Audit sampling and other means of testing

บทนำ: ทำไมเราถึงตรวจสอบทุกอย่างไม่ได้?

ยินดีต้อนรับเข้าสู่บทเรียนที่นำไปใช้ได้จริงมากที่สุดบทหนึ่งในวิชาการตรวจสอบและรับรอง (Audit and Assurance)! ลองคิดดูสิว่า หากบริษัทใหญ่ยักษ์อย่าง Amazon มีรายการขายหลายล้านรายการในแต่ละวัน ผู้ตรวจสอบจะสามารถตรวจสอบใบแจ้งหนี้ทุกใบได้จริงหรือ? คำตอบคือ "ไม่ได้แน่นอน!" เพราะต้องใช้เวลาหลายปีและค่าธรรมเนียมการตรวจสอบคงมหาศาลจนน่าตกใจ

ในบทนี้ เราจะได้เรียนรู้วิธีที่ผู้ตรวจสอบใช้ การสุ่มตัวอย่าง (Sampling) และวิธีการอื่นๆ เพื่อรวบรวมหลักฐานให้เพียงพอสำหรับการแสดงความเห็นโดยไม่จำเป็นต้องไล่ดูเอกสารทุกแผ่น ถ้ารู้สึกว่าบทนี้ดูมี "ตัวเลขเยอะ" ในตอนแรก ไม่ต้องกังวลนะ เพราะจริงๆ แล้วมันเป็นเรื่องของตรรกะและการใช้ดุลยพินิจทางวิชาชีพมากกว่าการคำนวณที่ซับซ้อนครับ

1. สามวิธีในการเลือกรายการเพื่อตรวจสอบ

ผู้ตรวจสอบมีเครื่องมือหลัก 3 อย่างในการตัดสินใจว่าจะตรวจสอบอะไรบ้าง:

A. การตรวจสอบ 100% (100% Examination)
หมายถึงการตรวจสอบทุกรายการในประชากร วิธีนี้พบได้ไม่บ่อยนัก แต่จะใช้เมื่อประชากรมีจำนวนน้อย หรือรายการเหล่านั้นมีมูลค่าสูงและมีความเสี่ยงสูง (เช่น เครื่องจักรราคาแพงมากจำนวน 5 เครื่อง)

B. การเลือกรายการเฉพาะเจาะจง (Selecting Specific Items)
ผู้ตรวจสอบจะเลือกรายการตามลักษณะเฉพาะ เช่น:
- รายการมูลค่าสูง: ใบแจ้งหนี้ทุกใบที่มีมูลค่าเกิน \( \$10,000 \)
\n- รายการสำคัญ: รายการที่ดูน่าสงสัยหรือมีประวัติการเกิดข้อผิดพลาด
\nหมายเหตุ: วิธีนี้ไม่ใช่การสุ่มตัวอย่าง เพราะไม่ใช่ทุกรายการที่มีโอกาสถูกเลือก!

C. การสุ่มตัวอย่างเพื่อการตรวจสอบ (Audit Sampling)
\nคือการใช้ขั้นตอนการตรวจสอบกับรายการ น้อยกว่า 100% ของประชากร เพื่อให้ "หน่วยที่สุ่ม" แต่ละหน่วยมีโอกาสถูกเลือก โดยมีเป้าหมายเพื่อสรุปผลสำหรับ ประชากรทั้งหมด

ข้อควรจำ:

การสุ่มตัวอย่างเพื่อการตรวจสอบ คือการใช้ "ส่วนน้อย" เป็นตัวแทนของ "ส่วนใหญ่" ถ้าตัวอย่างที่สุ่มมานั้น "สะอาด" (ไม่พบข้อผิดพลาด) เราก็อนุมานได้ว่ารายการส่วนที่เหลือก็มีแนวโน้มที่จะถูกต้องเช่นกัน

2. ทำความเข้าใจการสุ่มตัวอย่าง (ISA 530)

ก่อนจะเข้าใจการสุ่มตัวอย่าง ต้องรู้จักคำศัพท์สำคัญ 2 คำนี้ก่อน:

1. ประชากร (Population): ชุดข้อมูลทั้งหมดที่เราจะสุ่มตัวอย่าง (เช่น ใบแจ้งหนี้การขายทั้งหมดตลอดทั้งปี)
\n2. หน่วยตัวอย่าง (Sampling Unit): รายการย่อยๆ ที่ประกอบกันเป็นประชากร (เช่น ใบแจ้งหนี้หนึ่งใบ)

การสุ่มแบบใช้สถิติ vs ไม่ใช้สถิติ

การสุ่มมี 2 สไตล์หลักๆ:

