基于IPA技术的审计认知模型构建与应用研究

江其玟 关心

步入数智时代，“科技强审”成为审计行业的显著特征。随着“大智移云物区”等新兴技术的发展，传统审计模式的局限性和现代风险导向审计模型的不适应性日益凸显。数据数量与日俱增的同时，数据结构也呈复杂化趋势，数据非结构化特征明显，半结构化、非结构化数据增长速度快于结构化数据增长速度（刘杰等，2019）。Costonis（2013）指出，在大数据时代，审计面临的主要难题转变为数据结构的复杂性与数据选择的多样性，因此需要相应地改变审计技术与方法。为顺应时代要求，打造智能审计，会计师事务所须基于信息技术创新审计技术、模型、方法。当前人工智能虽处于起步阶段，但由弱人工智能阶段向强人工智能阶段过渡是必然趋势（韦德洪等，2022）。加之企业财务开始从信息化阶段逐步向智能化阶段发展，面对审计客体的信息化、智能化，作为审计主体的会计师事务所创新现代化手段辅助审计工作对于行业发展而言可谓至关重要。IPA（Intelligent Process Automation，智能流程自动化）这一新兴技术在各类实务界获得广泛关注，审计行业也不例外。已有文献主要从IPA技术的两个关键要素RPA（Robotic Process Automation，机器人流程自动化）和AI（Artificial Intelligence，人工智能）分别探讨与审计的结合，但很少从综合的角度开展研讨。本文将RPA技术和AI技术整合成IPA技术，基于IPA技术系统探索审计认知模型构建，以期在数智时代的人机共生环境下实现人机协同的审计新模式，从而为提升审计质量、降低审计风险、避免审计失败、实现更高层次的人机协同提供新思路。

一、相关技术及理念支撑

（一）相关技术及概念

1.IPA技术。IPA通过结合RPA、AI及其他新兴技术实现了灵活和智能的自动化（ZHANG CY，2019），已连续两年位列影响中国会计人员的十大信息技术（刘安天，2021；刘海玲，2022）。其愿景基于RPA更上一层，可实现复杂审计任务由自动化到智能化的飞跃（江其玟等，2022）。与RPA机器人不同的是，IPA机器人可以进行智能判断、决策，更好推进流程的顺利执行。从数字化内核角度出发，IPA属于连接类型的技术；从数字化影响视角分类，IPA属于提升效率类型的技术（田高良，2022）。

2.RPA技术。IEEE（IEEE Corporate Advisory Group，2017）将RPA定义为在一个或多个不相关的软件系统中预配置的软件实例，根据业务规则和预定义的活动编排自动完成一系列流程、活动、事务和任务，并提供人为例外管理的结果或服务。将RPA技术应用于审计工作可重塑业务模式，优化业务流程，进而降本增效，使审计师集中精力于风险更高的审计任务（程平，2021）。组织与业务数字变革演进视角下RPA的发展演进模型为：由部分自动化演进为全自主自动化，继而演进为智能辅助流程作业，最终演进为全智能流程作业。以上四个阶段的应用场景流程复杂度、业务渗透率、机器人的理想技术效能比不断升高。

3.AI技术。人工智能是研究、开发用于模拟、延伸和扩展人的智慧的理论、方法、技术及应用系统的一门新的技术科学。其特征包括如下两个方面：由人类设计，为人类服务，本质为计算，基础为数据；能感知环境，能产生反应，能与人交互，能与人互补（中国电子技术标准化研究院，2018）。人工智能可对人的意识、思维过程进行模拟，将其应用于注册会计师审计，是落实科技强审的内在要求（王海兵，2022）。当前，人工智能与内部审计的结合尚不紧密，应用研究尚处于初级阶段，有必要在理论领域加强研究，在实务领域深化应用。

