AI重塑审计：探索人工智能驱动下的行业变革之路

摘要：文章探讨了人工智能（AI）技术在审计与会计领域的广泛应用及其面临的挑战，重点关注了AI对注册会计师行业变革的推动作用。文章进一步分析了审计行业在AI时代的技能重塑需求，强调会计师和审计师需提升技术素养，实现人机协同。此外，结合马斯克领导的“政府效率部”（DOGE）利用AI对美国政府机构进行快速审计评估的案例，文章指出AI应被视为审计人员的“智能助手”，而非替代者，并呼吁行业在技术创新与专业主义之间寻求平衡，以推动可持续发展。

关键词：人工智能（AI）审计人机协同智能助手

一、行业变革的引擎：剖析AI的深远影响

随着人工智能（AI）技术的持续发展，审计和会计正成为受这些技术影响最大的专业领域之一。从业人员已广泛认识到AI在多个场景中的潜在应用，预示着这一领域正在经历深刻的转型。

最新研究表明，在审计和会计实践中引入AI技术能够带来显著增益。例如，研究数据显示，通过应用AI技术，审计机构能够显著减少会计错误的发生，同时有效降低审计失败的风险。

然而，AI的融入也为审计与会计行业带来了新的挑战，尤其是在人才管理方面。研究表明，由于AI先进的技术能力，部分初级审计师可能面临被取代的风险。

本文将深入探讨AI如何重塑审计与会计行业，并分析从业人员应如何制定策略以应对技术变革带来的机遇与挑战。

二、解码AI的力量：应用场景中的变革之旅

1．信息分析。在会计与审计领域，发现并标记会计问题是专业人士的核心职能，可以帮助提升企业财务信息质量、强化对内管理与对外披露。然而，当前AI在执行定量财务分析和识别会计欺诈方面尚未完全成熟，仍需进一步发展。

在会计学术研究中，传统方法通常依赖线性模型来预测欺诈行为，并从企业年度数据中抽取大量样本以识别异常会计条目。然而，这些线性模型在预测精度上面临显著的局限性。经实证发现，AI的引入为提高欺诈检测准确性开辟了新的路径。例如，研究表明，随着技术的进步，图形机器学习（GraphML）能够高效识别异常条目，从而帮助会计专业人士准确发现会计系统中的潜在错误。

此外，研究表明，采用随机森林和梯度提升回归树等机器学习方法，可以进一步改善欺诈检测的效果。而自动化机器学习（AutoML）的应用，则能够实现实时欺诈检测，从而显著提升欺诈检测的效率与及时性。这些学术研究成果充分表明，AI在提升审计与会计任务中错误检测能力方面蕴藏着巨大的潜力。

2．信息整合。AI可能彻底革新审计和会计中的信息整合方式。在这些职业中，工作汇报通常需要将零散的观点编纂成结构化的文档，同时严格遵守复杂的监管要求。生成式AI通过任务分解和系统化的信息提取能力，从多种来源整合内容并生成初步草稿，帮助专业人士迅速搭建工作框架。凭借对上下文的深度理解，AI能够协助解释和整合信息，为专业人士提供有力支持，优化文档编制流程。

3．合规助手。AI还可以作为合规检查的可靠助手，确保文档内容符合行业法规、公司政策及方法论要求。通过自动标记潜在错误和遗漏，并提供相关指导意见，AI帮助专业人士快速识别并修正问题，提高文档的准确性与合规性。

4．重塑流程。生成式AI的应用还可能彻底革新审计及会计工作流程，推动从“副驾驶”（copilot）模式向“智能体”（agent）模式的转变，进一步实现高度的人机融合。这一变革显著优化了时间资源的分配，减少了专业人士在事实收集与文档编制上的投入，使其能够集中精力于框架设计、结果审查和专业判断，从而交付更高质量的见解。

三、应对AI挑战：破解技术应用的难题

尽管AI在审计和会计领域展现了诸多有益的应用前景，其大规模采用仍然面临诸多挑战。

1．许多会计和审计从业者缺乏判断哪些任务适合AI以及识别其技术局限性的专业知识。对于AI相关的潜在风险的理解与识别，以及AI性能与人工表现的评估与比较，是一项复杂且尚未完全解决的难题。这可能导致审计机构在拥抱AI时，资深员工难以产出有价值的洞察，并在缺乏充分批判性评估的情况下，对AI过度依赖。

