论人工智能时代国家审计变革与发展

【摘要】作为重要的政治制度安排， 国家审计在保障社会经济健康发展的过程中起着重要作用。 随着人工智能技术的推广应用， 取证方式的变化提高了国家审计的质量和效率， 工作重心由业务前端转移到决策端， 大量非结构化数据及学习算法导致审计风险更为隐蔽、审计责任难以界定。 基于此， 本文进一步讨论人工智能对审计业务流程的影响、给审计带来的风险与挑战、与审计基本理论及原则的关系、对审计人员地位和作用的影响等问题， 为推进国家治理体系和治理能力现代化提供借鉴和参考。

【关键词】人工智能;国家审计;变革与发展;国家治理

【中图分类号】 F239.44     【文献标识码】A      【文章编号】1004-0994（2022）11-0104-6

2013年世界审计组织发布的《北京宣言——最高审计机关促进良治》中提出： 作为国家治理不可分割的组成部分， 国家审计依法履行其职责， 客观公正地进行监督、鉴证、评价和建议， 以供国家决策者制定政策和开展规划所用。 国家审计的核心是以高质量信息作为决策基础， 通过最大程度地公开和整合数据资源来监督政府及相关机构受托责任的履行情况， 并提出完善的对策来压缩权力寻租的空间， 降低宏观政策实施过程中的不确定性风险， 推动实现国家的良好治理， 保证经济社会的健康运行和科学发展， 从而更好地保障人民的利益[1] ， 这是国家审计发挥作用的根本所在[2] ， 也是提高政府公信力并增强国家治理能力最有效的方法[3] 。 国家审计涉及面广、业务类型差异大（包括经济责任审计、资源环境审计、政策落实跟踪审计及涉外审计等）、数据结构复杂且需要较多的职业判断， 人工智能技术的快速发展和应用对其产生了很大的影响， 审计的手段和方式、具体业务标准、组织体系以及信息安全等都发生了不同程度的变化。 如何应对这些变化并解决面临的问题， 对于改善国家治理的质量、体现国家审计的社会价值具有重要意义。

一、人工智能的产生及发展

早在17世纪中期， 莱布尼兹、托马斯·霍布斯和笛卡儿就提出了形式符号系统这一人工智能的最初假想。 到1950年， Alan Turing在《计算机器与智能》中阐述了对人工智能的思考， 并认为图灵测试是机器智能的重要测量手段; 1956年， 美国计算机科学家约翰·麦卡锡在达特茅斯会议上首次提出了人工智能（Artificial Intelligence， AI）的概念， 认为“我们的研究建立在这样的一种猜想之上， 即（人类）学习的每一方面或者智能的任意一种特征在原则上都能够被精确描述， 并可以由机器来模拟”。 相比传统方式下人们需要按照预先设定好的规则或框架完成工作， 人工智能的出现使机器可自行对数据展开分析并进行模式识别。 不仅如此， 人工智能还可以根据数据结果进行一次甚至多次不间断的学习进而完善决策的制定机制， 因此数据的质量和数量对于人工智能而言十分重要。

虽然迄今为止人工智能尚未有统一的概念， 但是人们普遍认同它能够从数据中学习并利用所学实现既定的目标和任务[4] ， 并像人类一样理性地思考和行动。 因此， 人工智能接近于人類大脑的逻辑思维， 它将对个体、企业和社会产生巨大的颠覆作用。 我国在2018年发布的《人工智能标准化白皮书》中指出， 人工智能一般具有三方面的特征： 一是由人类设计， 为人类服务， 本质为计算， 基础为数据; 二是能感知环境， 能产生反应， 能与人交互， 能与人互补; 三是有适应特性， 有学习能力， 有演化迭代， 有连接扩展。 由此可见， 人工智能就是基于强大的计算能力使机器具有类似人类的认知功能， 其借助自然语言处理（NLP）、机器学习等技术对数据进行分析， 通过深度学习形成不同的算法模型来帮助人们做出适当的决策。

