基于人工智能的审计应用研究及发展探索

潘尚文

南京审计大学计算机学院，江苏 南京 211815

随着人工智能技术的发展，机器学习、专家系统、神经网络等人工智能技术在审计领域逐步有了一定的应用，助力审计向着自动化、智能化、数字化方向发展。在审计工作中应用人工智能技术，不仅提高了审计质量与审计效率，也在一定程度上改变了审计模式、组织结构以及审计工作方法。自2017 年以来，国际四大会计师事务所相继推出财务机器人，人工智能在审计领域的应用更为广泛，审计自动化处理取代了重复的人工业务，提高了审计效率。

在人工智能技术与审计领域不断融合发展的背景下，通过梳理总结人工智能审计应用发展现状，分析预测审计行业未来的发展方向，更好地促进我国“科技强审”的目标愿景。

1 国内外研究现状

国外学界对于人工智能在审计中的应用研究较早。Issa 等[1]探讨了人工智能对手工劳动产生的影响、代替或补充的可能性，给出了24 种探究人工智能在审计中应用的研究方法，鼓励探索人工智能推动审计发展的方法与模式。Kokina 等[2]论述了人工智能带给审计的实践模式转变。Appelbaum 等[3]讨论了审计与会计自动化中的机器人技术，并对流程自动化应用做出展望。Yan 等[4]提出了在分析大量合同文本时，使用文本分析技术提取有效信息的契约分析框架。

随着我国人工智能技术的不断发展，国内研究者也开始逐步对人工智能在审计中的应用进行研究。吴勇等[5]面向审计全周期构建了机器学习应用框架和基于机器学习模型的审计应用框架。曹纳[6]提出了人工智能审计平台，基于BP 神经网络，融合分析人工智能和神经网络方法，进行审计智能化模式分析和系统设计。孙宇斌等[7]结合RPA 和神经网络等人工智能技术，构建前瞻性全量全周期的数字审计体系，在内部审计中成功实现经营数据采集、疑点整改跟踪和风险指标评估等创新。程平[8]将RPA 技术应用于审计中，提出了审计机器人的框架模型以及研发流程，并在实际应用中深入分析RPA 审计机器人的研发策略。曹婷[9]基于人工智能技术，针对智能审计进行系统平台设计并提出具体的保障建议，以促进智能审计的应用推广。

2 人工智能审计应用

尽管审计的领域与技术都在不断拓展，但是针对管理层所提供财务信息的真实性、合规性和效益性进行评估与鉴定的本质目的是不变的。审计是包含收集、组织、处理、评估和呈现数据，并最终提供审计意见、出具审计报告的一系列信息密集型活动。最终审计意见和审计报告一般基于相关、适当、充分的审计证据，对财务报表不同方面的真实性、合规性和效益性进行审计判断。

通过对目前的人工智能审计应用进行研究与分析，总结得出，人工智能技术应用于审计领域的技术及概念主要有专家系统、机器学习以及RPA 技术。由于审计工作的特殊性，目前结合人工智能技术主要用于提升审计质量与审计效率、处理复杂审计问题以及实现审计自动化。

2.1 专家系统

在人工智能应用领域，专家系统是最活跃和最重要的发展分支之一，其采用人工智能中的知识表示和知识推理技术，基于某一领域中一个或多个专家的专业知识，模拟专家决策过程得出结论，可以用于解决在审计工作中需要专家决策讨论的问题。

由于审计工作往往涉及不同的领域与业务内容，专家系统在应用于自动化审计时，通常将一个或多个领域专家的专业知识结合起来，为解决审计问题提出相应的建议，帮助审计人员做出较为正确的决策。与传统辅助决策工具相比，专家系统能够模拟专家决策过程，拥有更多优势。在日常审计工作中，审计人员需要在多个环节查询不同领域的相关专业知识，这一过程虽然有利于审计人员自身专业素质的提升，但浪费了大量时间，降低了审计效率。专家系统中的知识体系综合了多个领域专家的专业知识，可针对不同的审计问题提出解决方法，在有效缩短审计人员审计时长的同时，也在一定程度上减少了审计人员的遗漏或疏忽，提高了审计结果的有效性。

