AI機器學習算法在通信運營企業建設項目審計中的應用探索

在國家“十四五”規劃和2035年遠景目標的引領下，中國移動自2021年起以“推進數智化轉型、實現高質量發展”為主線，全力推進智慧中臺構建，提升數智化轉型支撐水平。中國移動通信集團浙江有限公司（以下簡稱公司）致力于通過機器人、大數據分析、云計算、AI（人工智能）等多種技術手段，推動智慧審計縱深發展，高效開展內部審計項目。在通信工程建設審計方面，面對每年眾多的工程結算審計項目，內審部為提高審計效率、控制工程造價成本，已初步完成數智化管理新生態的搭建，并依托此生態開展AI機器學習算法研究，成功實現結算審計的自動抽樣復審和一審質量自動評估，助力數智化審計轉型。

通信運營企業建設項目審計的目標和內容

建設項目審計是公司內部審計工作的重要組成部分，在工程造價控制和投資成本節約方面發揮著關鍵作用。公司經過多年探索，初步實現了建設項自審計的數智化轉型，建立了全省建設項目審計“1215”數智化管理新生態，具體包括：

1個工作界面作為應用層，統一結算審計、二次復審、決算審計、質量檢查、全過程跟蹤審計五大工作類型的登錄界面和系統人口，實現一鍵登錄。

2大系統平臺作為平臺層，建設項目審管系統是基礎作業平臺和業務管理平臺，承載審計工作全流程及資料的上傳、存儲、共享和歸檔；智慧工程審計系統依據業務規則運算解析，輸出任務數據，賦能審管平臺。

1個制度倉庫作為基礎層，存儲相關制度和規范。

5項智慧應用作為能力層，在原有“結算審計智慧審減”“決算審計自動化比對”“現場踏勘實時采集”3項智慧應用的基礎上，又新增了“AI機器學習算法自動抽樣復審”和“AI一審打分”2項智慧應用。

新增的AI機器學習算法自動抽樣復審功能，通過智能抽樣優化了復審流程，降低了人工抽樣偏差風險。AI一審打分功能的開發進一步拓展了技術應用的深度，通過算法模型對審計結果的初步評估，為人工復核提供了科學參考，既縮短了審計周期，又提升了結論的客觀性。

AI技術的引人有效解決了通信工程項目數量龐大、單體規模小、流程復雜與審計資源有限的矛盾，通過智能化手段提升了審計效率與質量。

現狀與不足

公司每年委托合作一審單位進行約2萬個結算審計項目，一審完成后，約 12% 的項目由復審單位人工抽樣復審，剩余 88% 的項目由內部審計人員人工復核，以實現質量控制。（見圖1)然而，這種方式存在諸多不足：復審單位抽樣過程中，存在人為選取偏好，可能引發隱性腐敗風險，加之數據量大，導致人工抽樣耗時較長且效率低下。內部審計人員復核環節，面臨工作量大、任務重復性高的問題，導致效率低下，同時質量控制體系缺乏標準化。

解決方案

為解決上述問題，引人AI機器學習算法能力，開發AI一審打分模型和AI復審抽樣模型2項智慧應用，以大數據及AI技術為基礎，推動“AI+工程審計”的管理模式，實現質量管控和審計效率的提升。

首先，針對傳統審計中人工抽樣主觀性強、覆蓋面有限的問題，AI復審抽樣模型依托LightGBM（一款基于決策樹算法的分布式梯度提升框架）算法，通過對1.3萬個歷史項目數據的學習，實現了自動化抽樣決策。該模型不僅將復審抽樣從人工判斷轉為算法計算，確保樣本選擇的全面性與客觀性，更顯著降低了中介機構的工作負荷，使審計資源得以優化配置。其次，AI一審打分模型通過提煉19名審計骨干對2.5萬個項目的人工評分經驗，將隱性知識轉化為可量化在工程結算項目中，一審項目結束后會由二審單位自行挑選部分項目，二審單位所挑選項目，并根據再核減率來評價一審審計質的機器學習標簽，為未復審的一審項目提供質量評估參考。再次，數據基石的構建是2項應用落地的關鍵前提。通過結構化處理全門類歷史數據，提取關鍵信息并統一存儲標準，形成了涵蓋5年項目記錄的數據庫，為算法訓練提供了高質量原料。最后，技術選型充分考慮了通信行業審計場景的特殊性。LightGBM算法憑借其分布式梯度提升決策樹的優勢，在保證模型解釋性的同時，能夠高效處理海量非均衡數據，其分類效果經初步驗證完全滿足抽樣決策的精準度要求。

