Esta tese examina os riscos emergentes da inteligência artificial (IA) na auditoria financeira e propõe estratégias de mitigação. A pesquisa combina entrevistas qualitativas com especialistas e exercícios de classificação quantitativa para compreender a gravidade e frequência dos riscos da IA. Os principais resultados revelam os riscos mais significativos associados à IA na auditoria financeira, incluindo segurança de dados, erros e bias em algoritmos e qualidade de dados. Abordar estes riscos é crucial para melhorar a precisão, fiabilidade e confiança dos procedimentos de auditoria financeira na era da IA. O estudo enfatiza a importância da auditoria de tecnologias de informação e considerações éticas no desenvolvimento de IA. As estratégias de mitigação envolvem uma governance de dados sólida, testes rigorosos de algoritmos de IA e monitorização contínua. A pesquisa contribui para aumentar a consciencialização dos riscos da IA, fornecendo orientação para auditores e decisores políticos, e promovendo a gestão proativa de riscos e práticas responsáveis. Futuras pesquisas poderiam explorar riscos éticos na IA e desenvolver diretrizes éticas específicas e quadros regulatórios. No geral, a tese oferece informações valiosas para navegar na tecnologia de IA em auditorias financeiras e garantir um ambiente de auditoria confiável.

This thesis examines the emerging risks of artificial intelligence (AI) in financial auditing and proposes mitigation strategies. The research combines qualitative interviews with experts and quantitative ranking exercises to understand the severity and frequency of AI risks. Key findings reveal the most substantial risks associated with AI in financial auditing, including data security, errors and biases in algorithms, and data quality. Addressing these risks is crucial for enhancing the accuracy, reliability, and trustworthiness of financial audit procedures in the AI era. The study emphasizes the importance of IT auditing and ethical considerations in AI development. Mitigation strategies involve robust data governance, rigorous testing of AI algorithms, and continuous monitoring. The research contributes by raising awareness of AI risks, providing guidance for auditors and policymakers, and promoting proactive risk management and responsible practices. Future research could explore ethical risks in AI and develop specific ethical guidelines and regulatory frameworks. Overall, the thesis offers valuable insights for navigating AI technology in financial audits and ensuring a trustworthy audit environment.