การสุ่มแบบใช้สถิติ (Statistical Sampling): ใช้วิธี การสุ่มแบบสุ่ม (Random selection) และ ทฤษฎีความน่าจะเป็น ในการประเมินผล วิธีนี้เกี่ยวข้องกับคณิตศาสตร์และช่วยลดอคติจากมนุษย์
\nการสุ่มแบบไม่ใช้สถิติ (Non-Statistical Sampling): มักเรียกว่า "การสุ่มโดยใช้ดุลยพินิจ" ผู้ตรวจสอบจะใช้ ดุลยพินิจทางวิชาชีพ ของตนเองในการเลือกรายการที่คิดว่ามีความสำคัญ

ทบทวนสั้นๆ: แบบไหนดีกว่ากัน? คำตอบคือ ไม่มีแบบไหนดีกว่ากัน! มาตรฐาน ISA 530 ระบุว่าทั้งสองวิธีสามารถยอมรับได้ตราบใดที่ผู้ตรวจสอบได้รวบรวม หลักฐานที่เหมาะสมและเพียงพอ (Sufficient Appropriate Evidence)

3. ความเสี่ยงจากการสุ่มตัวอย่าง และความเสี่ยงที่ไม่ได้เกิดจากการสุ่ม

แม้แต่ผู้ตรวจสอบที่เก่งที่สุดก็อาจผิดพลาดได้ เราแบ่งความผิดพลาดนี้ออกเป็น 2 ความเสี่ยง:

1. ความเสี่ยงจากการสุ่มตัวอย่าง (Sampling Risk): คือความเสี่ยงที่ตัวอย่างที่คุณเลือก ไม่เป็นตัวแทนที่ดีของประชากร ลองจินตนาการว่าคุณมีลูกแก้ว 100 ลูกในถุง (สีฟ้า 90 ลูก, สีแดง 10 ลูก) ถ้าคุณหยิบออกมา 5 ลูกแล้วบังเอิญเป็นสีแดงทั้งหมด คุณอาจสรุปผิดๆ ว่าลูกแก้วทั้งถุงเป็นสีแดง นั่นแหละคือความเสี่ยงจากการสุ่ม!

2. ความเสี่ยงที่ไม่ได้เกิดจากการสุ่มตัวอย่าง (Non-Sampling Risk): คือความเสี่ยงที่ผู้ตรวจสอบสรุปผลผิดด้วย เหตุผลอื่น เช่น ผู้ตรวจสอบเลือกกลุ่มตัวอย่างถูกต้องแล้ว แต่ดันใช้วิธีการตรวจสอบผิด หรือดูเอกสารแล้วแต่ไม่สังเกตว่ามันเป็นของปลอม ซึ่งสรุปง่ายๆ คือ "ความผิดพลาดของมนุษย์"

ตัวช่วยจำ:

Sampling Risk = Sample (ตัวอย่าง) เป็นปัญหา
\nNon-Sampling Risk = Not (ไม่ใช่) ที่ตัวอย่าง (เป็นความผิดพลาดของผู้ตรวจสอบ!)

4. วิธีการเลือกตัวอย่าง (Methods)

เราเลือกรายการมาตรวจสอบอย่างไร? นี่คือวิธีที่พบบ่อยที่สุด:

1. การสุ่มแบบสุ่ม (Random Selection): ทุกรายการมีโอกาสถูกเลือกเท่าๆ กัน ปกติจะใช้โปรแกรมคอมพิวเตอร์สุ่มตัวเลข

2. การสุ่มแบบเป็นระบบ (Systematic Selection): การเลือกรายการโดยเว้นระยะห่างเท่าๆ กัน
\nตัวอย่าง: คุณตัดสินใจตรวจสอบใบแจ้งหนี้ทุกๆ ใบที่ 20 โดยเริ่มจากจุดสุ่มจุดหนึ่ง (เช่น ใบที่ 5) แล้วตรวจต่อที่ใบที่ 25, 45, 65 ไปเรื่อยๆ

3. การสุ่มแบบตามความสะดวก/ไม่มีรูปแบบตายตัว (Haphazard Selection): ผู้ตรวจสอบเลือกโดยไม่มีเทคนิคโครงสร้างที่ชัดเจน แต่พยายามหลีกเลี่ยงการใช้อคติส่วนตัว
\nข้อผิดพลาดที่พบบ่อย: นักศึกษามักคิดว่า "Haphazard" แปลว่า "ขี้เกียจ" แต่จริงๆ แล้วมันต้องใช้ความพยายามมากที่จะไม่หยิบแต่ไฟล์ที่อยู่บนกอง หรือไฟล์ที่ "ใช้ง่าย" เท่านั้น!

