人工智能賦能審計：變革、挑戰與應對策略

一、引言

在數字化浪潮致使企業運營環境復雜、傳統審計方法捉襟見肘的背景下，人工智能技術為審計領域帶來新契機。研究其在審計中的應用，既有助于推動審計行業現代化、強化監督作用，又能促使審計人員素養提升。人工智能技術在審計領域的研究，國外起步早，在技術研發和實踐應用上成果頗豐，近年來，此項研究在國內也得到迅速發展，但國內外均面臨數據質量與安全、復合型人才短缺、技術融合困難等挑戰。本文綜合運用文獻研究法、案例分析法和對比分析法，將人工智能與審計全流程深度融合，結合前沿案例提供實踐指南，并對新興技術融合下的審計未來趨勢進行前瞻性探討。

二、人工智能與審計的相關概念

（一）人工智能的內涵與核心技術

人工智能（AI）旨在模擬、延伸人類智能，涵蓋機器學習、自然語言處理、計算機視覺、專家系統等領域，賦予機器感知、學習、決策等能力。機器學習通過構建算法從海量數據中探尋規律、預測趨勢，如利用歷史審計數據預測風險；自然語言處理助力計算機處理人類語言，從而快速提取審計文本關鍵信息；計算機視覺讓計算機識別圖像與視頻，提升審計資產盤點效率；專家系統模擬專家知識與決策過程，輔助審計人員決策。

（二）審計的基本概念與流程

審計是由國家授權或接受委托的專職機構和人員，依照國家法規、審計準則和會計理論，運用專門的方法，對被審計單位的財政、財務收支、經營管理活動及其相關資料的真實性、正確性、合規性、合法性、效益性進行審查和監督，評價經濟責任，鑒證經濟業務，用以維護財經法紀、改善經營管理、提高經濟效益的一項獨立性的經濟監督活動。審計按主體分為國家審計、內部審計和社會審計；按內容與目的，包括財務收支、經濟效益、經濟責任審計等。傳統審計包含準備、實施、完成階段：準備階段需充分了解被審計單位并編制計劃；實施階段需收集評估證據；完成階段則需編制報告、提出意見。審計具有經濟監督、鑒證和評價職能，是經濟社會的“經濟衛士”。

三、人工智能在審計中的應用實踐

（一）數據采集與整理的智能化

大型企業集團在開展內部審計時，傳統手工采集數據弊端重重。大型企業集團層級多、業務系統繁雜，審計人員手動登錄各系統導出數據，過程繁瑣，數據錄入易遺漏、出錯，影響質量。例如，擁有數十家子公司、上百個業務系統的某企業集團，在以往審計進行傳統數據采集整理時，往往需要多人團隊且耗時數周，引入基于機器人流程自動化（RPA）的人工智能采集工具后，情況大為改觀，數據采集可用機器人流程自動化精準抓取，數據分析則能借助機器學習算法挖掘異常。該工具依預設規則自動登錄業務系統抓取財務數據，能模擬人類操作下載數據，快速轉換Excel、CSV、XML等多種格式為統一格式，并利用算法校驗數據完整性與準確性，智能關聯不同系統數據，如匹配財務與采購管理系統、營銷管理系統、成本管理系統等數據。經實踐，人工智能可優化審計資源與時間利用，數據采集整理的智能算法時間從數周縮至數天，效率提升數倍，差錯率近乎為零。

（二）數據分析與風險預警的精準化

金融機構信貸審計，以往靠人工經驗和簡單財務指標難以精準識別違約風險。借助人工智能算法實時監測、動態分析構建預測模型，能夠整合如客戶信貸記錄、行業數據等內外部多源數據，可以提前預警，打破傳統事后監督局限。例如，某金融機構引入模型后，對數千筆信貸業務進行評估，精準識別數百筆高風險業務，違約損失率從 5% 降至 3% 左右。

企業交易審計面臨數據量大、模式復雜問題，引入人工智能數據分析系統，用聚類分析、關聯規則挖掘算法能夠進行多維度剖析。聚類分析聚合同類交易發現異常模式，關聯規則挖掘交易變量潛在關聯。例如，某電商企業借此發現疑似刷單異常交易，及時挽回數百萬經濟損失，保障交易真實性。

