人工智能投资对审计决策的影响研究

宋迪

[摘要]人工智能技术作为新一轮公司转型升级的核心驱动力，受到理论界和实务界的广泛关注。本文通过分析2010—2019年A股上市公司样本，从审计风险角度发现，公司通过投资人工智能技术进行转型升级降低了审计费用。进一步研究发现，行业竞争度越低、融资约束水平越低以及公司人力资本质量越高，公司投资人工智能技术对审计费用负向影响更显著，以及与获得标准无保留审计意见概率的正向关系更显著。本文进一步扩充了有关智能化、数字化对审计风险以及审计师决策行为的影响研究。

[关键词]人工智能技术   审计风险   审计费用   审计意见

一、引言

随着技术创新和社会经济发展，人工智能已经成为新一轮科技创新和产业变革的核心驱动力，正在对中国社会和经济发展产生极其深刻的影响。在国家人工智能战略的推动下，越来越多上市公司开始布局人工智能领域。如科大讯飞（SZ002230）、机器人（SZ300024）等专门从事人工智能研发和产品生产的公司，在人工智能领域已经产生稳定的相关收益。同时，部分公司由于原有业务市场竞争压力较大，通过投资人工智能技术生产新产品来提高核心竞争力。例如，格力电器（SZ000651）在智能装备领域（人工智能技术的一个应用领域）已初具规模，并初步取得收入，2019年智能装备产品收入额达21亿元，占当年营业收入总额的1.6%。

随着人工智能技术的迭代升级以及市场需求的不断提高，越来越多非人工智能专业领域的公司也开始投资人工智能技术。人工智能技术作为新一轮公司转型升级的核心驱动力，能够促进产业结构的优化调整，提高资本回报率，提升实体经济增长率，从而对社会经济发展具有深远影响。然而，人工智能领域虽然市场前景较好，但公司投资和布局人工智能领域也会面临较高的投资与研发风险。目前，鲜有研究从微观层面关注公司投资人工智能技术以及提供人工智能产品可能会引发的风险。基于此，本文将从审计角度出发，关注上市公司通过投资人工智能技术进行转型升级时会如何影响审计风险，进而为应对审计风险，审计师会采取何种决策行为。

本文基于2010—2019年A股上市公司数据，研究发现：（1）公司通过投资人工智能技术进行转型升级，能够提升公司的信息披露质量并降低经营风险，进而会降低重大错报风险;审计师面临的审计风险更低，从而降低公司的审计费用，并提高获得标准无保留审计意见的概率;（2）情景分析检验发现，行业竞争度越低、融资约束水平越低以及公司人力资本质量越高，公司的重大错报风险更低，从而增强公司人工智能技术应用与审计费用间的负相关关系，以及与获得标准无保留审计意见概率的正相关关系。本文通过倾向得分匹配方法、双重差分模型以及更换样本量的稳健性检验方法，均得出一致结论，支持本文的研究假设。

本文的研究贡献和创新主要体现在以下两个方面：第一，创新了公司投资人工智能技术的衡量方法。已有研究主要使用文本定义方法来衡量公司的智能化、数字化水平，本文通过统计上市公司营业收入中与人工智能技术相关的收入占比，更直接并更准确地衡量公司的人工智能技术水平。第二，扩充了有关智能化、数字化对审计风险以及审计师决策行为的影响研究。已有研究认为，人工智能作为未来发展的重要领域，各行业均应重视并做好投资规划，然而，鲜有研究从微观角度来分析公司投资人工智能技术可能引发的风险，本文从审计风险角度入手，分析人工智能相关风险以及审计师的应对策略。

二、文献回顾

（一）人工智能研究

通过升级产品以及转变增长方式来实现高技术、高附加值的目标，是公司进行转型升级的主要方式。作为技术创新和经济发展的产物，人工智能已经成为新一轮公司转型升级的核心驱动力，正在对中国社会和经济发展产生极其深刻的影响。对于人工智能技术应用的研究，已有文献主要从宏观角度进行分析，探讨人工智能技术对经济与产业发展以及劳动力市场转型方面的影响，认为人工智能服务或人工智能扩展型技术提高，可促进产业结构转型升级并且提高劳动收入份额;利用人工智能技术可分别通过提高生产活动的智能化和自动化程度减少生产活动所需劳动力、提高资本回报率和全要素生产率，从而有效应对人口老龄化对经济增长的不利影响;人工智能技术具有渗透性、替代性、协同性和创造性四项特征，进而推进各领域各部门高质量增长;人工智能技术可以吸引资金从房地产流向实体经济，减弱地方政府依靠基建投资稳增长的动机，从而增強实体经济资本对经济增长的拉动效果;从公司层面，关注了人工智能时代公司管理的变革路径，并从管理对象、属性、决策和伦理四个途径分析人工智能技术对公司管理变革的影响。