2．员工对AI的信任不足。实验研究表明，审计从业者常表现出“算法排斥”现象，倾向于低估AI生成建议的价值。这种现象较为显著，研究数据显示，与人类基准相比，审计人员对AI驱动建议的信任度平均降低了23%。

3．数据隐私问题对AI的推广构成重大挑战。针对审计行业中数据分析应用的最新调查表明，客户普遍担忧在分析模型中使用企业专有信息可能导致数据泄露。

4．监管机构对AI技术的谨慎态度。作为一项相对较新的技术，现有关于AI使用的指导和规范仍不完善，使审计机构在采用创新技术时心存疑虑。研究进一步表明，监管机构倾向于质疑基于数据分析得出的判断，认为自动化结果的可靠性低于人工生成的分析。要全面释放AI在审计和会计行业的潜力，必须采取多方面的举措，积极缓解员工、客户及监管机构对AI应用的疑虑。这包括提供针对性培训以提升员工的技术素养、增强客户对数据安全的信心，以及推动监管机构对AI技术的深入理解与规范化管理。

四、技能重塑：会计与审计专业人士的新使命

AI的迅速发展正在显著提升审计和会计专业人士的效率与产出，但同时也为行业的人才管理带来了前所未有的挑战。2023年3月，高盛的一项调查指出，会计是最有可能受到AI兴起影响的职业之一，这一结论凸显了AI技术对行业人才发展的深远影响。

研究显示，主流的AI应用ChatGPT已经能够复现许多与审计师和会计师相关的核心技能。例如，在研究人员进行的测试中，ChatGPT参与会计执照考试（如CPA、CMA、CIA和EA考试）并取得了平均85%的高分。这一显著成绩反映了AI技术对审计行业人才可能带来的颠覆性影响。

然而，这是否意味着公司将不再需要专业的审计师和会计人才？答案显然是否定的。德勤的研究表明，93%的首席财务官认为，在未来两年内，引入具备生成式AI技能的专业人才作为财务团队的重要组成部分尤为关键，成为首要关注重点。

由此，在这个特殊时刻，审计与会计行业面临的关键问题有二：

（1）在AI主导的时代，哪些核心技能对于行业人才至关重要？

（2）专业人士应如何重塑个人技能，有效整合AI技术，优化工作流程并保持竞争力？

五、会计师和审计师需要什么样的技能？

在生成式AI时代，一个名为“智能劳动力”（WorkforceIntelligence，Wi）的新型劳动力设计理念正在崭露头角。该理念旨在实现人类智能（HumanIntelligence，Hi）与人工智能（ArtificialIntelligence，Ai）的无缝整合。这种模式主要关注劳动力时间的重新分配，从而促进个人价值的深刻转型。信息收集与初步创意生成等任务正逐步交由生成式AI管理，而专业人士则能够将更多精力集中在产生洞察与专业判断等高价值活动上。

这一趋势无疑构成了会计师与审计师未来发展的核心方向。根据世界经济论坛的报告，一项关于未来五年内技能重要性变化的调查显示，企业对员工技能的期望正在快速演变。认知技能增长最快，反映出职场对复杂问题解决能力的需求不断提升。创造性思维的重要性增长速度预计将略高于分析性思维，而技术素养则成为增长速度第三快的核心技能。

六、会计师和审计师应如何重新学习和提升技能？

1.必须拥抱技术变革并积极应对挑战，借助生成式AI工具深入探索会计和审计领域。会计师和审计师需要学习如何正确、高效地使用这些工具，包括自我评估提示词工程的精通程度，并根据最佳实践持续提升你的提示词技巧。对于年长员工而言，这一过程可能面临更大的适应性挑战。

2.在掌握工具的基础上，专业人士需要评估其职业中哪些任务适合生成式AI的辅助。这一过程要求他们识别技术的局限性，理解潜在风险，批判性地选择适用场景，并确保AI输出能够得到人类审查与补充。会计和审计专业人士应逐步将注意力从“如何完成任务”转向“如何利用生成式AI更快更好地完成任务”，以实现更高效的人机协作。

3.行业必须共同面对知识保留这一关键问题。随着生成式AI的发展，部分决策必然会被委托给AI。然而，为避免对AI的过度依赖并保持稳健的专业判断力，明确哪些知识必须由会计师和审计师保留至关重要。哪些专家知识可以在最小化人工干预的前提下委托给AI，是行业领导者需要主动探讨的，发人深省的课题。

