1. 引言
大数据时代的到来让我们的世界变得更加互联互通。大数据技术已经成为我们生活中不可或缺的一部分,而人工智能(AI)的应用也已深入到社会的各个角落。在数字化转型和数据分析日益成为行业发展的关键驱动力的今天,审计行业同样面临着前所未有的挑战和机遇。审计质量的高低,很大程度上取决于信息收集的全面性和准确性。然而,在数据量激增的今天,传统的审计方法已经难以满足行业的需求。审计结果的优劣直接关系到社会经济的健康发展。因此,如何有效利用人工智能技术,提升审计工作的质量和效率,已成为审计行业亟待解决的关键问题。本文将深入分析人工智能技术的发展历程,探讨其对审计领域的深远影响,同时分析AI技术为审计工作带来的机遇与挑战,并提出相应的策略和建议,以期为审计行业的持续健康发展提供指导。
2. 人工智能概述
2.1. 人工智能的内涵
人工智能(Artificial Intelligence,简称AI)是指模拟人类智能的理论、方法、技术和应用系统。它涵盖了一系列的理论和方法,包括机器学习、模式识别、自然语言处理、知识表示与推理、专家系统等。人工智能技术以及应用系统广泛应用于各个领域,包括但不限于语音识别、图像识别、自然语言处理、智能机器人、自动驾驶、医疗诊断、金融预测等[1]。这些技术和系统通过模拟人类的认知和决策过程,实现了在复杂环境下的自动化和智能化。
2.2. 人工智能的特点
首先,自动化和智能化是人工智能的主要特点之一,人工智能系统能够自动化地执行各种任务,并模拟人类的智能行为,如感知、学习、推理、规划和决策等。第二,人工智能系统具有强大的数据处理能力,它能够处理和分析海量的数据,从中提取有用的信息和模式,支持各种应用领域的决策和预测。第三,人工智能具有自主学习和适应能力,可以根据不断增加的数据进行自主分析,进而自主学习并调整自身的算法模型,使其具备更强的适应能力[2]。最后,人机交互与自然语言处理能力也是人工智能的显著特点,人工智能系统可以通过人机交互方式,如语音识别、音频识别、视觉交互等,来更好地与人类沟通和交互。
2.3. 人工智能的发展历程
在人工智能的发展历程中,大概经历了五个阶段[3]。人工智能起步于20世纪50年代,1950年,艾伦提出“图灵测试”(测试机器是否能表现出与人无法区分的智能),表达了让机器产生智能这一想法。而“人工智能”这一术语在1956年才正式被使用在特茅斯学院人工智能夏季研讨会,从此人工智能学科正式诞生。
在人工智能领域的早期发展阶段,众多创新性突破引发了社会对其潜在能力的广泛期待。知名学者甚至敢于预测,人工智能系统将在短期内实现与人类相当甚至超越人类的认知能力。然而,这些乐观预期往往与实际的技术进展之间存在显著的落差。一系列失败案例以及未能达到预期目标的情况对人工智能领域的声誉造成了严重损害,导致该领域在20世纪60年代进入了一个相对低迷的阶段。
在20世纪70年代,专家系统的兴起标志着人工智能领域的一次显著转变。这些系统旨在模拟人类专家在特定领域内的知识与经验,以解决具体问题,从而实现了人工智能技术从理论研究向实际应用的重大跨越。与传统的一般推理策略不同,专家系统采用了领域特定的专业知识,因而在医疗、化学、地质等领域取得了显著成功。这一时期的发展推动了人工智能技术迈入应用发展的新高峰。与此同时,机器学习,特别是神经网络,也在探索不同的学习策略和多种学习方法。在广泛的实际应用中,这些技术开始逐渐复苏,并呈现出巨大的潜力。
在20世纪90年代,人工智能领域进入了一个稳健的发展阶段。在此期间,对机器学习、人工神经网络以及智能机器人的研究逐渐深入。智能计算(CI)作为一项重要技术,填补了人工智能在数学理论和计算方面的不足,并进一步更新和丰富了人工智能的理论框架。与此同时,网络技术,特别是互联网技术的迅速发展,加速了人工智能领域的创新研究,推动了人工智能技术向实际应用的更进一步发展。2010年,《迁移学习的调查》介绍了运用已有的知识来学习新的知识以适应特定目标任务这一观点。
