中兴证券 AI审计多重瓶颈如何突破？

中兴证券

“从事审计近30年，我有幸见证了中国的飞速发展，更切身体会到科技的日新月异，但我们的审计技术几乎是原地踏步，没能与时代同拍。”在接受证券时报记者采访时，某头部会计师事务所合伙人的感慨，道出了审计行业当下的集体焦虑。

数据量爆炸式增长且复杂性提升，手工操作效率低下而人力成本高企、风险识别滞后且精准度不足……传统审计模式在数字化浪潮中渐显疲态，人工智能（AI）技术正成为会计师事务所突破困局的关键抓手。在审计质量要求攀升、合规监管趋严的背景下，行业对AI价值的认知已达成共识，一场技术驱动审计变革的大幕正悄然拉开。

审计亟待AI赋能

在人工主导的传统审计模式中，审计人员深陷重复性工作，面对海量数据效率低下；依赖经验判断不仅易遗漏隐蔽关联交易与复杂舞弊，审计标准执行也受主观影响，独立性常遭干扰。更棘手的是，传统抽样方法难以覆盖全量数据，可能导致重要线索遗漏；对企业内部控制体系难以穿透性核查。面对这些积弊，AI技术的出现为重构审计模式带来新的可能。

在立邦投资有限公司信息系统审计师解学振看来，AI对审计的赋能主要体现在三个方面：一是数据处理与分析，AI凭借强大的运算能力和算法，可快速处理全量数据、挖掘关联与异常，克服传统抽样审计易遗漏问题，提升效率与精准度；二是风险识别与预警，基于历史与实时数据构建模型持续监控，突破传统审计依赖经验判断的滞后性；三是流程自动化，自动完成审计证据识别、提取、底稿生成等重复性工作，减少人工操作与失误，告别传统审计手动收集编写的耗时且费力。

南通万隆会计师事务所合伙人徐曙举例道：“马斯克团队仅靠6名工程师和AI技术，就在3天内完成了政府资金使用情况的大型审计项目。他们通过聚类、分类及异常检测算法分析资金流动，精准识别出不规则的支出模式。这表明，目前AI技术在海量数据、简单重复性审计业务中具有很强的适配性，像政府资金审计、内控审计等领域都能发挥优势。”

行业头部先行尝试

审计行业技术转型的需求愈发迫切，但不同规模的会计师事务所因资源禀赋、业务结构的差异，在技术升级的道路上呈现出截然不同的节奏与姿态。

“头部所更倾向于开展AI审计，其资金充裕且客户广泛、业务量大中兴证券，AI应用能快速形成规模效应。”南京审计大学内部审计学院院长许汉友说。他举例，德勤的生成式AI助手“DARTbot”嵌入审计全流程，能自动检索分析财务数据、识别文件关键信息并预警异常，将人员从重复工作中解放；安永在底稿生成、函证制作、抽样及报告输出等环节实现RPA（机器人流程自动化）应用；天职国际搭建“职慧”AI平台，推出财报分析等多款工具，融合审计知识库与逻辑辅助专业判断。

某头部会计师事务所合伙人透露，该所五年前启动SACP智能云审计平台研发，经持续完善，已集成函证地址核对、监盘系统、智能对账、资金流水核查、重大错报辅助识别等近20项工具。这些工具有效减少机械重复工作，提升审计效率与风险防控能力。目前该所每年在AI审计领域的投入已超1000万元。

与头部机构的积极投入相比，中小型事务所的态度则更为谨慎。江苏苏港会计师事务所无锡分所合伙人何智解释：“头部所客户多为公众公司，经营与财务数据公开披露，标准化、可比性强，便于AI对海量数据开展分析对比和风险评估，因此引入动力充足；而中小所客户以中小微企业为主，数据无需公开且缺乏广泛可比来源，信息规范性不足，制约了AI审计工具的开发应用。”

面临多重现实挑战

尽管AI审计的价值已得到验证，但落地过程仍面临多重现实阻力。从成本压力到数据瓶颈，从技术合作到人才缺口，一系列挑战让AI审计的推广之路布满荆棘。

成本投入是第一道难关。知名财税审专家刘志耕指出，AI审计涵盖技术部署、数据整合、人才与运营等多项成本，这不仅需要大额初始投入，还要长期持续的维护和合规成本。

数据质量与协同不畅形成“双重瓶颈”。许汉友指出，银行、央企动辄上千个系统在跑，标准不一、元数据缺失，导致模型训练经常“垃圾进、垃圾出”；个人信息、跨境传输、行业敏感数据尚未有清晰的审计豁免条款，导致很多高价值数据被“封存”。

技术瓶颈同样突出。江苏苏港会计师事务所首席合伙人王胜浩说：“算法可解释性是难题，AI模型的‘黑箱’运算让审计人员难以理解决策依据，出具报告时存在顾虑。”他还提到，国内部分事务所自主研发能力不足；缺乏完善的产学研合作机制，行业标准和规范尚未统一，制约规模化发展。

人才缺口则让技术落地“后继乏力”。AI审计需要“审计+技术”的复合型人才，但现有人才结构难以满足需求。“既懂会计准则又懂Transformer模型、流程挖掘的人才极度稀缺，四大所招聘这类岗位平均空缺期6—9个月。更值得警惕的是，初级员工若过度依赖AI，将导致职业判断与舞弊嗅觉钝化。”解学振说。

“审计行业的信息化建设本已滞后于企业的数字化进程，而在AI时代，想要实现追赶甚至超越，还要面临信息安全、数据规模激增等现实挑战的制约。”中审众环会计师事务所执行事务合伙人杨荣华感叹道，“回到现实层面，AI指明了提质增效、降本增效的路径和方向，行业应秉持欢迎和接受的态度。”

呼吁多方共建基础设施

推动AI审计在行业内全面落地，仅靠行业机构单打独斗难以实现，需政策、监管、行业、高校等多方协同发力，共同构建可持续发展的生态体系。

在政策层面，需强化顶层设计与基础设施保障。刘志耕呼吁建立统一的技术规范、标准与伦理框架，具体包括制定AI审计应用指南，明确算法透明度要求、数据安全边界及人机责任划分；建立独立的AI系统审计标准，定期校验算法偏差与合规性等。

许汉友建议由财政部牵头建立“审计AI合规审核平台”，参照英国金融行为监管局（FCA）的监管模式，允许具备资质的事务所参与试点，并提交算法说明、风险评估报告。同时，应尽快出台审计人工智能应用指引，明确模型性能阈值、数据安全要求及责任认定标准。中注协可联合沪深交易所共建“审计数据共享平台”，在数据脱敏前提下向事务所开放上市公司历史财报、监管问询记录及行业宏观数据，切实降低审计机构的数据获取成本。

行业层面，需聚焦资源共享与协同创新。王胜浩提议：“建立跨机构交流平台，促进头部机构与中小所的经验共享，减少重复投入。”行业需协调整合资源，统一开发AI审计工具，并对审计准则进行适应性调整，以契合AI审计的技术特性。

人才培养则需打通校企协同通道。徐曙认为：“教育部门、财政主管部门及行业协会应协同推进AI审计人才培养，既要培育具备AI技能的高校毕业生，也要为执业审计人员提供分层分类的技能培训。”

AI正成为推动审计行业革新的核心力量，以全量数据处理、智能风险预警和流程自动化重塑传统模式，为效率与精准度提升注入新动能。尽管当前面临多重挑战，随着多方协同构建良性生态，AI将深度融入审计全流程，推动行业从人工主导迈向人机协同的新范式。