人工智能审计的风险控制探析

作者简介：罗先儒（1996-），女，满族，四川泸州人。主要研究方向：审计。

摘要：审计作为国家和社会监管的最主要途径之一，必须与人工智能技术相结合才能更好的监管和促进各部门各企业的良性发展。在对现有的运用实例进行分析后，本文概括了在审计运用人工智能技术的过程中存在的三个风险：数据安全风险、人机沟通障碍风险、人工智能代替职业判断的风险，并针对这些风险提出了相应的应对措施：加密和区块链技术、数据可视化、机器学习与审计经验结合。

关键词：审计风险、人工智能、风险控制

人工智能（ artificial intelligence ）英文简称AI ，是一种通过普遍使用的计算机编程软件来模拟和呈现出模拟人类智能的科学技术。人工智能的概念最早在1956年被提出，在经过多年的研究和应用发展后，目前的人工智能已经应用在生产和生活的各个方面，例如制造企业的自动化生产线、物流行业的智能匹配配送系统等。而审计作为社会治理中重要的一环，也必然需要进入到审计智能化领域中，智能化的审计管理模式和科学化的技术手段不仅有助于实现审计的全覆盖、提升审计效率、延伸审计内涵。但在智能审计的不断发展中，由于新的审计技术带来新型风险也不断暴露，想要更好地在审计中运用人工智能技术，正确识别风险并提出相应的解决办法是必不可少的。

1.人工智能在审计中的运用情况

1.1人工智能在审计中运用的理论基础

1956年8月，人工智能在美国达特茅斯会议上被正式提出。直至近十年来，计算机和芯片行业的发展，存储条件、处理器性能的更新以及新型技术手段的出现才为人工智能领域奠定了基础。2017年，国务院办公厅正式印发的《新一代人工智能发展规划》，提出的主要面向2030年的关于推进推动我国新型下一代工业人工智能产业发展的主要战略目标之一是加快推进建立一个创新型工业国家和大力推进建设世界性的高新技术产业强国（中华人民共和国中央人民政府，2017）。

随着越来越多的行业与人工智能技术的融合，审计作为国家和社会监管的最主要途径之一，也必须与人工智能技术相适应才能更好的监管和促进各部门各企业的良性发展。人工智能技术的应用，使审计人员从重复性较强的数据计算处理、分析等工作中解脱出来，审计人员可以更好地从事其他重要工作（杨明增等，2015;Agnew，2016）。此外，智能审计借助于人工智能技术既可以对审计的流程和模式自主学习，也能够通过实时监测及时发现异常情况并进行处理（陈莉，2019）。

我国传统审计流程主要分为三个阶段，即审计计划阶段、审计实施阶段和审计结束阶段。在与人工智能技术相结合后，这三个阶段的模式发生了一定的改变。在审计计划阶段，人工智能技术可以帮助审计人员从多渠道，以内外部结合的方式获取信息，分析被审计单位的内外部环境、风险水平、重要性水平等因素，同时根据审计机构的人力资源数据，分析匹配最合适该项目的审计小组，确定审计范围和时间。在审计实施阶段，人工智能主要可以用于审计证据的获取和工作底稿的自动生成。除了通过直接链接被审计单位财务系统外，还可以利用数据挖掘和OCR技术等将非结构化数据转换成易分析审计证据。同时结合了人工智能的持续监测、实时数据记录和区块链技术，可以自动定时地生成审计日志，降低数据被篡改的风险。此外还可以通过提前设置或自动抓取审计文书模板的方式，自动生成审计通知书、函证书等。在审计结束阶段可以根据审计过程和以前的审计结论自动生成审计报告和整改方案。

1.2人工智能在审计中运用的实例分析

实际上，国际四大会计师事务所对于智能化的审计已经进行了一些探索，例如德勤在2017年推出的智能财务机器人"小勤人"，随后又推出了主要面向中小会计师事务所的智能审计平台，在这个平台上审计人员可以在输入审计数据和需求之后，由平台自动分析审计风险并生成审计报告。通过对德勤公开案例的研究发现其在风险评估和选择应对措施方面遵循的还是如图1所示的基本逻辑。但在数据收集方面则基本交由“人工智能”来进行，有效地提升了工作效率，根据德勤消息，其有效地减少了审查法律合同文件，发票，财务报表和董事会会议记录的时间达50%以上。

