人工智能在基層審計中的可能應用路徑研究

2024-12-03 00:00:00馬欣艷宋奇根劉黎明

管理學家 2024年24期

[摘要]人工智能技術的快速發展和廣泛應用，為審計工作的智能化提供了更多可能?？萍荚诓粩喔碌?，審計也正在向智能化領域邁進。在審計業務的開展過程中，會涉及海量的結構化和非結構化數據，人工智能技術的引入能夠提高審計的效率。文章在梳理人工智能發展背景的基礎上，模擬AI輔助審計工作的可能應用場景，從人員與硬件、技術與軟件、數據、應用四個層面分析人工智能在基層審計應用中的困境，并進一步提出了人工智能在審計中的可能應用路徑，以供參考。

[關鍵詞]人工智能；基層審計；應用困境；路徑研究

中圖分類號：F275 文獻標識碼：A 文章編號：1674-1722（2024）24-0056-03

一、人工智能發展概述

1956年，由麥卡錫及一批數學家、信息學家等在達特茅斯學院召開會議，首次提出“人工智能”概念。概念提出后，出現機器定理證明、跳棋程序等成果，但因推理能力有限、機器翻譯失敗等，人工智能走入低谷。1969年成立國際人工智能聯合會，化學質譜分析系統、疾病診斷和治療系統等專家系統的研究開發，使人工智能走向實用化[ 1 ]。如今，隨著網絡技術的發展，深度學習、強化學習等算法不斷優化和創新，推動自然語言處理、計算機視覺、語音識別等技術取得重大突破，人工智能深入到社會生活各領域。如GPT系列語言模型在自然語言處理方面的出色表現，讓機器能夠生成高質量的文本內容；計算機視覺技術在圖像識別、目標檢測、視頻分析等領域的精度和效率大幅提升，廣泛應用于安防、自動駕駛、醫療影像等領域。各國政府也紛紛出臺政策支持人工智能發展，我國將其列入國家戰略。

二、人工智能技術在審計中的應用場景

（一）研究意義

在審計實施中，會涉及海量的結構化和非結構化數據，利用人工智能技術賦能審計過程，可有效提升審計工作質效。

提升職業判斷質量，提高審計效率。傳統的審計方法需要審計人員耗費大量的時間與精力檢查翻閱被審計單位的憑證、單據與合同等，手動處理大量數據，不僅費時費力，而且容易出現錯誤，導致審計結果誤差和工作效率低下。人工智能強大的信息搜集能力和計算能力，可以實現高效審計，節省時間和人力成本，從而提高工作效率[ 2 ]。

擴大審計范圍，降低審計風險。在基層審計中，受時間成本和審計力量的制約，大部分項目通過重點抽樣審計反映審計結果。此種審計方法不能做到審計全覆蓋，因此可能會帶來審計風險。但是借助人工智能可以進行全樣本審計，人工智能強大的計算和分析能力可以改變傳統審計的業務流程、技術方法和組織形式，提高審計效率，擴大其覆蓋面，可以有效規避抽樣審計帶來的誤受風險與誤拒風險。

更新知識結構，推進人機協同發展。在人工智能領域，新的算法、模型和技術不斷涌現?？焖俚募夹g變革意味著利用原有的知識已無法理解和應用最新的人工智能工具。在審計領域，不僅需要計算機科學知識，如編程語言、數據結構和算法，還需要審計業務知識和專業判斷。人機協同發展可以提高工作質效，節約時間與經濟成本。借助人工智能可以將審計人員從重復煩瑣的工作中解放出來，審計人員可運用專業能力查找和發現問題，優化審計流程，定期檢查維護系統，這也督促審計人員不斷更新知識結構，培養創新思維。

（二）輔助審計工作的應用場景

人工智能審計的核心思想是將人工智能技術應用于審計實施各個階段，通過文本、語音等信息識別技術，模擬或替代人工審計的工作流程或方法，增強或模擬審計人員的數據分析、決策能力，實現決策支持與風險控制。

