2024年《政府工作报告》三次提及“人工智能”，更是首次提出开展“人工智能+”行动，这为各行各业指明了数字化转型和智能化升级的方向。作为审计监督体系的重要组成部分，内部审计要积极探索“人工智能+审计”的创新应用模式，以新质生产力推动内部审计工作高质量发展。
引言
人工智能自1956年达特茅斯会议首次提出以来，历经跌宕起伏，发展速度却始终令人瞩目。从早期基础算法到如今的深度学习、大语言模型技术，其每一次进步都推动着生产力的变革。当前，全球主要国家和国际组织纷纷出台相关发展战略、持续加大资本和技术投入，推动人工智能技术和产业蓬勃发展。人工智能已成为引领新一轮科技革命和产业变革的重要驱动力，也是推动经济高质量发展的关键引擎。
“人工智能+审计”：内部审计领域新质生产力的关键引擎
近年来，各行业内部审计部门转型步伐加快，资金投入持续加大。银行、通信、能源、制造、互联网等行业大型央国企和民营企业在内部审计数字化转型方面成效显著，通过平台、工具、数据、模型等技术手段开展审计工作，有效提升了内部审计的广度和深度。
数字化转型是内部审计工作迈向新质生产力的必由之路，而人工智能作为颠覆性前沿信息技术，是内部审计数字化转型的重要支撑。各行业在审计数字化转型中取得的丰硕成果，为“人工智能+审计”的智能化应用奠定了良好基础。
“人工智能+审计”的创新举措
目前，机器学习和深度学习技术已在内部审计领域得到较为落地和成熟的应用。机器学习已被应用于内部审计数据建模，其数据处理、模式识别、异常检测、分析预测等特性，能够帮助内审人员更有效地识别风险和发现潜在的不当行为，成为传统专家规则类审计模型的有益补充。
传统审计模型通常由审计人员根据典型审计案例，总结舞弊和不合规行为规律，并将规律转化为程序运行规则。而基于机器学习的人工智能审计模型则依靠计算机算法的自主学习，通过对大量数据的学习，发掘数据中隐含的规则，并形成审计模型。在这一过程中，计算机在一定程度上代替了人工进行归纳总结。现阶段，机器学习算法训练的模型需要与传统模型结合使用，由机器学习算法模型产出对未来数值的预测、对被审计对象的基本判断以及根据数据特征对被审计对象划分不同的群组，再由凝结审计人员大量确定性经验的模型进行筛选，最终交由审计人员进行最终审计问题的查证确认。以舞弊审计为例，随着舞弊手段的升级和舞弊场景的复杂化，传统的审计模型由于逻辑固化，往往难以对人员常态化行为进行有效监测和风险评估。引入机器学习模型，通过对员工基本信息、账务信息、信用信息等数据的分析，可以对人员行为进行多维度、多视角监测，并与业务审计发现的问题进行融合分析，挖掘违规事项背后的人为因素，实现人、事一体化分析，从而全面了解问题和风险成因，提出更有针对性的审计建议。
深度学习技术能够有效处理和分析审计领域积累的大量非结构化数据，帮助审计人员从海量非结构化数据中发掘疑点线索。利用自然语言处理、计算机视觉等深度学习技术对文本、图片、语音、视频进行结构化处理，打造智能化工具，并将处理结果与财务、采购、业务等其他领域的结构化数据比对，形成审计疑点线索。
在文本识别方面，利用深度学习技术可以对合同文本、票据、审计报告等文档中审计人员关注的信息进行提取，形成结构化数据表用于审计分析。例如在合同审计中，可以利用文本解析技术自动提取合同文本要素，如合同名称、合同状态等，并进行批量结构化信息识别、抽取，再与外部工商信息库、内部采购及财务系统中数据进行比对和建模，从而发现审计疑点，提升审计人员翻阅文件发现线索的效率和覆盖面。此外，还可以利用文本识别技术对多文本内容相似度进行对比，甄别文件内容高度相似等问题。如在招投标文件审计场景中，通过对文档的结构化处理，可以自动实施相似度比对，在短时间内完成对一个标段全部投标人之间的技术标两两比对，并将相似度高的章节段落突出展示给审计人员，一遍其进一步判别。
在图像识别方面，利用深度学习技术可以完成图像篡改检测、图像相似度比对、图像信息提取等多类型图像处理任务。针对识别相似图片造假审计场景，可以利用神经网络提取大批量图片特征，采用余弦相似度计算两两差异，将差异较小的图片作为虚假嫌疑对象，产出审计线索供审计人员进一步查证。
在语音识别方面，该项技术在会议录音转文字、情感分析定位员工、客户异常定位等审计场景中已经成熟应用。例如在客户服务质量审计中，可以对客服语音进行情感分析，并提取预定义的风险关键词，再与服务工单等进行融合分析，从而识别服务质量以及业务领域违规风险线索。
审计领域大模型的探索与展望
近年来，大模型以颠覆性的能力和巨大潜力，引领着新一轮技术和产业革命的到来。尽管大模型在内部审计领域尚处于起步阶段，但因其能够更符合人类接收、处理和表达信息的习惯，具备更高的智能化水平，能够执行更广泛的任务和问题，可以预见其未来与内部审计领域融合应用的前景十分广阔。
对比传统人工智能技术在审计领域的应用情况，大语言模型以及可同时处理文本、图片、音视频的多模态大模型将会在审计领域各项任务处理中更加带来更好的交互效果、更高的准确率、更好的迁移学习能力、以及更好的稳定性。
但同时我们也必须清晰地认识到大模型落地的过程需要统筹规划、细致调研、分步落地，过程中要充分考虑现状基础和投入产出比，合理地配置算力、算料、算法、资金等关键要素，逐步从“点”“线”“面”实现审计大模型对审计各类任务的全覆盖。
结语
总体而言，将大量的审计数据分析工作、文件查证工作以及重复性的审计日常工作交由人工智能技术处理，能够显著提升审计工作效率、质量以及广度和深度。未来，推动“人工智能+审计”发展任重道远，需要行业主管部门、研究机构、行业协会和高校以及各行业企事业单位等全方位参与。各方应主动作为、协同推进，共同为“人工智能+审计”的发展贡献力量，携手发展内部审计领域新质生产力，为经济社会高质量发展保驾护航。
本文来源：中国信通院