（二）IPA技术与RPA技术、AI技术间的关系

RPA解决的是基于规则、重复性的结构化任务；AI则是赋予审计机器人一定认知，解决的是半结构化、非结构化任务。而IPA主要结合了RPA、AI技术并辅以“大智移云物区”等其他技术（见图1 ）。IPA审计认知机器人可实现技术间的优势互补，给RPA这一“手”赋予认知能力，为AI这一“脑”赋予行动能力，以便“手脑”协同作业，减少人为例外管理，使得审计人员有更多时间投身到非传统审计领域，去提供个性化审计服务。IPA通过借助AI技术对RPA软件进行赋能，以及技术共融协同使其具备与人类一样的辨别、分析、推理和学习能力，能够更加高效地对数据进行收集、处理和分析，同时可自动化、智能化、自主化地模拟人类行事风格和思维模式来进行工作与决策。

图1 IPA技术与RPA技术、AI技术的关系

二、基于IPA技术的审计认知模型构建

（一）基于IPA技术的审计认知模型构建理念

基于IPA技术的审计认知模型是以RPA为基础的审计模型在认知方面的突破而非简单的技术加成，本质上是为数智时代下基于IPA技术的人机共生审计模式服务。该模型从人的需求出发，致力于更好进行审计工作以满足审计方及各类审计对象需求，体现出以人为本和人机协同共生的理念。

1.以人为本理念。随着互联网等技术的发展，数据已然成为第五大生产要素并逐渐被视为一种极为重要的资产，审计客体的数字化推动着传统审计行业的审计主体在进行审计工作时从抽样审计向数据审计、全样本审计方向转变。“互联网+”时代的一大特征就是以用户体验为导向（秦荣生，2016），更加注重以人为本，反映在审计服务方面就是要满足被审计对象的个性化需求。由此在传统审计业务的基础上延伸出了个性化审计报告、绿色低碳审计等多种非传统审计业务。鉴于此，构建模型时应考虑囊括传统审计业务和非传统审计业务。

2.人机协同理念。审计人机协同是指协调审计人员及审计机器人协同一致地完成审计目标的完整过程，其本质是目标导向。在该过程中，既可以由审计师和审计机器人共同完成同一项作业，也可以由审计机器人在整个审计过程的个别环节独立完成智能化作业，而其他环节由审计师完成，实现人机无缝配合。通过人机协同，提升审计效率，实现“1+1＞2”的审计工作价值协同增值效果。人机协同既体现在非结构化任务向半结构化、结构化任务转换的过程，又体现在三类任务的处理过程中。

（二）基于IPA技术的审计认知模型描述

基于上述理念，通过借助IPA技术赋予RPA审计机器人认知能力，构建基于IPA技术的审计认知模型（见图2）。该模型将现代审计业务划分为传统审计业务以及非传统审计业务（拓展业务）。在传统审计业务部分，结合现代风险导向审计模型，将完整审计过程划分为审前调查阶段、审计准备阶段（含制定总体审计策略和具体审计计划）、审计实施阶段（含风险评估程序、控制测试和实质性程序）和审计终结阶段（含终结审计和审计报告）。在非传统审计业务部分，则将其划分为初期和后期两个阶段。

图2 基于IPA技术的审计认知模型

1.横向来看，该模型将传统、非传统审计业务的各阶段审计任务划分为可智能化审计任务和不可智能化审计任务两部分进行处理。可智能化审计任务由IPA审计认知机器人和注册会计师协同完成。具体而言，针对结构化任务，可直接通过IPA技术来进行处理，审计师只需进行系统维护、关键风险点把控和异常情况排查即可；针对半结构化、非结构化任务，则借助IPA审计机器人已有认知来进行职业判断将其处理为结构化任务，而后依赖IPA技术和审计人员职业判断来进行任务处理。相较而言，结构化任务对审计人员高级职业判断的依赖程度较低，而半结构化、非结构化任务则要求审计人员具有更高的参与度。不可智能化审计任务由审计师完成。该类任务对职业判断能力的等级要求更高，依IPA技术的现有认知水平，目前无法完全具备执行审计职业道德准则的能力，因此也就无法应用IPA技术，必须要依赖注册会计师做出职业判断。

