![\"AI](\"https:\/\/11000.dev\/wp-content\/uploads\/2026\/10\/J6_coFbogxhRI9iM864NL_liGXvsQp2AupsKei7z0cNNfDvGUmWUy20nuUhkREQyrpY4bEeIBucs0-w300-rw-168.webp\")
<\/figure>\n<\/p>\nPrema njegovim re\u010dima, klju\u010dni problem nije u tome \u0161to AI donosi nove rizike \u2014 to je o\u010dekivano \u2014 ve\u0107 u tome \u0161to su ti rizici \u010desto nevidljivi<\/strong> na na\u010din na koji su revizori navikli da ih detektuju. Algoritmi ma\u0161inskog u\u010denja mogu da donose odluke na osnovu obrazaca koje ljudi ne mogu intuitivno da objasne. To stvara situaciju u kojoj interna revizija mora da razvije potpuno nove metode procene i kontrole.<\/p>\n Ybarra nagla\u0161ava da je vreme kada su revizori dolazili na kraju procesa i proveravali da li je sve u redu \u2014 pro\u0161lo. AI modeli se menjaju iz dana u dan, u\u010de iz novih podataka i mogu da generi\u0161u odluke koje su tehni\u010dki ispravne, ali eti\u010dki ili regulatorno problemati\u010dne. Zato interna revizija mora biti uklju\u010dena od samog po\u010detka razvoja AI sistema, a ne da naknadno \u201ekrpi rupe\u201c.<\/p>\n Ovaj pristup podrazumeva i blisku saradnju sa timovima za razvoj, pravne slu\u017ebe i menad\u017ement. Vi\u0161e nije dovoljno da revizor razume finansijske tokove \u2014 sada mora da razume i kako funkcioni\u0161u modeli ma\u0161inskog u\u010denja<\/strong>, kako se obu\u010davaju i koji su im ograni\u010denja. To je ozbiljan zahtev koji menja profil struke.<\/p>\n U svetu u kojem AI sistemi mogu da donose odluke o kreditima, zapo\u0161ljavanju ili medicinskim dijagnozama, pitanje odgovornosti postaje goru\u0107e. Ko odgovara kada algoritam diskrimini\u0161e? Kako dokazati da je odluka bila pristrasna? Interna revizija se tu pozicionira kao neka vrsta kontrolne ta\u010dke<\/strong> \u2014 ali samo ako ima alate i znanje da prepozna problem pre nego \u0161to eskalira.<\/p>\n Ybarra ukazuje i na to da regulatorni okviri \u0161irom sveta zaostaju za tehnolo\u0161kim razvojem. Dok zakonodavci poku\u0161avaju da uhvate korak, kompanije ve\u0107 implementiraju AI u kriti\u010dne procese. To otvara prostor za rizike koji nisu samo tehni\u010dke prirode, ve\u0107 i reputacione i pravne.<\/p>\n Iako je fokus na globalnim trendovima, poruka je univerzalna. Kompanije u Srbiji koje uvode AI alate \u2014 bilo za obradu podataka, korisni\u010dku podr\u0161ku ili dono\u0161enje odluka \u2014 moraju da razmi\u0161ljaju o internim kontrolama mnogo ozbiljnije nego do sada. Nije dovoljno samo kupiti licencu za neki AI servis i pustiti ga u rad. Bez jasnih procedura i revizorskog nadzora, rizik od gre\u0161aka, pristrasnosti ili \u010dak zloupotrebe eksponencijalno raste.<\/p>\n Ybarra na kraju poru\u010duje da \u0107e interna revizija koja ne usvoji AI kao deo svog arsenala \u2014 i kao predmet revizije i kao alat \u2014 jednostavno postati irelevantna. Budu\u0107nost je u revizorima koji razumeju i kod i kontekst. To je mo\u017eda i najva\u017enija poruka za sve koji danas upravljaju tehnolo\u0161kim rizicima.<\/p>\nOd reaktivnog do proaktivnog pristupa<\/h2>\n
Regulatorni izazovi i odgovornost<\/h2>\n
\u0160ta to zna\u010di za doma\u0107i kontekst?<\/h2>\n