（二）审计风险和决策研究

根据审计相关准则，审计风险取决于重大错报风险和检查风险。其中，重大错报风险包括财务报表层次的重大错报风险，以及各类交易、账户余额和披露的认定层次的重大错报风险。检查风险是审计师根据预定的审计程序但未发现被审计单位存在的某些重大错报或漏报的可能性，主要强调注册会计师工作的有效性。因此，本文主要关注公司本身的重大错报风险，当面临较高重大错报风险时，审计师可通过提高审计投入增加审计收费以及增加非标审计意见的出具进行应对。从利用高新技术的角度，部分学者研究发现上市公司实施大数据、区块链等信息技术会进一步提高审计师面临的重大错报风险，从而增加审计费用;但随着公司数字化转型的程度提高，信息透明度提高，会降低公司经营风险，进而降低审计风险，公司财务报告审计收费也会随之降低。

现有研究已证实人工智能技术可显著提高经济效率，促进产业转型升级，然而公司作为向市场提供人工智能技术的核心，鲜有研究从微观层面关注公司投资人工智能技术以及提供人工智能产品会引发的风险及影响，且当前有关高新技术的使用，尤其是人工智能技术对审计风险的影响还并不充分，已有研究并未得出统一结论。因此，本文将从审计角度出发，重点关注上市公司通过投资人工智能技术进行转型升级时，如何影响审计风险，进而审计师如何通过审计投入和审计意见的出具进行应对。

三、理论分析与研究假设

已有研究发现，审计师可通过提高审计收费和增加非标意见等手段，来应对较高的重大错报风险。由于重大错报风险包含报表层面和认定层面，本文将基于以上两方面，分析上市公司通过投资人工智能技术进行转型升级时对重大错报风险的影响，进而对审计师应对决策的影响。

人工智能技术在具体内涵上，包括智能制造、机器人、生物识别等高新技术范式，可以广泛应用于研发、生产、物流和服务等多个价值链环节，能够显著提高公司的生产效率。通过人工智能技术创新能够显著提升產品附加值，实现价值增值，进而有效提升公司整体绩效。

一方面，公司通过投资人工智能技术进行转型升级，可以提高信息披露质量，降低财务报表层次的重大错报风险。在通常情况下，当公司财务业绩未达预期时，公司可能会迫于外部政策压力或是内部管理者的业绩考核压力进行盈余操纵，过度粉饰财务报表以实现目标业绩，导致信息透明度降低。当公司投资人工智能技术，生产及销售具有人工智能技术的产品，可以有效提升公司绩效。同时，人工智能技术作为公司的核心竞争力，也能够为公司带来持续稳定的正向超额收益。当公司绩效提升以及预期可获得持续稳定的正向超额收益时，可进一步降低管理层使用盈余管理手段操纵财务报表的可能性，降低其通过盈余管理实现业绩目标的动机，公司信息透明度更高，财务报表层面重大错报风险也会更低。

另一方面，公司通过投资人工智能技术进行转型升级，还可以降低公司经营风险，进而降低认定层面重大错报风险。为适应人工智能时代新技术以及新产品的研发销售，将不可避免地出现一批掌握智能技术的管理者。在处理人工智能技术与公司管理变革关系上，这些管理者将会以最优决策为准则，通过新技术对公司财务与非财务数据科学的分析与整合，进行经营决策。公司在投资人工智能技术的同时，管理者还会加强道德约束管理，履行企业经营过程中的社会责任，缓解管理效率与管理伦理之间的冲突。为保证人工智能技术在公司中顺利应用，持续产出高技术产品，公司将对管理人、管理方法和管理理念进行变革，从而降低由于新技术冲击而导致的风险，最终降低经营风险。此外，公司通过投资人工智能技术进行转型升级，可更轻松地进入新市场，生产出核心优势产品，更快实现规模经济，从容应对因外界市场或经济波动给公司带来的冲击，促进公司稳定经营，降低经营风险及重大错报风险。