自2011年起,伴随着大数据、云计算、互联网和物联网等信息技术的迅速发展,人工智能技术经历了迅猛而蓬勃的发展。在图像分类、语音识别、知识问答、人机对弈和无人驾驶等领域,取得了显著的技术突破,推动了人工智能技术的飞速进步,迎来了一个全新的发展高潮[4]。2015年,伊隆·马斯克等人共同创立了OpenAI,旨在确保人工智能技术的发展造福于全人类。OpenAI推出了一系列备受关注的产品,如OpenAI Gym和GPT等,为人工智能领域的进一步发展提供了重要的平台和工具支持。2023年Chat GPT爆火,同时我国人工智能公司月之暗面科技开发的Kimi Chat因其在长上下文窗口技术上的显著进步而受到广泛关注,也预示着大模型在AI领域的新应用前景,带动了AIGC的全面崛起。2024年,OpenAI发布了“文生视频”(text-to-video)的大模型工具,Sora (利用自然语言描述,生成视频),全球社交主流媒体平台以及整个世界再次被OpenAI震撼。
3. 人工智能在审计领域的发展及应用
信息化时代的到来已经彻底改变了审计工作的环境和需求。自2015年以来,德勤集团在人工智能(AI)、云计算、大数据算法与社会审计的领域展开了持续且深入的研究与实践[5]。与此同时又相继成立了德勤数学研究院和创新智能机器人中心,旨在将先进技术与审计实践紧密结合。在2016年3月10日,德勤会计师事务所与人工智能企业KiraSystems达成合作协议,共同推出了名为“德勤机器人”的产品,突显了智能审计在行业中的重要性。此后,普华永道、安永、毕马威等知名会计师事务所纷纷效仿,相继推出了各自的财务机器人。直至2017年5月,德勤会计师事务所发布了“小勤人”智能机器人,专注于协助银行内部审计部门开展审计证据自动化、审计项目管理和文档初步审阅等任务。同时,他们还开发了专供中小型会计师事务所使用的人工智能社会审计平台,进一步丰富了审计工具的应用范围,提高了审计工作的效率和质量。德勤为顺应了全球化大数据发展趋势,于后期开发了一站式区块链智能软件平台Rubix,以建立全球性的分布式账本。
在审计工作中,人工智能应用所需的认知技术包括以下四种:
1) 自然语言处理技术。自然语言处理技术可以对审计文件、报告等文本信息进行语义分析和理解[6],从中快速提取有用的信息和结论。例如在实质性分析程序中,人工智能可以根据相关的函数设定提取数据异常的项目,通过文本挖掘和信息抽取技术,可以自动识别出文档中的关键信息和潜在问题,为审计人员提供参考和决策支持。
2) 机器学习技术。通过利用历史审计数据和训练模型,机器学习能够建立相应的审计模式,以自动识别审计风险和异常情况。此外,该技术还能够生成智能推荐,为审计人员提供决策建议和指导,从而提高审计过程的效率和准确性[7]。随着企业数据量和交易量的增加,机器学习技术的学习能力也将不断增强,预测的准确性将逐渐提高,其可信赖程度也会相应增加。因此,通过机器学习技术,审计人员能够更有效地利用数据资源,发现并解决审计过程中的潜在问题和风险。
3) 语言识别技术。机器通过对审计人员语音提示的语音识别技术,将语音输入转化为文字信息。随后,利用自然语言处理(NLP)技术,在审计文件合同等文本中提取关键字和信息。这种自动化的文本分析过程提高了审计工作的效率,使得审计人员能够更快速地审阅大量文本,从而提升了审计工作的质量和准确性[7]。
4) 智能审计系统。基于人工智能技术的智能审计系统实现了审计任务的自动化和智能化[8],涵盖了审计计划编制、数据分析、风险评估、报告生成等多个环节。通过智能审计系统,审计人员能够更加快速地制定审计计划,并利用数据分析技术快速、准确地进行数据处理和分析,大大提高审计效率和质量。
4. 人工智能对审计工作的影响
4.1. 正面影响
4.1.1. 节约时间精力,提高审计效率
在执行审计任务时,注册会计师需要具备坚实的专业知识基础,同时还必须具备极高的耐心和谨慎态度。审计人员通常需要处理大量的数据资料、合同文件、原始凭证、银行账单和报关单等材料,此类任务常常需要高度集中的注意力,既枯燥乏味又耗时繁琐。人工智能技术能够有效地应对这些挑战,代替审计人员执行信息收集和处理任务,同时执行诸如库存清点、客户确认回复等任务,从而提高审计工作的效率和准确性[9]。人工智能的引入打破了信息传递中出现的一系列成本、速度和质量等方面的瓶颈问题,从而在审计工作中既提高了效率,又增强了效果。注册会计师不必将时间和精力花费在类似普通核算这样简单而费神的工作上,集中精力提升专业技能和处理更有价值更加复杂的事情上。
