【摘要】人工智能作为一种颠覆性力量，正在系统性重构各行各业的运营模式与发展路径。在审计领域，面对海量异构、实时涌现的电子数据，以及日趋复杂的经济业态和隐蔽的风险形式，依赖手工抽查和经验判断的传统审计模式的滞后性与局限性日益凸显。人工智能在大数据处理、模式识别和预测分析等领域所展现的能力，将显著提升审计的专业化、信息化、智能化水平，增强审计机关应对复杂多变环境的能力，助推审计工作高质量发展。
【关键词】智能审计 监督体系 数据治理 【中图分类号】F239 【文献标识码】A
习近平总书记强调：“面对新一代人工智能技术快速演进的新形势，要充分发挥新型举国体制优势，坚持自立自强，突出应用导向，推动我国人工智能朝着有益、安全、公平方向健康有序发展。”①人工智能在大数据处理、模式识别和预测分析等领域所展现的能力，将显著提升审计的专业化、信息化、智能化水平，增强审计机关应对复杂多变环境的能力，助推审计工作高质量发展。②
智能审计体系构建的内在逻辑
构建智能审计体系的最终目标是提高审计监督效能。智能审计借助标准化、自动化的流程控制，能够将人为错误和偏差降到最低限度，有效保障审计质量的一致性和可靠性。③同时，其全流程可追溯、可验证的特性，将进一步增强审计工作的透明度、可信度、可问责性。尤其是审计人员能够凭借深度数据分析，从海量数据中挖掘潜在模式与规律，对宏观经济运行、区域性金融风险、重大政策效果等进行准确预测和评估，审计工作的价值可以最大限度地向前延伸，从处理单个问题拓展到推动体制机制问题的解决，最终为宏观战略决策提供有力支撑。
数据是智能审计体系的核心要素。与传统审计模式相比，智能审计能够实现从审计抽样到全面覆盖的范式转变，而这一转变的重要支撑正是数据驱动。在人力、时间和成本的多重约束下，传统审计模式需要依赖审计人员的个人经验和抽样技术，通过分析样本项目的测试结果推断出总体结论。这种做法不仅容易导致抽样风险，也会对审计效率和审计效果形成制约。而数据驱动从根本上改变审计证据的来源和性质，为审计结论赋予全面性、准确性和预见性。人工智能技术能够以极低的边际成本，对全量、多源数据进行同步处理与智能分析，极大拓展审计的广度和深度。
人工智能技术的运用不仅能提高传统事后审计的效率和精准度，更重要的是，它正催生一种全新的持续性审计范式。传统审计模式多为事后检查，待问题暴露时，损失通常已经发生且难以挽回。而借助人工智能技术，可构建持续审计与监控模型，实现对审计对象全量数据的实时扫描与风险评估，动态识别高风险业务单元、流程或交易类型。这一转变使得审计监督近乎与被审计单位业务活动同步进行，将审计从静态、滞后的周期性事后检查，推向动态、前瞻的实时监控，极大提升监督的及时性与响应能力。同时，借助持续的监控与反馈机制，风险评估模型可以不断自我学习和优化，风险识别的准确性和时效性不断提升，这使得审计监督能够实时感知经济社会运行中的潜在风险隐患。
智能审计体系构建的主要挑战
数据和算法系统的可及性欠缺，已成为当前审计生态中较为突出的薄弱环节。一是数据质量与完整性问题。智能审计高度依赖高质量的数据输入，但被审计单位提供的原始数据往往存在不完整、不一致、不准确等问题，尤其在合同文本、邮件通信等非结构化数据方面，质量问题尤为突出。二是数据孤岛问题。审计所需的数据通常分散在不同系统、部门和业务单元之中，数据壁垒问题较为突出。加之，技术标准不统一和部门利益冲突协调困难，导致跨源、跨域的数据整合面临阻力。三是数据安全与隐私保护风险。智能审计依赖海量数据进行模型训练与深度分析，但在数据的采集、存储、处理和分析全流程中，均存在泄露和滥用的安全隐患，这对技术安全机制提出更高要求。
人工智能技术在审计领域的实际应用仍面临适配性不足的问题。智能审计所依赖的关键性前沿技术，在成熟度、可靠性和场景适用性方面仍存在明显局限。④其一，算法黑箱与可解释性困境。当前广泛应用的机器学习模型，尤其是深度学习类方法，其决策过程缺乏透明度。这与审计工作所秉持的可验证、可追溯原则形成冲突，会削弱审计人员对模型输出结果的信任度与采纳意愿。其二，模型风险与泛化能力局限。尽管审计模型在训练阶段表现良好，但在应对新业务环境或新型舞弊手段时，其判别性能可能显著下降甚至失效。由于业务环境和舞弊手段持续演变，依赖历史数据训练的模型较为滞后，尤其在面对恶意构造、具有对抗特征的财务数据时，可能产生严重误判。其三，系统集成与兼容性障碍。智能审计系统需要与被审计单位现有的财务系统等有效对接，但不同系统在架构设计、数据标准和接口协议等方面差异较大，容易导致集成过程复杂、实施成本较高，甚至影响系统整体的稳定性与运行效能。