当报表层面和认定层面的重大错报风险降低，审计师面临的审计风险也随之降低，其出具非标审计意见的概率也相对较低。为将审计风险控制在可接受的范围内，审计师会根据对重大错报风险的评估情况来判断在审计过程中应投入的审计资源、时间等成本。当审计风险过高时，审计师会收取一定的风险溢价以弥补未来可能发生的潜在诉讼损失。当审计风险较低时，审计师前期投入的审计成本会相应降低，其收取的风险溢价即审计收费也会降低。

基于上述分析，本文提出以下研究假设：

假设1：公司投资人工智能技术会显著降低审计费用

假设2：公司投资人工智能技术会显著提高获得标准无保留审计意见的概率

四、研究设计

（一）样本选择与数据来源

本文关注公司投资人工智能技术对审计决策的影响，不同于以往研究使用文本定义方式引入哑变量，来衡量公司的智能化、数字化水平，本文通过统计上市公司营业收入中与人工智能技术相关的收入占比，更准确直接地衡量公司人工智能技术水平。鉴于部分公司可能会为蹭热点，在公告或财务报表中叙述与人工智能、数字化、大数据等相关内容，但并未真正在人工智能领域投资或生产相关产品，导致使用文本定义方法来衡量人工智能水平可能会产生一定偏差。鉴于此，本文对人工智能技术衡量方式进行如下改进：

首先，定义与人工智能产品或服务相关的名词。基于人工智能的发展和应用以及前瞻产业研究院发布的《2020年中国人工智能行业市场前瞻与投资战略规划分析报告》中关于人工智能行业的定义，本文搜集与人工智能产品或服务有关的名词，如机器人、智慧城市、智慧物联、智慧交通、智慧医疗、智慧生活、智能装备、智能设备、自动驾驶、计算机视觉、生物识别、车辆道路行为分析、无人商店、无人配送、无人机等。其次，根据公司财务报表附注中披露的收入类型，统计整理与人工智能相关的收入金额。最终，计算各公司人工智能相关的收入金额占总营业收入的比例。

本文选取2010—2019年剔除金融、保险行业的上市公司作为研究样本，研究样本统计如表1所示。从表1的统计结果可知，转型投资人工智能技术的公司数量逐年增加，并且占总样本公司比例也逐年升高。说明随着人工智能概念的普及，越来越多公司开始从事人工智能领域投资并取得显著收入。公司审计费用、审计意见以及其他公司财务数据、公司治理数据来自于CSMAR数据库。为了避免由于极端值造成的影响，本文对连续变量均进行上下各1%水平的Winsorize处理。

（二）研究模型与变量定义

基于前述研究假设，本文将检验公司投资与人工智能技术对审计决策的影响。为此，构造研究模型（1）。

被解释变量为审计决策（Audit），由审计费用（LNFEE）和审计意见（MAO）两个变量构成，其中，第t年审计费用是当期审计费用总额的自然对数，第t年审计意见为哑变量，当期为标准无保留审计意见时为1，否则为0。

解释变量为人工智能领域收入规模（AIpercent）， 基于前述数据搜集过程，本文使用公司第t年人工智能产品或服务收入金额除以公司收入总额来反映。

控制变量主要包括公司规模（Size）、资产负债率（Lev）、总资产收益率（ROA）、营业收入增长率（Growth）、公司经营现金流负债比（Cash）、第一大股东持股比例（Top1）、高管持股比例（MaHold）、独立董事规模（Indboard）、公司产权性质（SOE）、公司上市年限（Age）以及会计师事务所规模（Big4）， 在模型（1）均以Controls概括。Year和Industry分别为年度和行业虚拟变量。具体变量定义如表2所示。

五、实证结果与分析

（一）描述性和相关性统计分析

1. 描述性统计分析。

表3报告了主要变量的描述性统计结果。从表3中可知，审计费用（LNFEE）的自然对数的平均值为13.69，标准差为0.654，表明不同年度内各个公司的审计费用存在一定差异。审计意见（MAO）的平均值为0.956，表明研究样本中有95.6%的公司获得标准无保留审计意见。人工智能收入比例（AIpercent）的平均值为0.018，表明在总样本均值下，人工智能收入占总收入比例为1.8%，占比仍然较低。该表与表1的统计结果相似，说明当前从事人工智能技术投资与相关产品生产的公司数量虽少，人工智能相关产品的生产规模较小，但占比正在逐年提高。其他各变量均处于合理范围。

