Метою статті є аналіз можливостей застосування систем на основі правил, методів машинного та глибокого навчання, великих мовних моделей і автономних агентів для автоматизації збору доказів, виявлення аномалій, оцінювання ризиків, перевірки відповідності вимогам стандартів і підготовки звітності. У статті узагальнено базові етапи процесу аудиту кібербезпеки та показано, на яких етапах інтелектуальні технології здатні забезпечити найбільший ефект. Проведено порівняльний аналіз підходів штучного інтелекту за критеріями точності, адаптивності, пояснюваності, ризику хибних спрацювань і придатності до типових аудиторських завдань. Показано, що системи на основі правил доцільні для контролю відповідності, тоді як моделі машинного навчання ефективні для оцінювання ризиків і класифікації подій, а методи навчання без учителя та гібридні архітектури мають високий потенціал для виявлення аномалій. Окрему увагу приділено використанню генеративного штучного інтелекту для аналізу нормативної документації, формування чернеток звітів і створення синтетичних даних.