基于人工智能的高校財務收支審計研究

范琳琳 孟 錦 董 坤 李增武 鄭 清

1.西南交通大學計劃財務處 2.西南交通大學審計處

一、引言

隨著黨中央對審計管理體制的深化改革以及構建“集中統一、全面覆蓋、權威高效”審計監督體系要求的提出，高校內部審計工作面臨巨大的機遇和挑戰，傳統的審計工作模式已無法滿足新時期對高校內部審計工作的要求。習近平總書記提出要“善于運用新技術、新手段，堅持科技強審，加強審計信息化建設，積極推進大數據審計”。人工智能（AI）作為近幾年最熱的信息技術已經廣泛地應用于各個領域，部分高校開始嘗試將人工智能應用于內部審計中。

二、人工智能的概念及其在審計領域的應用

（一）人工智能簡介

人工智能（AI）是計算機學科的一個分支，被視為21世紀三大尖端技術之一。人工智能主要研究如何讓計算機來模擬人的思維過程和智能行為（如學習、分析、規劃等）。人工智能的概念是1956年一批年輕的科學家在達特茅斯（Dartmouth）夏季學會上提出的，經過幾十年的研究發展，現在人工智能已經是一個涉及計算機科學、數學、神經生理學、心理學、哲學、控制論等諸多學科的交叉學科。人工智能的研究范疇主要包括機器學習、自然語言處理、圖像識別、自動程序設計、機器人、神經網絡、遺傳算法等，人工智能的各項技術目前已被廣泛地應用于教育、醫療、交通以及日常生活的方方面面。

（二）人工智能在審計領域的理論研究綜述

國際上對人工智能在審計領域的應用研究起步較早。Abdol和Usoff認為人工智能在提升審計效率和有效性方面有著積極的作用；Brown和Murphy強調了人工智能在審計的一致性及審計對決策的影響等方面的意義；Elliott和Kielich認為智能審計中必須加強工作人員在智能審計方面的培訓。國內對這方面的研究主要集中在利用大數據技術，依托云計算、云儲存等平臺開展信息化審計。劉國城和王會金利用大數據技術構建審計平臺的方法，提供了大數據時代下智能審計的實現方案；張莉以國家治理新策略為背景闡述了智能審計對審計目標、審計規劃、監督體系及審計模式等方面的影響，并得出智能審計尚處于理論研究階段還缺少實際案例的結論；楊揚以會計師事務所提供的上市公司審計數據為例，對人工智能在提升審計質量方面的應用給出了積極的評價。

（三）人工智能在審計領域的實際應用

強大的數據處理及分析能力、高效的流程自動化處理使得國際知名的“四大”會計師事務所都在積極探索人工智能在審計業務中的應用，隨著不斷投入及深入研究，人工智能在審計業務中的應用也有了顯著的成果。2017年被《國際會計公報》評為“年度審計創新”的GL機器人就是普華永道（PwC）與H2O公司聯合研發的。GL機器人利用強大的數據處理能力可以幫助審計人員高效地發現企業舞弊和異常情況，在德國、英國、瑞典、加拿大等國的近20個審計項目中取得了很好的應用效果。德勤（Deloitte）和畢馬威（KPMG）也相繼開發了自己的智能審計平臺，利用機器人流程自動化及數據挖掘技術對審計工作人員在制定審計風險策略、評估審計風險以及獲取審計經驗數據等方面提供了很好的幫助。安永（EY）不僅開發了一款基于云計算平臺的EY Atlas審計系統，還將植入了圖像識別技術的無人機應用于野外實物盤點當中。如今，按照“流程標準化，標準數字化，數字智能化”的策略路徑，“四大”會計師事務所都在大力推廣各自的RPA（Robotic Process Automation）智能審計方案。人工智能的介入極大地提升了審計工作的效率，以德勤在某銀行的概念驗證（POC，Proof of Concept）案例為例，通過使用智能審計系統，溝通成本極大降低，單個審計證據的獲取時間由以前的平均40分鐘降低到30秒以下；文檔工作大量減少，單個流程的底稿編制由以前的1.5個小時降低到30分鐘以下；智能審計系統可以根據預設的內部審計規則，在每天的指定時段從系統中持續獲取審計證據，并開展持續性檢查。