2. 相关性分析。

表4报告了变量的相关性分析结果。从表4中可知，人工智能收入比例（AIpercent）与审计费用（LNFEE）存在显著负相关关系，与审计意见（MAO）存在显著正相关关系，初步证实了本文的研究假设，即公司投资人工智能技术会显著降低审计费用，以及显著提高获得标准无保留审计意见的概率。其他变量的相关性分析结果，表明本研究变量间不存在多重共线性问题。

（二）假设检验与分析

1. 假设检验回归结果。

表5报告了假设检验回归分析结果。列（1）表明人工智能收入比例（AIpercent）与当期审计费用（LNFEE）在1%水平上显著负相关，系数为0.7265，这一结果表明，公司人工智能收入每提高一个单位，审计费用可降低0.7265个单位。列（2）表明人工智能收入比例（AIpercent）与当期审计意见（MAO）在10%水平上显著正相关，系数为0.3741，这一结果表明，人工智能收入每提高一个单位，获得标准无保留审计意见的概率提高37.41%。列（3）和列（4）为加入控制变量后的回归结果，结果未发生改变，说明加入控制变量后，回归结果保持稳健。此回归结果表明，公司通过投资人工智能技术进行转型升级，降低了重大错报风险，从而使得审计师面临的审计风险更低，进而降低了审计费用，并提高了获得标准无保留审计意见的概率，证实了本文的研究假设。

2. 人工智能技术应用与审计风险。

基于上述研究分析，公司通过投资人工智能技术进行转型升级，可以提高信息质量，降低公司经营风险，降低重大错报风险，进而降低审计费用以及提高获得标准无保留审计意见的概率。接下来，本文进一步分析公司通过投资人工智能技术进行转型升级，对公司信息透明度和经营风险的影响。

首先，参考已有研究，采用Jones模型计算残差，然后取绝对值反映公司盈余管理水平（DA），数值越低，说明盈余管理水平越低;其次，使用公司第t年的过去三年应计盈余绝对值之和，计算样本公司的信息透明度指标（Opaque），数值越低，说明信息透明度越高。第三，使用公司ROA的波动性来衡量公司经营风险，盈余波动性越大，说明公司经营风险越高。其中，ROA为公司年度内息税折旧摊销前利润（EBITDA）与公司当年末资产总额的比率，扣除滞后一期的行业均值，得到ADJ_ROA，缓解行业、年度的影响，具体计算过程如模型（2）。其中，i代表公司，t代表在观测时段内的年度，X为行业内公司个数。最后，基于ADJ_ROA，用两种方法计算公司风险承担能力，得到Risk1和Risk2，具体计算过程如模型（3）和（4）所示，此数值越高说明经营风险越高。其中，T=3取值为3，即以每三年为一个观测时段（T，T-1，T-2）来考察公司经营风险水平。

表6报告了人工智能投资与审计风险的回归结果。列（1）和列（2）表明人工智能收入比例（AIpercent）分别与盈余管理水平（DA）和信息透明度（Opaque）在1%水平上显著负相关，这一结果表明，人工智能收入越高，可以显著降低公司盈余管理水平，提高信息透明度。列（3）和列（4）表明人工智能收入比例（AIpercent）与经营风险（Risk1和Risk2）在1%水平上显著负相关，这一结果表明，人工智能收入越高，公司经营风险水平越低。以上结果证明，公司通过投资人工智能技术进行转型升级，可以提高信息透明度，降低公司经营风险，从而降低重大错报风险，进一步证实了本文的研究假设。

（三）稳健性检验

1. 更改样本量。

本文的研究样本关注取得人工智能收入的公司，剔除没有人工智能收入的研究样本，重新对研究模型（1）进行回归，回归结果如表7所示。人工智能收入比例（AIpercent）与当期审计费用（LNFEE）在1%水平上显著负相关，与当期审计意见（MAO）在10%水平上显著正相关，结果与假设检验回归结果相同，结果保持稳健，进一步支持了本文的研究假设。

2. 倾向得分匹配方法（PSM）。

由于公司是否投资人工智能技术并非随机发生，而是与公司特征相关，为降低样本选择偏差，本文使用倾向得分匹配方法（PSM），以存在人工智能收入的公司作为处理组，使用一对一匹配同年度同行业从未投资于人工智能领域的公司作为控制组。本文选取t-1年的如下变量作为协变量进行倾向匹配，包括公司规模（Size）、资产负债率（Lev）、总资产收益率（ROA）、营业收入增长率（Growth）、公司经营现金流负债比（Cash）、第一大股东持股比例（Top1）、独立董事占比（Indboard）、公司产权性质（SOE）、上市公司年龄（Age）和事务所规模（Big4）。

