傳統(tǒng)的內(nèi)部審計往往存在對財務(wù)報表、賬簿等結(jié)構(gòu)化數(shù)據(jù)的依賴，而忽視非結(jié)構(gòu)化數(shù)據(jù)中的豐富信息，導(dǎo)致風(fēng)險預(yù)警的效果大打折扣。人工智能（AI）技術(shù)的引入，能夠在快速、準(zhǔn)確處理大量數(shù)據(jù)的同時進(jìn)行實時監(jiān)測，大大提高了風(fēng)險預(yù)警響應(yīng)的及時性，為內(nèi)部審計帶來了新的機遇。

一、AI技術(shù)賦能財務(wù)風(fēng)險預(yù)警新生態(tài)

通過將AI技術(shù)深度嵌入內(nèi)部審計財務(wù)風(fēng)險預(yù)警中，能夠形成“數(shù)據(jù)驅(qū)動決策、算法預(yù)判風(fēng)險、系統(tǒng)閉環(huán)管控”的新型審計生態(tài)，從而全面提升內(nèi)部審計對財務(wù)風(fēng)險的預(yù)警能力。

（一）數(shù)據(jù)驅(qū)動決策，構(gòu)建多元化數(shù)據(jù)采集分析機制

大型企業(yè)在財務(wù)核算上，大多引入了財務(wù)共享服務(wù)中心（Financial Shared Service Center, FSSC）模式，將結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)集中于一體并形成數(shù)據(jù)庫，解決了多源異構(gòu)數(shù)據(jù)的整合難題。

（二）算法預(yù)判風(fēng)險，協(xié)助構(gòu)建風(fēng)險預(yù)警模型

現(xiàn)階段的內(nèi)部審計工作中，仍難免摻雜著個人主觀判斷，而通過人工智能的神經(jīng)網(wǎng)絡(luò)模型，如多層感知（MLP）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）等技術(shù)，能夠建立起統(tǒng)一的判斷標(biāo)準(zhǔn)。

（三）系統(tǒng)閉環(huán)管控，健全風(fēng)險處置和動態(tài)跟蹤

一是針對會計核算、稅務(wù)管理、資金收支等不同風(fēng)險類型，可借助AI技術(shù)制訂標(biāo)準(zhǔn)化、差異化預(yù)案。二是實施整改銷號動態(tài)跟蹤管理，由系統(tǒng)自動核查整改結(jié)果，對未達(dá)標(biāo)任務(wù)自動執(zhí)行升級督辦。三是減少人工干預(yù)，縮短風(fēng)險響應(yīng)時間，不斷迭代風(fēng)險管理能力。

二、面臨的挑戰(zhàn)與應(yīng)對措施

（一）人機協(xié)同問題

目前，各類培訓(xùn)課程和繼續(xù)教育大部分仍然停留在理論層面，缺少實際操作環(huán)節(jié)，應(yīng)通過制訂培訓(xùn)計劃、承擔(dān)培訓(xùn)費用、提供學(xué)習(xí)平臺等方式來解決復(fù)合型人才短缺的問題。

（二）數(shù)據(jù)采集質(zhì)量與時效性

一是通過搭建集中數(shù)據(jù)處理單元及標(biāo)準(zhǔn)化接口協(xié)議以提高數(shù)據(jù)錄入的質(zhì)量。二是采用分布式計算架構(gòu)，實現(xiàn)關(guān)鍵指標(biāo)的實時流處理。

（三）信息安全性與隱私性保護(hù)

內(nèi)部審計財務(wù)風(fēng)險預(yù)警在應(yīng)用AI技術(shù)過程中，需要將AI嵌入到業(yè)務(wù)、財務(wù)等諸多環(huán)節(jié)，數(shù)據(jù)安全與隱私保護(hù)面臨著重大風(fēng)險與挑戰(zhàn)，因此需要借助專業(yè)技術(shù)優(yōu)化數(shù)據(jù)加密算法。

（四）智能化技術(shù)可靠性驗證

有AI技術(shù)參與生成的審計結(jié)論，由于其模型的復(fù)雜性，審計人員往往難以理解和解釋其定性依據(jù)和原理，難以直觀判斷審計意見的合理性。因此必須減少審計人員的個人主觀判斷，并建立健全由第三方參與的監(jiān)督復(fù)核機制，以減少算法中隱藏的偏見。

三、AI技術(shù)在財務(wù)風(fēng)險預(yù)警中的應(yīng)用舉例

AI技術(shù)在會計核算的實時糾偏、財務(wù)風(fēng)險的及時預(yù)警、經(jīng)濟運行的監(jiān)督檢查等方面發(fā)揮了積極的作用。目前，已經(jīng)較為成熟的應(yīng)用環(huán)節(jié)包括數(shù)據(jù)采集、模型訓(xùn)練、風(fēng)險監(jiān)測、閾值調(diào)整。

（一）數(shù)據(jù)采集分析效率提升

某集團(tuán)型企業(yè)審計人員通過運用“AI機器人”采集并校驗影像資料，篩查出采購流程倒置、結(jié)算周期異常、庫存物資短缺等問題，解決了人工核對效率低下、風(fēng)險預(yù)警時效性差等問題。

（二）模型訓(xùn)練效果改善

某集團(tuán)型企業(yè)在模型訓(xùn)練過程中，將財務(wù)報表錯報、漏報問題的篩查手段、方式和流程等歷史問題加入AI的訓(xùn)練數(shù)據(jù)中，顯著提高了模型識別和預(yù)測風(fēng)險的準(zhǔn)確性。

（三）風(fēng)險監(jiān)測自動化

通過將AI技術(shù)嵌入財務(wù)風(fēng)險預(yù)警系統(tǒng)，可實現(xiàn)將自動生成的風(fēng)險線索依據(jù)風(fēng)險程度分發(fā)給審計人員進(jìn)行復(fù)核，并將預(yù)警結(jié)果進(jìn)行交叉驗證，減少冗余警報。

（四）閾值調(diào)整動態(tài)化

引入AI技術(shù)的財務(wù)風(fēng)險預(yù)警系統(tǒng)可依據(jù)風(fēng)險程度與發(fā)生概率為不同風(fēng)險等級配置相應(yīng)的預(yù)警閾值，指標(biāo)突破閾值即觸發(fā)相應(yīng)預(yù)警。

節(jié)選自《中國內(nèi)部審計》2025年第6期

作者：關(guān)紅光 劉宇昕

單位：中鐵九局集團(tuán)有限公司 沈陽鐵路運輸綜合服務(wù)有限公司

編輯：孫哲

目前180000+人已關(guān)注我們，您還等什么？

點擊這里立即訂閱