🔥 HNで話題

大手監査法人KPMGのAIは、監査人より深く聞いたのか

約3分で読めます Tiny Why編集部 · 文: 特派員 キュリオ

ことば
AIエージェント(エーアイエージェント)

決められた範囲で、調査の手順を自分で進めるAI。

FTSE 250(エフティーエスイー・にひゃくごじゅう)

英国の上場会社を大きさ順に集めた250社の指標。

法定監査(ほうていかんさ)

会社の決算を、法律の決まりに沿って正式に調べる仕事。

何が起きたか

KPMG(会社の会計を調べる大手監査法人)は、100を超えるAIエージェントを使い、英国のFTSE 250に入る、名前を明かしていない上場企業の財務諸表を調べました。通常の監査チームも同じ企業を調査し、AIと人の仕事を並べて比べた実験です。

実験名はProject Exponentialです。AIは一つの補助作業だけでなく、資料を集め、データを分析し、記録を作り、結論の下書きや次の確認事項を提案しました。複数のAIが役割を分けて動く形です。KPMG英国の監査責任者Cath Burnet氏は、いくつかの場面でAIが人のチームより深く調べ、より良い質問をしたと話しています。元記事

背景:監査でAIは何をするのか

監査は数字の足し算だけではありません。会社の記録と説明が合うか、疑問をどこまで追うかを確かめます。今回のAIは、見つけた情報から次に見る資料を選び、調査を前へ進める役を担いました。強みは、答えを速く出すことだけでなく、追加で何を尋ねるかに現れたのです。

ただし、実験は正式な法定監査ではありません。監査パートナーは実験を承認しましたが、その結果を会社の決算を正式に認める意見の根拠にはしませんでした。途中で、AIが規則と会社の資料を正しく対応づけられず、人の監査人が介入した場面もありました。

なぜ重要か

これは、AIが会計士を丸ごと置き換えたという話ではありません。専門家の仕事の中でも、見落としを減らすための問いを作る部分にAIが入り始めた、という話です。人が見逃した論点をAIが拾えば、監査の質や速さが変わる可能性があります。一方で、質問が多いだけでは重要な質問とは限りません。誤った資料の読み方を広げれば、確認作業が増えることもあります。

監査では、最後に誰が判断し、誰が責任を負うかが重要です。AIの出力を人が点検するなら、担当者にはAIを疑う力も必要になります。人を減らせるか、料金を下げられるかは、今回の実験だけでは決まりません。

確認できたこと

公開された報道から確認できるのは、100を超えるAIを使い、監査の全工程を対象にしたこと、実験は約4か月で作られたこと、そしてKPMGが最大20件の大きな監査へ広げる計画を持つことです。企業側のデータが整理されていないと、AIが動きにくいという課題も示されました。

ただし、人より良い質問が何回あったのか、何を基準に良いと判定したのか、見つけた問題の数や時間と費用の差は公開されていません。対象企業の名前も、AIの失敗の全体像も分かりません。今回の結果は性能の証明というより、実務で試せる段階に来たことを示す一例として読むのが安全です。

次に見る点

今後は、KPMGが別の監査でも同じ結果を再現できるか、規制当局がAIの記録と人の確認をどう評価するかが焦点になります。AIが何を見て、なぜ質問し、どこで人へ引き継いだかを追える記録も欠かせません。正式な監査に使われる範囲、監査人の育成、料金への影響が公表されて初めて、業界の変化を測れます。

この話はHacker Newsでも147ポイント、76コメントを集めました。ただし、これはコミュニティの注目度であり、元記事の正しさやAIの性能を証明する数字ではありません。Hacker Newsの投稿

💬 HNコメント整理:AIの質問力だけでなく、監査の条件と失敗リスクを見る

コメント欄は、この試験結果をAIの全面的な優位の証明とは受け取らず、人間側の労働条件・監査の判断力・AIの失敗モードを切り分けている。試験結果や不具合の話は、コメント投稿者の自己申告または意見であり、独立検証ではない。

