人工智能在基层审计中的可能应用路径研究

[摘 要]人工智能技术的快速发展和广泛应用，为审计工作的智能化提供了更多可能。科技在不断更新迭代，审计也正在向智能化领域迈进。在审计业务的开展过程中，会涉及海量的结构化和非结构化数据，人工智能技术的引入能够提高审计的效率。文章在梳理人工智能发展背景的基础上，模拟AI辅助审计工作的可能应用场景，从人员与硬件、技术与软件、数据、应用四个层面分析人工智能在基层审计应用中的困境，并进一步提出了人工智能在审计中的可能应用路径，以供参考。

[关键词]人工智能；基层审计；应用困境；路径研究

中图分类号：F275 文献标识码：A 文章编号：1674-1722（2024）24-0056-03

一、人工智能发展概述

1956年，由麦卡锡及一批数学家、信息学家等在达特茅斯学院召开会议，首次提出“人工智能”概念。概念提出后，出现机器定理证明、跳棋程序等成果，但因推理能力有限、机器翻译失败等，人工智能走入低谷。1969年成立国际人工智能联合会，化学质谱分析系统、疾病诊断和治疗系统等专家系统的研究开发，使人工智能走向实用化[ 1 ]。如今，随着网络技术的发展，深度学习、强化学习等算法不断优化和创新，推动自然语言处理、计算机视觉、语音识别等技术取得重大突破，人工智能深入到社会生活各领域。如GPT系列语言模型在自然语言处理方面的出色表现，让机器能够生成高质量的文本内容；计算机视觉技术在图像识别、目标检测、视频分析等领域的精度和效率大幅提升，广泛应用于安防、自动驾驶、医疗影像等领域。各国政府也纷纷出台政策支持人工智能发展，我国将其列入国家战略。

二、人工智能技术在审计中的应用场景

（一）研究意义

在审计实施中，会涉及海量的结构化和非结构化数据，利用人工智能技术赋能审计过程，可有效提升审计工作质效。

提升职业判断质量，提高审计效率。传统的审计方法需要审计人员耗费大量的时间与精力检查翻阅被审计单位的凭证、单据与合同等，手动处理大量数据，不仅费时费力，而且容易出现错误，导致审计结果误差和工作效率低下。人工智能强大的信息搜集能力和计算能力，可以实现高效审计，节省时间和人力成本，从而提高工作效率[ 2 ]。

扩大审计范围，降低审计风险。在基层审计中，受时间成本和审计力量的制约，大部分项目通过重点抽样审计反映审计结果。此种审计方法不能做到审计全覆盖，因此可能会带来审计风险。但是借助人工智能可以进行全样本审计，人工智能强大的计算和分析能力可以改变传统审计的业务流程、技术方法和组织形式，提高审计效率，扩大其覆盖面，可以有效规避抽样审计带来的误受风险与误拒风险。

更新知识结构，推进人机协同发展。在人工智能领域，新的算法、模型和技术不断涌现。快速的技术变革意味着利用原有的知识已无法理解和应用最新的人工智能工具。在审计领域，不仅需要计算机科学知识，如编程语言、数据结构和算法，还需要审计业务知识和专业判断。人机协同发展可以提高工作质效，节约时间与经济成本。借助人工智能可以将审计人员从重复烦琐的工作中解放出来，审计人员可运用专业能力查找和发现问题，优化审计流程，定期检查维护系统，这也督促审计人员不断更新知识结构，培养创新思维。

（二）辅助审计工作的应用场景

人工智能审计的核心思想是将人工智能技术应用于审计实施各个阶段，通过文本、语音等信息识别技术，模拟或替代人工审计的工作流程或方法，增强或模拟审计人员的数据分析、决策能力，实现决策支持与风险控制。

1.场景一：政策文件梳理

AI技术与重复性强且较为程序化的工作任务非常适配，比如政策文件的收集整理可使用AI技术快速准确地完成。ChatGPT的一款名为txzy.ai的插件，可以将文本导入软件中之后，摘取文件中的重要信息，自动生成摘要，再输入关键词对政策文件进行提炼，简化烦琐的阅读过程，大大提高审计工作效率[ 3 ]。

