內(nèi)部審計財務(wù)風(fēng)險預(yù)警是指企業(yè)通過內(nèi)部審計的日常監(jiān)督機制，對潛在的財務(wù)風(fēng)險進行主動識別、評估和預(yù)警，其核心在于將審計職能嵌入業(yè)務(wù)流程，實時監(jiān)測關(guān)鍵財務(wù)指標(biāo)，針對可能出現(xiàn)的風(fēng)險，及時發(fā)出預(yù)警并采取干預(yù)措施。傳統(tǒng)的內(nèi)部審計往往存在對財務(wù)報表、賬簿等結(jié)構(gòu)化數(shù)據(jù)的依賴，而忽視非結(jié)構(gòu)化數(shù)據(jù)中的豐富信息，可能因無法高效將結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)相結(jié)合，導(dǎo)致風(fēng)險預(yù)警的效果大打折扣。而人工審計更容易受到人為主觀因素的影響，準確性、客觀性與可靠性也難以保證。人工智能（AI）技術(shù)的引入，能夠在快速、準確處理大量數(shù)據(jù)的同時進行實時監(jiān)測，大大提高了風(fēng)險預(yù)警響應(yīng)的及時性，為內(nèi)部審計帶來了新的機遇。

一、AI技術(shù)賦能財務(wù)風(fēng)險預(yù)警新生態(tài)

大數(shù)據(jù)背景下，內(nèi)部審計所面臨的環(huán)境日益復(fù)雜，企業(yè)需要更加精準、高效地識別和評估風(fēng)險，通過將AI技術(shù)深度嵌入內(nèi)部審計財務(wù)風(fēng)險預(yù)警中，能夠形成“數(shù)據(jù)驅(qū)動決策、算法預(yù)判風(fēng)險、系統(tǒng)閉環(huán)管控”的新型審計生態(tài)，從而全面提升內(nèi)部審計對財務(wù)風(fēng)險的預(yù)警能力。

（一）數(shù)據(jù)驅(qū)動決策，構(gòu)建多元化數(shù)據(jù)采集分析機制

大型企業(yè)在財務(wù)核算上，大多引入了財務(wù)共享服務(wù)中心（Financial Shared Service Center, FSSC）模式，將分散于各業(yè)務(wù)單元、重復(fù)性高、易于標(biāo)準化的業(yè)務(wù)進行流程再造，將結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)集中于一體并形成數(shù)據(jù)庫，解決了多源異構(gòu)數(shù)據(jù)的整合難題。例如，某企業(yè)將采購合同、發(fā)票、入庫憑證、驗收記錄等資料均上傳至FSSC平臺，于后臺集中審核，并保留全部影像資料和審核過程。這對于內(nèi)部審計工作來說，既便于取證，也能提高效率。

（二）算法預(yù)判風(fēng)險，協(xié)助構(gòu)建風(fēng)險預(yù)警模型

現(xiàn)階段的內(nèi)部審計工作中，雖然對風(fēng)險識別與評估有一定的標(biāo)準和理論基礎(chǔ)，但在實操中仍難免摻雜著個人主觀判斷，同一事項在不同的內(nèi)部審計團隊中，可能會得出不同結(jié)論，而通過人工智能的神經(jīng)網(wǎng)絡(luò)模型，如多層感知（MLP）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）等技術(shù)，能夠建立起統(tǒng)一的判斷標(biāo)準。例如，通過MLP對財務(wù)指標(biāo)進行非線性變換，挖掘不同指標(biāo)之間的潛在關(guān)系；通過RNN捕捉數(shù)據(jù)中的時間依賴關(guān)系，將風(fēng)險特征標(biāo)記在復(fù)雜的結(jié)構(gòu)化數(shù)據(jù)中等。由此生成的風(fēng)險預(yù)警報告，能夠客觀闡述風(fēng)險構(gòu)成因素，提高內(nèi)部審計對財務(wù)風(fēng)險預(yù)警的效率。

（三）系統(tǒng)閉環(huán)管控，健全風(fēng)險處置和動態(tài)跟蹤

一是針對會計核算、稅務(wù)管理、資金收支等不同風(fēng)險類型，可借助AI技術(shù)制訂標(biāo)準化、差異化預(yù)案。例如，針對資金流動性風(fēng)險，若現(xiàn)金儲備低于安全閾值，則應(yīng)立即啟動緊急授信、加快應(yīng)收賬款催收。二是實施整改銷號動態(tài)跟蹤管理，通過建立風(fēng)險整改清單，明確責(zé)任人與整改時限，由系統(tǒng)自動核查整改結(jié)果，對未達標(biāo)任務(wù)自動執(zhí)行升級督辦。三是減少人工干預(yù)，縮短風(fēng)險響應(yīng)時間，通過數(shù)據(jù)積累，不斷迭代風(fēng)險管理能力。

