人工智能时代的机遇与挑战：基于算法的审计决策

牟莉娜 阳杰

[摘要]在人工智能时代，基于审计人员的专业知识、专长和经验的审计决策开始让位于基于算法的审计决策，为提高审计效率、降低审计延迟和提高审计质量创造了条件;同时，这种算法中可能存在的偏见、侵犯隐私、算法本身的公平性和安全性，以及基于算法的审计决策的可问责性，是需要认真应对的挑战。

[关键词]人工智能 算法 大数据 审计决策

一、引言

在大数据、云计算等技术支持下，人工智能开始真正进入我们的学习、工作和生活中。人工智能的本质就是一种算法模型，在强大的计算能力支持下，计算机可以借助算法不断地从大数据中进行分析和学习，通过反复试错和改错来吸取经验，实现自身智能化程度的不断提高，从而帮助人类作出相应的决策。在审计领域，四大会计师事务所也开始将人工智能用于审计工作之中，并推出了各自的财务机器人。人工智能用于审计工作，是利用算法帮助审计人员进行审计分析和判断，其终极目的是设计更有效的算法来替代审计人员进行自动化决策。

二、机遇

审计模式从详细审计进入抽样审计之后，需要审计人员进行审计分析和判断，最终作出相应的决策。由于人工审计决策所需的信息来源面窄、信息数量极其有限，审计决策质量高度依赖于审计人员的专业知识、专长和经验，主观性强且费时费力，质量难以保证。计算机用于审计工作后，审计人员可以获取的信息量更大，信息来源更加广泛、准确。特别是在ERP系统、智能制造环境下，审计人员几乎可以获取业务事件所有相关的信息，审计证据链条趋于完整，审计人员进行的决策更加有的放矢。但这种决策还是由审计人员进行的，计算机系统虽然提供了决策所需的高质量信息，但还是无法规避审计人员的主观性。

随着大数据时代的到来，审计人员可以利用的信息量更加广泛，类型更加多样化，审计决策的依据更加充分。在云计算的支持下，计算机可以运用复杂的算法对大数据进行分析，并借助人工智能算法支持的机器学习能力，不断获取审计经验，审计能力会得到不断增长，最终可以帮助甚至替代审计人员进行審计决策。基于算法的审计决策，相比审计人员的审计决策，其依据更充分，决策更客观、更迅速、更精准，为审计提质增效提供了可能。

第一，提高审计效率。在开展审计业务时，审计人员致力于收集、分析审计证据，以实现审计目标。而审计证据是被审计单位内部的会计资料及其他相关资料，或者审计人员直接从外部获取的信息资料，内容大多以书面文字材料为主。以往审计人员要翻阅大量的文件合同才能提取所需要的核心信息，有时会面临人工获取数据信息不全面、数据量不够丰富的困境，导致无法对被审计单位作出准确的判断。而目前人工智能的发展能集中获取大量审计数据，使信息全面化。首先，机器自动化取代了审计人员手工审计，包括核对凭证金额、查阅财务报表、审阅文件等，减轻了审计人员的劳动强度。其次，利用人工智能算法，对海量数据进行预测，辅以审计工作的判断推理过程，使审计人员能够对复杂的会计处理进行更有效的分析，通过职业判断作出审计决策，起到减少审计风险、提高审计质量和价值的作用。同时，审计人员可以抽出更多的时间进行专业知识的培训巩固，培养自身的审计嗅觉和数据敏感度，训练敏锐的洞察力。通常情况下，借助人工智能技术，审计系统能迅速获取所需要的关键数据，极大提高数据分析效率和数据针对性，节约大量时间成本。

第二，降低审计延迟。传统审计中，在某些时间节点上，因审计一方的具体原因，无法获取有价值的数据信息，由此造成审计延迟。比如，年度财务报告一般需要三至四个月时间才能完成编制，审计过程耗费时间久，使会计信息失去时效性，影响使用效率，降低审计价值。而人工智能的发展对审计工作产生了重大影响，使实时财务报告成为可能，人工智能算法加快数据输入和提取，简化审计程序，利用获取的大量实时数据，可迅速编制出财务报告，为财务报告使用者提供实时财务信息，使审计人员能够合理安排审计时间，更加及时有效地完成审计工作，降低审计延迟。同时，审计费用与审计工作量、人力资源成本之间存在着较为明显的正比关系。简单重复的业务被人工智能技术取代，人工审计工作量减少，所耗费的审计资源减少，人力资源成本下降，使得信息化前提下的审计工作更具有实时性和高效性。

第三，提高审计效果。审计效果反映的是一种投入与产出的比较关系，审计效果如何主要取决于审计质量的高低，而审计质量作为审计的生命线，有着非常重要的意义。将人工智能技术应用于审计业务，系统分析所获取的大量数据，能快速找出财务报告中的错弊，辅助审计人员做出判断，减轻审计人员的工作量。同时，机器自动化提高了审计效率，为审计人员运用专业知识做出审计决策提供了足够时间，可以进一步提高审计质量。有研究表明，审计人员的情绪可能影响审计质量，在搜集相关信息时，消极情绪会使初级审计人员遗漏一些相关信息，影响对审计问题的评估。而机器没有人类的喜怒哀乐，不存在产生负面情绪的情况，因此人工智能的发展在一定程度上提高了审计质量和效果。