而毕马威开发的"人工智能信贷审阅工具"则更为详尽的描述了人工智能技术如何与审计过程相结合。其主要功能如图2 所示。首先，利用自然语言处理技术实现信贷文本的批量秒读，和自动化快速分类。其次，识别信贷文本与相关资料中的重要信息，实现对自动化摘要处理。再次，利用深度学习模型，自动识别资料中包含的各类风险信号，提取对应的关键风险信息。随后，运用大数据技术收集整合金融机构内部和外部数据，深度挖掘风险点，进行多维度风险信息分析。最后，可视化展示内外部整合数据的风险信息，提供更直观、更具洞察力的辅助决策。

总的来讲，人工智能技术在审计中运用，可以根据对各种业务类型的划分归纳，自动对所涉及的业务数据和财务数据进行了采集、初步处理、分析及实时监测，自动地产生各种预测和应急预警的信息，为被审计的项目提供了线索及相关资料;这些措施有利于审计人员明确审计的重点与审计范围，科学地安排年度审计工作，将有限量的审计资源合理配置投入至公司经营业务中存在较大风险的领域，实现了审计管理工作的科学化、信息化、规范化。

2人工智能审计带来的新型风险

大数据审计是指面对大量的数据，运用大数据技术方法和工具，开展多层次、多部门联合的数据收集、分析和验证。与传统审计相比较，大数据审计所使用的数据更多源复杂，所使用的技术方法更科学高级。而人工智能审计则是在大数据审计的基础上，将审计过程智能化和标准化，可以说大數据是人工智能审计的基础，而人工智能是大数据审计的未来提升的必然方向。而在这种发展衍生的过程中，通过分析发现会面临以下三种新型风险：

4.1数据安全风险

人工智能审计的所有构建都基于大量的数据和数据模型，所以数据安全风险既包括数据源获取是否准确与全面的风险，也包括数据泄露的风险。

我国目前各地管理标准不一、信息化智能化建设水平差异较大、各地和各部门出于信息安全性考虑对大部分数据保密等情况，造成了各级审计机关之间、审计机构与被审计单位之间数据流通不畅的问题。并且在大数据时代，信息量巨大，信息结构复杂，网络中充斥着大量的虚假信息、错误信息，如果数据源出现错漏，将影响整个审计过程和审计结果。而在进行数据储存和传输的整个过程中，一旦用户的数据库和服务器遭到黑客的袭击，很有可能就会造成数据泄露。例如，成本和原材料等信息如果被外泄，该个企业会在供应链的定价战略等诸多方面陷入被动的状态。

4.2人机沟通障碍风险

在审计中的人机沟通的目标就是为了使得用户和计算机软件之间能够做到尽可能方便地进行信息交换。然而目前审计机构的审计方法大多都停留在基于SQL的数据查询和基于电子表格软件的数据查询两個层面。然而这两种方法都有其无法避免的不足之处。

在SQL的数据查询方法中，需要根据不同的问题特征编写较为复杂SQL语句，这对于审计人员的电脑和编程能力有很高的要求;而这种分析的结果通常以二维表格展示，当所得到的结果数据量较多时，无法直观的展示筛查结果。而在基于电子表格软件的数据查询中，大多软件无法对大量的数据进行分析，同时半结构化的数据也很难用到传统的电子表格进行分析。而当今数据量不断扩大，数据类型和结构也更加复杂，很显然电子表格软件已经无法完全满足对于大数据审计工作的需求。

4.3人工智能代替职业判断的风险

审计的职业判断，是指审计人员在对于审计准则、财务报表的编制及其职业道德操守进行熟悉和掌握的基础上，将其相关知识、技术以及实战经验进行综合应用并针对具体审计业务做出的一种有根据性地决定的判断。

目前的人工智能技术运用水平下，人工智能的运行还是要依赖以往的经验判断和设定的程序语言，再通过高速的运算，最终做出类人的行为。无法取代人脑的创造性解决问题的能力和对新事物探索定义问题的能力。尤其在被审计单位或人员不配合、刻意隐瞒作假、行为言语有异常引起审计人员警惕的情况时，人工智能则完全无法对审计人员起到替代作用。在不能够保证所有被审计单位都对审计机构保持绝对信任和完全的数据共享的前提下，人工智能想要完全取代审计人员，代替审计人员的职业判断，还需要在技术和制度两方面都作出更多的努力。