4.1.2. 高效捕获证据,提高审计质量
人工智能与云计算的结合对审计证据的高效获取提供了显著的优势。传统审计实践中,由于被审计单位技术条件的限制,审计证据的收集存在质量不确定性,导致审计证据的真实性和充分性不足。然而,在云计算技术的支持下,被审计单位能够存储大规模的结构化和非结构化数据[10]。审计单位可以充分利用被审计单位收集的数据资源,全面地了解被审计单位的经营状况和财务状况,建立数据处理中心,并运用新型的数据分析技术构建大数据解析平台,有助于审计人员更全面地获取审计证据,提高证据的质量、数量以及充实度,从而增强审计工作的有效性和可靠性。经过数据剖析平台和被审计单位的信息系统,审计人员能够捕获更广泛的数据来源,从而获取更有价值的数据,进而对数据进行交叉验证。
同时,区块链技术的应用将实现对所有客户数据的全面审计,而非仅仅依赖于抽样方法,它使得审计师能够全面发现客户系统中的错误和异常,从而提高审计的质量水平。区块链技术将重塑审计流程,使其更加偏重于内部控制测试,而非交易实质性测试。由于区块链技术具备确保交易安全性并进行验证的能力,审计师得以将审计工作重心转向对实施的控制系统质量进行更深入的研究,例如区块链代码的质量、协议变更、对等方之间的权力分配等方面[11]。这些因素将显著增强审计的相关性,从而确保审计工作的高质量完成。
4.1.3. 扩大审计范围,降低审计风险
传统审计工作受限于工作时间、人员安排以及审计环境等多方面因素,导致审计数据信息主要聚焦在财务数据领域,并对非财务信息的收集相对匮乏,分析相对不足。这种单一性的数据信息使得审计报告所涉及的数据量较小,信息范围也较为狭窄,严重限制了审计工作的广度和深度[12]。因此,传统审计方法在应对现代复杂商业环境下的审计需求方面显得不够灵活和全面。通过利用人工智能进行审计,可以持续地搜集、挖掘、归纳和分析大量数据,这些数据的收集和处理量十分庞大,覆盖了广泛的范围,包括结构化和非结构化数据。此外,人工智能还能够进行行业内的横向和纵向对比,跨行业和跨领域进行专业借鉴,从而拓展了审计的范围和深度。通过对海量数据的分析以及智能化的监控系统,人工智能可以发现更多的异常模式和潜在风险,帮助审计人员全面了解企业的财务状况和业务运营情况,降低了审计过程中的漏检和误检风险。利用人工智能对大量数据的挖掘和系统分析,审计人员可以更准确地评估企业的风险和问题,降低因人为判断失误而造成的审计风险。
4.2. 消极影响
4.2.1. 系统风险以及数据安全风险增大
人工智能可以使用并利用大量数据,包括敏感的财务和业务数据。然而,数据隐私和安全问题可能会对审计工作造成负面影响。如果一些敏感的数据没有得到充分的保护,在传输、存储或处理过程中可能会遭到泄露。黑客攻击、内部员工的不当行为或技术故障等都可能导致数据泄露,从而威胁到企业的数据隐私和安全[13]。同时,人工智能算法在处理数据时可能存在偏倚,尤其是在训练数据集不够全面或者数据质量不高的情况下,可能导致算法产生错误的判断或者偏颇的结论,进而误导审计人员的决策。另外,人工智能技术可能会受到恶意攻击,导致数据被篡改或者损坏,审计结果可能会受到影响,从而误导审计人员的判断和决策,降低了审计的准确性和可靠性。在审计过程中,可能涉及多个供应商和合作伙伴,如果其中任何一个环节存在安全漏洞或者数据泄露,都可能威胁到整个审计系统的安全性和隐私性。
4.2.2. 审计过程对智能化依赖过度
审计工作不是一味的机械化, 需要运用职业判断,人工智能技术虽然可以提高审计工作的效率和准确性,但并不能完全替代审计人员的专业判断和经验积累。若是过度依赖人工智能技术,审计人员盲目接受系统生成的结果却不进行充分的审查和验证,对一些系统存在的偏差未能及时察觉并进行纠正,可能会导致审计工作的不准确性和不可靠性[14]。也可能会忽视一些重要的审计问题或者信息,从而造成误判和漏检,影响审计工作的全面性和客观性。如果审计人员过于依赖自动化和智能化工具,可能会丧失自己独立思考和分析问题的能力,从而影响了审计人员的职业素养和能力水平。