三、高校財務收支業務審計中存在的問題

（一）數據收集難度大，效率低

高效、全面地收集基礎數據是有效開展審計工作的重要前提，傳統的高校財務收支審計業務中，由于高校內部信息化建設不均衡等因素，審計部門獲取財務數據需要經過層層審批，數據傳輸主要是通過電子介質傳盤的方式，財務部門將收支數據轉化為電子表格，然后通過U盤或者移動硬盤傳給審計部門。由于數據結構、冗余數據等原因，審計部門還需要對數據進行再加工才能得到有效的審計數據。此方式下完成審計數據收集工作的時間基本是以天為單位，最快也是以小時為單位的，數據獲取難度大，效率低。

（二）審計人員緊缺，審計風險大

近年隨著教育經費的不斷增加，高校的經濟規模不斷增長，由此導致的財務收支業務也是逐年遞增。根據教育部發布的2020年全國教育經費執行情況統計快報，2020年高等教育經費投入為13999億元，比上年增長3.99%。不斷增長的財務收支業務給審計工作帶來巨大工作量與緊缺審計工作人員形成了強烈的反差，即便僅使用抽樣審計的方式也使得高校審計人員深陷繁重的審計數據收集取證環節，根本沒有多余的精力投入到包括管理審計在內的其他更重要的事務中，審計風險加大。

（三）審計結果信息溝通不暢，審計整改不充分

目前高校財務收支審計工作基本以出具審計報告、提出整改建議作為審計工作的結束，對審計整改的落實情況和效果缺乏有效的監督與記錄，這也一定程度導致部分單位和個人對審計結果“虛心接受，誠懇檢討，硬是不改”的現象，審計結果運用不理想，則審計工作對經濟活動的監督及指導作用便無從談起，毫無意義。

四、人工智能在高校財務收支業務審計中的實現路徑

針對當前高校財務收支業務審計工作中的問題，部分高校開始加強信息化建設并嘗試引入人工智能解決。人工智能的實施有幾個基本要素，首先需要有應用場景作為人工智能運行的基礎，其次需要數據的獲取與共享，最后也是最重要的是算法以及算力保障。

（一）規范審計流程，確定應用場景

明確人工智能應用場景的基礎是標準化的審計流程，因此運用人工智能開展審計工作的第一步就是梳理高校財務收支審計的業務，建立一套標準化的審計工作流程，然后據此明確人工智能的應用場景，即流程中的哪部分可以用人工智能來實現。審計部門應牽頭并會同財務及其他相關部門共同梳理，確定財務收支業務的審計工作流程，具體如圖1所示。智能審計的應用場景如下：

圖1 財務收支業務審計流程

數據獲?。褐饕δ転閷胴攧詹块T提供的財務收支憑證數據以及校內其他部門提供的相關數據。

審計業務：主要功能為供審計部門工作人員根據國家及學校相關財經政策對財務收支憑證數據開展審計業務。

報告生成：主要功能為根據審計模塊發現的問題生成審計報告，并將審計報告反饋給財務部門用戶。

整改追蹤：主要功能為對審計問題的落實整改情況進行記錄，完成整改落實情況的統計分析。

（二）確定數據來源，獲取數據開放共享

確定應用場景后下一步需要將平臺所需的數據信息進行溯源，與數據提供部門達成數據開放共享?？衫脭祿}庫技術（ETL）從財務部門獲取財務憑證、財務項目、科目等財務數據，從人事、資產等校內相關部門獲取人事、資產等數據。還可以利用網絡爬蟲（Web crawler）技術或者數據倉庫技術（ETL）獲取工商數據、稅務數據以及政府采購數據等輔助數據。