3人工智能审计新型风险的应对措施

5.1靶向数据安全风险：加密技术和“区块链+审计”

针对数据安全问题，加密及安全技术的发展，比如，基于数据仓储单元的信息安全技术，查询方凭借设定的访问授权才能对所指定的数据记录或者是数据库中的文件进行查询。伴随着大量的数据搜索收集及分析，查询方的组织属性、访问类别等信息将以"安全标签"的形式嵌人至其中的原始数据，形成唯一的新型数据单元结构。将大量的数据仓储单元安全技术综合运用于监督信息共享的平台，可以直接通过对访问授权的方式进行控制，从而有效地保证了原始数据的采集存储、流通等相关信息的完整性及其安全，使得审计过程和审计成果的应用可以变得更加高效、便捷。

而区块链技术是一种基于去中心化的全新分布式记帐技术，区块链的去中心化特点，减轻了存储审计数据的管理压力，降低了审计数据存储的安全风险。同时，区块链也充分利用了时间戳技术来有效保障本地客户端与远程移动终端之间的数据实时更新顺序完全相符。时间戳技术能够直接作为对区块数据"存在性"和“真实性”的事实证明，确保了应用该技术的审计系统的安全性和可靠性以及相关信息准确真实性，大大增加了审计抵御技术风险和辨别真伪能力。

5.2靶向人机沟通障碍风险：数据可视化

数据可视化的应用在很大一定程度上解决了数据分析技术难度高和分析结果不直观的问题，数据可视化主要是通过各种易于理解的手段，将复杂的数据显示出来，从而能够清晰有效地直接表达出数据中的信息，审计人员通过数据可视化就能发现隐藏在数据之下的规律。基于SQL的查询方法、基于电子表格的查询方法，以及基于数据可视化分析方法的主要优缺点如下表见表2所示。

在对交通运输、地理资源、环境保护等领域进行审计时，其业务数据包括融合了几何、像素信息的图形和影像数据。此时，数据可视化分析的优势就体现在：第一，它拥有友好的人机交互功能，可以实现数据分析的操作只需系统页面的简单点击就可完成。第二，它具有丰富的图象化功能，有助于审计人员掌握审计要求和重点。第三，其具有强大的图形分析技术，可以交互地构建和调节曲线、表面、节点等各种数学模型，可以替代一部分编程工作，提取异常的数据。

5.3靶向人工智能代替职业判断风险：机器学习与审计经验结合

机器学习是现代人工智能的一个重要组成部分，它使分析模型的建立进入自动化的程序。机器学习用模型进行数据分析，其预测是否可靠，依赖于它所输入的历史资料质量。所以，人的偏好可能影响到为了训练人工智能所需要选择的数据集、为过程所选择的计算方法和对输出进行诠释。

而为了使得审计智能化和自动化，不仅要及时地搜集到所有审计的数据，还要反复进行数据处理，推导得到可以广泛应用的公式，在数据库的选择与筛选中，任何一个数据如果出现错误都有可能直接造成最终分析结论准确性的下降，但人工智能在其现有的信息化和科技水平之下，无法通过自主机器学习的方式来弥补其中这一缺陷，换句话说，目前人们只能通过培训提升审计人员的业务水平和职业道德，减少甚至消除了劣质数据的形成和产生，再通过对数据的存储分析来积累优质审计人员和专家的经验，以此来应对人工智能无法代替职业判断的风险。

参考文献：

[1]杨明增，任庆玲.现代风险导向审计模式运用及其研究[J].中国注册会计师，2015（03）：95-99+3.

[2]陈莉.加快会计师事务所信息化建设的六大任务[J].中国注册会计师，2019（11）：34-35.

[3]李强，谢汶莉.大数据审计中的可视分析[J].中国内部审计，2016（02）：79-86.

[4]宋夏云，周琬宇.大数据视角下智能审计取证模式研究[J].中国内部审计，2018（12）：71-74.

[5]许汉友，汪璐璐.智能审计本质之问[J].商业会计，2020（23）：4-8.

[6].国务院印发《新一代人工智能发展规划》[J].广播电视信息，2017（08）：17.

[7]陈少东.人工智能“秒读”信贷文档，毕马威助力金融业审计转型[EB/OL].毕马威中国，2018-08-10.