二、面臨的挑戰(zhàn)與應(yīng)對措施

現(xiàn)階段，AI技術(shù)在財務(wù)風(fēng)險預(yù)警中面臨人機協(xié)同、數(shù)據(jù)質(zhì)量、信息安全以及技術(shù)可靠性驗證等多重挑戰(zhàn)，必須總結(jié)以往經(jīng)驗，積極探索有效措施予以應(yīng)對。

（一）人機協(xié)同問題

AI技術(shù)與內(nèi)部審計工作深度融合的背景下，審計人員不僅需要具備傳統(tǒng)審計知識和技能，還需要掌握數(shù)據(jù)分析、AI訓(xùn)練和使用等相關(guān)技術(shù)。目前，各類培訓(xùn)課程和繼續(xù)教育大部分仍然停留在理論層面，缺少實際操作環(huán)節(jié)，培養(yǎng)跨學(xué)科技能的內(nèi)部審計人才路徑狹窄、方式單一。針對此問題，應(yīng)從政策支持與激勵、院校教育、企業(yè)內(nèi)部培養(yǎng)、行業(yè)資源共享等方面著手，通過制訂培訓(xùn)計劃、承擔(dān)培訓(xùn)費用、提供學(xué)習(xí)平臺等方式來解決復(fù)合型人才短缺的問題。

（二）數(shù)據(jù)采集質(zhì)量與時效性

集團型企業(yè)在審計工作中往往面臨海量數(shù)據(jù)的采集質(zhì)量不高與時效性不強問題。由于組織機構(gòu)復(fù)雜、業(yè)務(wù)單元眾多，數(shù)據(jù)呈現(xiàn)多源異構(gòu)的特征，采集環(huán)節(jié)容易受到人工錄入錯誤、格式不統(tǒng)一等問題的影響。財務(wù)數(shù)據(jù)的歸集存在滯后情況，如某集團在監(jiān)控7家子公司300余個賬戶實時現(xiàn)金流過程中，數(shù)據(jù)更新頻率仍為T+1，難以滿足實時財務(wù)風(fēng)險預(yù)警的需要。要解決此問題，需通過AI技術(shù)構(gòu)建智能化的數(shù)據(jù)治理體系。一是通過搭建集中數(shù)據(jù)處理單元及標(biāo)準化接口協(xié)議，嵌入自動化校驗?zāi)K，以提高數(shù)據(jù)錄入的質(zhì)量。二是采用分布式計算架構(gòu)，結(jié)合增量同步技術(shù)將數(shù)據(jù)更新頻率壓縮至T+0，實現(xiàn)關(guān)鍵指標(biāo)的實時流處理。由此，最終形成覆蓋數(shù)據(jù)采集、數(shù)據(jù)清洗、數(shù)據(jù)分析全過程的實時財務(wù)風(fēng)險預(yù)警能力。

（三）信息安全性與隱私性保護

內(nèi)部審計財務(wù)風(fēng)險預(yù)警在應(yīng)用AI技術(shù)過程中，需要將AI嵌入到業(yè)務(wù)、財務(wù)等諸多環(huán)節(jié)，數(shù)據(jù)安全與隱私保護面臨著重大風(fēng)險與挑戰(zhàn)。通常情況下，企業(yè)FSSC平臺包含了客戶信息、合同價格以及核心財務(wù)數(shù)據(jù)等敏感信息，一旦泄露不僅損害企業(yè)和客戶利益，還可能導(dǎo)致企業(yè)面臨法律訴訟等一系列復(fù)雜衍生問題。此外，集團企業(yè)各業(yè)務(wù)板塊的數(shù)據(jù)種類不同，其保密方法、保密程度也存在差異，難以統(tǒng)一標(biāo)準，因此需要借助專業(yè)技術(shù)優(yōu)化數(shù)據(jù)加密算法。例如，某企業(yè)一方面通過對稱加密和非對稱加密相結(jié)合的方式確保數(shù)據(jù)安全，另一方面通過物理、生物識別等身份驗證技術(shù)手段規(guī)范對業(yè)務(wù)、財務(wù)信息的訪問權(quán)限，同時將AI技術(shù)嵌入到現(xiàn)有的信息化平臺中，減少數(shù)據(jù)提取和傳輸環(huán)節(jié)，以降低信息泄露的可能性。