（三）構建策略算法庫，提供算力保障

作為人工智能的核心，策略算法庫以及硬件設備的計算能力保障直接決定了審計質量的優劣以及審計效率的高低。根據高校收支業務的審計常見問題，例如關聯交易、合同拆分、三公經費等結合人工智能的常見算法如邏輯回歸算法（Logistic Regression）、多項式樸素貝葉斯算法（Multinomial Naive Bayes）以及神經網絡算法（Neural Network）等建立審計策略算法庫，策略算法庫應緊密結合國家財經法規及學校財經政策，以有效發現風險點，提高審計質量。硬件設備的計算能力保障可依托學校信息中心的服務器提供足夠的算力及存儲空間，同時系統安全方面也能夠得到很好的保障。

五、智能審計模型及實際應用

（一）高校收支業務智能審計模型

基于人工智能的高校財務收支審計模型主要有三部分：后臺數據層、中臺處理層、前臺應用層。如圖2所示。

圖2 高校財務收支智能審計模型

后臺數據層的主要功能是利用數據倉庫或者爬蟲技術獲取基礎數據，同時對獲取的原始數據進行清洗轉換，使數據成為模型可直接應用的數據格式。

中臺處理層是智能審計模型的核心部分，智能引擎根據策略算法庫中的策略算法對數據進行分類分析，實現智能審計的功能。中臺處理層將數據分為訓練數據與測試數據。訓練數據用于訓練智能引擎，使其具有智能審計的能力，相當于人類學習的過程；測試數據用于檢驗智能引擎的效果，相當于人類的考試測驗?？筛鶕y試效果對智能引擎的策略算法以及特征選擇等關鍵技術不斷進行優化，達到提升智能審計效果的目的。

前臺應用層的主要功能是給工作人員反饋審計結果、提供決策支持、生成審計報告并對整改情況進行追蹤記錄。

智能審計模型中的業務流程如圖3所示。

圖3 高校財務收支業務智能審計流程

（二）智能審計模型的應用及效果

人工智能在誕生之初就是面向應用的學科，無論它與哪一個學科交叉、在哪一個領域施展，應用效果都是衡量其是否有效的重要指標。筆者以X高校2020—2021年兩年的財務收支業務數據對模型進行驗證，并通過實際結果就人工智能對高校財務收支審計工作各方面的影響進行分析。

1.人工智能對審計數據獲取的影響

傳統的高校財務收支審計業務中，由于高校內部信息化建設不均衡等原因，審計部門獲取財務收支數據的方式主要是通過電子介質傳盤的方式。即財務部門將收支數據轉化為電子表格，然后通過U盤或者移動硬盤傳給審計部門。由于數據結構、冗余數據等原因，審計部門還需要對數據進行再加工才能得到有效的審計數據。此方式下完成審計數據收集工作的時間基本以天為單位，最快也是以小時為單位。而利用人工智能的ETL（或者ELT）技術可以將數據的抽取、轉換由系統自動完成，不僅將審計數據獲取工作中的人工完全替代，而且極大地提高了數據獲取的實效，數據獲取時間的單位降低到幾分鐘甚至幾秒鐘，這為財務收支審計由事后審計向事中、事前審計提供了技術前提，也為審計工作與收支業務“財審融合”的實現提供了可能和保障。審計數據獲取時間對比如圖4。