2.2 机器学习

机器学习是人工智能中的一个重要的部分，机器学习主要是用数据及算法训练机器使用人类学习知识的方式进行学习与思考，并能通过大量的历史数据进行分析预测。目前机器学习已应用于审计的多个流程任务中，如审查源文件、分析业务交易、评估企业风险等。在大数据时代背景下，审计工作量与数据量快速增长，逐渐出现审计效率与审计质量难以兼顾的情况，机器学习在分析预测方面的优势可以很好地提高审计效率[10]。

机器学习能够在很大程度上同时保证审计的速度与质量，未来将在一定程度上改变审计的模式与方法。与传统抽样检查不同的是，机器学习算法能够审查公司的整体数据，帮助审计人员在更加全面的角度上，制定实施更有效的审计方案，及时发现公司风险及异常。除了对数据进行分析预测，机器学习算法还可以学习审计人员的审计结果，并在其他相似特征的审计项目中，应用相同的推理逻辑。值得注意的是，很长一段时间内，在实证研究演绎推理范式下的会计与审计主流理论研究中，归纳推理方法被低估，而机器学习在审计工作的应用引发了会计与审计研究领域对归纳推理方法的重新研究。同时，在演绎推理研究方案中，机器学习成为常用的技术方法和工具。

目前，机器学习模型在审计工作中已具备成熟的运行机制，其应用能够覆盖审计工作的全过程，国际四大会计师事务所也在机器学习与审计结合方面积极探索，已推出了成熟的应用系统。

2.2.1 基于机器学习模型审计应用模式的运行机制

机器学习通过应用数据分析和处理技术来检查交易的联系、模型、结构、合法性程度，并将学习算法应用到已经处理过的数据中，运行机器学习软件分析数据并进行模式识别，最终给那些包含潜在欺诈风险的交易贴上标签。机器学习的迭代算法应用于大量数据进行模式识别，有助于将审计自动化更好地应用于实际审计业务中。通过一系列无监督和有监督的学习方式，使得计算机做出较为精准的预测，有效预测审计中存在的风险。虽然每次处理的数据不同，但通过在新的数据上训练机器学习算法（如识别与业务类型不符的会计处理方式和会计估计方法、识别与原始会计凭证相比呈现出异常特征的交易和事项等），系统能够对新的包含潜在欺诈风险的交易进行标注，可以为审计人员进行风险评估以及确定重点审计领域和审计范围提供重要的决策支持。

2.2.2 面向审计全生命周期的机器学习模型系统应用

机器学习的应用与实施可能会覆盖审计过程的所有阶段，以支持从审计计划制定到审计报告决策的全过程。在审计证据收集阶段，审计人员能够通过使用机器学习算法开发的规则收集数据，获得无偏见且更准确的信息。此外，机器学习能够通过处理自然语言和视觉数据，提供不同来源的大数据综合信息，审计人员可以在机器学习模式识别的帮助下，通过对比分析这些额外的、更高质量的数据集来识别异常值，还能够通过比较实际数据和机器学习生成的预测数据来检测异常。在风险评估阶段，语音和面部识别技术在鉴别欺诈访谈方面可以起到重要的辅助补充作用。此外，作为风险评估程序的一部分，审计人员可以通过使用机器学习工具，充分利用非传统数据关系，更好地理解数字背后的驱动因素和行为模式，以便侦测到目前可能被忽视的问题。如果发现与传统指标不一致的地方，则需要审计人员重点关注。

2.2.3 国际四大会计师事务所机器学习系统的实践应用

国际四大会计师事务所积极尝试将人工智能技术与审计相结合，自2017 年以来陆续推出财务机器人，标志着人工智能审计阶段的开启。在国际四大会计师事务所中，人工智能机器学习技术主要在风险评估、审计计划、分析和出具审计工作底稿等工作中用于数据分析、编制文件、审查总账和审计决策等。