智能审计不仅意味着技术工具的升级，而且对审计机关的组织结构、工作流程与人才体系的转型提出新挑战。⑤首先，审计人员作为审计工作的主体，其专业素质是审计机关履职能力的重要保障。一些审计团队缺乏数据科学、机器学习及编程等关键技术能力，难以有效开发、运用与验证智能审计系统。此外，若过度依赖人工智能输出，可能会弱化审计人员职业怀疑与独立判断能力，容易引发新型审计风险。其次，智能审计的推进，需对现有审计团队结构、作业流程及协同机制，进行系统性重塑，并建立与之匹配的质量控制体系。该过程容易受既有组织惯性与文化阻力的影响，尤其是一些资深审计人员因习惯于传统工作方式，容易对技术变革产生抵触情绪。再次，成本投入与效益回报存在周期落差。智能审计体系构建前期需在技术采购、系统搭建以及人员培训等方面大量投资，而效益体现往往具有滞后性，且难以在短期量化，会为审计机关带来明显的财务压力，甚至影响进一步推进技术创新的决策信心。
稳步推进智能审计体系构建
确保智能审计系统的合法性和公信力。制定智能审计发展战略，明确其发展目标、实施路径与资源保障机制。可采取顶层设计与渐进实施相结合的策略，优先选取数据基础较好、业务规则明确且效益易量化的领域开展试点，在积累经验后再逐步推广，以降低转型风险。构建智能审计治理框架，加快建立覆盖智能审计全流程的伦理规范与技术标准，包括伦理准则、应用指南、模型验证机制与质量控制标准等。明确数据使用、算法决策、结果输出等关键环节的伦理底线、合规要求、问责制度。强化人机协同机制，始终突出审计人员的主体责任和最终判断权，所有人工智能生成结论均须经审计师专业复核。同时，应制定应急预案，以应对人工智能系统可能出现的故障或输出错误，确保可快速、平稳切换至传统审计模式，保障审计工作的连续性及可靠性。
确保支撑智能审计数据的质量与安全。数据治理应作为智能审计体系建设的优先任务，建立统一的数据标准和质量管理机制，全面提升数据的完整性、准确性和可用性。明确数据所有权、管理责任和使用规范，系统实施数据质量监控与持续改进机制，增强数据的可发现性和可用性，为高质量审计分析奠定基础；建立数据分级分类管理制度，依据数据敏感程度实施差异化的保护与使用策略，加强对数据采集、传输、存储和处理等全生命周期的安全控制，确保各类数据在各环节均符合安全与合规要求；健全数据安全与隐私保护制度，确保审计数据处理全流程符合法律法规要求，并建立定期评估和动态调整机制，确保数据治理框架持续适配法律与技术环境的变化。
保障人工智能技术应用的合规与可控。智能审计系统的选择和应用应严格遵循可信可靠原则，以维护审计结论的公正性和公信力。在模型选择方面，应优先选择可解释性强、逻辑透明的机器学习方法，确保其决策过程可理解、可追溯。对于必须采用的复杂模型，应引入可解释性技术方法，通过局部解释、特征重要性分析等方法，增强对模型推断逻辑的理解与信任。在模型文档管理方面，应系统记录训练数据来源、特征工程流程、模型参数设置，以及性能评估结果等关键信息，为实现模型全生命周期可审计性和可追溯性提供支撑。在模型风险管理方面，应建立严格的模型验证和测试机制，综合运用离线测试、在线测试以及A/B测试等多种方法，确保模型在实际业务场景中性能与预期一致。建立持续的性能监控体系，实时检测并响应模型衰减、概念漂移等问题，保障其持续稳健运行。此外，应积极推进统一智能审计平台建设，整合数据、算法与算力资源，避免重复建设，提升资源利用效率，并通过标准化、模块化的服务增强系统协同能力。
加大复合型人才培育力度。审计人员的专业化培训、标准化操作和资格认证，是确保人工智能辅助审计工作准确、一致执行的关键。应系统优化现有审计团队结构与作业流程，构建以人机协同为核心的新型审计模式，明确审计人员与人工智能系统在审计任务中的职责边界与协作机制。加强对审计人员数据分析和人工智能技术应用能力培训，提升其人机协同作业能力；积极引进兼具数据科学和审计专业背景的复合型人才，并建立数字审计专业资格认证体系，明确能力标准与职业发展路径，构建可持续的人才梯队。
【注：本文系北京市社会科学基金青年学术带头人项目“党和国家监督体系视域下审计监督与其他监督的贯通协调研究”（项目编号：24DTR006）阶段性成果】
【注释】
①《习近平在中共中央政治局第二十次集体学习时强调：坚持自立自强 突出应用导向 推动人工智能健康有序发展》，《人民日报》，2025年4月27日。
②黄小忠、吕全：《人工智能审计系统建设思路及实践探索》，《审计研究》，2024年第6期。
③《首批“人工智能+审计”场景建设及应用能力评估结果公布》，中国新闻网，2025年9月5日。
④郑泽华：《基于多模态数据融合的智能审计平台构建研究》，《财会通讯》，2025年第19期。
⑤崔晓娟：《有力促进国有企业内部审计工作高质量发展》，《国家治理》，2025年第12期。
责编/孙渴 美编/杨玲玲
声明：本文为人民论坛杂志社原创内容，任何单位或个人转载请回复本微信号获得授权，转载时务必标明来源及作者，否则追究法律责任。