虽然人工智能经历了不同的发展阶段， 但由于受到技术发展水平以及数据质量和数量的限制， 相关研究并没有取得实质性的进展。  2006年， 多伦多大学教授杰弗里·辛顿指出， 人工神经网络所具有的优异特性使其具有较强的学习能力， 且深度学习的难度也能够通过“逐层初始化”予以解决， 因此深度学习不同于传统的机器学习。 随着杰弗里·辛顿等对基于人工神经网络学习模型的探讨以及深度学习概念的提出， 人工智能开启了在各领域应用的第三次浪潮。 特别是2016年Google的人工智能AlphaGo战胜围棋高手李世石， 这一事件引起了人们对人工智能的极大关注。 世界各国纷纷将人工智能列入未来发展重点， Google、Facebook等世界巨头也通过并购等方式开始布局人工智能领域， 人工智能的第三次浪潮引发了社会各行业的巨大变革。

二、人工智能审计的原理

人工智能审计通过融合信息系统审计、数据式审计、大数据审计和联网审计等进一步改变了审计模式和方法。 与已有的审计手段相比， 人工智能审计以大数据为基础， 利用更广泛、更多样化的数据， 通过数据挖掘、云计算、机器学习、深度学习等技术构建形成不同算法的审计模型， 根据审计的具体规则和各要素之间的勾稽关系来识别业务过程中的异常点从而获取审计经验。 相比传统审计模式， 人工智能审计模式下基于算法的审计决策依据更充分， 决策的制定过程也更为客观、准确、迅速。 由于在审计过程中还涉及与单个被审计机构有关联的风险以及整个组织所面临的整体风险， 因此从全覆盖以及实时性角度来看， 人工智能审计真正实现了以动态变化的方式理解并恰当管理这些风险， 使持续审计成为现实。 人工智能审计原理如图1所示。

借助AI平台这一基础层， 人工智能审计以搜集的结构化和非结构化数据为数据源， 通过计算机视觉、自然语言处理、知识图谱及语音识别等各种规则设定程序构建的通用层来模拟人类的各项能力， 利用人工智能的通用技术与具体审计业务应用的深度融合搭建了应用层。 如果存在数据量不够或者数据质量不高的情况， 就需要从流程或算法上寻求解决方案。 例如： 对于有效样本数不足的问题， 可通过采用少样本学习的算法予以解决; 对于数据采集质量差的问题， 可通过数据清洗和转换等方式进行处理， 借助更为精细化的规则程序进行深入分析。 在应用层， 人工智能审计实现了价值创造的三个层次： 自动化、智能化和创新化。 作为感知智能技术的单点应用， 自动化是指由审计机器人代替人类自动执行业务程序， 通过多样化的传感器捕捉更全面的信息， 审计全过程自动化拓宽了审计覆盖领域， 实现了对所有审计项目的集中统一管理和审计数据的全覆盖。 当然在大多数情况下， 自动化涉及的只是审计业务链条中的一个或某几个环节， 本质上并不改变原有的业务流程。 在自动化的基础上， 基于知识图谱、自然语言处理及深度学习等认知智能技术和算法发展起来的智能化则让计算机具备了分析、推理和决策能力， 这一阶段通过对审计业务流程的改造大幅提升审计能力。 到了价值创造的最高层次， 创新化则根据智能化应用过程中改变的传统业务流程对审计功能及整体流程进行重构， 进而形成新的审计模式或者更为细分的审计业务， 真正实现人工智能技术与审计的深度融合。

