“審計+人工智能”在中國移動的創新應用

郭宇晨 張國宏

[摘要]中國移動將內部審計與人工智能技術相結合，選取多個重點方向，綜合運用自然語言處理、圖文識別、機器學習、機器人流程自動化等先進技術，開展人工智能審計產品的創新應用，顯著提升審計效率和質量。

[關鍵詞]人工智能? ? 審計? ? 智能建模? ? 流程自動化

一、信息技術發展對內部審計工作的影響

當前，以互聯網、大數據、人工智能為代表的新一代信息技術蓬勃發展，對各國經濟發展、社會進步、人民生活帶來重大而深遠的影響。從企業角度來看，新一代信息技術發展對企業內部控制環境也產生了深刻影響。一是促進企業內部管理水平的提升。企業信息化深入應用，集成化、移動化、智能化的趨勢愈發明顯，助推管理方式由粗放型向集約型、精細化轉變。二是催生新的業態和模式。新技術進步催生出電子商務、互聯網金融、數字媒體、共享經濟等新的商業模式，促進企業主營業務、經營模式的變革，大型企業綜合化經營、新業務創新的步伐不斷加快。

企業內部控制環境的快速變化，對內部審計工作提出更高要求。一是企業業務創新加速，要求內部審計進一步發揮“前瞻預警”作用。企業新的產品形式、業務流程、對外合作方式不斷涌現，帶來新的風險形式，且風險特征快速變化，要求內部審計能夠快速響應，在新業務發展初期就開展有效的風險評估，為新業務發展保駕護航。二是企業多元化發展，要求內部審計監督范圍不斷擴展。大型企業跨地域、跨市場、跨專業經營，經營風險多樣化、復雜化，風險傳導特征凸顯，要求內部審計在更大的范圍和領域開展審計工作，深入推進審計全覆蓋。三是企業技術創新加速，要求審計技術方法隨之不斷升級。大型企業客戶服務及運營管理均高度依賴信息技術，內部審計必須建立起與之相匹配的技術方法，及時獲取審計資料數據，充分挖掘大數據價值，實現對業務的有效監督。

二、審計信息化的發展現狀及局限

立足新時代，面對新情況，黨中央、國資委、審計署均要求中央企業加強審計信息化建設、推進“科技強審”。審計信息化是內部審計發展的必然趨勢，其核心目標是充分利用信息化手段，節約審計人力資源、擴大審計覆蓋、提高審計精度，顯著提升審計效率及效果，助力內部審計高質量發展。

目前大型企業審計信息化建設實現長足發展，普遍建立起審計相關信息系統，并不斷推進審計技術創新與實踐。一是實現審計管理及作業流程的信息化支撐。實現審計計劃管理、現場作業管理、人員管理、檔案管理、成果管理等相關功能，提高審計作業的標準化、規范化程度。二是積極儲備大數據審計能力。通過采集重要信息系統的電子數據，利用大數據分析方法，對全量數據開展深度分析，提出違規問題或線索，變抽樣為全量，提升了問題發現的深度。三是探索開展遠程審計實務。部分公司構建大數據審計平臺，通過數據接口等方式采集相關系統數據，并定期自動執行預設審計程序，實現對高風險領域的全量、準實時監控，提升審計效率，擴大審計覆蓋。

盡管企業審計信息化建設取得了較好成績，但與國家及監管要求、與企業自身對內部審計的要求相比，仍存在較大局限。一是數據采集困難。集團型企業各級單位自建系統較多，各系統數據被獨立存儲，“數據孤島”現象明顯，格式、口徑均不統一，大范圍的數據采集存在較大困難，使數據審計成為“無米之炊”。二是對非結構化數據的分析能力缺失。審計實務中大量的審計資料屬于非結構化數據，如合同、會計憑證、業務單據等，傳統的數據分析方法無法對此類數據開展審計，嚴重限制數據審計的范圍。三是“機器”精準定位問題能力不足。數據審計的程序邏輯通常根據審計人員的經驗設置，由于審計人員個人知識結構和工作經驗的差異，程序邏輯不準確、對特殊業務情況考慮不完整等情況較為普遍，容易造成數據審計的查全率、查準率不高。四是遠程審計難以適應新業務的快速變化。遠程審計雖然可有效節省審計資源，但是由于現場投入審計力量較少，存在著審計結果核查不充分的問題，并且審計邏輯優化、更新速度慢，無法快速適應新業務變化。五是審計作業系統自動化程度不足。審計作業系統雖實現了審計作業的全流程線上操作，但自動化程度仍不足，在審計底稿編輯及錄入、審計結果整理歸檔等方面仍需繁瑣、重復的人工操作，制約了審計作業效率的提升。