（三）審計知識管理的優化

審計團隊知識積累與傳承很重要，以往審計人員開展新項目時，從眾多歷史資料中找信息耗時久、知識復用率低。自然語言處理技術能夠提取審計方法、風險點等關鍵知識點，機器學習能夠識別知識點關聯，構建知識圖譜展示脈絡。引人人工智能知識管理系統，可以借助自然語言處理與機器學習技術挖掘歷史審計資料，系統依審計人員搜索、瀏覽等行為分析需求偏好，智能推送個性化知識。例如，某制造業企業審計人員在準備審計項自時，系統可以依其過往關注推送相關審計程序、風險點及案例。人工智能知識管理系統可以使項目準備時間從數天縮至數小時，知識復用率顯著提升，促進團隊知識傳承創新。

四、人工智能賦能審計的優勢

（一）提升審計效率

人工智能在數據處理速度上遠超傳統審計。在數據采集與整理環節，基于機器人流程自動化的工具可快速抓取、處理數據，使效率大幅提升。數據分析環節，傳統審計抽樣會受樣本局限，而審計流程自動化實現后，機器學習能通過全量數據分析精準定位異常，單個審計證據獲取與底稿編制時間大幅縮短，整體效率飛躍提升。

（二）提高審計準確度

人工智能憑借強大的數據處理與分析能力，能夠降低人為疏忽與主觀判斷導致的差錯，極大提高了審計的準確度。在數據分析中，機器學習模型依據歷史違約樣本持續學習優化，精準識別潛在違約風險特征。數據采集與整理階段，自動化工具確保數據一致性與完整性，減少人工采集錯誤，增加審計結論可靠性與可信度。

（三）拓展審計深度與廣度

在復雜的跨國集團審計中，人工智能跨越語言、法規等障礙，深人探究跨境業務實質，如能夠精準識別出通過轉移定價避稅疑點，使審計深度遠超傳統模式，為企業全球合規運營助力。在新興領域審計，如數字貨幣審計中，人工智能結合區塊鏈技術，能夠追蹤交易流向，識別風險，有效拓展審計邊界，應對新興業態挑戰，維護金融市場穩定。

五、人工智能審計面臨的挑戰

（一）技術層面的困境

機器學習算法作為人工智能審計的關鍵技術，雖具備強大的數據分析能力，但在實際應用中，可能因訓練數據偏差而導致對不同行業數據分析的誤判。例如，審計人員在對制造業企業進行審計時，若訓練數據集中包含過多特定區域或特定規模企業的數據，算法在分析其他區域或不同規模的制造業企業時，可能會得出不準確的結論。不同行業的業務模式、財務特征存在顯著差異，一旦訓練數據未能全面、準確地涵蓋這些差異，算法就難以適應復雜多變的審計場景。

圖像識別技術在資產盤點中也面臨諸多挑戰。在實際盤點場景中，光線條件不佳、資產擺放雜亂以及資產本身的磨損、變形等因素，都會影響圖像識別技術的準確性。如在倉庫環境中，若光線較暗，攝像頭采集的圖像可能模糊不清，導致圖像識別算法無法準確識別資產的種類和數量，進而影響資產盤點的準確性。

系統穩定性方面，隨著企業業務規模的擴大和對審計要求的提高，審計過程中需要處理的數據量呈指數級增長。在財務報告期末等審計高峰期，大量審計任務同時進行，數據并發量劇增，現有審計系統可能無法承受如此高的負載，致使系統出現卡頓、死機現象。例如，某大型會計師事務所，在每年的上市公司年報審計期間，由于眾多項目同時開展，數據處理需求猛增，審計系統頻繁出現卡頓，嚴重影響審計進程，甚至延誤報告出具，使企業管理層無法及時獲取審計結果，進而影響決策的及時性。

數據安全隱私保護難題突出。審計數據包含企業大量敏感信息，如財務報表、商業機密、客戶信息等，這些數據一旦泄露，將給企業帶來巨大損失。黑客攻擊手段日益復雜多樣，他們可能通過網絡漏洞、惡意軟件等方式入侵審計系統，竊取數據。內部人員違規操作也是數據安全的一大隱患。例如，某公司內部審計人員為謀取私利，利用職務之便將獲取的審計數據出售給競爭對手，導致企業在市場競爭中較為被動，嚴重動搖了審計數據安全基石。