1.場景一：政策文件梳理

AI技術與重復性強且較為程序化的工作任務非常適配，比如政策文件的收集整理可使用AI技術快速準確地完成。ChatGPT的一款名為txzy.ai的插件，可以將文本導入軟件中之后，摘取文件中的重要信息，自動生成摘要，再輸入關鍵詞對政策文件進行提煉，簡化煩瑣的閱讀過程，大大提高審計工作效率[ 3 ]。

2.場景二：訪談語音識別

在審計實施中，審計人員會就某些事項與相關人員進行訪談，訪談內容需要重新整理，并生成文字作為審計證據，傳統記錄方式將消耗審計人員很多精力。而AI技術中的語音識別記錄功能，能將審計訪談內容同步轉換成文字，減少人為錯誤和遺漏，提高訪談記錄的及時性和準確性。目前人工智能語音識別技術已能實時轉換文字，準確率達98%以上，同時還支持普通話、方言等語音的識別。

3.場景三：文本識別提取

文本識別是利用文本挖掘技術從被審計單位的檔案、合同、招投標文件等海量電子文件中自動識別資料文本內容，自動提取中標單位、招標方式、合同金額和評分標準等多項關鍵信息，并將其轉化為結構化信息，再與采購系統中的結構化信息進行關聯分析，形成審計疑點，再結合現場核查和訪談等審計方式，精準快速地鎖定問題，為審計人員提供智能決策建議。

4.場景四：審計報告生成

審計報告是根據審計證據得出的結論，是審計成果的重要體現。ChatGPT基于其語言模型，利用機器學習和自然語言處理技術，可以學習和掌握審計報告編制的規則，在數據庫中檢索和匹配其中的關鍵信息，針對性提出操作性強的審計建議，從而協助審計人員用更短的時間生成更加高質量的審計報告[ 4 ]。

三、人工智能在基層審計應用中的困境

智能化審計的本質特征在于智能與審計的協同發展和應用。它不是單純的信息技術開發和計算機網絡應用，而是審計人員與智能工具協同不斷提升審計價值的過程。人工智能作為數字化時代的新興輔助工具，基層審計機關在應用中還存在以下問題。

（一）人員與硬件問題

首先，要實施整個人工智能審計流程，最基礎的需要就是配備能夠熟練運用人工智能輔助審計的專業人員，即具備熟練使用計算機處理數據的能力和審計知識的人員。目前，基層審計機關十分缺少掌握大數據審計技術、人工智能技術的審計人員，人工智能對審計人員的綜合素質能力提出了挑戰。

其次，若需要在地市或縣區級別部署，則需要購置高配置工作站主機，對顯卡、CPU、內存等的需求巨大，運行用電量也相當可觀。由于人工智能需要大量數據不斷學習進化的特性，在中央或省級部署最佳，地方只需要連接服務器進行使用即可[ 5 ]。

（二）技術與軟件問題

人工智能在審計中的核心應用算法模型，需要對審計流程中涉及的數據處理等算法進行針對性的開發和設計。同時，還需對大量數據進行訓練，并進行多次的模型迭代。這就需要有足夠的人工智能專業技術人員配合，需要能夠提出詳細需求的審計業務骨干設計完整的算法，花費至少一年的時間在測試中同步對模型進行持續優化。以ChatGPT為例，它需要Docker鏡像構建容器或在OpenAI API環境下運行，使用的模型包括但不限于基于Transformer的預訓練語言模型、指令精調、思維鏈等。

（三）數據問題

要讓算法模型達到能夠在審計一線應用的程度，需要利用大量的數據對算法模型進行訓練，但目前可以預見的問題包括以下幾個方面。

第一，數據量不足，很難找到海量非涉密且可以用于訓練模型的數據，不僅包括財政金融相關數據，也包括審計過程中產生的各種分析結果、審計報告等審計數據，這些數據對后續算法開發至關重要。

第二，歷史數據缺失，以經濟責任審計項目為例，算法模型需要對任期內數據以及任期前數據進行分析，此時歷史數據越完善，算法模型進行的分析越完整，得出的結論就越可靠。

第三，數據非標準化，從不同單位、企業獲取的數據很難統一格式，而算法模型導入的數據又需要特定的類型，如果格式不統一，將會影響分析的速度和結論的準確性，甚至無法進行導入和分析。

