเอกสารประกอบ วัตถุประสงค์ของรายการ และหลักเกณฑ์การบันทึกบัญชี ก่อนสรุปว่ารายการนั้นผิดปกติจริงหรือไม่ เพราะรายการที่ AI ระบุว่ามีความเสี่ยงอาจเป็นธุรกรรมที่ถูกต้องตามปกติ ขณะเดียวกัน รายการที่ AI ไม่แจ้งเตือนก็ไม่ได้หมายความว่าจะไม่มีข้อผิดพลาดหรือการทุจริต
ผู้สอบบัญชีควรทดสอบความถูกต้องของผลลัพธ์ด้วยวิธีที่เป็นอิสระ เช่น คำนวณรายการตัวอย่างซ้ำ ตรวจสอบข้อสรุปกับเอกสารต้นฉบับ เปรียบเทียบกับหลักฐานจากบุคคลภายนอก และเลือกตรวจสอบทั้งรายการที่ AI แจ้งเตือนและรายการที่ AI ระบุว่าปกติ เพื่อประเมินว่าระบบสามารถตรวจจับความผิดปกติได้ดีเพียงใด หาก AI อ้างอิงมาตรฐานการบัญชี ข้อกฎหมาย หรือข้อความในสัญญา ผู้สอบบัญชีต้องตรวจสอบกับเอกสารต้นฉบับด้วย เพราะ AI อาจอ้างอิงข้อกำหนดผิดฉบับ ผิดย่อหน้า หรือสร้างข้อความที่ไม่มีอยู่จริงได้
ตัวอย่างเช่น บริษัทแห่งหนึ่งมีรายการขาย 50,000 รายการ และ AI ระบุว่ามี 120 รายการที่อาจรับรู้รายได้ผิดงวด ผู้สอบบัญชีไม่ควรสรุปทันทีว่ารายการทั้ง 120 รายการมีข้อผิดพลาด แต่ควรตรวจสอบใบแจ้งหนี้ เอกสารส่งมอบสินค้า การยอมรับสินค้าของลูกค้า และเงื่อนไขสัญญา หากพบว่าบางรายการที่ถูกแจ้งเตือนเป็นรายการที่ถูกต้อง ต้องประเมินสาเหตุที่ระบบแจ้งเตือนผิด ขณะเดียวกัน หากตรวจสอบรายการที่ไม่ถูกแจ้งเตือนแล้วพบข้อผิดพลาด ก็ต้องพิจารณาความน่าเชื่อถือของระบบและความจำเป็นในการขยายวิธีการตรวจสอบเพิ่มเติม ดังนั้น แม้ AI จะสามารถวิเคราะห์ข้อมูลทั้งหมดได้ ก็ไม่ได้หมายความว่าผู้สอบบัญชีได้รับหลักฐานการสอบบัญชีที่เหมาะสมอย่างเพียงพอโดยอัตโนมัติ
การใช้ AI กับประมาณการทางบัญชีเป็นอีกเรื่องที่ต้องระมัดระวังเป็นพิเศษ ภายใต้ TSA 540 ผู้สอบบัญชีต้องประเมินวิธีการ สมมติฐานสำคัญ และข้อมูลที่ฝ่ายบริหารใช้จัดทำประมาณการ ตัวอย่างเช่น หาก AI วิเคราะห์ว่ากิจการไม่จำเป็นต้องบันทึกผลขาดทุนจากการด้อยค่าของค่าความนิยม เนื่องจากประมาณการ EBITDA จะเพิ่มขึ้นอย่างต่อเนื่อง ผู้สอบบัญชีต้องประเมินความแม่นยำของประมาณการในอดีต สมมติฐานรายได้ อัตรากำไร อัตราคิดลด และสภาพแวดล้อมทางเศรษฐกิจด้วยตนเอง ไม่ควรยอมรับผลวิเคราะห์เพียงเพราะ AI สามารถสร้างรายงานที่มีรายละเอียดครบถ้วน เช่นเดียวกับการคำนวณค่าเผื่อผลขาดทุนด้านเครดิต ซึ่งต้องตรวจสอบข้อมูลลูกหนี้ วิธีแบ่งกลุ่มความเสี่ยง และสมมติฐานเกี่ยวกับอนาคต
สิ่งสำคัญอีกประการหนึ่งคือการแยกระหว่าง AI ที่ฝ่ายบริหารใช้จัดทำข้อมูลทางการเงินกับ AI ที่สำนักงานสอบบัญชีนำมาใช้ตรวจสอบ หากฝ่ายบริหารใช้ AI ประมาณการหนี้สิน วิเคราะห์การด้อยค่า หรือจัดทำรายงานทางบัญชี ผู้สอบบัญชีต้องพิจารณาความน่าเชื่อถือของข้อมูลและระบบควบคุมที่เกี่ยวข้องตามความเสี่ยง แต่หากสำนักงานสอบบัญชีใช้ AI เป็นเครื่องมือของตนเอง สำนักงานยังคงมีหน้าที่ประเมินความเหมาะสมของเครื่องมือ ความสามารถของผู้ใช้งาน และคุณภาพของผลการตรวจสอบ ภายใต้ TSA 220 (ปรับปรุง) และมาตรฐานการบริหารคุณภาพ ผู้รับผิดชอบงานสอบบัญชีไม่สามารถโอนความรับผิดชอบทางวิชาชีพไปให้ผู้พัฒนา AI หรือผู้ให้บริการเทคโนโลยีได้