2.场景二：访谈语音识别

在审计实施中，审计人员会就某些事项与相关人员进行访谈，访谈内容需要重新整理，并生成文字作为审计证据，传统记录方式将消耗审计人员很多精力。而AI技术中的语音识别记录功能，能将审计访谈内容同步转换成文字，减少人为错误和遗漏，提高访谈记录的及时性和准确性。目前人工智能语音识别技术已能实时转换文字，准确率达98%以上，同时还支持普通话、方言等语音的识别。

3.场景三：文本识别提取

文本识别是利用文本挖掘技术从被审计单位的档案、合同、招投标文件等海量电子文件中自动识别资料文本内容，自动提取中标单位、招标方式、合同金额和评分标准等多项关键信息，并将其转化为结构化信息，再与采购系统中的结构化信息进行关联分析，形成审计疑点，再结合现场核查和访谈等审计方式，精准快速地锁定问题，为审计人员提供智能决策建议。

4.场景四：审计报告生成

审计报告是根据审计证据得出的结论，是审计成果的重要体现。ChatGPT基于其语言模型，利用机器学习和自然语言处理技术，可以学习和掌握审计报告编制的规则，在数据库中检索和匹配其中的关键信息，针对性提出操作性强的审计建议，从而协助审计人员用更短的时间生成更加高质量的审计报告[ 4 ]。

三、人工智能在基层审计应用中的困境

智能化审计的本质特征在于智能与审计的协同发展和应用。它不是单纯的信息技术开发和计算机网络应用，而是审计人员与智能工具协同不断提升审计价值的过程。人工智能作为数字化时代的新兴辅助工具，基层审计机关在应用中还存在以下问题。

（一）人员与硬件问题

首先，要实施整个人工智能审计流程，最基础的需要就是配备能够熟练运用人工智能辅助审计的专业人员，即具备熟练使用计算机处理数据的能力和审计知识的人员。目前，基层审计机关十分缺少掌握大数据审计技术、人工智能技术的审计人员，人工智能对审计人员的综合素质能力提出了挑战。

其次，若需要在地市或县区级别部署，则需要购置高配置工作站主机，对显卡、CPU、内存等的需求巨大，运行用电量也相当可观。由于人工智能需要大量数据不断学习进化的特性，在中央或省级部署最佳，地方只需要连接服务器进行使用即可[ 5 ]。

（二）技术与软件问题

人工智能在审计中的核心应用算法模型，需要对审计流程中涉及的数据处理等算法进行针对性的开发和设计。同时，还需对大量数据进行训练，并进行多次的模型迭代。这就需要有足够的人工智能专业技术人员配合，需要能够提出详细需求的审计业务骨干设计完整的算法，花费至少一年的时间在测试中同步对模型进行持续优化。以ChatGPT为例，它需要Docker镜像构建容器或在OpenAI API环境下运行，使用的模型包括但不限于基于Transformer的预训练语言模型、指令精调、思维链等。

（三）数据问题

要让算法模型达到能够在审计一线应用的程度，需要利用大量的数据对算法模型进行训练，但目前可以预见的问题包括以下几个方面。

第一，数据量不足，很难找到海量非涉密且可以用于训练模型的数据，不仅包括财政金融相关数据，也包括审计过程中产生的各种分析结果、审计报告等审计数据，这些数据对后续算法开发至关重要。

第二，历史数据缺失，以经济责任审计项目为例，算法模型需要对任期内数据以及任期前数据进行分析，此时历史数据越完善，算法模型进行的分析越完整，得出的结论就越可靠。

第三，数据非标准化，从不同单位、企业获取的数据很难统一格式，而算法模型导入的数据又需要特定的类型，如果格式不统一，将会影响分析的速度和结论的准确性，甚至无法进行导入和分析。

（四）应用问题

在使用人工智能审计之前，需要确定审计工作的需求，人工智能究竟能在审计过程中帮助审计人员完成什么工作，这是算法模型开发的目标，是系统立项的根本。以财政统计审计项目为例，人工智能可能应用的场景包括：收集整理文件和数据、制定可操作的审计方案、定性归纳发现问题、归纳总结生成审计报告和督促提醒审计整改等[ 6 ]。对被审计单位的经济活动审计不能单靠资金信息，还需要人工的质疑和判断。人工智能审计系统终究只是一个工具，依然需要审计人员的介入保障审计工作的正常进行和审计结果的可靠性。

