在數字化浪潮致使企業(yè)運營環(huán)境復雜、傳統(tǒng)審計方法捉襟見肘的背景下，人工智能技術為審計領域帶來新契機。研究其在審計中的應用，既有助于推動審計行業(yè)現代化、強化監(jiān)督作用，又能促使審計人員素養(yǎng)提升。人工智能技術在審計領域的研究，國外起步早，在技術研發(fā)和實踐應用上成果頗豐，近年來，此項研究在國內也得到迅速發(fā)展，但國內外均面臨數據質量與安全、復合型人才短缺、技術融合困難等挑戰(zhàn)。本文綜合運用文獻研究法、案例分析法和對比分析法，將人工智能與審計全流程深度融合，結合前沿案例提供實踐指南，并對新興技術融合下的審計未來趨勢進行前瞻性探討。

01

人工智能的內涵與核心技術

人工智能（AI）旨在模擬、延伸人類智能，涵蓋機器學習、自然語言處理、計算機視覺、專家系統(tǒng)等領域，賦予機器感知、學習、決策等能力。機器學習通過構建算法從海量數據中探尋規(guī)律、預測趨勢，如利用歷史審計數據預測風險；自然語言處理助力計算機處理人類語言，從而快速提取審計文本關鍵信息；計算機視覺讓計算機識別圖像與視頻，提升審計資產盤點效率；專家系統(tǒng)模擬專家知識與決策過程，輔助審計人員決策。

02

審計的基本概念與流程

審計是由國家授權或接受委托的專職機構和人員，依照國家法規(guī)、審計準則和會計理論，運用專門的方法，對被審計單位的財政、財務收支、經營管理活動及其相關資料的真實性、正確性、合規(guī)性、合法性、效益性進行審查和監(jiān)督，評價經濟責任，鑒證經濟業(yè)務，用以維護財經法紀、改善經營管理、提高經濟效益的一項獨立性的經濟監(jiān)督活動。審計按主體分為國家審計、內部審計和社會審計；按內容與目的，包括財務收支、經濟效益、經濟責任審計等。傳統(tǒng)審計包含準備、實施、完成階段：準備階段需充分了解被審計單位并編制計劃；實施階段需收集評估證據；完成階段則需編制報告、提出意見。審計具有經濟監(jiān)督、鑒證和評價職能，是經濟社會的“經濟衛(wèi)士”。

01

數據采集與整理的智能化

大型企業(yè)集團在開展內部審計時，傳統(tǒng)手工采集數據弊端重重。大型企業(yè)集團層級多、業(yè)務系統(tǒng)繁雜，審計人員手動登錄各系統(tǒng)導出數據，過程繁瑣，數據錄入易遺漏、出錯，影響質量。例如，擁有數十家子公司、上百個業(yè)務系統(tǒng)的某企業(yè)集團，在以往審計進行傳統(tǒng)數據采集整理時，往往需要多人團隊且耗時數周，引入基于機器人流程自動化（RPA）的人工智能采集工具后，情況大為改觀，數據采集可用機器人流程自動化精準抓取，數據分析則能借助機器學習算法挖掘異常。該工具依預設規(guī)則自動登錄業(yè)務系統(tǒng)抓取財務數據，能模擬人類操作下載數據，快速轉換Excel、CSV、XML等多種格式為統(tǒng)一格式，并利用算法校驗數據完整性與準確性，智能關聯不同系統(tǒng)數據，如匹配財務與采購管理系統(tǒng)、營銷管理系統(tǒng)、成本管理系統(tǒng)等數據。經實踐，人工智能可優(yōu)化審計資源與時間利用，數據采集整理的智能算法時間從數周縮至數天，效率提升數倍，差錯率近乎為零。

