人工智能赋能审计：变革、挑战与应对策略

在数字化浪潮致使企业运营环境复杂、传统审计方法捉襟见肘的背景下，人工智能技术为审计领域带来新契机。研究其在审计中的应用，既有助于推动审计行业现代化、强化监督作用，又能促使审计人员素养提升。人工智能技术在审计领域的研究，国外起步早，在技术研发和实践应用上成果颇丰，近年来，此项研究在国内也得到迅速发展，但国内外均面临数据质量与安全、复合型人才短缺、技术融合困难等挑战。本文综合运用文献研究法、案例分析法和对比分析法，将人工智能与审计全流程深度融合，结合前沿案例提供实践指南，并对新兴技术融合下的审计未来趋势进行前瞻性探讨。

01

人工智能的内涵与核心技术

人工智能（AI）旨在模拟、延伸人类智能，涵盖机器学习、自然语言处理、计算机视觉、专家系统等领域，赋予机器感知、学习、决策等能力。机器学习通过构建算法从海量数据中探寻规律、预测趋势，如利用历史审计数据预测风险；自然语言处理助力计算机处理人类语言，从而快速提取审计文本关键信息；计算机视觉让计算机识别图像与视频，提升审计资产盘点效率；专家系统模拟专家知识与决策过程，辅助审计人员决策。

02

审计的基本概念与流程

审计是由国家授权或接受委托的专职机构和人员，依照国家法规、审计准则和会计理论，运用专门的方法，对被审计单位的财政、财务收支、经营管理活动及其相关资料的真实性、正确性、合规性、合法性、效益性进行审查和监督，评价经济责任，鉴证经济业务，用以维护财经法纪、改善经营管理、提高经济效益的一项独立性的经济监督活动。审计按主体分为国家审计、内部审计和社会审计；按内容与目的，包括财务收支、经济效益、经济责任审计等。传统审计包含准备、实施、完成阶段：准备阶段需充分了解被审计单位并编制计划；实施阶段需收集评估证据；完成阶段则需编制报告、提出意见。审计具有经济监督、鉴证和评价职能，是经济社会的“经济卫士”。

01

数据采集与整理的智能化

大型企业集团在开展内部审计时，传统手工采集数据弊端重重。大型企业集团层级多、业务系统繁杂，审计人员手动登录各系统导出数据，过程繁琐，数据录入易遗漏、出错，影响质量。例如，拥有数十家子公司、上百个业务系统的某企业集团，在以往审计进行传统数据采集整理时，往往需要多人团队且耗时数周，引入基于机器人流程自动化（RPA）的人工智能采集工具后，情况大为改观，数据采集可用机器人流程自动化精准抓取，数据分析则能借助机器学习算法挖掘异常。该工具依预设规则自动登录业务系统抓取财务数据，能模拟人类操作下载数据，快速转换Excel、CSV、XML等多种格式为统一格式，并利用算法校验数据完整性与准确性，智能关联不同系统数据，如匹配财务与采购管理系统、营销管理系统、成本管理系统等数据。经实践，人工智能可优化审计资源与时间利用，数据采集整理的智能算法时间从数周缩至数天，效率提升数倍，差错率近乎为零。

02

数据分析与风险预警的精准化

金融机构信贷审计，以往靠人工经验和简单财务指标难以精准识别违约风险。借助人工智能算法实时监测、动态分析构建预测模型，能够整合如客户信贷记录、行业数据等内外部多源数据，可以提前预警，打破传统事后监督局限。例如，某金融机构引入模型后，对数千笔信贷业务进行评估，精准识别数百笔高风险业务，违约损失率从5%降至3%左右。

企业交易审计面临数据量大、模式复杂问题，引入人工智能数据分析系统，用聚类分析、关联规则挖掘算法能够进行多维度剖析。聚类分析聚合同类交易发现异常模式，关联规则挖掘交易变量潜在关联。例如，某电商企业借此发现疑似刷单异常交易，及时挽回数百万经济损失，保障交易真实性。