AI機器學習算法在通信運營企業建設項目審計中的應用機理

一、AI機器學習算法自動抽樣復審項目

該模型采用成熟的機器學習算法對復審項目進行自動抽樣，減輕人工抽樣工作量，保證抽樣合理性和全面性。實現過程包括數據導人及預處理、特征工程、分類標簽創建、模型訓練及預測等步驟，通過LightGBM分類算法對工程項自數據進行分類，確定抽樣復審項目，并在智慧工程審計系統中以可視化視圖展示模型評價和輸出結果，為審計人員提供直觀參考。

二、AI技術方法的運用

該模型在實現過程中采用了多項技術方法，包括通過文檔數據結構化錄人研究，成功將批量工程項目審計的審定表結構化錄人至智慧工程審計系統中；利用LightGBM分類算法、分類標簽、特征工程等多項技術，對審定表數據進行處理，實現對建設項目的自動歸類；通過自動計算已抽樣項目的準確率、召回率、精準率、F1值，對模型效果進行分析、評估和展示，從而保證所抽樣項目滿足復審要求，并可據此數據進行反饋優化，提高后續模型輸出準確率。

三、模型實現過程

該模型具體實現過程如下：首先，數據導人與預處理階段奠定了模型運行的底層基礎，通過系統化導入表單數據并執行深度清洗，有效剔除冗余信息并修補缺失值，確保輸人數據的完整性與準確性，這一步驟如同為高樓大廈夯實地基，直接決定了后續分析的可靠性。其次，特征工程環節彰顯了業務理解與技術落地的協同價值，基于審計專家經驗深入分析字段相關性，運用函數精準提取審定表中的數值特征，將錯綜復雜的工程項目數據轉化為可量化的分類指標，實現了業務邏輯向算法語言的科學轉化。再次，分類標簽生成階段體現了AI算法的核心價值，通過機器學習對歷史正負分類項目特征數據的深度挖掘，構建出具有判別力的決策規則，不僅自動完成待抽樣項目的智能分類，更通過智慧審計系統前臺的直觀展示，為審計人員提供了兼具效率與透明度的決策支持工具。最后，模型訓練與預測環節形成了閉環優化的管理機制，通過持續的任務訓練與參數調整不斷提升算法精度，并以預測結果與實際審計結論的交叉驗證，動態評估模型性能，確保技術應用始終貼合業務需求。

四、平臺系統的可視化視圖展示

智慧工程審計系統中模型輸出界面包含模型評價和模型輸出兩部分，為審計人員提供直觀展示，體現實際復審情況與AI模型預測情況的統計結果。

模型評價包含混淆矩陣和評價指標?；煜仃嚨目茖W呈現，將抽象的算法性能轉化為審計人員可直觀理解的統計結果，其中預測與實際結果的四類組合關系不僅清晰地展現了AI模型的判斷邏輯，更通過準確率、召回率等指標量化了模型的專業適配度，使技術可靠性具備了可測量、可驗證的管理屬性。

評價指標的計算公式嵌人設計體現了技術透明性原則，審計人員既能掌握模型的整體表現，又能深入理解各指標間的制約關系，這種透明化機制有效消除了人工智能應用的“黑箱”疑慮，增強了技術成果的決策可信度。

模型輸出模塊采用“總一分”式的數據展示架構，從地市級統計概覽到具體項目的預測明細，既滿足了管理層對區域性審計質量的宏觀把控需求，又為執行層提供了項目級別的細顆粒度分析依據，特別是人工審定與預測結果的審減率對比，直觀揭示了AI模型與人工經驗的價值互補性。