02

數據分析與風險預警的精準化

金融機構信貸審計，以往靠人工經驗和簡單財務指標難以精準識別違約風險。借助人工智能算法實時監(jiān)測、動態(tài)分析構建預測模型，能夠整合如客戶信貸記錄、行業(yè)數據等內外部多源數據，可以提前預警，打破傳統(tǒng)事后監(jiān)督局限。例如，某金融機構引入模型后，對數千筆信貸業(yè)務進行評估，精準識別數百筆高風險業(yè)務，違約損失率從5%降至3%左右。

企業(yè)交易審計面臨數據量大、模式復雜問題，引入人工智能數據分析系統(tǒng)，用聚類分析、關聯規(guī)則挖掘算法能夠進行多維度剖析。聚類分析聚合同類交易發(fā)現異常模式，關聯規(guī)則挖掘交易變量潛在關聯。例如，某電商企業(yè)借此發(fā)現疑似刷單異常交易，及時挽回數百萬經濟損失，保障交易真實性。

03

審計知識管理的優(yōu)化

審計團隊知識積累與傳承很重要，以往審計人員開展新項目時，從眾多歷史資料中找信息耗時久、知識復用率低。自然語言處理技術能夠提取審計方法、風險點等關鍵知識點，機器學習能夠識別知識點關聯，構建知識圖譜展示脈絡。引入人工智能知識管理系統(tǒng)，可以借助自然語言處理與機器學習技術挖掘歷史審計資料，系統(tǒng)依審計人員搜索、瀏覽等行為分析需求偏好，智能推送個性化知識。例如，某制造業(yè)企業(yè)審計人員在準備審計項目時，系統(tǒng)可以依其過往關注推送相關審計程序、風險點及案例。人工智能知識管理系統(tǒng)可以使項目準備時間從數天縮至數小時，知識復用率顯著提升，促進團隊知識傳承創(chuàng)新。

01

提升審計效率

人工智能在數據處理速度上遠超傳統(tǒng)審計。在數據采集與整理環(huán)節(jié)，基于機器人流程自動化的工具可快速抓取、處理數據，使效率大幅提升。數據分析環(huán)節(jié)，傳統(tǒng)審計抽樣會受樣本局限，而審計流程自動化實現后，機器學習能通過全量數據分析精準定位異常，單個審計證據獲取與底稿編制時間大幅縮短，整體效率飛躍提升。

02

提高審計準確度

人工智能憑借強大的數據處理與分析能力，能夠降低人為疏忽與主觀判斷導致的差錯，極大提高了審計的準確度。在數據分析中，機器學習模型依據歷史違約樣本持續(xù)學習優(yōu)化，精準識別潛在違約風險特征。數據采集與整理階段，自動化工具確保數據一致性與完整性，減少人工采集錯誤，增加審計結論可靠性與可信度。

03

拓展審計深度與廣度

在復雜的跨國集團審計中，人工智能跨越語言、法規(guī)等障礙，深入探究跨境業(yè)務實質，如能夠精準識別出通過轉移定價避稅疑點，使審計深度遠超傳統(tǒng)模式，為企業(yè)全球合規(guī)運營助力。在新興領域審計，如數字貨幣審計中，人工智能結合區(qū)塊鏈技術，能夠追蹤交易流向，識別風險，有效拓展審計邊界，應對新興業(yè)態(tài)挑戰(zhàn)，維護金融市場穩(wěn)定。

01

技術層面的困境

機器學習算法作為人工智能審計的關鍵技術，雖具備強大的數據分析能力，但在實際應用中，可能因訓練數據偏差而導致對不同行業(yè)數據分析的誤判。例如，審計人員在對制造業(yè)企業(yè)進行審計時，若訓練數據集中包含過多特定區(qū)域或特定規(guī)模企業(yè)的數據，算法在分析其他區(qū)域或不同規(guī)模的制造業(yè)企業(yè)時，可能會得出不準確的結論。不同行業(yè)的業(yè)務模式、財務特征存在顯著差異，一旦訓練數據未能全面、準確地涵蓋這些差異，算法就難以適應復雜多變的審計場景。