4.2.3. 审计成本大幅提高
虽然人工智能通常被认为是提高效率并降低成本的技术,但在某些情况下也可能会增加审计工作的成本。引入人工智能技术需要大量的初始投资,包括购买软件和硬件、进行员工培训以及定制化解决方案的开发等,要想将人工智能技术整合到现有的审计工作流程中可能需要大量的时间和资源,例如定制化开发、系统集成、数据迁移以及与现有系统的兼容性测试等,可能会导致审计项目延迟和额外的成本[15]。后期的维护以及持续更新也会造成成本的大幅度增加,为了有效地利用人工智能技术,审计团队可能需要招聘具有相关技能的员工,付出额外的培训成本从而增加了团队的成本负担。
5. 人工智能影响下针对审计工作的建议
5.1. 重视审计人员的价值
人工智能可以处理大量数据和执行重复性任务,但在审计过程中,审计人员的专业知识和判断力仍然是不可替代的。为审计人员创造持续的培训和发展机会,使他们能够适应新技术的发展并不断提升自己的技能,给审计人员提供数据分析技能、人工智能技术应用、风险管理等方面的培训课程,以提高审计人员对人工智能技术的理解和应用能力。在审计团队中强调沟通和合作的重要性,促进人工智能技术与审计人员之间的有效互动。审计人员可以为人工智能系统提供关键信息和指导,而人工智能系统则可以为审计人员提供数据分析和决策支持,双方相互补充,共同提高审计工作的质量和效率。人工智能缺乏对环境的应变能力,审计人员要学会借助人工智能的优势并结合自己的工作经验,将专业判断效果发挥到最大。
5.2. 加强对数据的管理
人工智能审计离不开对大数据的处理和分析,因此增加对数据的安全问题的解决方案至关重要。审计团队可以使用加密技术来保护数据在存储和传输过程中的安全,确保审计数据在传输过程中不被篡改或窃取。另外,对于敏感数据可以限制其访问权限,只有经过授权的人员才能够访问,使用身份验证、访问控制列表和角色基础的访问控制等技术来确保数据仅被授权人员访问。实施数据访问监控和审计机制,记录数据的访问历史和操作记录,对审计系统和数据处理系统进行定期的安全漏洞评估,并及时修复发现的漏洞和弱点,降低安全风险和数据泄露的可能性。
5.3. 定期评估审计成本和效益
在利用人工智能审计系统时,应当充分考虑审计工作的实际需求,努力实现技术与需求的有效结合。对比传统的手工审计方法和基于人工智能技术的自动化审计方法的成本和效益,评估其优缺点,选择最适合的方法以实现最佳的成本效益。根据定期评估的结果,优化审计团队的资源配置和利用,尤其是技术资源的利用以确保合理分配,最大程度地提高资源利用效率,降低审计工作的总体成本。通过优化审计流程和改进工作方法,定期识别和消除审计工作中的浪费和冗余,减少重复的任务、低效的流程和不必要的成本等,提高审计工作的效率和质量。不断进行改进和创新,寻找新的技术和方法来提高审计工作的效率和效果,保持对新技术和趋势的敏感性,及时采纳和应用适合的技术,以提高审计工作的成本效益。
6. 结论
人工智能作为一种模拟人类智能的技术,具有模仿、理解、学习和应用知识的能力。其发展历程经历了从符号主义到连接主义,再到深度学习的演进过程。人工智能为审计工作带来了诸多正面影响。首先,人工智能可以大幅提高审计工作的效率,自动化处理重复性任务,释放人力资源。其次,人工智能可以提高审计工作的准确性和可靠性,通过数据分析和模式识别技术,发现潜在的异常和风险,降低错误发生的概率,提高了审计质量并且降低了审计风险。但任何事物都具有两面性,在享受人工智能为审计工作带来的便利的同时,也不能忽视其负面影响,引入人工智能技术可能需要较大的初始投资、持续的维护成本以及对计算机网络技术的依赖,审计团队应充分权衡其利弊,同时人工智能也可能会降低审计人员的工作积极性和主动性,因此审计人员要不断提升自身素养,使自身成为人工智能的主导者而不是依赖者,最大程度地发挥人工智能技术的优势,以实现审计工作的可持续发展。