2.纵向来看，传统审计业务的可智能化程度较高，对IPA审计认知机器人的依赖程度较高，对审计人员的依赖度相对而言较低；非传统审计业务在发展初期可智能化任务占比较低，更多依赖审计师进行任务处理，而到了发展后期，随着技术成熟和业务流程稳定，任务的可智能化程度逐渐趋于传统审计业务。

3.分别来看，针对传统审计业务，从审前调查阶段、审计准备阶段、审计实施阶段到审计终结阶段，以IPA审计认知机器人进行重复性流程和初级职业判断为主，辅以人为例外管理进行高级职业判断，各阶段可智能化程度视具体业务内容有所不同。例如针对传统审计报告，鉴于其业务内容模板化、业务流程成熟化的特点，可考虑更多地借助IPA技术来进行。针对非传统审计业务，IPA审计认知机器人在不同审计场景的应用深度随着新业务的发展成熟度而不断深入，具体表现在：在新业务拓展起步阶段，业务处理需要依赖审计人员人为管理制定审计策略和计划并逐步执行，在整个业务流程中遇到与传统审计业务相似的业务可以通过IPA技术来处理，该阶段的人工处理比重较高；而在新业务拓展后续阶段，通过不断提升技术水平、增强软件平台学习认知能力以及不断通过机器学习熟练应用场景，IPA审计认知机器人可高熟练度处理现有新业务场景，其任务比重将会获得持续提升，届时对审计人员依赖度将会进一步下降。如针对个性化审计报告，考虑到其对认知程度要求更高、业务流程尚未程式化，可先由注册会计师人为管理主导，而后随着IPA软件平台认知能力的不断提升逐步由智能化流程接手。

值得关注的是，无论是传统审计业务还是非传统审计业务，其各流程阶段、发展阶段的可智能化任务比重均随着模型认知能力的提升和任务处理方法的改变而动态调整。

三、基于IPA技术的审计认知模型应用场景及实施路径

（一）基于IPA技术的审计认知模型应用场景分析

针对上述审计认知模型的应用从审计信息收集及处理、审计范围确定、审计信息分析及审计信息输出四个方面出发分别给出相应的场景。

1.审计信息收集及处理：自然资源资产审计。自然资源资产审计不同于一般的财务报表审计，其具有点多、面广、专业性强三大特点，数据结构类型多样，数据量庞大（潘琰等，2019），不仅需要专业的审计知识和技能，也讲究科学高效的审计方法。传统的自然资源资产审计主要依靠审计人员实地勘察，利用无人机、卫星遥感技术进行信息收集，而后将不可智能化审计任务剥离，借助审计师的职业判断来进行信息处理，针对余下的可智能化审计任务，通过借助IPA审计认知机器人，将图片、文本、视频等半结构化、非结构化数据处理成结构化数据，利用RPA技术准确高效处理海量结构化数据。

2.审计范围确定：信息系统审计。信息技术环境下，被审计单位逐步改变传统手工记账方式和手工会计系统，审计线索发生改变，审计手段和内容相应地也需要改变。在确定信息系统审计范围时，需要结合被审计单位业务流程复杂度、信息系统复杂度、系统交易数量和业务对系统的依赖程度、信息和复杂计算的数量、信息技术环境规模和复杂度五个方面适当考虑。针对业务流程复杂度和信息系统复杂度的评估需要大量职业判断，暂时属于不可智能化审计任务，需要借助人工进行任务处理；而交易数量信息技术及其环境复杂度主要考虑信息系统数量、部门结构与规模等，属于可智能化审计任务，主要借助IPA技术进行信息处理，仅在关键节点及异常情况部署审计师即可。

