Dalam dunia audit yang semakin kompleks, integrasi teknologi seperti process mining dan machine learning menawarkan harapan baru untuk meningkatkan evaluasi kontrol internal. Penelitian oleh Duan, Vasarhelyi, dan Codesso (2024) menunjukkan bagaimana model yang mereka kembangkan mampu mendeteksi dan menganalisis anomali dalam data transaksi dengan lebih efisien, mengidentifikasi hingga 12,6% transaksi yang menyimpang dari alur proses yang diharapkan. Dengan memanfaatkan algoritma yang canggih, model ini tidak hanya memperbaiki akurasi dalam audit, tetapi juga mengurangi waktu yang diperlukan untuk evaluasi kontrol, memungkinkan auditor untuk lebih fokus pada area berisiko tinggi.
Implikasi dari penelitian ini sangat signifikan, terutama bagi organisasi yang ingin menjaga akuntabilitas dan transparansi. Melalui penerapan teknologi ini, auditor dapat melakukan pengujian yang lebih menyeluruh dan mendalam terhadap sistem kontrol internal, mengurangi risiko kesalahan yang dapat mempengaruhi laporan keuangan. Dengan meningkatnya kepercayaan pada sistem pengendalian internal, perusahaan akan lebih mampu beroperasi secara efisien dan responsif terhadap tantangan yang dihadapi.
Dengan demikian, penting bagi praktisi dan akademisi untuk terus mengeksplorasi dan mengembangkan aplikasi teknologi canggih dalam audit. Penerapan model yang diajukan oleh Duan et al. memberikan jalan baru untuk meningkatkan efektivitas dan efisiensi audit, yang pada akhirnya akan berkontribusi pada stabilitas dan keberlanjutan bisnis di era digital ini.
Referensi
Duan, H. K., Vasarhelyi, M. A., & Codesso, M. (2024). Integrating process mining and machine learning for advanced internal control evaluation in auditing. Journal of Information Systems, XX(XX), 1-21. https://doi.org/10.2308/ISYS-2022-028
