现在有免费的精英会计交流群，每天前150名进群免费，与众多优秀财务人一起讨论业务、交朋友！进群加微信kjsc020

在人工审计环境下，审计人员手工审查被审计单位的会计凭证、账簿以及其他各类财务报表资料和数据，既费时费力，又增加审计成本，影响审计效率。在传统信息化环境下，无论计算机审计，还是信息系统审计，更多作为一个效率工具参与审计，审计的对象多是标准的结构化报表数据，难以覆盖被审计单位所有资料和数据，无法全面系统地进行关联分析，影响审计质量。

但近年来，随着大数据、云技术、人工智能等新一代信息技术兴起，审计信息化迎来新的发展契机。《“十三五”国家审计工作发展规划》强调：积极应用“云计算”、数据挖掘、智能分析等新兴技术，提高审计效率。探索多维度、智能化数据分析方法。毫无疑问，利用新兴技术，优化审计信息化环境，实现智能审计，成为时下审计行业发展的必然选择。

2016年，德勤就推出智能财务机器人，用于会计、税务、审计及其相关财务工作。随后普华永道、毕马威、安永等也相继推出类似的财务智能机器人。智能审计已经从理论走向现实。智能审计不仅将审计人员从繁杂的重复性工作中解放出来，实现实时同步审计，降低审计延迟，提高审计效率，还通过全样本、全覆盖、全关联的数据分析，得出更精准的审计报告，从而提高审计质量。

智能审计的三个风险

当前，智能审计虽然已初见成效，但并非十全十美，在实际应用过程中依旧不可避免地面临一些风险。

一是技术风险。智能审计必须依赖于海量的审计大数据以及各类数据挖掘、智能分析算法等技术支持。然而，在现有的技术范畴内，一些固有的风险依旧无法消弭。譬如，存储技术风险。当前，智能审计的基本对象为电子数据。电子数据无论是分布式存储，还是基于云技术的集中存储，一旦发生网络故障、系统崩溃，或遭网络攻击，容易造成数据丢失或失效，并影响整个审计工作。

再如算法风险。同一组审计数据，不同的人解读，往往会有不同的意义。人工智能的基本思路是运用以往的经验数据预测未来的不确定性，计算结果依赖于不同的算法模型和数据输入。智能审计算法往往基于以往的审计大数据，建立算法模型，利用不同的数据输入，通过机器学习、强化学习不断优化算法产生相应的审计决策。然而，这些数据和算法模型，更多地体现的是算法设计人员的理念和价值取向，且对审计人员不透明。

审计人员无法获得算法设计的细节，而算法设计人员也未见得真正准确理解审计工作实际情况。设计者与使用者之间难以取得思维方法的一致性，从而存在潜在的分歧和偏见。

二是制度风险。制度规范往往落后于技术，人工智能快速切入到审计工作领域，但相应的政策法规、审计准则等制度性文件并未跟进。基于现有的制度实施智能审计，风险不可避免。

譬如：由于智能审计系统内部的运行机制不透明，且涉及大量跨组织的数据，相关的数据标准、评价标准并未建立，不同的智能审计系统对同一审计业务可能产生不同的结果，容易造成误判。此外，现有审计准则、方法以及审计人员的知识体系都无法匹配智能审计程序和方法，容易导致在审计实务工作中，取舍不当，造成审计结果偏差。

三是伦理风险。一方面，智能审计依赖于海量的审计大数据。这些大数据不仅存在于被审计单位，可能还涉及与被审计单位有业务关联的外部单位数据。

这些数据有的是涉及商业机密或隐私的敏感数据，其“被审计”是否符合商业道德？另一方面，由于智能审计系统内部算法的不透明，一旦出现审计错误，究竟是审计人员承担责任，还是审计系统承担责任，若是审计系统责任，又由谁具体承担，责任主体很难界定。这些伦理风险若不解决，智能审计就无法深入。

两方面防范智能审计风险

防范智能审计风险、推进智能审计健康快速发展，是当前审计领域的一项重要课题。笔者认为，可从以下两个方面入手：

一是加强智能审计技术优化与创新。任何技术都有局限性，只能通过优化与创新，不断突破局限性，促进技术日臻完美。

一方面，需加大新技术在智能审计中的应用，譬如，区块链技术在智能审计中的应用。区块链技术是一种通过互联网技术实现分布式账簿记录的系统，不同的网络地址分布着不同的区块，但是每个区块都有全链条交易信息（账簿副本）。区块链技术去中心化特征，使得每个节点区块都有全部的审计数据，大大缓解了存储容量压力，降低了存储风险。

同时区块链利用时间戳技术保证本地端和远程端数据更新的顺序一致，为时间敏感型领域提供了支撑。时间戳技术是指在区块中标明数据的写入时间，形成不可篡改和不可伪造的区块链数据库。其可作为区块数据的“存在性”证明，由于其基于时间的流程不可逆转，导致数据记录既不可修改又无法撤销，确保了系统的可靠性和数据的真实性，不但提升了智能审计的抗风险能力，还强化了智能审计鉴证功能。

另一方面，需加强智能审计算法的优化与改进。在优化算法模型的同时，打破算法不透明的弊端，推进算法可视化推演，辅助审计人员审视算法运行机理，从而减少算法偏见，降低算法风险。在此基础上，建立风险导向智能审计模型，提高智能审计实时风险预警和治理决策能力。

二是建立适应智能审计的制度规范与人才培养体系。

一方面，加速建立健全智能审计制度规范。智能审计的核心是数据轨迹分析。数据轨迹有赖于畅通无阻的数据通道。传统信息化环境下，数据以结构化的标准数据为主体。人工智能时代，数据主要以非结构化的多元数据为主体。构建面向多元数据统一的数据标准，对于智能审计尤为重要。

可以XBRL为基础，建立跨平台的智能审计数据追踪标准接口，使得各类数据畅通无阻，可以实现跨平台的数据挖掘与分析，提高智能审计的准确性和可靠性。在此基础上建立健全审计准则。针对智能审计中涉及的各类技术规范、数据标准、数据访问权限、人机责任以及分歧解决等方面，健全法规依据，更新审计准则，进而依据新的规范，建立智能审计风险信息库，加强风险识别与管理。

另一方面，加快建立适应智能审计的复合型审计人才培养体系。智能审计已不是单纯的审计。其智能的实现依赖于跨学科的技术创新与知识运用。

智能审计将以财务报表为主体的财务监督拓展到以数据为核心的全面监督。审计人员必须熟悉数据科学、计算机科学以及审计对象领域下行业知识，了解智能审计系统内部基本的运行机理、熟悉外部操作规范及其结果运用，以自己的专业素养提高智能审计有效性，尽量减少人机分歧，实现人机互补，提高智能审计的可靠性。传统审计学科体系下的审计人员显然无法胜任智能审计工作。因此，重构高校审计专业课程体系，将数据挖掘与分析能力作为核心素养，培养复合型审计人才，是降低智能审计风险、促进智能审计创新与发展的关键所在。

现在有免费的精英会计交流群，每天前150名进群免费，与众多优秀财务人一起讨论业务、交朋友！进群加微信kjsc020  

来源：中国会计报5月10日9版