圖4 審計數據獲取時間對比

2.人工智能對審計方法的影響

傳統財務收支審計的審計方法受限于人員、時間、技術條件等因素，主要是抽樣審計，即審計工作人員在高校財務收支審計業務中，從財務收支憑證的總體中選取一定數量的樣本憑證進行審計，并根據樣本憑證的審查結果推斷總體的憑證情況。這種審計方法不僅存在“過度依賴”或“依賴不足”的風險，而且重復性勞動較多，效率低下。利用人工智能的RPA和大數據技術不僅可以替代人工自動完成審計工作，將審計人員從低效的重復性勞動中解放出來，而且可以將原來的抽樣審計方式轉變為針對全部財務收支憑證的審計方式，從根本上消除了由于抽樣樣本偏差導致的“過度依賴”與“依賴不足”風險。X高校自2020年實施智能審計以來，截至2021年12月31日，對該校兩年的全部212089份憑證進行了智能審計，發現3954個問題，根據問題的嚴重程度由輕到重依次分為關注提醒1010件，藍色預警2525件，黃色預警270件，紅色預警149件。按照當前高校審計部門的人員配置情況，如果仍采用傳統的審計方法開展財務收支審計工作，則很難達到這種憑證全覆蓋的程度，但借助人工智能，輕輕松松就實現了憑證數據的全覆蓋，且審計人員從確定抽樣樣本、逐個對樣本進行審計的重復性勞動中解脫出來，可以將更多的精力投入到需要重點關注的問題以及管理工作中，提高了審計效率和審計質量。

3.人工智能對審計實施時間的影響

以往的高校財務收支審計幾乎都是事后審計，即當審計業務發生時，經濟業務已經結束了一段時間，審計工作對經濟業務發生的問題顯得無能為力，其意義更多的是對后續經濟業務的指導。事后審計的弊端大家早有共識，之所以大部分審計工作都是事后審計，主要還是受限于審計方法、審計效率以及經濟業務與審計業務的時間分離度。人工智能的引入使得高校財務收支業務的審計工作可以對全部憑證進行審計，擺脫了通過抽樣推測整體狀況的束縛，智能審計的高效與自動化讓高校財務收支業務審計擺脫了人力不足的束縛，提供了審計工作的實時性。審計工作的實時性促進了審計與財務收支業務的融合，使得高校財務收支業務在發生的同時就基本完成了審計工作，從而具備了將審計工作實施時間由事后審計轉變為事中審計的條件。筆者從X高校2021年審計發現問題的憑證中選取了非節假日且系統數據同步運行正常時期的254份問題憑證，這些問題憑證從制單結束到智能審計系統發現問題所用的平均時間是67.01分鐘，而這些憑證從制單結束到憑證審核人員審核完成所用的平均時間為73.46分鐘。所以如果審計部門和財務部門充分開展業務聯動，即便不另外借助其他輔助工具，也可以實現財務收支業務的事中審計。

4.人工智能對審計整改落實的影響

傳統的高校財務收支審計工作基本是以出具審計報告、提出整改建議作為審計工作的結束，對審計整改的落實情況和效果缺乏有效的監督與記錄。而審計整改如果無法落實，那么審計工作對經濟活動的監督及指導作用將無從談起。因此如何有效追蹤審計整改的落實情況，更加合理地運用審計結果使其發揮更大的效力，一直是審計工作中的重點也是難點。人工智能在審計業務中的應用為人們提供了用信息化手段來解決這一問題的方法。首先可以將審計工作從立項到整改完成的全生命周期進行系統管理，以便于跟蹤審計整改的詳細情況，確保審計整改工作的貫徹落實。其次可以建立審計結果數據記錄，并對這些數據利用大數據技術深度挖掘，充分發揮審計結果的數據價值，為管理工作提供更準確、更有針對性的意見建議。X高校自2020年運用智能審計平臺開展財務收支審計工作以來，至2021年共發現3954個問題，并全部提出整改要求，通過平臺實時追蹤整改工作的進展情況，截至2022年1月31日，3954件整改要求全部整改完畢并歸檔保存。