圖像識別技術在資產盤點中也面臨諸多挑戰(zhàn)。在實際盤點場景中，光線條件不佳、資產擺放雜亂以及資產本身的磨損、變形等因素，都會影響圖像識別技術的準確性。如在倉庫環(huán)境中，若光線較暗，攝像頭采集的圖像可能模糊不清，導致圖像識別算法無法準確識別資產的種類和數量，進而影響資產盤點的準確性。

系統(tǒng)穩(wěn)定性方面，隨著企業(yè)業(yè)務規(guī)模的擴大和對審計要求的提高，審計過程中需要處理的數據量呈指數級增長。在財務報告期末等審計高峰期，大量審計任務同時進行，數據并發(fā)量劇增，現有審計系統(tǒng)可能無法承受如此高的負載，致使系統(tǒng)出現卡頓、死機現象。例如，某大型會計師事務所，在每年的上市公司年報審計期間，由于眾多項目同時開展，數據處理需求猛增，審計系統(tǒng)頻繁出現卡頓，嚴重影響審計進程，甚至延誤報告出具，使企業(yè)管理層無法及時獲取審計結果，進而影響決策的及時性。

數據安全隱私保護難題突出。審計數據包含企業(yè)大量敏感信息，如財務報表、商業(yè)機密、客戶信息等，這些數據一旦泄露，將給企業(yè)帶來巨大損失。黑客攻擊手段日益復雜多樣，他們可能通過網絡漏洞、惡意軟件等方式入侵審計系統(tǒng)，竊取數據。內部人員違規(guī)操作也是數據安全的一大隱患。例如，某公司內部審計人員為謀取私利，利用職務之便將獲取的審計數據出售給競爭對手，導致企業(yè)在市場競爭中較為被動，嚴重動搖了審計數據安全基石。

02

人才需求與供給的矛盾

當前，復合型人才短缺是制約人工智能審計發(fā)展的重要因素。在企業(yè)里，在傳統(tǒng)審計模式下，審計人員主要依靠財務知識和審計經驗開展工作。然而，隨著人工智能技術在審計領域的廣泛應用，智能審計、數據分析模型等工具出現，審計人員需要具備一定的技術知識，才能有效運用這些工具進行復雜數據分析與模型構建。但目前，大部分審計人員缺乏對機器學習、自然語言處理等人工智能技術的深入理解，難以將這些技術應用到實際審計工作中。在高校中，目前審計專業(yè)課程多側重于傳統(tǒng)審計理論與方法的教學，對人工智能技術相關課程的開設較少，導致學生在學校期間未能系統(tǒng)學習人工智能知識。

同時，高校審計專業(yè)課程設置與企業(yè)在職培訓對人工智能技術重視不足。企業(yè)在職培訓方面，由于培訓成本、時間安排等因素，對審計人員的人工智能技術培訓往往不夠深入，這使得人力市場上既懂審計業(yè)務又掌握人工智能技術的復合型人才供不應求。例如，某企業(yè)招聘人工智能審計相關崗位，招聘信息發(fā)布數月后，符合要求的應聘者寥寥無幾，限制了企業(yè)人工智能審計項目的推進。高校人才培養(yǎng)與市場需求脫節(jié)，學生畢業(yè)后難以快速適應審計崗位的人工智能技術需求。學生在學校學到的知識與實際工作中的應用存在差距，需要企業(yè)花費大量時間和成本對新入職員工進行再培訓，這在一定程度上阻礙了人工智能審計的發(fā)展。