经过倾向性得分匹配，最终得到样本2610個，其中，存在人工智能收入的样本（处理组）1305个，不存在人工智能收入的样本（控制组）1305个。同时引入新变量AIrevenue，存在人工智能收入的样本取1，否则取0。表8报告了倾向评分匹配有效性检验结果，可以发现，匹配前，处理组和控制组的各变量之间具有显著差异性;而匹配后，显著性下降至不显著，说明匹配过程有效，缓解了样本选择偏差问题。

表9报告了倾向评分匹配样本回归结果。AIrevenue与当期审计费用（LNFEE）在1%水平上显著负相关，与当期审计意见（MAO）在5%水平上显著正相关，结果表明相比不存在人工智能收入的公司，存在人工智能收入的公司审计费用显著更低，获取标准无保留审计意见的概率更高，与假设检验回归结果相同，回归结果保持稳健，进一步支持了本文的研究假设。

3. 双重差分检验（DID）。

国务院于2017年颁布《新一代人工智能发展规划》，确定了我国人工智能发展战略。基于国务院颁布的人工智能发展规划这一外生事件，本文考察事件前后实验组和对照组审计决策的差异。如果事件发生后，实验组的审计费用相比对照组显著降低，获得标准无保留审计意见的概率相比对照组显著提升，则一定程度缓解了内生性问题。本文构建模型（5）进行回归分析。其中，Post为哑变量，2017年政策颁布之后取1，否则取0。AI为哑变量，2017年政策颁布之后存在人工智能收入的样本取1，否则取0。

表10报告了双重差分检验回归结果。交互项（AI*Post）与当期审计费用（LNFEE）在1%水平上显著负相关，与当期审计意见（MAO）在5%水平上显著正相关，结果表明，政策颁布之后，相比不存在人工智能收入的公司，存在人工智能收入的公司审计费用显著更低，获取标准无保留审计意见的概率更高，与假设检验回归结果相同，说明回归结果稳健，进一步支持本文假设。

六、拓展性分析

（一）行业竞争程度的影响

已有研究认为，当公司处于竞争激烈的外部市场环境中，抢占市场份额压力较大，其盈余稳定性会受到一定威胁，经营风险提高，增加重大错报风险。另外，市场竞争威胁还会导致公司实施更为激进的盈余管理措施，增大审计风险。在竞争较为激烈的市场中，公司通过投资人工智能技术进行转型升级，提高其核心竞争力。由于外部环境导致公司业绩压力大，管理者可能更会采取激进措施，加快人工智能技术的投入和产出，但如果技术研发不到位或产品质量不达标，则增加公司经营风险;此外，不稳定的营业收入也会增强公司盈余管理动机，使公司重大错报风险提高。当处于行业竞争压力较小的行业中，公司有更宽裕的时间和资源进行人工智能相关研发和产品生产，获得稳定的营业收入。因此，行业竞争程度越强，公司人工智能技术的应用与审计决策之间显著关系则越弱。

本文基于行业竞争程度进行交互回归分析，使用赫芬达尔-赫希曼指数（HHI）对行业竞争度进行度量，再根据HHI中位数，将行业竞争度分为高低两组，当样本公司处于高行业竞争组，HHI取1，否则取0。回归结果如表11中列（1）和列（2）所示，交互项（AIpercent*HHI）与当期审计费用（LNFEE）在1%水平上显著正相关，与当期审计意见（MAO）在10%水平上显著负相关，结果表明行业竞争度更高，公司的重大错报风险提高，从而减弱了公司人工智能技术的应用与审计费用间的负相关关系，以及与获得标准无保留审计意见概率的正相关关系。

（二）融资约束的影响

相比于一般的产品研发，人工智能产品所包含的技术较高，为保证研发稳定和预期产品的产出，需要公司持续投入较高的资金。因此，只有当公司外部融资渠道不受限时，可稳定的获得现金，才能持续支持公司的人工智能研发投资以及保证产品的生产。而一旦公司外部融资渠道受阻，存在较高的资金风险，可能导致人工智能技术开发受阻，影响公司未来相关收益，导致业绩下滑。并且，资金短缺还会给公司持续经营造成影响，导致经营风险提高，审计师的审计风险也进一步加大。因此，当面临较低的融资约束水平，公司投资于人工智能技术时，其审计费用会相对较低，同时获得标准无保留审计意见的概率更高。