五、AI一審打分項目

該模型充分利用復審中介在二次復核一審項自過程中積累的審計質量評價經驗，運用AI機器學習算法自動對全量一審項目進行5級打分，實現標準化質量評價。在工程結算項自審定表已結構化錄入智慧工程審計系統的基礎上，利用LightGBM分類算法、A/B測試、陪跑模型等技術方法，將復審經驗總結成打分細則并轉化為算法打分。具體實現過程包括錄人文檔標準化、機器學習人工打分標簽、AI一審打分建模分析及模型調優等步驟，通過不斷優化模型，提高打分準確性和可靠性。

AI機器學習算法在通信運營企業建設項目審計中的應用案例分析

一、AI機器學習算法自動抽樣復審模型使用情況

AI復審自動抽樣模型已實現全省覆蓋，年推送項目約2500個，復審再審減率從1.98PP提升至2.20PP ，有效克服了人工抽樣效率低、人為選取偏好及隱性腐敗風險等弊端。這一進步得益于人工智能技術的引入，不僅提高了審計工作的效率和準確性，還通過標準化方法減少了審計過程中的主觀偏差和風險。

二、AI一審打分模型使用情況

AI一審打分模型在建設項自審計管理系統上線，為約1.8萬個結算一審審計項目提供5級打分評估質量，顯著提升了審計效率和準確性，同時降低了審計成本和風險，實現了委托審計質量控制的標準化。目前，該模型與AI復審自動抽樣模型交叉驗證、內審審計員驗證，不斷提升模型有效性。

AI機器學習算法在通信運營企業建設項目審計中的應用前景分析

一、對數智化建設項目審計的AI在機器學習算法應用的其他探索方向

本次成功打通了機器學習技術流程，所用算法研究和DataMaster機器學習平臺可復用于審計領域的其他機器學習項目，如高風險業務單的抽樣方法。結合標準化文檔接人和AI一審打分模型，探索建設項目審計的自動化，目標是實現送審單位提交標準化文檔后，AI自動審計并出具報告。目前，該項目已申請一項專利《一種基于人工智能技術的提升工程結算審計審減質量的方法》，該專利解決了海量工單從手工到AI自動輔助審核的問題，具有實用價值。隨著DeepSeek等大語言模型的推出，我們可基于這些模型，利用公司項目數據進行訓練，打造專為通信行業建設項目審計設計的智能體，這將具有極大的應用價值。

二、AI機器學習算法與審計人員協作模式探討

AI機器學習算法的應用不僅不會削弱審計人員的角色，反而為他們提供了強天的工具，推動了審計工作方式的革新。未來，AI與審計人員將形成緊密的協作模式。在審計項目前期，審計人員可以利用AI算法快速篩選和分析海量數據，確定審計重點和潛在風險點。AI的自動抽樣復審功能能夠幫助審計人員更科學地選取樣本，提高審計效率。在審計過程中，審計人員可以借助AI一審打分模型評估一審質量，為后續審計工作提供參考。審計人員的專業知識和實踐經驗可以對AI模型的輸出結果進行驗證和補充。例如，當AI模型識別出高風險項目時，審計人員可以運用專業判斷，深人調查這些項目，挖掘潛在問題。在審計項自后期，審計人員可以利用AI技術綜合分析審計結果，生成更詳細、準確的審計報告。同時，審計人員還可以根據實際審計情況，為AI模型提供反饋，幫助模型不斷優化和完善。這種人機協作模式將充分發揮AI和審計人員的優勢，提升審計工作的質量和效率，為通信運營企業的健康發展提供有力的保障。

綜上所述，AI機器學習算法的應用，在審計精細化管理、風險防控以及降本增效方面發揮了積極的作用。AI機器學習算法項自的成功嘗試，一方面為建設項目審計數智化轉型升級提供了技術支撐，另一方面提供了可復制的經驗路徑和參考價值。（作者單位：中國移動通信集團浙江有限公司）

（責任編輯：吳輝）