三、人工智能技術發展現狀

人工智能（Artificial Intelligence，簡稱AI），是研究開發能夠模擬、延伸和擴展人類智能的理論、方法、技術及應用系統的一門新的技術科學。關于人工智能的科學研究最早發起于20世紀50年代，經過60余年的演進，相繼取得一批突破性的研究成果。2010年之后，大數據、云計算、互聯網等新一代信息技術的發展，為人工智能技術研究提供了更強大的運算能力和更廣泛的數據資源，助力人工智能技術加速發展，促進人工智能從理論研究走向實際應用，特別是圖像識別、語音識別、無人駕駛等技術應用趨于成熟，人工智能技術的社會影響日益凸顯。2017年，國務院印發的《新一代人工智能發展規劃》指出，“必須加快人工智能深度應用，培育壯大人工智能產業，為我國經濟發展注入新動能”。

人工智能技術內涵深廣，具有較多技術細分領域，通常需要多項細分技術相互銜接、組合應用。整體上，人工智能技術主要包括以下五方面能力：一是感知識別能力。自動從圖像中識別物體、場景，可應用于人臉識別、簽名識別等場景;自動對聲音進行識別和處理，可應用于機器翻譯、語音書寫等場景。二是知識計算能力。以知識圖譜、自然語言處理技術（NLP）為主要代表，能夠持續獲取知識信息，具備實體識別、知識演化建模和關系挖掘能力，在搜索引擎、智能廣告、反洗錢等領域得到應用。三是認知推理能力。以近年來發展迅速的深度學習、強化學習等機器學習技術為代表，能夠基于數據自動分析、挖掘、推理、演化，構建分析推理引擎，形成對客觀事物的認知，其認知能力甚至超過人類，如在金融股價預測、疾病預測等領域得到應用。四是運動執行能力。以智能機器人、機器人流程自動化技術（RPA）為主要代表，把感知識別能力、知識計算等能力與機械自動化、系統自動化技術相結合，使機器人擁有判斷、決策能力，能夠在不同的環境中處理不同的任務。五是人機交互能力。“機器”通過交互方式為人提供信息，如蘋果手機助手Siri、智能客服等應用;人幫助“機器”提升認知能力，如在機器學習技術的應用中，通常需要人對于機器產生結果的正確性進行判斷，并反饋給機器，機器根據反饋信息進一步優化算法，提升其準確性。

四、“審計+人工智能”思路

人工智能部分細分技術已初步達到可商用的成熟度，但在審計領域尚鮮有應用案例。綜合分析審計信息化亟待解決的突出問題及人工智能技術發展現狀發現，將審計實務與人工智能技術相結合具有廣闊的發展前景。“審計+人工智能”創新的核心思路是利用人工智能技術擴展審計人員的“眼”“腦”“手”，替代審計人工的“數字勞動力”。

一是運用自然語言處理、圖像識別技術，實現非結構化數據的分析處理，擴展數據審計范圍。合同、會計憑證、業務單據等非結構化數據是記錄公司主要經濟事項的重要媒介，是眾多審計項目均涉及的審計資料。但由于資料數量龐大，實際審計中抽樣率較低，問題較難發現，審計風險高。利用自然語言處理、圖像識別技術，可自動識別合同文檔、會計憑證及業務單據影像資料中的關鍵信息，將每份非結構化資料轉化為一組標準化的結構化數據，再利用傳統數據審計方法進行自動處理得出審計結果，這樣可有效替代人工查閱原始資料的過程，大幅提升審計效率，擴大數據審計覆蓋領域，擴展審計人員的“眼”。

二是運用機器學習技術，自動構建并持續優化數據審計模型，提升遠程審計精度。部分違規行為操作復雜、隱蔽性強，且為逃避監督經常變換違規形式，如員工在業務運營系統中的違規操作、合作商違規套取企業營銷資源等，其違規行為的特征不易人為把握，造成對應的數據審計模型準確率低，且滯后于違規形式的變化。引入機器學習技術，使用海量業務數據開展模型訓練，由“機器”自動提煉違規行為特征、構建智能模型，并根據最新的業務數據自動優化、調整模型，可有效提升審計模型精度，擴展審計人員的“腦”。