3.审计信息分析：合并财务报表审计。合并报表审计审计主体复杂，编制基础及方法特殊，传统人工审计效率低、难度大、出错率高。借助IPA审计认知模型，采集母子公司审计后报表及合并报表信息并进行重新计算处理后比对，针对一致结果进行抽样检查复核，异常结果则根据模型已有认知进行错因分析及更正，未能归因的错误成为该阶段不可智能化的审计任务，需介入人工分析。进行会计政策、会计估计变更的部分列为关键风险点，部署人工辅助审计任务进行。

4.审计信息输出：个性化审计任务。审计师除提交财务报表的审计报告外，还可能在税务、经营、战略、内控方面为客户出具有针对性的管理建议书，帮助客户提升经营管理水平（张敏等，2021），该类业务属于个性化审计任务，其可智能化程度多低于传统审计任务。针对该类业务，借助IPA审计认知模型，识别出客户所需信息辅以人工判断，确定好信息名录后将审计过程中涉及到的信息进行挖掘并填充，针对审计过程未能涉及到的信息，首先依赖认知判断是否可以通过IPA处理得到，将不可处理信息列入不可智能化审计任务，生成清单提醒审计师人工介入处理，余下信息则进入智能流程进行智能化处理，最后整合得到完整建议书。待业务完成后模型会针对本次不可智能化审计任务进行认知学习，不断提升可智能化任务比重。

基于IPA技术的审计认知模型的应用从智能辅助流程作业向全流程智能作业方向不断演进，其在上述应用场景流程复杂度、业务渗透率等将会随着技术成熟而不断提升（表1）。

表1 基于IPA技术的审计认知模型应用演进

（二）基于IPA技术的审计认知模型实施路径

实施IPA审计认知模型要求会计师事务所需从组织视角出发转变思维、调整架构，并且基于业务视角对模式和流程予以优化。

1.转变传统审计思维。（1）改变审计人员循序化、重复化进行审计工作的思维，向辅助传统审计工作、创新非传统审计业务的辅助型、创新型审计思维转变。（2）将审计思维从验证性审计向挖掘性审计转变（吕敏蓉，2021）。IPA技术助力大数据大样本审计，审计师应注重深度挖掘数据信息，依托数智化背景开展审计工作。

2.调整审计组织架构。（1）精简审计人员，将组织优化为扁平架构，加上“一人多机”的模式，使得事务所的架构呈现出“扁平的松树状”结构。（2）划分审计小组，将审计人员有序调整为前台、中台、后台成员。前台负责开展审计工作，中台负责监控审计工作，后台负责系统维护等技术方面工作。通过小组协同、人机协同高质高效开展审计工作。

3.重塑审计业务模式。传统审计业务模式存在风险高低难以衡量、抽样审计样本代表性存疑的情况，且效率和效果难以兼顾。而相较传统审计模式，人工智能审计模式下基于算法的审计决策依据更客观、充分，决策过程更迅速，决策结果更准确。通过借助AI技术进行风险识别与判断，借助RPA技术进行大样本甚至全样本分析。

4.优化审计业务流程。AI使得审计从跟部门、跟项目向跟数据转变，基于IPA技术的审计实质也应是数字化审计，传统审计业务流程需向数字化方向调整。传统审计业务流程需要优化为数据收集、数据处理、数据分析、数据输出（侯本忠，2022）。其中数据收集阶段要注重财务和非财务数据的收集，数据分析要从审计作业和审计管理两方面入手。