（四）智能化技術(shù)可靠性驗證

傳統(tǒng)審計方式所出具的審計意見，需要經(jīng)過反復(fù)核驗以確保其定性準確、結(jié)論可靠。有AI技術(shù)參與生成的審計結(jié)論，由于其模型的復(fù)雜性，審計人員往往難以理解和解釋其定性依據(jù)和原理，難以直觀判斷審計意見的合理性。同時，在AI模型訓(xùn)練過程中，審計人員難免存在一定的主觀性，極易導(dǎo)致算法出現(xiàn)缺陷，進而影響審計結(jié)果。因此，在訓(xùn)練過程中，必須減少審計人員的個人主觀判斷，并建立健全由第三方參與的監(jiān)督復(fù)核機制，以減少算法中隱藏的偏見。

三、AI技術(shù)在財務(wù)風(fēng)險預(yù)警中的應(yīng)用舉例

AI技術(shù)在會計核算的實時糾偏、財務(wù)風(fēng)險的及時預(yù)警、經(jīng)濟運行的監(jiān)督檢查等方面發(fā)揮了積極的作用。目前，已經(jīng)較為成熟的應(yīng)用環(huán)節(jié)包括數(shù)據(jù)采集、模型訓(xùn)練、風(fēng)險監(jiān)測、閾值調(diào)整。

（一）數(shù)據(jù)采集分析效率提升

某集團型企業(yè)集中建立了FSSC模式的管理系統(tǒng)，功能上涵蓋了集團及所屬各級子分公司從合同簽訂到款項支付，從會計核算到?jīng)Q算報表等經(jīng)濟事項的全流程線上處理，內(nèi)容上包含了各環(huán)節(jié)輸出的合同、結(jié)算單、發(fā)票、付款憑證等影像資料。審計人員通過運用“AI機器人”采集并校驗影像資料，篩查出采購流程倒置（先采購入庫后簽訂合同）、結(jié)算周期異常（貨物發(fā)出未到即付款）、庫存物資短缺（入出庫與結(jié)余不符）等問題，從而對會計核算中可能出現(xiàn)的虛列成本、賬外成本或虛增存貨等賬賬不符、賬實不符的現(xiàn)象作出預(yù)警，解決了人工核對效率低下、風(fēng)險預(yù)警時效性差等問題，有效避免和化解財務(wù)風(fēng)險。

（二）模型訓(xùn)練效果改善

風(fēng)險評估模型具有復(fù)雜的迭代過程，需要選擇邏輯回歸、決策樹、支持向量機以及神經(jīng)網(wǎng)絡(luò)等方法。某集團型企業(yè)在模型訓(xùn)練過程中，利用AI實時數(shù)據(jù)采集與分析功能，設(shè)定相應(yīng)的閾值，建立合理化分析標(biāo)準，將財務(wù)報表錯報、漏報問題的篩查手段、方式和流程等歷史問題加入AI的訓(xùn)練數(shù)據(jù)中，同時通過持續(xù)調(diào)整模型參數(shù)，顯著提高了模型識別和預(yù)測風(fēng)險的準確性，提高了審計人員在財務(wù)風(fēng)險預(yù)警方面的能力。

（三）風(fēng)險監(jiān)測自動化

通過將AI技術(shù)嵌入財務(wù)風(fēng)險預(yù)警系統(tǒng)，可實現(xiàn)將自動生成的風(fēng)險線索依據(jù)風(fēng)險程度分發(fā)給審計人員進行復(fù)核，并將預(yù)警結(jié)果進行交叉驗證，減少冗余警報。復(fù)核后，審計人員根據(jù)風(fēng)險級別，將風(fēng)險線索分送各級管理與財務(wù)人員。

（四）閾值調(diào)整動態(tài)化

引入AI技術(shù)的財務(wù)風(fēng)險預(yù)警系統(tǒng)可依據(jù)風(fēng)險程度與發(fā)生概率為不同風(fēng)險等級配置相應(yīng)的預(yù)警閾值，指標(biāo)突破閾值即觸發(fā)相應(yīng)預(yù)警。例如，某企業(yè)因行業(yè)競爭加劇致使客戶賬期延長，企業(yè)通過引入數(shù)字化供應(yīng)鏈金融，縮短了回款周期，資金周轉(zhuǎn)率有所提升，但若繼續(xù)沿用該標(biāo)準，則可能導(dǎo)致風(fēng)險被低估，因此需要對閾值進行定期評估與動態(tài)調(diào)整。

文章摘自《中國內(nèi)部審計》雜志2025年第6期

作者：關(guān)紅光 劉宇昕

單位：中鐵九局集團有限公司 沈陽鐵路運輸綜合服務(wù)有限公司

編輯：孫哲

目前190000+人已關(guān)注我們，您還等什么？