03

审计知识管理的优化

审计团队知识积累与传承很重要，以往审计人员开展新项目时，从众多历史资料中找信息耗时久、知识复用率低。自然语言处理技术能够提取审计方法、风险点等关键知识点，机器学习能够识别知识点关联，构建知识图谱展示脉络。引入人工智能知识管理系统，可以借助自然语言处理与机器学习技术挖掘历史审计资料，系统依审计人员搜索、浏览等行为分析需求偏好，智能推送个性化知识。例如，某制造业企业审计人员在准备审计项目时，系统可以依其过往关注推送相关审计程序、风险点及案例。人工智能知识管理系统可以使项目准备时间从数天缩至数小时，知识复用率显著提升，促进团队知识传承创新。

01

提升审计效率

人工智能在数据处理速度上远超传统审计。在数据采集与整理环节，基于机器人流程自动化的工具可快速抓取、处理数据，使效率大幅提升。数据分析环节，传统审计抽样会受样本局限，而审计流程自动化实现后，机器学习能通过全量数据分析精准定位异常，单个审计证据获取与底稿编制时间大幅缩短，整体效率飞跃提升。

02

提高审计准确度

人工智能凭借强大的数据处理与分析能力，能够降低人为疏忽与主观判断导致的差错，极大提高了审计的准确度。在数据分析中，机器学习模型依据历史违约样本持续学习优化，精准识别潜在违约风险特征。数据采集与整理阶段，自动化工具确保数据一致性与完整性，减少人工采集错误，增加审计结论可靠性与可信度。

03

拓展审计深度与广度

在复杂的跨国集团审计中，人工智能跨越语言、法规等障碍，深入探究跨境业务实质，如能够精准识别出通过转移定价避税疑点，使审计深度远超传统模式，为企业全球合规运营助力。在新兴领域审计，如数字货币审计中，人工智能结合区块链技术，能够追踪交易流向，识别风险，有效拓展审计边界，应对新兴业态挑战，维护金融市场稳定。

01

技术层面的困境

机器学习算法作为人工智能审计的关键技术，虽具备强大的数据分析能力，但在实际应用中，可能因训练数据偏差而导致对不同行业数据分析的误判。例如，审计人员在对制造业企业进行审计时，若训练数据集中包含过多特定区域或特定规模企业的数据，算法在分析其他区域或不同规模的制造业企业时，可能会得出不准确的结论。不同行业的业务模式、财务特征存在显著差异，一旦训练数据未能全面、准确地涵盖这些差异，算法就难以适应复杂多变的审计场景。

图像识别技术在资产盘点中也面临诸多挑战。在实际盘点场景中，光线条件不佳、资产摆放杂乱以及资产本身的磨损、变形等因素，都会影响图像识别技术的准确性。如在仓库环境中，若光线较暗，摄像头采集的图像可能模糊不清，导致图像识别算法无法准确识别资产的种类和数量，进而影响资产盘点的准确性。

系统稳定性方面，随着企业业务规模的扩大和对审计要求的提高，审计过程中需要处理的数据量呈指数级增长。在财务报告期末等审计高峰期，大量审计任务同时进行，数据并发量剧增，现有审计系统可能无法承受如此高的负载，致使系统出现卡顿、死机现象。例如，某大型会计师事务所，在每年的上市公司年报审计期间，由于众多项目同时开展，数据处理需求猛增，审计系统频繁出现卡顿，严重影响审计进程，甚至延误报告出具，使企业管理层无法及时获取审计结果，进而影响决策的及时性。

数据安全隐私保护难题突出。审计数据包含企业大量敏感信息，如财务报表、商业机密、客户信息等，这些数据一旦泄露，将给企业带来巨大损失。黑客攻击手段日益复杂多样，他们可能通过网络漏洞、恶意软件等方式入侵审计系统，窃取数据。内部人员违规操作也是数据安全的一大隐患。例如，某公司内部审计人员为谋取私利，利用职务之便将获取的审计数据出售给竞争对手，导致企业在市场竞争中较为被动，严重动摇了审计数据安全基石。

