監査で最も大きい変化は、「サンプリングの前提」が変わったことです。

従来、母集団のすべてを検証することは現実的でなく、抽出して確かめる方法が取られてきました。機械的な走査が現実的になったことで、この前提が動きます。

ただし、検出することと、それを判断することは別です。 意見表明は人に残ります。

この記事の要点

  • 全件検証が現実的になり、抽出の前提が変わる
  • 異常の検出と、不正の判断は別
  • 経理・財務の効果実感は**29.7％**にとどまる

隣接領域の数字

監査法人の業務を取り出した統計はありません。 参考として、企業内の経理・財務の状況を見ます。

状態割合
業務プロセスがAI中心に変更されている9.3％
部署内の特定業務で活用している19.5％
従業員が個人作業の効率化で活用している15.9％
未導入30.8％
わからない21.7％
社内に該当業務はない2.8％
効果を感じる割合29.7％

議事録・メール作成補助の72.3％と比べると、半分以下です。 数字を扱う業務ほどAIの効果が出やすいと思われがちですが、実際は逆になっています。

理由は、求められる正確性の水準にあると考えられます。 経理・財務の出力は、誤りが直接的な損害と信用の毀損につながります。

⚠️ 上記は総務省「令和8年版 情報通信白書」データ集の数値で、企業内の経理・財務が対象です。監査法人・公認会計士の業務の統計ではありません。

監査で効く領域

領域何が変わるか
仕訳テスト抽出でなく全件を走査できる
異常検知通常と異なるパターンの抽出（金額、時期、承認者、取引先）
文書のレビュー契約書・議事録から、監査上の論点を洗い出す
分析的手続の補助期間比較・比率分析の初期作業
調書の下書き定型部分の作成
基準・指針の検索関連する規定の探索

1行目が構造的な変化です。

「すべてを見る」ことが現実的になると、抽出に伴う限界の議論が変わります。 ただし、全件を見ても、そこから何を問題とするかの判断は残ります。

判断が人に残る理由

①異常と不正は別

機械が拾えるのは「通常と違う」ことまでです。

  • 期末直前の大口の仕訳 → 異常だが、正当な取引かもしれない
  • 特定の承認者に集中した処理 → 業務分担の結果かもしれない
  • 前年と大きく異なる比率 → 事業構造の変化かもしれない

「なぜそうなっているか」を確かめる工程は、人が行います。 相手への質問、証憑の確認、経営者との議論——これらは対話です。

②職業的懐疑心

AIは、与えられた指示に対して答えを返します。 「疑う」という姿勢そのものを持ちません。

「この説明は本当か」「他の可能性はないか」と問い続ける態度は、監査の中核にあるものです。ここは機械化される部分ではありません。

③責任の所在

監査意見は、責任を負う主体が表明するものです。

AIの出力を根拠にしても、「なぜその意見に至ったか」を説明できる状態が必要になります。説明できない根拠は、根拠として機能しません。

🔍 編集部の本音 「AIで監査が自動化される」という話は、検出と判断を混同していると思います。全件を機械で走査できるようになったのは大きな変化ですが、拾われた1,000件のうち、どれが本当の問題かを見極める作業が増えるとも言えます。作業の総量が減るとは限りません。変わるのは、時間の使い先です。

AIを使う際の制約

士業一般の制約に加えて、監査固有の論点があります。

制約内容
守秘義務被監査会社の情報を外部サービスに入力してよいか
監査証拠としての適格性AIの出力を、そのまま証拠として扱えるか
独立性ツールの提供元との関係
記録・追跡可能性何をどう検証したかを、後から説明できるか

2番目が実務上の論点になります。 「AIが異常なしと判定した」ことが、どの範囲で証拠として機能するのか。この扱いは、所属する法人の方針と、関係機関の指針によります。

この記事では、監査基準や品質管理基準の内容には立ち入りません。 実務での取り扱いは、所属法人の方針を確認してください。

なお、AIは事実でない内容を自然な文章で補います（ハルシネーションとは？）。基準や条文をAIに検索させた場合、必ず原典に当たってください。 存在しない条項が、もっともらしい形で提示されることがあります。

被監査会社の情報の扱いは社内情報を学習させない設定も参考になります。

PR・おすすめstrategy career自分らしく働けるエンジニア転職エージェント。公式サイトを見る

監査以外の業務

会計士の業務は監査だけではありません。

業務AIの効き方
アドバイザリー・コンサルティング資料作成、調査、分析の初期作業で効く
税務制度の検索は効くが、判断と申告の責任は人
IPO支援文書作成、規程の整備で効く
内部統制の評価全件検証との相性がよい
デューデリジェンス大量の文書レビューで効く

文書量が多い業務ほど、効果が出やすい傾向があります。

何を身につけるか

1つ目は、データを扱う技術です。 全件検証が前提になるほど、データの取得・加工・検証の技術が実務に直結します。

2つ目は、異常を意味づける力です。 機械が拾った異常の中から、監査上重要なものを選び出す判断。これは検出の自動化が進むほど価値が上がります。

3つ目は、説明できる形にする力です。 どう検証し、なぜその結論に至ったかを、後から追える形で残す。ツールを使うほど、この重要性が増します。

学び方の順序は生成AI独学ロードマップ、他の職種での変化は職種別・AIで変わる仕事まとめにまとめています。

FAQ

Q. 監査の仕事はAIでなくなりますか？

A. 検出は自動化が進みますが、判断と意見表明は残ります。 機械が拾えるのは「通常と違う」ことまでで、それが問題かどうかを確かめる工程（質問、証憑の確認、議論）は人が行います。

Q. 全件検証ができるようになると何が変わりますか？

A. 抽出に伴う限界の議論が変わります。 ただし、拾われた異常の中からどれが本当の問題かを見極める作業は増えます。作業の総量が減るとは限らず、時間の使い先が変わると考えるほうが実態に近いはずです。

Q. AIの出力を監査証拠として使えますか？

A. 所属する法人の方針と、関係機関の指針によります。 この記事では監査基準の内容に立ち入っていません。実務での取り扱いは所属法人に確認してください。

Q. 被監査会社の情報をAIに入力してもいいですか？

A. 守秘義務の対象です。 外部サービスへの入力可否は、所属法人の方針を確認してください。

Q. 基準や条文の検索にAIを使えますか？

A. 検索の入口には使えますが、必ず原典に当たってください。 AIは存在しない条項をもっともらしい形で提示することがあります。

Q. 監査以外ではどこで効きますか？

A. 文書量が多い業務です。デューデリジェンス、IPO支援、内部統制の評価など。アドバイザリーでも、調査と資料作成の初期作業で効きます。

まとめ

  • 最大の変化は、抽出から全件検証へという前提の移行
  • 異常の検出と、不正の判断は別。 「なぜそうなっているか」は対話で確かめる
  • 職業的懐疑心と意見表明は人に残る
  • 隣接する経理・財務でも、効果実感は29.7％（議事録は72.3％）
  • 制約は守秘義務・監査証拠としての適格性・独立性・追跡可能性
  • 価値が上がるのはデータを扱う技術・異常を意味づける力・説明できる形にする力

経理職としての変化は経理の仕事はAIでなくなる？、士業全般は士業の仕事とAIにまとめています。