三是運用機器人流程自動化技術，實現審計作業部分關鍵流程的自動化處理，提升審計作業效率。在審計作業過程中，部分工作不可或缺，但工作本身簡單、重復、耗時耗力，利用機器人流程自動化技術，編制自動化執行程序，由機器代替人工執行相關操作，打造“審計機器人”，如審計資料的自動下載、互聯網上批量信息的自動查詢、審計作業底稿及確認單的自動整理及上傳歸檔等，可有效提升審計作業效率，擴展審計人員的“手”。

五、“審計+人工智能”創新應用

中國移動充分利用公司信息化優勢，創新性地提出構建“全信息交互智慧審計體系”發展目標，相繼研發了合同智能審計、憑證智能審計、數據審計智能建模、“審計機器人”自動化作業等產品，并應用于審計實踐，顯著提升了審計效率及質量，如圖1所示。

（一）合同智能審計產品

中國移動作為大型中央企業，下屬50余家單位，業務范圍廣、客戶數量多，每年對外簽訂合同數量超百萬份，亟需通過智能審計技術實現合同自動審計能力。

1.產品功能。合同智能審計產品的核心能力包括合同文檔識別、合同關鍵信息提取及合同審計模型，其中合同文檔識別能力，可以利用深度學習技術構建文檔分類器，可以從檔案系統、合同系統的電子化歸檔資料中自動識別出合同文本;合同關鍵信息提取能力，可以利用深度學習技術構建關鍵信息識別模型，自動從合同文本中提取出甲乙方信息、合同金額、質保期、知識產權條款及歸屬、違約條款、合同標的、付款計劃等31項關鍵信息，并將其轉化為結構化信息進行存儲;合同審計模型能力，可以基于大數據技術，將上述合同關鍵信息與報賬平臺、采購系統、智慧審計等系統中的相關結構化信息進行關聯分析，固化審計模型，自動出具審計結果。如圖2所示。

2.研發難點及對策。研發難點主要在于合同個性化程度高，樣本差異性大，對智能算法的普適性帶來較大挑戰。原因是各所屬單位合同管理水平參差不齊，各單位合同模板的數量、格式、內容差異較大，且大部分合同實際并未按照合同標準模板編制。實際研發中，一是需要投入較多人力對不同單位不同類別的合同樣本進行人工標注，標注出希望機器自動識別的關鍵信息，交給深度學習算法進行訓練;二是對于個性化程度特別明顯的合同類別，需要單獨訓練識別模型，解決通用集成模型對此類樣本識別率不高的問題。

3.研發成果。合同智能審計產品基于部分所屬單位數據開展智能算法的訓練及結果驗證，已完成產品化封裝，并在經濟責任審計、內部控制審計及遠程數據審計中得到推廣使用。根據實測結果，合同文檔的識別正確率超過96%，合同文檔中關鍵信息的平均識別準確率達到95%;機器自動處理單個合同文檔的時間僅需0.04秒。以每年100萬份合同進行估算，假設人工審計需20分鐘/份，人工全量審計需167個審計人員工作一年，而機器全量審計僅需0.5天，成效顯而易見。目前產品已上線16個智能審計模型，在實際審計中發現合同關鍵要素缺失、預付款比例約定過高、未達質保期提前支付款項、合同預付款比例超過公司規定等傳統數據審計無法發現的問題，有效擴展了數據審計監督范圍。

（二）憑證智能審計產品

中國移動全集團每年的報賬單據數量超千萬，其中增值稅發票（包括專票/普票）、火車票是全國范圍內格式統一的票據，也是公司成本費用報賬單中的主要票據。研發憑證智能審計產品可有效替代審計人員現場翻閱賬本。

1.產品功能。憑證智能審計產品與合同智能審計產品較為相似，均是對非結構化數據的加工和處理。產品的核心能力包括憑證類型識別、憑證關鍵信息提取及憑證審計模型，其中憑證類型識別能力，是利用圖像識別技術構建憑證分類器，可以從財務電子影像系統的報賬單圖片中自動識別出增值稅發票、火車票;憑證關鍵信息提取能力，是利用深度學習技術訓練文字識別（OCR）模型，自動從憑證影像中提取增值稅發票號碼、購買方及銷售方信息、金額、稅率等25個字段，火車票的席別、價格、出發到達地、姓名等8個字段，并將其轉化為結構化信息進行存儲;憑證審計模型能力，是基于大數據技術，將上述合同關鍵信息與報賬平臺、供應鏈等系統中的相關結構化信息進行關聯分析，固化審計模型，自動出具審計結果。