德勤最早将人工智能与审计结合，其与Kira Systems 公司共同开发了Argus 认知模型，该模型应用机器学习、自然语言处理等技术，可以识别读取合同和租赁等结构化文本文件，并能够准确识别其中重要的合同条款，从数据中分析趋势与异常。此后，德勤又推出了财务机器人“小勤人”，用于执行大量重复性的审计工作。普华永道开发了基于机器学习模型的数据审计技术工具Halo，用于分析日记账，并能从中识别潜在的问题和风险。安永结合机器学习和自然语言处理技术，开发了全球化的数字平台EY Canvas 和EY Helix，使用交互式视觉分析技术，让审计工作人员可以使用高效的机器学习工具，在降低法律风险的同时也能收集到更多的信息。毕马威开发了KPMG Ignite 机器学习工具组合，在业务决策和流程上促进数字化转型，加强数字平台的建设。

2.3 RPA 技术

RPA 技术即机器人流程自动化技术，用于模拟人机交互的过程，根据事先设定好的程序自动执行，并针对指定任务依据简单的规则进行决策，由此实现自动化审计[11]。常见的RPA 平台有UiPath、UiBot 等。

目前RPA 技术主要应用于审计自动化。基于RPA技术的审计机器人可以代替人工执行大量简单、重复的工作，从而使得审计人员将更多的时间和精力放在更为重要的审计环节中，提高审计效率，降低审计风险。RPA技术将表示层的人机交互过程转变为自动化流程，不涉及被审计系统底层系统的变更，同时也不涉及改变IT 系统或与操作系统集成，从而实现不同平台与软件的操作跨越。在应用RPA 审计机器人时，审计人员不要求具备较高的计算机知识及编程能力，只需在相关RPA 软件上进行基本配置即可。

尽管RPA 技术给审计工作带来了很多的便利，但RPA 技术也存在一些缺点。在目前的发展阶段，基于RPA 技术的审计机器人只能执行设定好的规则，不能进行智能化审计决策。当遇到预定规则以外的审计任务，RPA 机器人则无法自动处理，需要人工干预处理。

3 人工智能审计发展前景

3.1 审计技术：多种技术混合使用实现程度更高的自动化审计

基于RPA 技术，将专家系统应用于机器学习模型构建中，使RPA 机器人能够不再局限于执行设定好的任务，并通过数据训练，实现自动判断推理，为审计人员提供更多发现审计问题的参考依据。同时，RPA 机器人能够在不同的审计环境中解决审计问题，通过不断地升级优化系统，RPA 审计机器人能实现更高程度的自动化审计，推动未来审计工作高效开展。

3.2 审计方法：根据不同审计业务选择合适的技术，发挥辅助作用

应根据不同审计项目的特点与规模，确定是否需要使用人工智能技术。目前大部分基础审计业务与人工智能技术结合较少，若是盲目应用人工智能技术，不仅会增加不必要的工作量，而且可能降低审计质量。将人工智能与审计有效结合，使审计人员脱离重复性工作，提高自身的业务水平，才能切实高效地解决实际问题。需要注意的是，在审计工作中，审计人员应严谨对待运用人工智能得出的预测结果，机器学习模型得出的是概率，而非真实结果，不可作为真实审计证据使用。

3.3 审计模式：人工智能推进审计全覆盖、审计全过程

人工智能推进审计向自动化、闭环式、持续性审计转变，以超前的响应、多元的视角、闭环的管控，提供更具价值的审计监督，实现审计全覆盖、审计全过程。在审计前，前瞻性分析识别业务风险种类、风险程度和风险发展趋势；在审计过程中，有针对性地执行审计程序并进行整改监督，全量采集经营数据，精准定位重大风险；在审计结束之后，可以持续跟踪线索整改，显著提升经营质效。

4 结语

需求决定技术的发展，尽管在实际审计工作中，人工智能的应用还处于初步阶段，但其发展空间是巨大的。人工智能促进了审计自动化的进程，利用计算机技术拓展了审计的方法与领域。以“科技强审”为目标，结合人工智能技术，将其真正应用于实际业务之中，才能更好地促进审计人员自身发展，提升审计质量，从而推动审计工作与审计行业高质量全面发展。