02

人才需求与供给的矛盾

当前，复合型人才短缺是制约人工智能审计发展的重要因素。在企业里，在传统审计模式下，审计人员主要依靠财务知识和审计经验开展工作。然而，随着人工智能技术在审计领域的广泛应用，智能审计、数据分析模型等工具出现，审计人员需要具备一定的技术知识，才能有效运用这些工具进行复杂数据分析与模型构建。但目前，大部分审计人员缺乏对机器学习、自然语言处理等人工智能技术的深入理解，难以将这些技术应用到实际审计工作中。在高校中，目前审计专业课程多侧重于传统审计理论与方法的教学，对人工智能技术相关课程的开设较少，导致学生在学校期间未能系统学习人工智能知识。

同时，高校审计专业课程设置与企业在职培训对人工智能技术重视不足。企业在职培训方面，由于培训成本、时间安排等因素，对审计人员的人工智能技术培训往往不够深入，这使得人力市场上既懂审计业务又掌握人工智能技术的复合型人才供不应求。例如，某企业招聘人工智能审计相关岗位，招聘信息发布数月后，符合要求的应聘者寥寥无几，限制了企业人工智能审计项目的推进。高校人才培养与市场需求脱节，学生毕业后难以快速适应审计岗位的人工智能技术需求。学生在学校学到的知识与实际工作中的应用存在差距，需要企业花费大量时间和成本对新入职员工进行再培训，这在一定程度上阻碍了人工智能审计的发展。

03

法规与监管的滞后性

当前审计相关法规多基于传统审计模式构建，对人工智能审计应用规范涉及甚少。在数据使用方面，对于审计人员如何合法、合规地采集、存储、使用企业数据，缺乏明确规定。在模型决策方面，当人工智能审计模型给出审计结论时，针对模型的可靠性评估、决策过程的透明度等，均没有相应的法规要求。在责任界定方面，若审计结果出现错误，难以明确是算法开发者、数据提供者还是审计人员的责任。例如，某审计机构使用人工智能审计模型对企业进行审计，结果出现偏差，由于缺乏相关法规明确责任，导致各方相互推诿，影响了审计的公正性和权威性。

监管手段难以适应人工智能审计的动态、智能特性。人工智能审计过程中，数据流动速度快、算法运行复杂，传统的监管手段难以实时监控数据流动与算法运行，数据篡改、算法偏见等潜在风险难以被及时察觉。同时，监管部门缺乏精通人工智能技术的专业人员，对复杂技术架构、算法逻辑理解有限。例如，在对某金融机构的人工智能审计监管中，监管人员由于对审计模型的算法逻辑不了解，无法判断模型是否存在偏见，难以有效实施监管，制约了监管效能。因此，有关部门亟待完善法规、革新监管以护航人工智能审计新技术的应用。

04

伦理与责任界定的模糊性

在利用机器学习算法进行审计决策时，模型依据数据特征给出结论，但其决策过程类似“黑箱”，审计人员难以解释审计结论依据，这极大地影响了结论的可信度。例如，某企业在进行财务审计时，人工智能审计模型判定某笔交易存在风险，但审计人员无法从模型中获取具体的判断依据和推理过程，企业管理层对该结论产生质疑，影响了审计的权威性。

数据使用伦理方面，存在因过度采集数据、数据存储与共享管控不善导致数据滥用的问题。部分审计机构为了追求全面的审计结果，可能会过度采集企业数据，超出实际审计需求。在数据存储与共享过程中，若管控措施不到位，数据可能被非法获取和滥用。这不仅损害了企业与个人权益，还冲击了公众对审计行业的信任。例如，曾有审计机构将采集到的企业数据泄露给第三方，用于商业营销等非法用途，引发公众对审计行业的信任危机。因此，有关部门亟须构建严密伦理规范，约束数据全生命周期行为，确保人工智能审计行稳致远。