（三）基于IPA技术的审计认知模型价值及风险

构建和实施IPA审计认知模型既要关注其价值，也要规避其风险。

1.价值分析。（1）提高审计效率。借助IPA技术实现的审计认知机器人可以解决结构化、半结构化乃至部分非结构化审计任务，一是可以将审计人员布局在关键节点、高风险审计领域和高附加值的非传统审计任务，提升审计效率；二是可以将审计人员从传统审计任务中解放出来，致力于新业务拓展和审计手段探索，优化审计资源配置。（2）兼顾审计效果。传统审计依赖注册会计师进行，难免会产生疏漏，造成不同审计师审计效果不尽相同的结果，而且效率和效果此消彼长，难以兼顾。通过借助IPA审计机器人，一是可以避免出现人为错误，二是使全样本审计成为可能，有助于注册会计师从全局角度更好地把握被审计单位交易和事项的经济实质，实现效率和效果的同步增长，提升审计质量，降低审计风险，避免审计失败。（3）实现更高层次的人机协同。人机协同是人工智能时代的主要劳动形态（房巧玲等，2021），可以获得审计的扩大效应和倍增效应。会计师事务所人机协同模式有三：机辅人判、机判人审和自主机判（江其玟等，2022）。借助IPA技术构建审计认知模型，可以更好从机辅人判模式过渡到机判人审和自主机判模式，从而实现更高层次的人机协同。（4）降低审计成本。传统审计行业属于劳动密集型行业，审计成本主要集中在注册会计师人力成本。借助IPA审计认知机器人可以实现复杂化程度更高审计任务365×24小时的智能化处理，更大程度降低审计人员任务比重，通过提升人机协同水平达到审计人员“以少胜多”的效果。

2.风险分析。（1）技术可靠性风险。由于审计软件算法尚未实现可视化，因此审计机构难以判定IPA审计认知机器人是否具有算法偏见。此外，鉴于审计机器人无法完全模拟人类情感认知交流，也就无法灵活应对所有突发异常事件。信息处理速度快、业务执行效率高是IPA审计认知机器人的巨大优势，但代码错误的扩大效应也会为更严重的审计失败埋下隐患。（2）过度依赖风险。审计按照一定的流程顺序推进，当部分审计流程借助IPA技术被更高程度编写到IPA中，可能会导致审计人员疏于了解该部分，产生流程知识断层。（3）信息安全风险。IPA审计平台的部署可以通过自研和外包实现。受制于开发难度，大多数事务所会选择外包。无论是完全外包还是部分外包都可能会带来商业机密泄露和数据算法的非法篡改、盗用，给现代化审计带来困扰。（4）人才不足风险。数智时代以数据为中心的社会思维日益凸显，传统行业与技术的结合日益紧密，新时代的复合型审计人才是精通审计业务、会计财务、擅长管理、熟知技术的“业财管技”四位一体的复合型人才。虽然IPA技术呈现出低代码的趋势，但是复合型人才不足仍然会影响IPA审计认知机器人的开发。（5）底层系统依赖风险。尽管IPA审计机器人是非侵入式软件平台，也需要与Windows、浏览器等底层系统进行交互（唐建荣，2020），而底层系统的调整会影响IPA软件的使用效果，且这种底层系统的调整又是难以预测和干预的，因此会给软件平台的使用带来不确定性。

四、总结

本文构建了以IPA技术为基础的审计认知模型，以实现数智时代下人机共生的审计模式。该模型着眼于未来，致力于审计行业更好利用IPA这一新兴技术，在一定程度上有助于提升审计质量、降低审计风险、避免审计失败、实现更高层次的人机协同。IPA作为前端新兴技术，其在审计方面的应用虽研究路漫漫其修远兮但必然未来可期。在审计行业布局IPA技术离不开各方努力。审计行业和IT行业可进行协同开发，借助专业知识和新兴技术解决可靠性、信息安全等问题，实现“跨界融合”。审计行业整体已取得较大发展，行业集中度不断提升，事务所做大做强成效显著，行业内可由大型会计师事务所引领，建立专精特尖相关团队，加快推进基于IPA技术的审计认知模型的实施进程。政府作为政策制定者和监管方，可适当给予政策支持，同时相关协会也不妨给予合作牵头和发展引导。最后，作为审计主体的会计师事务所应加强复合型人才的吸纳和培养，提升复合型人才比重。