三、挑战

任何事物作为事物矛盾统一体存在，都具有两面性，基于算法的审计决策也不例外。除了机遇外，还面临着诸多挑战。

第一，算法偏见。目前，我们正在目睹人工智能算法的不断优化，但可能存在算法偏见。大多数情况下，基于算法的审计决策其实就是运用大量过去的数据来进行前瞻预测，预测未来的趋势和行为，而计算结果会受到所建立算法模型以及数据输入的影响，产生算法偏见。一方面，算法通过以往海量审计数据的轨迹，不断学习优化产生决策机制，但是数据和算法并非具有绝对客观性，审计数据的标注、搜集和算法的设计往往折射了开发人员和设计人员的主观理念，审计决策者可能将自己的价值观嵌入算法系统。因此，审计决策可能反映数据中持续存在的歧视。另一方面，数据是审计业务的反映，审计数据的准确性和真实性也会影响整个算法决策和预测的精准度。若偏见已经存在数据之中，那么算法系统自然蒙上歧视的面纱，将进一步影响审计人员决策的准确性。

第二，隐私。大数据运行是人工智能和机器学习的基础，用户需要提供与个人或企业相关的众多数据，才能享受它们提供的服务，并且提供的数据越完整越详细，人工智能就越能提供个性化的服务。但是人工智能对审计数据，包括一些敏感数据的搜集和利用、大数据访问的开放和授权，可能意味着无意中对个人敏感信息的泄露，威胁到企业的隐私。比如，在审计决策过程中，服务器上共享的被审计单位的重要商业数据，如果没有经过加密，运用数据挖掘技术即可提取具有利用价值的信息，且后期可能被陆续披露，将会对个人或企业产生重大不利影响。

第三，公平性。算法本身的公平性也备受关注，公平无法量化、无法可视化。而算法对所有人而言，像是一个“黑箱”，存在不透明性：除了开发设计算法的人员，别人根本无法理解算法模型与其运行机制，也无从得知“黑箱”的内在机理。例如，在审计实务中，审计人员基于算法作出决策，而该算法凭数据输入和输出作出预测，却无法提供支撑该做法的证据和材料。若审计决策失败，也无法找到数据的根源以及失败的原因，对被审计单位来说着实不公平。因此，在质疑决策结果时，如何打开“黑箱”体现公平性成为最大难题。

第四，安全性。人工智能算法安全始终是人们关注的重点，也是人工智能面临的巨大挑战，既包括黑客攻击，也存在服务器崩溃、系统瘫痪等情况。IT产业首个人工智能发展原则指出，程序开发者要确认算法运行过程中的行为安全，防止出现算法失控现象，保证系统的可控性。不久前，DeepMind开发了一款专项测试软件，用来检测人工智能算法的“安全行为”，并就该测试性研究发表了一篇关于人工智能算法安全性的论文。若算法运行过程中出现不可逆结果，则说明该算法缺失可逆性，表明可能不安全。比如，在審计实务中，云端数据库遭遇黑客攻击，算法系统被修改，出现算法不可控现象，数据被泄露，增大了用户被攻击的可能性。此外，如果初始数据有误或内部程序运行失误，也会产生大量的错误数据，审计人员在错误算法基础上作出的审计决策，就会造成审计工作的失误。

第五，可问责性。算法系统的自主性很强，它根据获取的数据，不断进化和学习，能够形成一套自己的体系。这是开发设计者预料之外的，包括“黑箱”的存在，很难追溯到错误的根源，此时，我们在伦理上可能面临根本的挑战：到底是算法的失误，还是审计人员的错误判断？我们该如何作出道德评判？在不久的将来，责任界定、行为监管的判定可能变得十分困难，产生一道责任鸿沟。比如，因人工智能算法的发展与推广，使得传统审计向人工智能审计转变，审计模式发生了改变。若出现重大错报，算法决策机制产生的行为和审计人员人为错误判断的行为，责任主体难以界定，其产生的后续人力、物力成本也大大增加。可见，建立算法问责机制势在必行。大数据、云计算和算法的协同发展，将推动审计工作逐步进入人工智能时代。

（作者单位：温州商学院会计学院，邮政编码：325035，电子邮箱：874934684@qq.com）

主要参考文献

阳杰，应里孟.大数据时代的审计证据与审计取证研究[J].财会月刊， 2017（1）：115-124

杨明增，张继勋.经验、努力程度对审计判断偏误的影响研究[J].南开管理评论， 2010（2）：151-158

喻国明，杨莹莹，闫巧妹.算法即权力：算法范式在新闻传播中的权力革命[J].编辑之友， 2018（5）：5-12

Frey C B， Osborne M A. The Future of Employment： How Susceptible Are Jobs to Computerisation？[J]. Technological Forecasting and Social Change， 2017（114）： 254-280

Galliers R D， Newell S， Shanks G， et al. Datification and its human， organizational and societal effects： The strategic opportunities and challenges of algorithmic decision-making[J].Journal of Strategic Information Systems， 2017， 26（3）：185-190

Zarsky T. The Trouble with Algorithmic Decisions： An Analytic Road Map to Examine Efficiency and Fairness in Automated and Opaque Decision Making[J]. Science Technology & Human Values， 2016， 41（1）： 118-132