สำหรับการจัดทำกระดาษทำการ TSA 230 กำหนดให้มีเอกสารหลักฐานเพียงพอเพื่อให้ผู้สอบบัญชีที่มีประสบการณ์สามารถเข้าใจวิธีการตรวจสอบ หลักฐานที่ได้รับ ดุลยพินิจสำคัญ และข้อสรุปของงานได้ ดังนั้น หาก AI ถูกนำมาใช้ในขั้นตอนสำคัญ ควรเก็บข้อมูลเกี่ยวกับชุดข้อมูลที่ใช้ เครื่องมือและรุ่นของระบบตามความเหมาะสม วัตถุประสงค์ของการวิเคราะห์ ผลลัพธ์ที่ได้รับ รายการผิดปกติที่ตรวจสอบเพิ่มเติม และวิธีที่ผู้สอบบัญชียืนยันข้อสรุปด้วยหลักฐานอื่น การเก็บเพียงข้อความสรุปที่ AI สร้างขึ้นโดยไม่แสดงวิธีตรวจสอบรองรับอาจไม่เพียงพอสำหรับแฟ้มงานสอบบัญชี
นอกจากนี้ สำนักงานสอบบัญชีต้องพิจารณาความเสี่ยงด้านการรักษาความลับของลูกค้า โดยเฉพาะการนำงบการเงินที่ยังไม่เผยแพร่ ข้อมูลเงินเดือน ข้อมูลลูกค้า หรือเอกสารสัญญาเข้าสู่ระบบ AI สาธารณะ ควรมีนโยบายอนุมัติการใช้เครื่องมือ การจำกัดข้อมูลที่เปิดเผย และมาตรการคุ้มครองข้อมูลอย่างเหมาะสม โดยหลักจรรยาบรรณของ IESBA ที่ปรับปรุงด้านเทคโนโลยีและมีผลในระดับสากลตั้งแต่เดือนธันวาคม 2567 ได้เน้นความสำคัญของความรู้ความสามารถ ความระมัดระวังรอบคอบ และการรักษาความลับ ทั้งนี้ ต้องพิจารณาข้อกำหนดที่มีผลใช้ในประเทศไทยประกอบด้วย
สำหรับหุ้นส่วนสำนักงานสอบบัญชี แนวทางที่เหมาะสมไม่ใช่การอนุญาตให้ใช้ AI โดยไม่มีการควบคุม หรือห้ามใช้เทคโนโลยีเพราะกังวลว่าผลลัพธ์อาจไม่ถูกต้อง แต่ควรกำหนดกระบวนการประเมินและอนุมัติเครื่องมือ ฝึกอบรมผู้ใช้งาน กำหนดระดับการทบทวนตามความเสี่ยง และจัดให้มีการตรวจสอบความถูกต้องของผลลัพธ์อย่างเป็นระบบ โดยเฉพาะงานที่เกี่ยวข้องกับการทุจริต การประมาณการทางบัญชี และรายการที่มีความเสี่ยงสูง
บทสรุป
AI สามารถช่วยเพิ่มคุณภาพงานสอบบัญชีได้อย่างมาก โดยเฉพาะการวิเคราะห์ข้อมูลจำนวนมากและการค้นหารายการผิดปกติที่ผู้สอบบัญชีอาจไม่สามารถตรวจพบได้ง่ายด้วยวิธีการทั่วไป อย่างไรก็ตาม AI ไม่สามารถทดแทนความสงสัยเยี่ยงผู้ประกอบวิชาชีพ การรวบรวมหลักฐานที่เหมาะสมอย่างเพียงพอ หรือความรับผิดชอบของผู้สอบบัญชีในการแสดงความเห็นต่องบการเงิน
หัวใจสำคัญคือ ผู้สอบบัญชีควรใช้ AI เพื่อช่วยตั้งคำถาม ค้นหาความเสี่ยง และเพิ่มประสิทธิภาพการตรวจสอบ แต่ต้องไม่ปล่อยให้คำตอบจาก AI กลายเป็นข้อสรุปของงานสอบบัญชีโดยไม่มีการประเมินหลักฐานอย่างเป็นอิสระ เพราะเทคโนโลยีที่ดีควรช่วยยกระดับดุลยพินิจของผู้สอบบัญชี ไม่ใช่เข้ามาแทนที่ดุลยพินิจทางวิชาชีพ