03

法規(guī)與監(jiān)管的滯后性

當前審計相關法規(guī)多基于傳統(tǒng)審計模式構建，對人工智能審計應用規(guī)范涉及甚少。在數據使用方面，對于審計人員如何合法、合規(guī)地采集、存儲、使用企業(yè)數據，缺乏明確規(guī)定。在模型決策方面，當人工智能審計模型給出審計結論時，針對模型的可靠性評估、決策過程的透明度等，均沒有相應的法規(guī)要求。在責任界定方面，若審計結果出現錯誤，難以明確是算法開發(fā)者、數據提供者還是審計人員的責任。例如，某審計機構使用人工智能審計模型對企業(yè)進行審計，結果出現偏差，由于缺乏相關法規(guī)明確責任，導致各方相互推諉，影響了審計的公正性和權威性。

監(jiān)管手段難以適應人工智能審計的動態(tài)、智能特性。人工智能審計過程中，數據流動速度快、算法運行復雜，傳統(tǒng)的監(jiān)管手段難以實時監(jiān)控數據流動與算法運行，數據篡改、算法偏見等潛在風險難以被及時察覺。同時，監(jiān)管部門缺乏精通人工智能技術的專業(yè)人員，對復雜技術架構、算法邏輯理解有限。例如，在對某金融機構的人工智能審計監(jiān)管中，監(jiān)管人員由于對審計模型的算法邏輯不了解，無法判斷模型是否存在偏見，難以有效實施監(jiān)管，制約了監(jiān)管效能。因此，有關部門亟待完善法規(guī)、革新監(jiān)管以護航人工智能審計新技術的應用。

04

倫理與責任界定的模糊性

在利用機器學習算法進行審計決策時，模型依據數據特征給出結論，但其決策過程類似“黑箱”，審計人員難以解釋審計結論依據，這極大地影響了結論的可信度。例如，某企業(yè)在進行財務審計時，人工智能審計模型判定某筆交易存在風險，但審計人員無法從模型中獲取具體的判斷依據和推理過程，企業(yè)管理層對該結論產生質疑，影響了審計的權威性。

數據使用倫理方面，存在因過度采集數據、數據存儲與共享管控不善導致數據濫用的問題。部分審計機構為了追求全面的審計結果，可能會過度采集企業(yè)數據，超出實際審計需求。在數據存儲與共享過程中，若管控措施不到位，數據可能被非法獲取和濫用。這不僅損害了企業(yè)與個人權益，還沖擊了公眾對審計行業(yè)的信任。例如，曾有審計機構將采集到的企業(yè)數據泄露給第三方，用于商業(yè)營銷等非法用途，引發(fā)公眾對審計行業(yè)的信任危機。因此，有關部門亟須構建嚴密倫理規(guī)范，約束數據全生命周期行為，確保人工智能審計行穩(wěn)致遠。

01

技術攻關與創(chuàng)新

加大研發(fā)性投入對推動人工智能審計技術進步至關重要。政府層面，設立專項科研基金具有重大意義。政府可聯合科技部、財政部等多部門，整合資源，每年劃撥專項資金用于支持人工智能審計領域的科研項目。這些資金可重點投向審計數據安全加密算法研究、審計大數據高效存儲與處理技術研發(fā)等關鍵領域。同時，鼓勵高校、科研機構與企業(yè)開展產學研聯合攻關。例如，高校提供前沿的理論研究成果，科研機構負責技術驗證與轉化，企業(yè)則從實際應用場景出發(fā)，反饋需求并參與測試。通過這種緊密合作，有望解決審計數據易泄露、算法模型準確性待提升等技術難題。企業(yè)自身也應積極行動，增加內部研發(fā)預算，根據企業(yè)規(guī)模與業(yè)務需求，將研發(fā)預算占比提升至5%—10%不等。以大型會計師事務所為例，每年投入數千萬元用于優(yōu)化審計機器人算法，使其能更精準地識別財務報表中的異常數據。