（二）人才需求與供給的矛盾

當前，復合型人才短缺是制約人工智能審計發展的重要因素。在企業里，在傳統審計模式下，審計人員主要依靠財務知識和審計經驗開展工作。然而，隨著人工智能技術在審計領域的廣泛應用，智能審計、數據分析模型等工具出現，審計人員需要具備一定的技術知識，才能有效運用這些工具進行復雜數據分析與模型構建。但目前，大部分審計人員缺乏對機器學習、自然語言處理等人工智能技術的深入理解，難以將這些技術應用到實際審計工作中。在高校中，目前審計專業課程多側重于傳統審計理論與方法的教學，對人工智能技術相關課程的開設較少，導致學生在學校期間未能系統學習人工智能知識。

同時，高校審計專業課程設置與企業在職培訓對人工智能技術重視不足。企業在職培訓方面，由于培訓成本、時間安排等因素，對審計人員的人工智能技術培訓往往不夠深入，這使得人力市場上既懂審計業務又掌握人工智能技術的復合型人才供不應求。例如，某企業招聘人工智能審計相關崗位，招聘信息發布數月后，符合要求的應聘者寥寥無幾，限制了企業人工智能審計項目的推進。高校人才培養與市場需求脫節，學生畢業后難以快速適應審計崗位的人工智能技術需求。學生在學校學到的知識與實際工作中的應用存在差距，需要企業花費大量時間和成本對新入職員工進行再培訓，這在一定程度上阻礙了人工智能審計的發展。

（三）法規與監管的滯后性

當前審計相關法規多基于傳統審計模式構建，對人工智能審計應用規范涉及甚少。在數據使用方面，對于審計人員如何合法、合規地采集、存儲、使用企業數據，缺乏明確規定。在模型決策方面，當人工智能審計模型給出審計結論時，針對模型的可靠性評估、決策過程的透明度等，均沒有相應的法規要求。在責任界定方面，若審計結果出現錯誤，難以明確是算法開發者、數據提供者還是審計人員的責任。例如，某審計機構使用人工智能審計模型對企業進行審計，結果出現偏差，由于缺乏相關法規明確責任，導致各方相互推諉，影響了審計的公正性和權威性。

監管手段難以適應人工智能審計的動態、智能特性。人工智能審計過程中，數據流動速度快、算法運行復雜，傳統的監管手段難以實時監控數據流動與算法運行，數據篡改、算法偏見等潛在風險難以被及時察覺。同時，監管部門缺乏精通人工智能技術的專業人員，對復雜技術架構、算法邏輯理解有限。例如，在對某金融機構的人工智能審計監管中，監管人員由于對審計模型的算法邏輯不了解，無法判斷模型是否存在偏見，難以有效實施監管，制約了監管效能。因此，有關部門亟待完善法規、革新監管以護航人工智能審計新技術的應用。

（四）倫理與責任界定的模糊性

在利用機器學習算法進行審計決策時，模型依據數據特征給出結論，但其決策過程類似“黑箱”，審計人員難以解釋審計結論依據，這極大地影響了結論的可信度。例如，某企業在進行財務審計時，人工智能審計模型判定某筆交易存在風險，但審計人員無法從模型中獲取具體的判斷依據和推理過程，企業管理層對該結論產生質疑，影響了審計的權威性。

數據使用倫理方面，存在因過度采集數據、數據存儲與共享管控不善導致數據濫用的問題。部分審計機構為了追求全面的審計結果，可能會過度采集企業數據，超出實際審計需求。在數據存儲與共享過程中，若管控措施不到位，數據可能被非法獲取和濫用。這不僅損害了企業與個人權益，還沖擊了公眾對審計行業的信任。例如，曾有審計機構將采集到的企業數據泄露給第三方，用于商業營銷等非法用途，引發公眾對審計行業的信任危機。因此，有關部門亟須構建嚴密倫理規范，約束數據全生命周期行為，確保人工智能審計行穩致遠。