四、应对措施

（一）培养审计人员的专业能力

人工智能技术的应用需要强大的人才队伍，需要人工智能技术人员和大数据审计人员支撑，因此，要实现人工智能辅助审计的应用，需要注意以下几点。

第一，以人工智能技术和大数据审计技术为基础，强化审计人才的专业知识基础，从而能够保障在运用人工智能系统的过程中不会遇到知识技术的障碍，提升审计效率。这些知识基础不需要涉及过多开发的内容，只针对了解人工智能原理和使用过程中可能会遇到的简单的问题即可，专业的开发问题请工程师解决。

第二，聘请人工智能软件工程师等专业人才充实队伍，或与人工智能相关企业达成合作，保障系统开发、运维可以正常进行。

（二）部署省级服务器主机

人工智能技术对硬件的要求极高，对于审计工作来说，最好的做法是在省级设置服务器主机，基层审计机关连接服务器使用人工智能系统，这需要极高配置的硬件基础处理全省的审计数据。如果在中央设置服务器主机，全国的审计数据处理量太大，所需的算力要求极高，全国联网通用一个人工智能系统实施起来也相当有难度。而如果在市地级、县区级设置服务器，一方面是没有足够的数据量支撑，另一方面地方也难以承受高昂的服务器硬件费用和开发、运维人员的费用。因此，最佳的做法是在省级设置服务器主机。

（三）设计人工智能模型

人工智能在审计工作上的应用，其核心是算法模型，因此，需要在系统立项时确定全流程的需求，针对需求设计算法模型。审计流程中需要的人工智能模型大致有以下几种。

第一，类ChatGPT模型，用于分析问题、给出定性依据和审计建议、生成审计报告等。

第二，数据清洗模型，用于清洗前期收集的数据，方便导入和分析，减少审计人员的工作量。

第三，工程建模模型，用于工程审计中给出数据进行工程预览建模，以可视化的方式帮助审计人员确定工程审计情况。

第四，数据分析模型，能够对已完成清洗的数据按照审计目标进行分析、分类，标记疑点数据，并可对同类型的数据进行对比分析，生成初步结论。

（四）清洗与分析数据

人工智能算法模型需要的“养料”是数据，审计人员最费心力处理的也是它，因此，收集、清洗、分析数据尤为关键。审计工作涉及的数据类型繁多、数据量大，其类型涵盖表格、数据库文件、文本文档等，审计人员通常要对数据进行重新审查和校验，目的在于删除重复信息、改正存在的错误，保证数据一致性。一般进行数据清洗需要通过七个步骤进行处理：选择子集，列名重命名，删除重复值，缺失值处理，一致化处理，数据排序处理，异常值处理。人工智能可以利用数据挖掘和机器学习技术对数据质量进行评估，帮助发现数据中的异常，从而帮助审计人员及时发现数据中的问题和潜在风险。

五、结语

随着大数据与人工智能技术的发展，应用人工智能技术并实施智能化审计是审计发展的必由之路。但就目前基层审计机关而言，应用人工智能还面临人才稀缺、硬件配置、技术支撑和数据应用等方面的困境，基层审计机关和人员应在人才培养、部署服务器和设计人工智能模型等方面发力。同时借助人工智能技术中的自然语言处理、语音图像识别和智能决策等技术，为审计数据的采集、分析和决策提供多样化、智能化、系统化的途径，降低审计人员的工作负担，制定人工智能技术应用方法，构建人工智能审计应用实践框架，并积极探索合适的审计应用场景，进而为审计技术应用赋能，促进审计高质量发展。

参考文献：

[1]邱爽，潘伟.数字化审计：技术、模式与应用[J].财会通讯，2023（05）：18-23.

[2]程平，廖锡嘉，午诗雨.基于Chat GPT的注册会计师审计研究[J].会计之友，2023（15）：148-154.

[3]彭洁.人工智能时代对传统审计的影响研究[J].经济观察，2023（10）：34-36.

[4]程平，喻畅，龚悦.基于Chat GPT的智能内部审计研究[J].审计广角，2023（20）：7-12.

[5]张庆龙，何佳楠，芮柏松.新时期内部审计创新之路：从数据审计到智能审计[J].财会月刊，2021（22）：78-83.

[6]葛典怡.人工智能审计的研究热点与发展趋势——基于CiteSpace的知识图谱分析[J].运筹与模糊学，2023（06）：6112-6118.