建立人工智能審計聯合創(chuàng)新中心是整合資源的有效舉措。創(chuàng)新中心可匯聚來自包括計算機科學家、審計專家、數據分析師等不同領域的專業(yè)人才，并通過定期舉辦技術研討會、項目合作等方式，攻克技術瓶頸。例如，針對人工智能與現有審計信息系統(tǒng)難以無縫對接的問題，創(chuàng)新中心可組織跨學科團隊，開展為期數月的專項研究，開發(fā)適配接口與中間件，實現系統(tǒng)間的數據流暢交互。同時，積極與國內外科研機構、企業(yè)建立合作關系，促進成果轉化，通過技術轉讓、合作推廣等方式，將創(chuàng)新中心的科研成果快速應用到實際審計工作中。

加強國際合作交流同樣不可或缺。我國應積極組織審計領域的專家學者、企業(yè)代表參加國際人工智能審計學術會議，如每年舉辦的全球人工智能審計論壇。在會議上，與會人員要學習國外在審計數據隱私保護、智能審計模型優(yōu)化等方面的先進技術與經驗。同時，鼓勵國內企業(yè)參與國際人工智能審計項目，如參與跨國企業(yè)的聯合審計，在實踐中提升我國人工智能審計的國際競爭力。

02

完善人才培養(yǎng)體系

高校在人才培養(yǎng)中發(fā)揮著基礎性作用，需優(yōu)化審計專業(yè)課程設置。除了傳統(tǒng)的審計學原理、財務審計等課程外，應增加人工智能相關必修課，如“人工智能與審計應用”“機器學習在審計中的實踐”等，在教學過程中，要結合實際審計案例進行教學。例如，引入某上市公司財務舞弊案例，利用人工智能算法對其財務數據進行分析，讓學生直觀了解人工智能如何發(fā)現潛在風險點。同時，加強校企合作，建立實習基地。高?？膳c知名會計師事務所、大型企業(yè)的審計部門合作，每年安排學生進行為期3—6個月的實習。在實習期間，學生可參與實際審計項目，接觸最新的人工智能審計工具與技術，將理論知識應用到實踐中。

企業(yè)作為人才應用的主體，要強化在職培訓，可定期邀請人工智能領域的專家、行業(yè)資深人士授課，舉辦系列講座，內容涵蓋人工智能技術發(fā)展趨勢、智能審計工具的深度應用等。同時，開展智能審計工具操作培訓，針對企業(yè)使用的審計軟件、數據分析平臺等，組織員工進行集中培訓，通過模擬操作、案例演練等方式，確保員工熟練掌握工具使用技巧。為鼓勵員工提升技術水平，企業(yè)可設立激勵機制。例如，對通過人工智能相關職業(yè)資格考試的員工給予晉升機會或獎金獎勵，對在工作中創(chuàng)新應用人工智能技術取得顯著成效的團隊或個人進行表彰與獎勵。鼓勵審計人員自主學習，充分利用在線平臺、專業(yè)論壇更新知識。開設眾多人工智能與審計相關的課程，審計人員可利用業(yè)余時間進行學習。通過交流活動分享經驗、討論問題。行業(yè)協(xié)會應發(fā)揮組織協(xié)調作用，定期組織線上講座、知識分享活動。邀請行業(yè)內的領軍人物、技術專家進行線上授課，分享最新的行業(yè)動態(tài)、技術應用案例等。同時，建立線上學習社區(qū)，鼓勵審計人員在社區(qū)內交流學習心得，營造良好的學習氛圍。