（四）應用問題

在使用人工智能審計之前，需要確定審計工作的需求，人工智能究竟能在審計過程中幫助審計人員完成什么工作，這是算法模型開發的目標，是系統立項的根本。以財政統計審計項目為例，人工智能可能應用的場景包括：收集整理文件和數據、制定可操作的審計方案、定性歸納發現問題、歸納總結生成審計報告和督促提醒審計整改等[ 6 ]。對被審計單位的經濟活動審計不能單靠資金信息，還需要人工的質疑和判斷。人工智能審計系統終究只是一個工具，依然需要審計人員的介入保障審計工作的正常進行和審計結果的可靠性。

四、應對措施

（一）培養審計人員的專業能力

人工智能技術的應用需要強大的人才隊伍，需要人工智能技術人員和大數據審計人員支撐，因此，要實現人工智能輔助審計的應用，需要注意以下幾點。

第一，以人工智能技術和大數據審計技術為基礎，強化審計人才的專業知識基礎，從而能夠保障在運用人工智能系統的過程中不會遇到知識技術的障礙，提升審計效率。這些知識基礎不需要涉及過多開發的內容，只針對了解人工智能原理和使用過程中可能會遇到的簡單的問題即可，專業的開發問題請工程師解決。

第二，聘請人工智能軟件工程師等專業人才充實隊伍，或與人工智能相關企業達成合作，保障系統開發、運維可以正常進行。

（二）部署省級服務器主機

人工智能技術對硬件的要求極高，對于審計工作來說，最好的做法是在省級設置服務器主機，基層審計機關連接服務器使用人工智能系統，這需要極高配置的硬件基礎處理全省的審計數據。如果在中央設置服務器主機，全國的審計數據處理量太大，所需的算力要求極高，全國聯網通用一個人工智能系統實施起來也相當有難度。而如果在市地級、縣區級設置服務器，一方面是沒有足夠的數據量支撐，另一方面地方也難以承受高昂的服務器硬件費用和開發、運維人員的費用。因此，最佳的做法是在省級設置服務器主機。

（三）設計人工智能模型

人工智能在審計工作上的應用，其核心是算法模型，因此，需要在系統立項時確定全流程的需求，針對需求設計算法模型。審計流程中需要的人工智能模型大致有以下幾種。

第一，類ChatGPT模型，用于分析問題、給出定性依據和審計建議、生成審計報告等。

第二，數據清洗模型，用于清洗前期收集的數據，方便導入和分析，減少審計人員的工作量。

第三，工程建模模型，用于工程審計中給出數據進行工程預覽建模，以可視化的方式幫助審計人員確定工程審計情況。

第四，數據分析模型，能夠對已完成清洗的數據按照審計目標進行分析、分類，標記疑點數據，并可對同類型的數據進行對比分析，生成初步結論。

（四）清洗與分析數據

人工智能算法模型需要的“養料”是數據，審計人員最費心力處理的也是它，因此，收集、清洗、分析數據尤為關鍵。審計工作涉及的數據類型繁多、數據量大，其類型涵蓋表格、數據庫文件、文本文檔等，審計人員通常要對數據進行重新審查和校驗，目的在于刪除重復信息、改正存在的錯誤，保證數據一致性。一般進行數據清洗需要通過七個步驟進行處理：選擇子集，列名重命名，刪除重復值，缺失值處理，一致化處理，數據排序處理，異常值處理。人工智能可以利用數據挖掘和機器學習技術對數據質量進行評估，幫助發現數據中的異常，從而幫助審計人員及時發現數據中的問題和潛在風險。

五、結語

隨著大數據與人工智能技術的發展，應用人工智能技術并實施智能化審計是審計發展的必由之路。但就目前基層審計機關而言，應用人工智能還面臨人才稀缺、硬件配置、技術支撐和數據應用等方面的困境，基層審計機關和人員應在人才培養、部署服務器和設計人工智能模型等方面發力。同時借助人工智能技術中的自然語言處理、語音圖像識別和智能決策等技術，為審計數據的采集、分析和決策提供多樣化、智能化、系統化的途徑，降低審計人員的工作負擔，制定人工智能技術應用方法，構建人工智能審計應用實踐框架，并積極探索合適的審計應用場景，進而為審計技術應用賦能，促進審計高質量發展。