七、AI与审计的边界：一场引发深思的技术变革

尽管AI技术在审计领域的应用前景广阔，但在实际操作中仍面临着诸多挑战和争议。近期，马斯克领导的“政府效率部”（DOGE）通过AI技术对美国国际开发署（USAID）等联邦政府机构进行快速审计评估的案例，引发了社会各界对AI技术适用性和伦理问题的热烈讨论。这一事件不仅凸显了AI在审计中的潜力，也让我们不得不重新审视其边界和局限。作为专业服务机构，我们认为这一事件为深入思考AI技术与审计本质关系提供了重要契机，同时也对行业如何加强与社会公众的互动、弥合审计期望差距提出了课题。究其本质是马斯克创造的AI审计神话和现实中屡禁不止的财务造假现象形成强烈对比，那么在此借着这一热点话题，我们探讨下AI究竟能在多大程度上重构传统审计模式？

从专业角度看，审计的本质是通过系统化的工作方法，获取充分、适当的审计证据，并在此基础上运用专业判断得出合理结论。这一过程涉及复杂的信息收集、分析判断和质量控制，需要审计人员具备扎实的专业知识、丰富的实践经验，以及严谨的职业道德。从完整的审计生命周期出发，我们可以从以下三个方面具体去看AI与审计的关系。

第一是“审计证据获取”。这里最核心的问题是“数据授权”，在马斯克的案例中，特朗普政府显然是为他“一路开绿灯”，这在通常的审计案例中极为少见，企业出于个人隐私和商业机密的保护，往往希望审计团队能以最小的“数据成本”完成审计工作，有言道“巧妇难为无米之炊”，在缺乏数据的情况下AI能做的其实也极为有限，AI系统的判断质量高度依赖于基础数据的完整性和准确性，以及算法设计的合理性。在处理非标准化数据和复杂业务场景时，AI的表现往往不及专业审计人员，这也与我们之前讨论的相呼应，想要利用AI赋能审计，数据基础必不可少。

第二是“剩下的5%的难题”。这里讲的是在获取审计证据后，进行专业判断分析时，我们往往会看到AI工具的准确率难以达到100%，那么假设AI工具能达到95%的准确率，我们是否能容忍剩下5%的误差？答案是否定的。此外，区块链技术也常常与马斯克这一案例一同被提及，虽然并没有官方消息表明马斯克使用了区块链技术。作为一项去中心化的高可信技术，人们往往对它和审计的结合给予厚望，但若企业使用的区块链本身公信力不够强大，是否未来会转变为对区块链技术本身的审计？答案是未可知的，但无论如何，出于审慎考虑，“人机结合”必然是审计AI化中不可或缺的一部分。

最后是“异常不等于问题”。在出具审计意见的过程中，我们面对无论是通过AI还是人工识别出的五花八门的异常，均需要逐一鉴别，但目前的AI模型普遍存在“黑箱”特性，无论是传统的机器学习，还是大语言模型，前者需要论证参数的合理性，后者为基于概率的模型，其得出结论的过程难以追溯和解释，这与审计工作要求的可验证性和透明度存在潜在冲突。实践证明，最终对异常的解释还是需要落实到业务中去，不能“乱扣帽子”，只有发现企业真正潜藏的风险，才能有利于其自我改进，良性发展。

当然，我们也应当正视AI技术为审计行业带来的积极影响。德勤的实践研究表明，合理运用AI技术确实能够提高审计工作效率、降低人为失误风险，并为审计人员提供更多洞察。关键在于如何实现AI与传统审计方法的有机融合。基于此，我们提出三点建议：

一是准确定位AI技术的角色，将其视为审计人员的“智能助手”而非替代者；

二是建立健全的AI应用质量控制体系，确保技术应用始终符合职业准则要求；

三是加强审计人员的数字素养培训，提升其理解和运用AI工具的能力。

这次USAID事件的争议提醒我们，在评估AI技术的审计应用价值时需要保持客观理性的态度。一方面，我们要积极拥抱技术创新带来的效率提升；另一方面，也要坚守审计工作的专业主义精神，确保质量控制始终处于核心地位。唯有如此，才能推动审计行业在数字化转型中实现健康可持续发展。

作为行业引领者，注册会计师行业将继续以严谨的态度探索AI技术在审计领域的创新应用。我们坚信，在恪守独立、客观、专业等核心价值准则的前提下，审慎推进技术创新，是提升审计质量、维护公众利益的应有之义。

来源：《中国注册会计师》