03

法規(guī)與監(jiān)管同步跟進

立法機關完善人工智能審計法規(guī)迫在眉睫。在數據使用規(guī)則方面，應明確規(guī)定審計數據的采集范圍、存儲期限、使用權限等。例如，規(guī)定審計機構采集的數據只能用于審計，存儲期限不得超過5年，且在使用數據時需獲得數據所有者的明確授權。對于模型決策責任認定標準，要清晰界定當人工智能審計模型出現錯誤決策時，算法開發(fā)者、數據提供者、審計使用者各方應承擔的責任。在審計報告披露要求上，規(guī)定審計報告中需詳細說明人工智能技術的應用情況，包括使用的算法模型、數據來源、審計結果的可靠性評估等。監(jiān)管部門需創(chuàng)新監(jiān)管手段，運用大數據分析技術實時監(jiān)測審計數據與模型運行，并建立監(jiān)管平臺，對審計機構上傳的審計數據進行實時分析，監(jiān)測數據的真實性、完整性。同時，對人工智能審計模型的運行情況進行跟蹤，評估模型的穩(wěn)定性與準確性。為提升監(jiān)管人員技術能力，監(jiān)管部門應加強與科研機構合作，定期組織監(jiān)管人員參加人工智能技術培訓，邀請高校、科研機構的專家進行授課，通過理論學習與實踐操作相結合的方式，使監(jiān)管人員熟悉人工智能審計技術，更好地履行監(jiān)管職責。

行業(yè)協(xié)會在規(guī)范職業(yè)行為方面發(fā)揮著重要作用，應修訂職業(yè)自律準則規(guī)范，引導審計機構合理應用人工智能。例如，規(guī)范審計機構在選擇人工智能審計工具時的標準，要求其對工具的安全性、可靠性進行評估；建立信用評價體系，對審計機構在人工智能審計應用中的合規(guī)性、專業(yè)性等方面進行評價，將評價結果向社會公開，促進行業(yè)健康發(fā)展。

04

倫理框架的構建

建立倫理審查機制是確保人工智能技術在審計中合規(guī)應用的重要保障。在審計項目啟動前，審計項目組成立專門的倫理審查小組，小組成員包括審計專家、倫理學家、法律專業(yè)人士等。審查小組對人工智能技術應用方案進行全面審查，評估方案是否符合倫理道德標準，是否存在侵犯數據隱私、歧視性算法等問題，只有通過倫理審查的方案才能進入實施階段。同時，應明確算法開發(fā)者、數據提供者、審計使用者各方責任。算法開發(fā)者要確保算法的公正性、透明性，對算法設計缺陷導致的不良后果承擔責任；數據提供者要保證提供的數據真實、合法、合規(guī)，對數據質量問題負責；審計使用者要正確使用人工智能技術，對因不當使用導致的倫理問題承擔責任。通過簽訂責任協(xié)議等方式，確保出現倫理問題時能精準追責。

強化審計人員職業(yè)道德教育，將人工智能倫理納入培訓體系。企業(yè)在新員工入職培訓、在職人員繼續(xù)教育等培訓課程中，增加人工智能倫理相關內容，通過案例分析、專題講座等方式，增強審計人員倫理意識。

人工智能與審計深度融合帶來深刻變革。理論上，人工智能技術與審計流程適配，為審計發(fā)展提供理論支撐。實踐中，在審計各環(huán)節(jié)應用成效顯著，具有提升效率、增強準確性、拓展深度廣度、實現實時審計與持續(xù)監(jiān)控等優(yōu)勢，但也面臨技術、人才、法規(guī)監(jiān)管、倫理等多方面挑戰(zhàn)。為此，本文提出技術攻關、人才培養(yǎng)、法規(guī)監(jiān)管完善、倫理框架構建等應對策略。

未來，人工智能與審計融合將向更深層次、更廣領域拓展。技術上，量子計算與物聯網技術將助力審計實現超大規(guī)模數據快速處理與全流程實時監(jiān)控。應用領域方面，環(huán)境審計、社會責任審計、跨境審計等將借助人工智能取得新突破。國際合作將更加緊密，各國將攜手制定全球準則，開展跨國技術研發(fā)合作，推動全球審計行業(yè)高質量發(fā)展，開啟智慧審計新篇章。

文章摘自《中國內部審計》雜志2025年第9期

作者：楊坤

單位：華潤置地控股有限公司

編輯：孫哲

目前190000+人已關注我們，您還等什么？