La Sintesi AI è redatta con l’ausilio di Normo.ai, piattaforma editoriale basata su tecnologie di intelligenza artificiale, e sottoposta a revisione e validazione scientifica da parte di Euroconference.
La prima guida IAASB dedicata agli strumenti di intelligenza artificiale applica i principi di gestione della qualità all’uso concreto delle tecnologie negli incarichi di revisione. Non introduce nuovi standard né nuovi obblighi: chiarisce come valutare, nell’ambito di ISQM 1 e ISA 220 (Revised), gli impieghi dell’AI che contribuiscono all’acquisizione di elementi probativi. Per i revisori, il punto non è approvare genericamente un prodotto, ma comprenderne le finalità, i rischi e i limiti di controllo.
Conta l’utilizzo, non il nome del prodotto
La Guide 1 – Common Conceptual Foundation, approvata dall’IAASB il 28 ottobre 2026 e diffusa in versione pre-final nel novembre 2026, costituisce la base concettuale di una serie di quattro guide che l’organismo prevede di pubblicare in forma integrata a metà 2027. Il documento è materiale applicativo non vincolante: il riferimento normativo rimane costituito dagli standard di gestione della qualità già applicabili.
Il criterio che delimita l’ambito della serie è la funzione svolta dallo strumento. Un’applicazione AI vi rientra quando facilita la progettazione o l’esecuzione di procedure di incarico volte ad acquisire elementi probativi. Ad esempio, analizzare informazioni finanziarie, benchmark e fonti esterne per individuare anomalie o rischi di errori significativi è un utilizzo rilevante. Impiegare la stessa applicazione per redigere il verbale di una riunione organizzativa del team resta invece fuori dal perimetro specifico della guida.
Ciò non significa che gli impieghi amministrativi siano esenti da valutazioni: ISQM 1 e ISA 220 (Revised) continuano a rilevare per le risorse tecnologiche utilizzate nell’impresa e negli incarichi. Anche un uso esterno alla serie può porre problemi di riservatezza o accuratezza della documentazione.
Valutare i rischi prima dell’impiego
La guida collega l’introduzione degli strumenti AI al processo di valutazione dei rischi di qualità previsto da ISQM 1. L’impresa individua l’uso previsto, o categorie di usi ragionevolmente prevedibili, considera cosa potrebbe compromettere gli obiettivi di qualità e definisce risposte proporzionate. Per le applicazioni general purpose non è necessario autorizzare ogni singolo prompt: possono essere stabilite categorie consentite, utilizzi vietati e condizioni di approvazione.
Tra i fattori da considerare figurano il funzionamento del sistema e la sua eventuale opacità, l’affidabilità e la provenienza dei dati, il ruolo del fornitore, la discrezionalità degli utenti, il peso degli output sulle conclusioni professionali, la possibilità di verificarli e correggerli e l’ampiezza della diffusione dello strumento. Le sette considerazioni illustrate dall’IAASB non costituiscono una checklist obbligatoria o un nuovo modello di gestione del rischio.
Un’avvertenza merita particolare attenzione: prevedere il riesame umano degli output non sostituisce la valutazione dei rischi. Un risultato può apparire plausibile pur essendo incompleto, e il revisore potrebbe non individuare un’informazione omessa. È il problema dell’automation bias, accentuato dalla rapidità con cui un errore può ripetersi su grandi volumi di dati.
Responsabilità e controlli lungo il ciclo di vita
Le responsabilità restano in capo all’impresa di revisione e al team dell’incarico, anche quando l’AI esegue una parte significativa della procedura. L’impresa determina quali strumenti mettere a disposizione e con quali condizioni; il team applica le procedure, valuta i risultati e segnala le informazioni rilevanti. Nella revisione del bilancio, il responsabile dell’incarico conserva la responsabilità complessiva della qualità, inclusi direzione, supervisione e riesame del lavoro svolto con strumenti AI.
La valutazione non si esaurisce al momento dell’introduzione. La guida descrive un ciclo che comprende preparazione e test prima dell’impiego, utilizzo supervisionato durante l’incarico, monitoraggio successivo e gestione dei cambiamenti. Nuove versioni del modello, modifiche ai prompt o alle fonti di conoscenza, incidenti e ampliamenti degli utilizzi possono richiedere di riesaminare valutazioni e controlli precedenti. La qualificazione di un aggiornamento da parte del fornitore non è, da sola, decisiva.
Verifiche operative per gli Studi
Come indicazioni applicative, e non come nuovi adempimenti introdotti dalla guida, gli studi possono mappare gli strumenti AI già utilizzati, distinguere gli impieghi che contribuiscono alle procedure probative da quelli di supporto, definire condizioni d’uso e limiti sul trattamento dei dati, verificare la capacità effettiva del team di contestare gli output e stabilire quando rivalutare lo strumento dopo modifiche o anomalie.
Il messaggio dell’IAASB è quindi concreto: non basta sapere che uno strumento usa l’intelligenza artificiale, né confidare in un controllo finale dell’operatore. La qualità dipende da come il tool viene utilizzato, da quali evidenze produce e dalla possibilità reale di verificarne i risultati lungo l’intero incarico.