三、人工智能对国家审计的影响

1. 人工智能改变了审计取证方式， 提高了审计效率， 使审计人员的工作重心发生转移。 相对于账项基础审计和制度基础审计模式下通过梳理政策、检查账簿报表等文件资料、观察及询问相关部门和人员来获取信息， 并以此为依据开展审计工作， 现代风险导向审计模式所具有的“整体观”使得审计人员的取证范围从财务报表扩展到了全部的业务及战略活动。 但由于需要大量的审计判断， 审计对于现代技术的运用落后于其他行业， 在很大程度上制约了审计工作效率和效果的提高。 在传统审计方式下， 无论是审计准备阶段的识别和评估风险点、确定审计的重点领域， 还是审计实施阶段的内部控制测试、分析性程序和实质性程序， 都要通过估计风险的数量和性质、抽取凭证、穿行测试以及比率趋势分析等方式来实现。 同时， 由于非财务信息占比较大， 这部分信息的搜集和整理也耗费了审计人员大量的时间和精力。 随着业务量的增多、政府项目规模的扩大， 业务规则趋于复杂， 审计风险也日益增大。 尤其像重大政策落实跟踪审计这类业务， 由于周期较长， 审计人员需要持续跟踪审计意见的执行情况， 大量重复性的基础业务占据了审计人员有限的时间和精力， 具有战略性地位的审计决策和后续审计反而成为“扫尾”性质的工作， 头重脚轻的资源配置使得本应通过发现并及时弥补运行过程中的漏洞而不断实现自我健全和完善的“免疫系统”并没有起到真正的作用， 导致国家审计工作缺乏亮点， 难以产生足够的影响力。

人工智能的发展帮助解决了信息传递速度与成本之间的一系列难题[5] ， 几乎改变了从审计计划到审计报告的整个审计过程， 对数据采集、比较与验证的影响尤为显著。 近几年， 我国逐渐将人工智能技术应用于资源环境审计、领导干部自然资源资产离任审计等业务。 例如， 2018年天津市滨海新区审计局在政府投资审计中首次使用无人机低空遥感测绘技术， 2019年无锡市审计局在某工程项目审计中也使用了无人机遥感技术， 借助无人机的可变图像和对象识别工具以及全球定位系统（GPS）或遥感地理信息系统（GIS）， 可以获取所需要的精准数据并实现全流程监控。 这种远程或非现场的方式不仅保证了数据的一致性和准确性， 弥补了传统取证方式的不足， 更使得审计人员有较多精力专注于解决风险、完善对策， 显著提高了审计效率。

目前， 人工智能对审计影响的焦点集中于审计工作中劳动密集型任务的自动化。 审计过程中的风险评估和识别、内部控制测试、分析程序， 甚至包括验证、重新计算等在内的占比较高的实质性测试任务都可以由人工智能技术协助完成[6] 。 随着技术的不断完善与发展， 这些工具会读取、管理和分析更复杂的合同和数据， 审计报告也可以通过人工神经网络和深度学习自动生成。 由于合同及发票的抓取验证、账证数据的复核、银行对账、折旧及摊销的重新计算及工作底稿的自动填写等一些工作量大但不涉及太多职业判断的工作都可以通过机器人流程自動化（Robotic Process Automation， RPA）来处理①， 审计人员能集中精力关注更加复杂的交易事项， 从而极大地提升审计工作的质量和效率。 由“跟项目”到“跟部门和项目”再到“跟数据”， 审计工作重心逐渐由简单重复性的业务前端后移至需要更多职业判断的决策端， 为更好地发挥预防、抵御和揭示功能， 推动并完善国家治理起到了重要作用[7] 。

2. 审计风险更隐蔽， 审计责任难以界定。 随着技术的进步， 审计业务中自动化的适用范围也在不断扩大[8] ， 特别是一些规则明确、重复性高的工作（如内部控制测试、账目核对及细节测试等）完全可以通过自动化进行处理。 在运用人工智能技术对数据展开分析时， 由于这是一个技术支配数据从而引导审计人员进行后续审计的过程， 技术风险具有更广泛的渗透性。 现有技术条件对于结构化数据的分析处理已经实现了智能化和精准化， 但是以图片、视频、邮件等形态呈现的非结构化数据大多难以直接用于分析处理， 由于无法全面掌控这类数据， 极易出现大量的“伪相关”关系， 甚至可能出现错误的推断和结论， 从而对国家战略决策产生误导。