本文进行融资约束交互回归分析，使用KZ指数来反映公司融资约束水平，当公司KZ指数低于行业中位数时，说明融资约束水平较低，KZ取1，否则取0。回归结果如表11中列（3）和列（4）所示，交互项（AIpercent*KZ）与当期审计费用（LNFEE）在1%水平上显著负相关，与当期审计意见（MAO）在5%水平上显著正相关，结果表明融资约束水平越低，公司的重大错报风险更低，从而进一步加强公司人工智能技术的应用与审计费用间的负相关关系，以及与获得标准无保留审计意见概率的正相关关系。

（三）人力资本质量的影响

从公司自身角度来看，人力资本质量越高，储备较多的技术型员工，则公司向人工智能技术转型更容易，转型升级所带来的不确定性风险也更小。而当公司本身缺少高质量人力资本，同时又想投资于人工智能技术，则需要花费较多的资金以及投入更多的时间去构建专业的研发团队，产品研发成功的不确定性更高，公司面临更大的业绩压力，经营风险也更高。

因此，本文进行公司人力资本质量交互回归分析，使用公司专业技术人员占总员工比例来反映公司人力资本质量，当公司技术员工占比高于行业中位数时，Hightech取1，否则取0。回归结果如表11中列（5）和列（6）所示，交互项（AIpercent*Hightech）与当期审计费用（LNFEE）在5%水平上显著负相关，与当期审计意见（MAO）在5%水平上显著正相关，结果表明人力资本质量越高，公司的重大错报风险更低，从而进一步增强公司人工智能技术应用与审计费用间的负相关关系，以及与获得标准无保留审计意见概率的正相关关系。

七、研究结论与启示

本文基于2010—2019年A股上市公司样本研究发现，公司通过投资人工智能技术进行转型升级，可以提升公司信息披露質量并降低经营风险，进而降低重大错报风险，使得审计师面临的审计风险更低，从而降低公司的审计费用，提高获得标准无保留审计意见的概率。通过情景分析，本文发现，行业竞争度越低、融资约束水平越低以及公司人力资本质量越高，公司的重大错报风险更低，从而可增强公司人工智能技术应用与审计费用间的负相关关系，以及与获得标准无保留审计意见概率的正相关关系。

基于上述研究发现，可以得到如下管理启示和政策建议：一方面，人工智能技术的实施对公司转型升级带来新契机，但在新技术下，公司投资和布局人工智能领域也会面临较高的投资与研发风险，进而提高了审计师所面临的风险。因此，审计人员应充分评估人工智能技术所带来的重大错报风险，采取相应审计措施，降低审计风险。另一方面，会计师事务所应根据公司的新业务新技术制定更为科学的审计定价和收费策略，提升审计结果质量。同时，在审计意见的出具过程中，也要充分衡量人工智能等新技术可能引发的潜在问题，保证审计意见的合理性。

（作者单位：中国政法大学商学院，邮政编码：100088，电子邮箱：cu202018@cupl.edu.cn）

主要参考文献

[1] 陳彦斌，林晨，陈小亮.人工智能、老龄化与经济增长[J].经济研究， 2019（7）：47-63

[2] 郭凯明.人工智能发展、产业结构转型升级与劳动收入份额变动[J].管理世界， 2019（7）：60-77+202-203

[3] 林晨，陈小亮，陈伟泽，等.人工智能、经济增长与居民消费改善：资本结构优化的视角[J].中国工业经济， 2020（2）：61-83

[4]肖静华，吴小龙，谢康，等. 信息技术驱动中国制造转型升级—美的智能制造跨越式战略变革纵向案例研究[J].管理世界， 2021（3）：161-179+225

[5] 徐鹏，徐向艺.人工智能时代公司管理变革的逻辑与分析框架[J].管理世界， 2020（1）：122-129+238

[6] Bell T， Doogar R， Solomon I. Audit labor usage and fees under business risk auditing[J]. Journal of Accounting Research， 2008（4）：729-760

[7] Durand R. Competitive Advantages Exist： A Critique of Powell[J]. Strategic Management Journal， 2002（9）：867-872

[8] Kaplan S E， Williams D D. Do going concern audit reports protect audits from litigation？ A simultaneous equations approach[J]. The Accounting Review， 2013（1）：199-232