4. การสุ่มแบบหน่วยมูลค่าเงิน (Monetary Unit Sampling - MUS): เป็นการสุ่มที่ถ่วงน้ำหนักด้วยมูลค่า ทุกๆ หน่วยเงิน (บาท/ดอลลาร์) ในประชากรจะมีโอกาสถูกเลือกเท่ากัน วิธีนี้รับประกันว่ายอดเงินที่สูงกว่าจะมีโอกาสถูกเลือกมาตรวจสอบมากกว่า

5. การสุ่มแบบยกกลุ่ม (Block Selection): การเลือก "ช่วง" ของรายการ (เช่น ยอดขายทั้งหมดในเดือนมีนาคม)
\nคำเตือน: วิธีนี้มัก ไม่ใช่ วิธีการสุ่มที่ดีนัก เพราะรายการค้าในเดือนเดียวอาจไม่ได้เป็นตัวแทนที่ดีของทั้งปี

5. การออกแบบและการประเมินผลตัวอย่าง

ก่อนเริ่ม คุณต้องนิยามก่อนว่าอะไรคือ "ข้อผิดพลาด" (Misstatement) หรือ "การเบี่ยงเบน" (Deviation) เช่น หากคุณกำลังทดสอบการควบคุมภายใน (เช่น ผู้จัดการต้องเซ็นอนุมัติทุกใบแจ้งหนี้) ข้อเบี่ยงเบนก็คือใบแจ้งหนี้ใบไหนก็ตามที่ไม่มีลายเซ็น

ข้อผิดพลาดที่ยอมรับได้ vs ข้อผิดพลาดที่คาดไว้

ข้อผิดพลาดที่ยอมรับได้ (Tolerable Misstatement): คือระดับความผิดพลาดสูงสุดที่ผู้ตรวจสอบยอมรับได้โดยที่ยังสรุปได้ว่าบัญชีนั้น "ถูกต้องเหมาะสม" ซึ่งสัมพันธ์โดยตรงกับ ระดับความมีสาระสำคัญ (Materiality)
\nข้อผิดพลาดที่คาดไว้ (Expected Misstatement): คือสิ่งที่ผู้ตรวจสอบ คิดว่า จะพบโดยพิจารณาจากข้อมูลปีก่อนหน้าหรือการประเมินความเสี่ยง

เคล็ดลับ: หากค่าความผิดพลาดที่ คาดไว้ เข้าใกล้ค่าที่ ยอมรับได้ มากเกินไป ผู้ตรวจสอบจะต้องเลือก ขนาดกลุ่มตัวอย่างที่ใหญ่ขึ้น เพื่อความมั่นใจ

การประมาณการข้อผิดพลาด (Projecting Errors)

ถ้าคุณพบข้อผิดพลาดในตัวอย่าง คุณจะเมินเฉยไม่ได้! คุณต้อง ประมาณการ (Project) ข้อผิดพลาดนั้นไปสู่ประชากรทั้งหมด

สูตรการคำนวณ:
\n\( \text{Projected Error} = \left( \frac{\text{Error found in sample}}{\text{Total value of sample}} \right) \times \text{Total value of population} \)

ตัวอย่าง: คุณทดสอบสต็อกมูลค่า \( \$1,000 \) แล้วพบข้อผิดพลาด \( \$50 \) ถ้าสต็อกทั้งหมดมีมูลค่า \( \$100,000 \) ข้อผิดพลาดที่คุณประมาณการได้คือ \( \$5,000 \)

ข้อควรจำ:

หากข้อผิดพลาดที่ประมาณการไว้ (รวมกับข้อผิดพลาดที่เกิดขึ้นครั้งเดียวหรือที่เรียกว่า Anomalous) สูงกว่า ระดับข้อผิดพลาดที่ยอมรับได้ ผู้ตรวจสอบจะไม่สามารถเชื่อมั่นในประชากรนั้นได้ และจำเป็นต้องขยายขอบเขตการทำงานเพิ่มขึ้น

สรุปสิ่งที่นักศึกษาต้องรู้ (Checklist)

เมื่อต้องทำข้อสอบ ให้จำจุดเหล่านี้ไว้ให้ดี:

- รู้หรือไม่? การสุ่มตัวอย่างจะใช้ก็ต่อเมื่อผู้ตรวจสอบต้องการสรุปผลสำหรับ ประชากรทั้งหมด เท่านั้น
- อย่าจำสับสน: การสุ่มแบบสถิติใช้คณิตศาสตร์ ส่วนแบบไม่ใช้สถิติใช้ดุลยพินิจ
- วิธีมาตรฐาน: การสุ่มแบบสุ่ม (Random) และแบบเป็นระบบ (Systematic) เป็นวิธีทางสถิติที่ใช้บ่อยที่สุด
- เป้าหมายสำคัญ: ถ้าข้อผิดพลาดที่ประมาณการไว้สูงกว่าระดับที่ "ยอมรับได้" หลักฐานการตรวจสอบจะชี้ว่าบัญชีนั้นอาจมีข้อผิดพลาดระดับสาระสำคัญ

คำทิ้งท้าย: การสุ่มตัวอย่างเพื่อตรวจสอบก็เหมือนกับการชิมเค้กคำเล็กๆ เพื่อดูว่าเค้กทั้งก้อนอร่อยหรือไม่ ตราบใดที่คุณตักชิม (สุ่ม) ได้ครบถ้วนทุกส่วน คุณก็สามารถมั่นใจในความเห็นของคุณได้อย่างมากเลยล่ะ!