另外， 通过对人类意识、思维的不断模拟、延伸和扩展， 人工智能从最初的回归算法、决策树等传统模型发展到今天的深度学习等新兴算法， 其计算和决策的过程越来越复杂。 多数基于深度学习的算法是通过无数次的试错学习、不断模拟产生的， 除了开发、设计算法的人员， 其他人根本无法理解算法模型及其运行的机制， 对其内在机理更无从了解和判断。 因此， 在应用过程中， 审计人员面临的最大挑战就是算法模型的可解释性问题， 包括由于算法不同而引发审计结果的差异性， 而这种不可解释性或未知性也恰恰是审计风险之所在。 当然， 在从静态封闭转向动态开放的过程中， 还可能存在一些由数据规模引发的异常， 这些网络安全隐患甚至连计算机程序也无法快速检测发现。 尤其是在出现决策失误时， 很难判断其究竟是审计人员方面主观导致的， 还是因为网络技术原因或算法模型而引发的， 从而在认定时难以追究具体的责任。

3. 人工智能技术的应用减小了审计期望差距， 降低了审计资源的不对称程度。 在传统审计业务执行过程中， 由于沟通反馈不及时、数据量过多或理解的差异性等一系列原因， 只能看到概述性的审计结果。 以预算执行情况为例， 由于涉及很多的部门和业务， 审计部门出具的审计决定书或整改意见函中只能把发现的问题做一般性列示， 例如上年度资金未结转、款项未清退、长期挂账未清理、违规支付、违规出租出借房产等， 对于这些问题的整改进展情况以及如何在制度层面加强预算控制、如何控制一般性支出等都无法进行及时、深入的了解， 审计结论与公众期望之间存在一定的差距。 而政府数据量的扩大和业务的日益复杂化又使得审计供给的缓慢增加与需求的快速增长之间的差距越来越大， 审计的效率和效果难以兼顾。

在人工智能环境下， 强大的计算能力使机器具有类似人类的认知功能， 审计人员能够根据国家治理的需要准确、迅速地介入相应业务流程中， 无论是自然语言处理还是OCR等都可以同步进行; 基于大数据的模型生成和算法的实时调整更是增强了审计部门的业务能力， 提高了问题分析的深度和广度， 从而减小了审计期望差距。 不仅如此， 在人工智能技术的支持下， 政府资源中大量结构化和非结构化的数据得以实时采集与充分的整合管理， 对各种信息资源的持续监测实现了在设定情境下的智能化审计分析， 全方位覆盖的审计流程打破了各业务部门的界限， 降低了审计延迟， 为国家审计资源的实时共享提供了支持。

四、有关人工智能时代国家审计的进一步讨论

1. 人工智能对审计业务流程的影响。 随着信息技术的发展， 近年来先后出现联网审计[9] 、持续审计[10] 等不同的作业模式， 尤其是人工智能审计的出现极大地改变了审计工作的性质， 统一的大数据标准推动了审计作业的自动化， 深度学习系统通过分析传感器的数据进一步深化了人工神经网络的运用， 促进了审计技术和方法的发展。 在人工智能时代， 审计师可以实时监控运行数据（如建立对于耕地和基本农田的视频监控网， 强化耕地保护的全流程监测）， 审计署及各级审计机关可以清晰地看到每个结论的依据， 从而获得对数据更加深入的理解。 同时， 审计部门也能够快速响应国家治理及相关业务的发展变化， 审计人员更多地参与到审计流程的判断和分析中， 审计期望差距大幅缩小， 审计效率和质量大大提高。 特别是随着区块链技术的不断发展， 它所具有的分布式记账与去中心化的点对点通信（P2P）以及数据公开透明、不可更改与可追溯性等特点， 使得经济数据的记录方式发生彻底变革。 借助一站式区块链平台， 任何经济活动的参与方信息都能被整合上传并接受多方监督， 审计链上的数据更加真实、完整。 如果单位内外部信息实现了无缝衔接， 那么审计人员就无须再将内部信息与外部第三方数据进行核对验证， 在审计工作中就可以跳过现有的实质性程序， 从而极大地简化业务流程， 真正实现审计的实时性和全覆盖。