2.研發難點及對策。憑證格式雖比較規范，但憑證圖像的質量、憑證張貼的規范性增大了樣本的差異性，從而對智能算法的普適性帶來較大挑戰。一是由于各所屬單位采集憑證圖像所用的設備不同、像素大小及燈光條件不一致，造成部分圖像質量偏低，影響識別精度。二是由于憑證張貼人員遍布全公司，張貼過程中易造成的折痕、遮擋，以及部分單位要求相關經辦人員在票據上簽字等因素，這些都對圖像文字分割及識別增加了難度。實際研發中，一要加大對于不同場景下樣本的標注力度;二要充分利用先驗知識，對部分錯誤識別結果進行矯正，如增值稅發票的價稅合計、金額、稅額、稅率應具備數學校驗關系。

3.研發成果。憑證智能審計產品基于部分所屬單位數據開展智能算法的訓練及結果驗證，也已完成產品化封裝，并在財務審計、經濟責任審計及遠程數據審計中得到推廣使用。根據實測結果，憑證圖像的分類正確率超過95%，憑證影像中關鍵信息的平均識別達到83%，其中錯誤識別主要由于樣本圖像質量偏低導致;機器自動處理單個憑證文件的時間僅需0.38秒。以每年500萬份憑證進行估算，假設人工審計需5分鐘/份，人工全量審計需210個審計人員工作一年，而機器全量審計僅需25天。目前產品已上線12個智能審計模型，在實際審計中發現了違規業務招待、連號發票拆分報賬規避審批、發票與合同收款方不一致等傳統數據審計無法發現的問題。

（三）數據審計智能建模產品

中國移動內部審計對部分高風險領域開展了持續審計實務，按月持續監控違規行為，出具審計報告，促進相關單位持續完善管控機制，降低違規風險。但也存在持續審計模型運行一段時間后，模型準確性有所降低的問題。為此，利用機器學習技術自動建立審計模型，可促進審計模型準確性的提升。

1.產品功能。數據審計智能建模產品集監督學習、無監督學習、深度學習等相關機器學習算法，并與審計數據集市對接，可供數據審計人員研究及訓練智能模型。產品的核心流程包括特征選擇、模型訓練、結果驗證及優化反饋。以員工異常業務操作審計為例，如圖3所示，在特征選擇階段，首先通過審計人員的業務理解，圈選出可能與員工違規行為相關的數據特征，如員工單次及累計轉賬金額、方差，轉賬業務類型、轉賬時間、轉賬客戶性質、客戶是否存在欠費、所在營業廳性質、所屬公司等30余項數據特征，由機器通過隨機森林、主成分分析（PCA）等方法，從中篩選出可能的特征組合，形成特征空間;在模型訓練階段，由于違規行為發現率低，帶違規“標簽”的業務數據較少，采用無監督學習方法，通過聚類算法，將業務數據按其特征值聚成若干數據集，對于明顯偏離各數據集的少量游離樣本，判斷為異常業務樣本，作為審計結果輸出;在結果驗證階段，審計人員對模型提示出的異常結果進行核查，將結果正確與否反饋給“機器”，增加帶“標簽”的訓練樣本;在優化反饋階段，模型根據人工反饋進行自適應調整，優化分類算法，不斷提升模型精度。

2.研發難點及對策。機器學習的難點在于選擇合適的特征及模型，以及快速適應違規特征的變化。實踐中，一要注重模型的查全率及查準率的平衡。查全率及查準率是一對此消彼長的參數，進行模型訓練時，如查準率設定過高，雖然結果準確性高但會遺漏較多的違規案例;相反，如查全率設置過高，雖能發現較多的違規案例但結果準確性不高。二要加強模型結果的核查力度。將遠程審計與現場審計充分結合，對數據審計得出的異常結果線索進行充分核實，及時梳理違規行為的業務特征及適用模型，反饋給“機器”做強化訓練。

3.研發成果。智能建模技術在員工異常業務操作、集團客戶違規流量轉售等數據審計專題中實施，有效發現了違規向內部員工或家屬贈費、用于系統功能驗證的贈費未事后回收、利用營銷折扣差價轉售流量套利等傳統人為預設模型無法發現的違規問題，提升了數據審計的問題發現深度。

（四）“審計機器人”產品

根據流程診斷結果，審計人員在審計作業流程中大量的時間用于收集審計資料、整理審計作業底稿，大量占用本應用于審計查證工作的時間。“審計機器人”產品主要集成各類自動化工具，可以有效提升審計人員工作效率。