六、應對人工智能審計挑戰的策略

（一）技術攻關與創新

加大研發性投人對推動人工智能審計技術進步至關重要。政府層面，設立專項科研基金具有重大意義。政府可聯合科技部、財政部等多部門，整合資源，每年劃撥專項資金用于支持人工智能審計領域的科研項目。這些資金可重點投向審計數據安全加密算法研究、審計大數據高效存儲與處理技術研發等關鍵領域。同時，鼓勵高校、科研機構與企業開展產學研聯合攻關。例如，高校提供前沿的理論研究成果，科研機構負責技術驗證與轉化，企業則從實際應用場景出發，反饋需求并參與測試。通過這種緊密合作，有望解決審計數據易泄露、算法模型準確性待提升等技術難題。企業自身也應積極行動，增加內部研發預算，根據企業規模與業務需求，將研發預算占比提升至 5% 一 10% 不等。以大型會計師事務所為例，每年投入數千方元用于優化審計機器人算法，使其能更精準地識別財務報表中的異常數據。

建立人工智能審計聯合創新中心是整合資源的有效舉措。創新中心可匯聚來自包括計算機科學家、審計專家、數據分析師等不同領域的專業人才，并通過定期舉辦技術研討會、項目合作等方式，攻克技術瓶頸。例如，針對人工智能與現有審計信息系統難以無縫對接的問題，創新中心可組織跨學科團隊，開展為期數月的專項研究，開發適配接口與中間件，實現系統間的數據流暢交互。同時，積極與國內外科研機構、企業建立合作關系，促進成果轉化，通過技術轉讓、合作推廣等方式，將創新中心的科研成果快速應用到實際審計工作中。

加強國際合作交流同樣不可或缺。我國應積極組織審計領域的專家學者、企業代表參加國際人工智能審計學術會議，如每年舉辦的全球人工智能審計論壇。在會議上，與會人員要學習國外在審計數據隱私保護、智能審計模型優化等方面的先進技術與經驗。同時，鼓勵國內企業參與國際人工智能審計項目，如參與跨國企業的聯合審計，在實踐中提升我國人工智能審計的國際競爭力。

（二）完善人才培養體系

高校在人才培養中發揮著基礎性作用，需優化審計專業課程設置。除了傳統的審計學原理、財務審計等課程外，應增加人工智能相關必修課，如“人工智能與審計應用”“機器學習在審計中的實踐”等，在教學過程中，要結合實際審計案例進行教學。例如，引人某上市公司財務舞弊案例，利用人工智能算法對其財務數據進行分析，讓學生直觀了解人工智能如何發現潛在風險點。同時，加強校企合作，建立實習基地。高校可與知名會計師事務所、大型企業的審計部門合作，每年安排學生進行為期3一6個月的實習。在實習期間，學生可參與實際審計項目，接觸最新的人工智能審計工具與技術，將理論知識應用到實踐中。

企業作為人才應用的主體，要強化在職培訓，可定期邀請人工智能領域的專家、行業資深人士授課，舉辦系列講座，內容涵蓋人工智能技術發展趨勢、智能審計工具的深度應用等。

同時，開展智能審計工具操作培訓，針對企業使用的審計軟件、數據分析平臺等，組織員工進行集中培訓，通過模擬操作、案例演練等方式，確保員工熟練掌握工具使用技巧。為鼓勵員工提升技術水平，企業可設立激勵機制。例如，對通過人工智能相關職業資格考試的員工給予晉升機會或獎金獎勵，對在工作中創新應用人工智能技術取得顯著成效的團隊或個人進行表彰與獎勵。鼓勵審計人員自主學習，充分利用在線平臺、專業論壇更新知識。開設眾多人工智能與審計相關的課程，審計人員可利用業余時間進行學習。通過交流活動分享經驗、討論問題。行業協會應發揮組織協調作用，定期組織線上講座、知識分享活動。邀請行業內的領軍人物、技術專家進行線上授課，分享最新的行業動態、技術應用案例等。同時，建立線上學習社區，鼓勵審計人員在社區內交流學習心得，營造良好的學習氛圍。