01

技术攻关与创新

加大研发性投入对推动人工智能审计技术进步至关重要。政府层面，设立专项科研基金具有重大意义。政府可联合科技部、财政部等多部门，整合资源，每年划拨专项资金用于支持人工智能审计领域的科研项目。这些资金可重点投向审计数据安全加密算法研究、审计大数据高效存储与处理技术研发等关键领域。同时，鼓励高校、科研机构与企业开展产学研联合攻关。例如，高校提供前沿的理论研究成果，科研机构负责技术验证与转化，企业则从实际应用场景出发，反馈需求并参与测试。通过这种紧密合作，有望解决审计数据易泄露、算法模型准确性待提升等技术难题。企业自身也应积极行动，增加内部研发预算，根据企业规模与业务需求，将研发预算占比提升至5%—10%不等。以大型会计师事务所为例，每年投入数千万元用于优化审计机器人算法，使其能更精准地识别财务报表中的异常数据。

建立人工智能审计联合创新中心是整合资源的有效举措。创新中心可汇聚来自包括计算机科学家、审计专家、数据分析师等不同领域的专业人才，并通过定期举办技术研讨会、项目合作等方式，攻克技术瓶颈。例如，针对人工智能与现有审计信息系统难以无缝对接的问题，创新中心可组织跨学科团队，开展为期数月的专项研究，开发适配接口与中间件，实现系统间的数据流畅交互。同时，积极与国内外科研机构、企业建立合作关系，促进成果转化，通过技术转让、合作推广等方式，将创新中心的科研成果快速应用到实际审计工作中。

加强国际合作交流同样不可或缺。我国应积极组织审计领域的专家学者、企业代表参加国际人工智能审计学术会议，如每年举办的全球人工智能审计论坛。在会议上，与会人员要学习国外在审计数据隐私保护、智能审计模型优化等方面的先进技术与经验。同时，鼓励国内企业参与国际人工智能审计项目，如参与跨国企业的联合审计，在实践中提升我国人工智能审计的国际竞争力。

02

完善人才培养体系

高校在人才培养中发挥着基础性作用，需优化审计专业课程设置。除了传统的审计学原理、财务审计等课程外，应增加人工智能相关必修课，如“人工智能与审计应用”“机器学习在审计中的实践”等，在教学过程中，要结合实际审计案例进行教学。例如，引入某上市公司财务舞弊案例，利用人工智能算法对其财务数据进行分析，让学生直观了解人工智能如何发现潜在风险点。同时，加强校企合作，建立实习基地。高校可与知名会计师事务所、大型企业的审计部门合作，每年安排学生进行为期3—6个月的实习。在实习期间，学生可参与实际审计项目，接触最新的人工智能审计工具与技术，将理论知识应用到实践中。

企业作为人才应用的主体，要强化在职培训，可定期邀请人工智能领域的专家、行业资深人士授课，举办系列讲座，内容涵盖人工智能技术发展趋势、智能审计工具的深度应用等。同时，开展智能审计工具操作培训，针对企业使用的审计软件、数据分析平台等，组织员工进行集中培训，通过模拟操作、案例演练等方式，确保员工熟练掌握工具使用技巧。为鼓励员工提升技术水平，企业可设立激励机制。例如，对通过人工智能相关职业资格考试的员工给予晋升机会或奖金奖励，对在工作中创新应用人工智能技术取得显著成效的团队或个人进行表彰与奖励。鼓励审计人员自主学习，充分利用在线平台、专业论坛更新知识。开设众多人工智能与审计相关的课程，审计人员可利用业余时间进行学习。通过交流活动分享经验、讨论问题。行业协会应发挥组织协调作用，定期组织线上讲座、知识分享活动。邀请行业内的领军人物、技术专家进行线上授课，分享最新的行业动态、技术应用案例等。同时，建立线上学习社区，鼓励审计人员在社区内交流学习心得，营造良好的学习氛围。