1.產品功能。“審計機器人”產品主要集成各類自動化腳本技術，可支持審計人員根據業務場景，自助開發或集成相關腳本，執行特定的自動化處理工作。目前常用的集成腳本主要集中于審計數據采集及審計資料歸檔上傳。審計數據采集功能主要應用于從企業內外部系統中自動下載數據，彌補審計數據源的不足，如編制自動化腳本，自動從被審計單位OA系統中下載各項制度文件，自動從政府網站下載合作公司的工商企業注冊信息等;審計資料歸檔上傳功能主要表現為根據審計人員現場作業中形成的審計底稿、審計確認單中的信息，按審計流程系統中規定的格式，自動填充相關字段、上傳相關文檔及掃描件，實現審計人員對作業底稿及確認單的一次編輯、一鍵上傳。

2.研發難點及對策。機器人流程自動化技術相對成熟、開發過程也較為簡單，實際研發中需重點關注的事項是自動化腳本需針對具體應用場景實施個性化開發。比如，數據下載的應用場景、源系統的訪問方式變化或頁面格式變化均會導致原有腳本不可用，需重新定制開發，因此自動化腳本在每次使用前需預留時間進行開發及驗證。

3.研發成果。審計機器人產品在多個審計項目中試點應用，取得了良好的效果。比如，部分項目應用該產品從政府網站下載合作公司的工商企業注冊信息并與采購系統中數據進行對比，實現了現場審計從抽樣審計到全量審計的轉變，僅用數小時就完成了全部比對工作，輸出審計結果。作業底稿及確認單的自動歸檔及上傳功能，將審計底稿歸檔周期由平均5天降至1天，有效提升了審計作業效率。

六、實踐經驗總結

1.人工智能技術需與大數據、云計算技術充分融合，協同推進內部審計信息化建設。深度學習、強化學習等人工智能新技術，需要龐大數據量的訓練樣本、高性能的計算資源，如合同審計僅初始訓練樣本就需1萬份以上的合同文件，員工異常業務操作模型建模所需訓練樣本超千萬條，需要高性能服務器集群、高性能GPU等資源完成相關訓練任務。海量的審計數據集市、高性能的審計云計算平臺是智能審計創新的基礎，應共同作為內部審計信息化發展的主要抓手，通盤考慮、統籌規劃。

2.正確認識人工智能技術本身的局限性，切忌鋪大面、邁大步。智能審計應用效果雖已初現，但要認識到，當前人工智能技術的泛化能力還不夠強，相關模型需要針對應用場景、具體使用需求進行針對化的定制訓練，如針對增值稅發票的識別模型用于火車票識別則完全不適用，所以需使用不同的模型。而每一個模型的構建過程需要大數據的訓練，需要在人工標注、算法調優、模型優化等方面持續投入資源。因此審計部門需認真分析，選取對審計效率提升最明顯且技術可行的少量重點領域，作為智能審計的突破口，并持續性給予投入。

3.促進數據審計與現場審計的協同，建立高效的智能審計結果核查反饋機制。智能審計的模型優化依賴于持續不斷的新增數據，尤其是經過人為驗證并標注過的“標簽”數據。對于模型結果盡可能迅速、廣泛地進行驗證，對模型準確率的提升效果最為明顯。內審部門要積極創新工作模式，促進數據審計與現場審計的充分協同、加強模型結果核查及反饋，通過循環迭代的交互方式不斷提升智能審計的效果。

4.持續提升業務管理水平，為智能審計提供更加有利的實施條件。業務管理的集中化、標準化程度越高，相關業務數據的噪音越少，樣本方差越小，就越利于解決人工智能技術泛化能力不強的現實問題，如通過憑證智能審計，推進財務部門統一憑證影像的采集設備及采集規范，可以提升憑證圖像識別產品的精度，實現技術與管理的相互促進。

（作者單位：中國移動通信集團有限公司，郵政編碼：100033，電子郵箱：guoyuchen@chinamobile.com）

主要參考文獻

陳俊，時現.審計全覆蓋驅動下的審計技術方法創新研究[J].審計研究， 2018（5）：22-29

劉娟.大數據聯網審計模式探析[J].中國審計， 2018（3）：55-56

曾繁榮.人工智能審計：IIA的框架與應用導向[J].中國內部審計， 2018（12）：9-13

[美]羅素，諾維格.殷建華等譯.人工智能：一種現代的方法[M].北京：清華大學出版社， 2013

[美]米歇爾.曾華軍等譯.機器學習[M].北京：機械工業出版社， 2008