（三）法規與監管同步跟進

立法機關完善人工智能審計法規迫在眉睫。在數據使用規則方面，應明確規定審計數據的采集范圍、存儲期限、使用權限等。例如，規定審計機構采集的數據只能用于審計，存儲期限不得超過5年，且在使用數據時需獲得數據所有者的明確授權。對于模型決策責任認定標準，要清晰界定當人工智能審計模型出現錯誤決策時，算法開發者、數據提供者、審計使用者各方應承擔的責任。在審計報告披露要求上，規定審計報告中需詳細說明人工智能技術的應用情況，包括使用的算法模型、數據來源、審計結果的可靠性評估等。監管部門需創新監管手段，運用大數據分析技術實時監測審計數據與模型運行，并建立監管平臺，對審計機構上傳的審計數據進行實時分析，監測數據的真實性、完整性。同時，對人工智能審計模型的運行情況進行跟蹤，評估模型的穩定性與準確性。為提升監管人員技術能力，監管部門應加強與科研機構合作，定期組織監管人員參加人工智能技術培訓，邀請高校、科研機構的專家進行授課，通過理論學習與實踐操作相結合的方式，使監管人員熟悉人工智能審計技術，更好地履行監管職責。

行業協會在規范職業行為方面發揮著重要作用，應修訂職業自律準則規范，引導審計機構合理應用人工智能。例如，規范審計機構在選擇人工智能審計工具時的標準，要求其對工具的安全性、可靠性進行評估；建立信用評價體系，對審計機構在人工智能審計應用中的合規性、專業性等方面進行評價，將評價結果向社會公開，促進行業健康發展。

（四）倫理框架的構建

建立倫理審查機制是確保人工智能技術在審計中合規應用的重要保障。在審計項目啟動前，審計項目組成立專門的倫理審查小組，小組成員包括審計專家、倫理學家、法律專業人士等。審查小組對人工智能技術應用方案進行全面審查，評估方案是否符合倫理道德標準，是否存在侵犯數據隱私、歧視性算法等問題，只有通過倫理審查的方案才能進入實施階段。同時，應明確算法開發者、數據提供者、審計使用者各方責任。算法開發者要確保算法的公正性、透明性，對算法設計缺陷導致的不良后果承擔責任；數據提供者要保證提供的數據真實、合法、合規，對數據質量問題負責；審計使用者要正確使用人工智能技術，對因不當使用導致的倫理問題承擔責任。通過簽訂責任協議等方式，確保出現倫理問題時能精準追責。

強化審計人員職業道德教育，將人工智能倫理納人培訓體系。企業在新員工人職培訓、在職人員繼續教育等培訓課程中，增加人工智能倫理相關內容，通過案例分析、專題講座等方式，增強審計人員倫理意識。

七、結論與展望

人工智能與審計深度融合帶來深刻變革。理論上，人工智能技術與審計流程適配，為審計發展提供理論支撐。實踐中，在審計各環節應用成效顯著，具有提升效率、增強準確性、拓展深度廣度、實現實時審計與持續監控等優勢，但也面臨技術、人才、法規監管、倫理等多方面挑戰。為此，本文提出技術攻關、人才培養、法規監管完善、倫理框架構建等應對策略。

未來，人工智能與審計融合將向更深層次、更廣領域拓展。技術上，量子計算與物聯網技術將助力審計實現超大規模數據快速處理與全流程實時監控。應用領域方面，環境審計、社會責任審計、跨境審計等將借助人工智能取得新突破。國際合作將更加緊密，各國將攜手制定全球準則，開展跨國技術研發合作，推動全球審計行業高質量發展，開啟智慧審計新篇章。

（作者單位：華潤置地控股有限公司，郵政編碼：518000，電子郵箱：383580868@qq.com）

主要參考文獻

[1]李興禹.數字化轉型視角下內部審計賦能新質生產力探究[].現代審計與會計，2025（2）：14-17

[2]吳旭東.以數字賦能推動重大水利工程審計高質量發展[J].審計觀察，2024（3）：10-15.

[3]謝娟.數字化賦能財務審計的價值意蘊及機遇[J].理財，2024（6）：22-23

[4]游財洪．研究型審計賦能基層審計機關高質量發展的思考[J].審計月刊，2024（11）：8-11