2. 人工智能技术运用给审计带来的风险与挑战。 在肯定人工智能为审计领域带来发展机遇和深刻变革的同时， 也要注意到发展过程中存在的问题和风险。 相比传统的技术解决方案， 人工智能可以自行分析数据并根据不同的模式识别进行多次的连续学习来创建或更新现有的模型以完善决策制定的算法， 整个过程对于所处理数据的数量和质量十分依赖， 特别是不断的试错学习需要大量的数据训练， 这也是保证人工智能审计处理结果准确性的基础。 若没有大量数据的学习和训练， 就谈不上人工智能审计。 但就现有情况来看， 多数政府或企业平台输入端缺少高质量的大数据， 单位及部门之间的系统架构也阻碍了数据的自由流动， 数据孤岛的存在使得充分的数据共享难以实现。 与此同时， 数据结构化的不足也成为一个硬伤。 由于非结构化数据多数是难以直接进行分析的， 大数据审计平台收集到数据后首先要将数据进行分类， 并将非结构化数据通过数据的处理与转换变为结构化数据， 利用文本分析等创造性的方式将非结构化数据和半结构化数据变成可用于分析的数据[11] 。

不过， 对于目前主流的机器学习模型来说， 由于非结构化数据具有不断变化和不可预测的特性， 处理起来难度较大， 数据预处理时间长， 应用开发成本较高， 最重要的是并非所有非结构化数据都可以转换为结构化数据。 2014年10月， 《国务院关于加强审计工作的意见》中提出， 要“探索在审计实践中运用大数据技术的途径， 加大数据综合利用力度， 提高运用信息化技术查核问题、评价判断、宏观分析的能力”。 因此， 有必要开发新的解决方案进行数据的管理分析， 适当、合理的数据分析方法在国家审计中将发挥越来越重要的作用。 此外， 由于只能在部分基础审计工作领域人为设置特定的指令， 对于高难度的审计业务还必须依赖具备一定职业能力的审计人员来完成， 同时对语义的精确理解以及机器视觉等内容， 现阶段的模型能力还相对有限， 因此现阶段的人工智能国家审计还停留在概念层面， 处于发展的初级阶段或弱人工智能阶段。

真正的人工智能是从新数据中进行连续的学习， 通过建立相应的模型预测来得出结论， 这整个过程的不透明性和不可解释性导致审计人员很难理解并把握最终决策形成的机制。 就此而言， 与决策制定相关的人工智能解决方案会使审计数据的可追溯变得异常困难， 无法找到或提供支持该算法或模型的证据， 人工智能技术的快速发展甚至可能会导致在短期内产生大规模的处理错误， 如网络云平台存储和传输的数据一旦因系统漏洞、病毒及各种运行故障而出现泄漏或者丢失， 就会对信息安全产生巨大影响。 如何在充分利用人工智能所带来便利的同时保障国家数据和系统的安全是审计人员面临的重要挑战。 不仅如此， 部分算法模型的不透明性还与现有法律法规产生了冲突。 例如， 1996年《美国健康保险流通与责任法案》（HIPAA）就强化了对个人身份信息的保护， 而2018年《欧盟通用数据保护法案》（GDPR）则明确规定企业在特定情形下需要向用户阐明他们的个人数据是怎样被使用的并做出合理的解释， 包括那些会对用户产生重大影响的自动生成结论的内部机制。 因此， 应该将对具体应用程序和算法模型的审查纳入审计范围， 而有关立法及国家审计准则的制定机构也应该密切关注人工智能的发展， 加强对人工智能、信息及网络安全等相关领域潜在风险的研判和防范， 通过建立并完善有关标准及法律法规体系及时维护国家利益。

3. 人工智能与审计基本理论及原则的关系。 虽然人工智能技术实现了审计业务的高效化和智能化， 但是人工智能时代的国家审计仍旧是以审计的基本理论和原则为基础发展起来的， 两者之间呈现出引领与促进、相辅相成的关系。 人工智能审计模式改变了以往国家审计准则中对审计目标的设定， 審计证据的获取方式、充分性和可靠性要求以及审计人员的独立性定义也发生了不同程度的变化， 但是无论怎样都应重视审计的理论与准则建设， 不能一味地追求效率和技术的创新而停止对审计理论的探索和研究， 忽视甚至放弃审计规则和商业伦理， 导致人工智能审计成为“无根之木、无源之水”。