  • 比較の公平さへの疑問がある。KPMG側は若手中心の配置、過重労働、顧客が監査費用を払うことによるインセンティブの影響を受け、顧客に不都合な質問を避けた可能性があるという指摘だ。一方で、監査とコンサルの同時提供は多くの国で禁じられており、業界全体の腐敗と決めつけるのは広すぎるという反論もある。
  • 固定された手順や探索範囲ではAIが強いという見方がある。ある投稿者は、韓国の難しい税務試験でAI利用が関係した満点事例を報告したが、これは自己申告であり、独立検証された測定ではない。
  • 監査は数字を数えて規則を当てるだけではない。文書の意味、文脈、重要性、良い質問、場合によっては訴訟に関わる判断まで必要なので、単純なルール処理の比較では不十分だという反論がある。
  • 質問力については意見が割れている。数万人規模のコンサルタントのタスクと広い採点基準で訓練されたエージェントなら、個人の監査人より良い問いを出せるという見方がある。一方、利用者の自己申告では、LLMが一般的な解決策を飛ばして珍しい境界事例へ進み、当然の質問を落とすことがある。
  • 多数のAIを並列に動かせば、監査をサンプリングからほぼ全件の包括分析へ広げられる可能性がある。ただし重要性の低い差まで追うコストが生じる。AIもトークン制限やコンテキスト劣化、近道や思い込みを持つため、「疲れず常に丁寧」という前提には反論がある。
  • 監査対象が使われるAIを事前に試し、検出されないように不正や問題行動を調整する標的型の回避が懸念される。モデルの平均性能が高くても残る問題で、監査を攻撃と防御の競争にする。
  • 1つのモデルやモデル族に頼ると、同じ盲点や脆弱性が一斉に現れるモノカルチャーになるという懸念がある。異なるベンダーの3モデルによる投票や、従来型のハードコードされた監視役でリスクを下げる案も出たが、完全な解決ではない。
  • 学習については、強化学習(RL)なら一度の失敗を全体に反映できるという期待に対し、RL用データは高価で、検証可能な課題に向き、未知の失敗を事前に判定できないという反論がある。さらに、生産性の利益をAI企業、利用企業、投資家、労働者の誰が得るのかという分配の論点もある。

コメント163件時点の初期(改訂2)。100件を取得し、全体から100件を抽出して要約しました。内容はHN利用者の自己申告で、編集部が確認した事実ではありません。

🔥 HNで話題

会社のお金を調べるKPMG、AIに監査をさせてみた

📰 しっかり版: 大手監査法人KPMGのAIは、監査人より深く聞いたのか

AIが人より深く調べた場面がありました。でも、最後は人が確認しました。

約1分で読めます Tiny Why編集部 · 文: 特派員 キュリオ

ことば
AIエージェント(エーアイエージェント)

自分で次の作業を選び、順番に進めるAI。

FTSE 250(エフティーエスイー・にひゃくごじゅう)

英国の上場会社を集めた会社の一覧。

💡 ようするに

  • KPMGが100をこえるAIで監査を試しました。
  • AIは人より深い質問をした場面がありました。
  • でも、最後の確認は人が行いました。

KPMG(会社のお金の記録を調べる会社)は、英国の会社を調べました。相手はFTSE 250に入る上場会社です。FTSE 250は、英国の会社を集めた指標です。

AIエージェント(仕事を順番に進めるAI)は、資料を集めました。数字を調べ、記録も作りました。次に何を調べるかも提案しました。普通の監査チームも、同じ会社を調べました。

比べると、AIが深く追った問題がありました。人が見なかった質問もあったそうです。ここで大事なのは、AIが全部正しかったわけではないことです。

AIが規則と資料をうまく結べない時もありました。その時は、人の監査人が直しました。だから、AIだけで会社の決算を認めたわけではありません。これは正式な監査ではなく、試すための仕事でした。