與此同時，利用智能審計平臺對審計發現問題進行深層挖掘，將挖掘結果及時與財務部門共享，協助財務部門完善管理制度以防類似問題的重復發生。從實際情況來看，這一機制對完善財務管理制度、預防審計問題重復產生效果顯著。2020年X高校上線智能審計平臺第一年，對92386份財務憑證進行審計，發現了2988個審計問題，問題發生率為3.23%。經過審計部門與財務部門就這些審計問題的深度挖掘及結果的共享利用，并根據學校的實際情況財務部門不斷加強財務收支的管理，陸續完善了相關制度，待2021年結束時，X高校119703份財務憑證審計僅發現966個問題，問題發生率降低至0.81%，且不同嚴重程度（關注提醒、藍色預警、黃色預警、紅色預警）均大幅降低，如圖5所示。高校財務收支審計的一個重要作用就是通過審計發現問題—財務加強管理完善的不斷迭代最終趨向理想的管理狀態。傳統審計模式下，這一迭代的速率很慢，而人工智能的介入使得這一迭代速率產生了幾何級的變化，因此在相對很短的時間內就會看到明顯的效果。

圖5 X高校2020年與2021年審計發現問題對比

六、人工智能在高校財務收支審計業務中的改進方向

基于人工智能的高校財務收支審計模型的實際應用情況讓人們看到了其給高校審計業務帶來的轉變和影響，但就目前的實際情況而言，仍有進一步完善和改進的空間。

（一）加強與財務信息系統之間的融合互聯

目前的智能審計模式就信息系統的管理范疇而言仍局限于審計業務之內，如果要順利地將審計實施時間由事后轉向事中或者事前，就必須加強與財務信息系統之間的融合互聯。（1）將審計的策略及規則植入財務信息系統內，使得財務收支業務在發起之初就受到監督控制，從源頭阻斷問題的發生，降低風險；（2）將審計結果的反饋加入財務收支業務流程中，使其成為財務收支流程的一個控制節點，讓財務收支業務在執行過程中能夠及時糾正錯誤，成為財務收支業務的最后一道“防火墻”。

（二）加強人工智能在績效評價方面的應用研究

《教育系統內部審計工作規定》著重強調對“資產、資金、資源的管理和效益情況”的績效評價審計，要求高校內部審計人員要在防控風險改進管理的基礎上進行資產、資金、資源的管理效益評價，提出合理建議，使學校的資產、資源得到科學配置，資金產生最大效益。目前人工智能在高校財務收支審計中的應用主要還是發現問題查找風險，雖然效果很顯著，但是很少涉及績效審計，該方面人工智能的應用目前還沒有太多的實踐和研究。因此在未來的工作中，加強人工智能在績效審計方面的應用研究將是其在高校內部審計工作中的一個重要內容。

（三）加強審計隊伍的信息化人才培養

現在的人工智能雖然無法完全替代審計工作人員，僅是協助審計人員，但是未來高校財務審計的發展方向上人工智能的作用肯定是越來越大，根據人工智能“大中臺，小前臺”的數據模式，審計隊伍的建設也應按照該模式進行人才選拔和培養，將更多的人力投入到智能系統的運維、數據分析、策略實現等信息化工作中，從而驅動審計工作的業務創新與提效。因此，加強審計隊伍的信息化人才培養是關乎人工智能能否在高校財務審計領域發揮其技術優勢，完美融入業務深層的關鍵因素。

七、結語

通過X高校的數據實例看到人工智能應用于高校財務收支審計業務中極大地提升了收集審計對象數據的效率，最大限度地拓展了審計的覆蓋范圍，有效降低了審計工作人員的工作量，從而革新了審計方法，加強了審計工作與審計對象之間的業務融合，事后審計向事中、事前審計的轉變成為可能，最重要的是強化了審計結果的運用，使得審計的效力在有限的時間內起到了顯著的作用。由此可見，人工智能在高校財務收支審計領域有著非常廣闊的應用前景，智能化的審計模式必然是高校審計工作的發展趨勢，高校審計部門應該高度重視，抓住機遇，大力開展相關實踐和研究。