2017年10月， 习近平总书记在十九大报告中提出要“善于运用互联网技术和信息化手段开展工作”。 2018年5月， 在中央审计委员会第一次会议上， 习近平总书记再次明确指出“要深化审计制度改革， 解放思想、与时俱进， 创新审计理念……要坚持科技强审， 加强审计信息化建设”。 2017 ～ 2019年的政府工作报告中更是连续三年提到了人工智能的重要作用， 指出应加强新一代人工智能的研发应用。 因此， 要始终站在理论与应用的前沿， 充分利用好我国现有的审计信息化优势， 对国家审计准则和理论做出及时的调整， 将信息系统审计准则、数据审计准则、数据审计质量控制准则等融合在一起， 借助“金审工程”和5G网络， 集中力量加快设立符合人工智能的数字审计标准， 争取有关准则、规范和指南制定的国际话语权， 在国际人工智能审计领域成为世界引领者。

4. 人工智能审计的发展对审计人员地位和作用的影响。 Frey和Osborne[12] 的研究表明， 在未来由于受到自动化的影响， 会计和审计被取代的可能性为94%。 Srinivasan[13] 甚至认为人工智能所带来的审计自动化可能会导致审计职业消亡。 尽管人工智能给现代审计带来了深刻的变革， 但就目前来看它的作用仍然是有限的， 特别是在沟通、职业判断以及决策制定这几个对国家审计而言极其重要的方面， 仍旧无法完全替代人类的工作。 一方面， 在开展审计工作前的计划阶段， 审计人员需要与各单位部门进行沟通， 为制定有针对性的审计实施方案积累资料; 在实施审计的过程中， 审计人员根据对具体业务情况的了解决定是否在正式审计过程中继续跟进可疑事项、进行深入调查， 包括了解内部控制的制度和环境以及控制程序的执行情况等; 在出具审计报告前， 审计组成员要围绕审计发现进行讨论以确保足以支持审计结论。 另一方面， 审计师在执行业务的过程中， 要充分听取各部门人员的看法、意见和建议， 这是审计流程中至关重要的一部分， 只有通过观察、询问、交流才能保证审计业务的顺利进行， 而人工智能目前还无法做到这一点。

不仅如此， 人工智能技术虽然可以判断某些指标或数据的异常， 但是异常的背后隐含着怎样的利益输送、如何协调部门间的利益冲突、怎样进行沟通才能实现双赢以及如何对国家政策进行改进和完善等问题都是人工智能目前无法解决的。 无论是对需求的准确理解还是对谨慎度的把握， 都依赖审计人员自身的职业判断。 尤其是随着交易事项日益趋于复杂化， 每次审计的目的和内容都不相同， 对于这些非常规的业务， 人工智能审计系统还无法完全代替人类做出判断， 在无章可循的情况下审计人员的职业判断就显得越发重要。 可以说， 人为的干预和判断永远是审计工作最有价值的部分。

人工智能时代要对审计人力资本的发展进行彻底的反思与转变， 审计人员需要实现彻底变革以适应未来的职业需求[14] ， 但人工智能终究是模拟人类逻辑思维判断过程的一个应用系统， 过于依赖该系统可能会导致审计人员失去自己的判断力。 因此， 未来应该将人工智能审计作为提供辅助判断的系统， 而不是完全依赖人工智能技术， 人工智能有可能变革审计， 但永远不会取代审计专业人员[6] 。 当然， 随着科技的进步和成本的逐步降低， 人工智能技术将得到深入运用， 人工智能审计体系将逐步完善， 审计过程将变得更加透明、更加富有洞察力和更加高效。 尤其是随着“大智移云”时代的到来， 人工智能技术将更好地带动审计发展、服务于审计工作， 与国家治理体系和治理能力相适应的审计监督机制会在保障和落实国家重大决策机制、维护国家经济安全、促进依法治国、推动深化改革以及推进党风廉政建设等方面发挥越来越重要的作用。