KPMGは、もっと大きな監査でも試す計画です。でも、会社の資料が整っていないと難しくなります。AIが何問正しく聞いたかも、まだ分かりません。

Hacker Newsでも147ポイント、76コメントで話題でした。これは人気の数字です。記事の正しさを示す数字ではありません。

出典:元記事、Hacker Newsの投稿

💬 AIは監査で本当に人より強いのか

コメント者は、結果がAIの能力だけでなく、人間の監査チームの働き方も反映していると考えている。試験結果やAIの失敗談は、投稿者の自己申告であって、確認済みの実験結果ではない。

  • KPMG側の人が若手で忙しく、顧客との力関係のために厳しい質問をしにくかったかもしれない。ただし、多くの国では監査とコンサルの兼業が禁止されており、業界全体が不正だと決めることには反論がある。
  • 決まりと調べる範囲がはっきりした仕事では、AIが多くの実例を学べるぶん強いかもしれない。ある投稿者は、韓国の難しい税務試験でAI利用があった満点例を報告したが、これは自己申告だ。監査には理解や判断も必要で、計算だけではない。
  • AIは大量の資料を同時に調べ、抜き取り検査からほぼ全件検査へ広げられるかもしれない。でも利用者の自己申告では、LLMが変わった難問に飛んだり、普通の質問を忘れたりする。トークンや文脈の制限もある。
  • 監査される会社がAIを先に試し、見つからないように行動を変える心配がある。また、1つのAIに同じ弱点が広がる危険もある。3社のAIを投票させたり、別の監視プログラムを置いたりする案が出ている。
  • RLで失敗を一度学べば全体に反映できるという期待と、学習データは高価で未知の失敗は学びにくいという反論がある。AIで増えた利益を誰が受け取るかも問題になる。

コメント163件時点の初期(改訂2)。100件を取得し、全体から100件を抽出して要約しました。内容はHN利用者の自己申告で、編集部が確認した事実ではありません。

🔥 HNで話題

お金を調べるKPMGのAIが、もっと聞いた

📰 しっかり版: 大手監査法人KPMGのAIは、監査人より深く聞いたのか

AIが会社のお金を調べる仕事を試しました。

約1分で読めます Tiny Why編集部 · 文: 特派員 キュリオ

ことば
KPMG(ケーピーエムジー)

会社のお金の記録を調べる会社。

AIエージェント(エーアイエージェント)

仕事を順番にするAI。

KPMG(会社のお金を調べる会社)が、AIを試しました。 AIエージェント(仕事を順番にするAI)を100以上使いました。 AIは、会社の数字と書類を見ました。 人のチームも、同じ仕事をしました。 AIが、もっと調べる質問をした時がありました。 でも、ルールと書類を結べない時もありました。 その時は、人が助けました。 だから、AIだけで正式な合格にしませんでした。 Hacker Newsで147点、76件のコメントがありました。 これは、話題になった数です。 本当だと証明する数ではありません。

出典:元記事、Hacker Newsの投稿

💬 AIと人、どちらがよい質問をするのかな

コメント欄には、簡単な答えはない。AIには得意なことと、気をつけることの両方がある。

  • AIが高い点を取っても、AIがいつも人よりよいとは限らない。人のチームがとても疲れていたり、難しい質問をしにくかったりしたかもしれない。監査には考えて判断する仕事もある。
  • 決まりがはっきりした仕事では、AIはたくさんの例を覚え、多くの紙を見られる。ある人は、韓国の難しい税金の試験でAIを使った満点の例を報告したが、確認された実験ではない。別の利用者は、AIが変な答えに走り、簡単な質問を忘れたと話している。
  • 悪いことをする人がAIを先に試し、見つからない方法を探すかもしれない。1つのAIだけだと、同じ弱点がみんなに出るので、別のAIや監視役を組み合わせる案がある。
  • AIが失敗を一度で学べるという人もいる。別の人は、学ぶデータは高く、まだ起きていない失敗は見つけにくいと言う。AIで増えたお金を誰がもらうかも、まだ決まっていない。

コメント163件時点の初期(改訂2)。100件を取得し、全体から100件を抽出して要約しました。内容はHN利用者の自己申告で、編集部が確認した事実ではありません。

出典・参考