03

法规与监管同步跟进

立法机关完善人工智能审计法规迫在眉睫。在数据使用规则方面，应明确规定审计数据的采集范围、存储期限、使用权限等。例如，规定审计机构采集的数据只能用于审计，存储期限不得超过5年，且在使用数据时需获得数据所有者的明确授权。对于模型决策责任认定标准，要清晰界定当人工智能审计模型出现错误决策时，算法开发者、数据提供者、审计使用者各方应承担的责任。在审计报告披露要求上，规定审计报告中需详细说明人工智能技术的应用情况，包括使用的算法模型、数据来源、审计结果的可靠性评估等。监管部门需创新监管手段，运用大数据分析技术实时监测审计数据与模型运行，并建立监管平台，对审计机构上传的审计数据进行实时分析，监测数据的真实性、完整性。同时，对人工智能审计模型的运行情况进行跟踪，评估模型的稳定性与准确性。为提升监管人员技术能力，监管部门应加强与科研机构合作，定期组织监管人员参加人工智能技术培训，邀请高校、科研机构的专家进行授课，通过理论学习与实践操作相结合的方式，使监管人员熟悉人工智能审计技术，更好地履行监管职责。

行业协会在规范职业行为方面发挥着重要作用，应修订职业自律准则规范，引导审计机构合理应用人工智能。例如，规范审计机构在选择人工智能审计工具时的标准，要求其对工具的安全性、可靠性进行评估；建立信用评价体系，对审计机构在人工智能审计应用中的合规性、专业性等方面进行评价，将评价结果向社会公开，促进行业健康发展。

04

伦理框架的构建

建立伦理审查机制是确保人工智能技术在审计中合规应用的重要保障。在审计项目启动前，审计项目组成立专门的伦理审查小组，小组成员包括审计专家、伦理学家、法律专业人士等。审查小组对人工智能技术应用方案进行全面审查，评估方案是否符合伦理道德标准，是否存在侵犯数据隐私、歧视性算法等问题，只有通过伦理审查的方案才能进入实施阶段。同时，应明确算法开发者、数据提供者、审计使用者各方责任。算法开发者要确保算法的公正性、透明性，对算法设计缺陷导致的不良后果承担责任；数据提供者要保证提供的数据真实、合法、合规，对数据质量问题负责；审计使用者要正确使用人工智能技术，对因不当使用导致的伦理问题承担责任。通过签订责任协议等方式，确保出现伦理问题时能精准追责。

强化审计人员职业道德教育，将人工智能伦理纳入培训体系。企业在新员工入职培训、在职人员继续教育等培训课程中，增加人工智能伦理相关内容，通过案例分析、专题讲座等方式，增强审计人员伦理意识。

人工智能与审计深度融合带来深刻变革。理论上，人工智能技术与审计流程适配，为审计发展提供理论支撑。实践中，在审计各环节应用成效显著，具有提升效率、增强准确性、拓展深度广度、实现实时审计与持续监控等优势，但也面临技术、人才、法规监管、伦理等多方面挑战。为此，本文提出技术攻关、人才培养、法规监管完善、伦理框架构建等应对策略。

未来，人工智能与审计融合将向更深层次、更广领域拓展。技术上，量子计算与物联网技术将助力审计实现超大规模数据快速处理与全流程实时监控。应用领域方面，环境审计、社会责任审计、跨境审计等将借助人工智能取得新突破。国际合作将更加紧密，各国将携手制定全球准则，开展跨国技术研发合作，推动全球审计行业高质量发展，开启智慧审计新篇章。

文章摘自《中国内部审计》杂志2025年第9期

作者：杨坤

单位：华润置地控股有限公司

编辑：孙哲

目前190000+人已关注我们，您还等什么？