五、结语

随着自然语言处理、文字光学识别及以Neo4j为代表的图数据库分析工具等多项人工智能技术的广泛应用， 审计取证方式实现了由多样化向高质量、高效率的转变， 持续审计在审计对象“全覆盖”的前提下逐步成为现实[15] ， 审计工作重心也由业务端转移到了决策端。 以大数据国家审计平台为基础， 依托多种机器学习算法模型和更强大的计算能力， 人工智能时代的国家审计改变了传统的审计模式， 优化了审计流程， 这不仅有助于缓解审计工作任务重与力量不足的矛盾， 也为提升审计成果的质量、层次和水平， 以及聚焦主责主业， 做好常态化“经济体检”工作提供了坚实保障[16] 。

【 注 释 】

① 虽然从算法的角度来看RPA和人工智能都属于自动化的范围，但是两者并没有实质上的关联。从严格意义上讲，由RPA代替人类从事重复性的工作仅仅实现了流程的自动化，尽管中间也可能融入了光学文字识别（OCR）技术，从合同或发票这类半结构化数据中提取文字，但是由于不存在復杂算法和深度学习的问题，没有实质性地改变系统流程，所以本质上应作为初级的自动化或称为弱人工智能阶段。而人工智能是基于不同的算法和实时的数据训练进行规则和统计模型的调整，具备了人类的“认知功能”，应属于自动化的高级阶段，也称为强人工智能或类人工智能阶段。此处本文不做具体的区分。

【 主 要 参 考 文 献 】

[1] 刘家义.论国家治理与国家审计[ J].中国社会科学，2012（6）：60 ～ 72.

[2] 张立民，崔雯雯.国家审计推动完善国家治理的路径研究——基于国家审计信息属性的分析[ J].审计与经济研究，2014（3）：13 ～ 22.

[3] Stacey Shindelar. Big Data and the Government Agency[ J].Public Manager，2014（43）：52 ～ 56.

[4] Kaplan Andreas， Michael Haenlein. Siri， Siri in My Hand， Who's the Fairest in the Land？On the Interpretations，Illustrations and Implications of Artificial Intelligence[ J].Business Horizons，2019（62）：15 ～ 25.

[5] 乔恩·拉斐尔，戴正宗.看人工智能如何提高审计质量[N].中国会计报，2015-06-29.

[6] Abdolmhammadi M. J.. A Comprehensive Taxonomy of Audit Task Structure，  Professional Rank and Decision Aids for Beh-

avioral Research[ J].Behavioral Research in Accounting，1999（11）：51 ～ 92.

[7] 劉家义.国家治理现代化进程中的国家审计：制度保障与实践逻辑[ J].中国社会科学，2015（9）：64 ～ 83.

[8] Lacity M. C.， Willcocks L. P.. Robotic Process Automation at Telefonica O2[ J].MIS Quarterly Executive： A Research Journal Dedicated to Improving Practice，2016（15）：1 ～ 2.

[9] 陈伟，Wally Smieliauskas.云计算环境下的联网审计实现方法探析[ J].审计研究，2012（3）：37 ～ 44.

[10] Brown C. E.， Wong J. A.， Baldwin A. A.. A Review and Analysis of the Existing Research Streams in Continuous Auditing[ J].Journal of Emerging Technologies in Accounting，2007（4）：1 ～ 28.

[11] 弗兰克斯著.黄海，车皓阳，王悦等译.驾驭大数据[M].北京：人民邮电出版社，2013.

[12] Frey C.，Osborne M.. The Future of Employment： How Susceptible Are Jobs to Computerization？[ J].Technological Forecasting & Social Change，2017（114）：254 ～ 280.

[13] Srinivasan V.. Will Financial Auditors Become Extinct？In the Intelligent Enterprise in the Era of Big Data[M].New York：Wiley，2016.

[14] GAO. Technology Assessment：Artificial Intelligence：Emer-

ging Opportunities，Challenges，and Implications[EB/OL].https：//www.gao.gov/assets/gao-18-142sp.pdf，2018.

[15] 蒋楠.论大数据时代国家审计变革与发展[ J].财会月刊，2022（7）：113 ～ 117.

[16] 中央审计委员会办公室，审计署.关于印发《“十四五”国家审计工作发展规划》的通知[EB/OL].http：//www.gov.cn/zhengce/zhengceku/2021-/28/content_5621230.htm，2021-06-22.