范琳琳 孟 锦 董 坤 李增武 郑 清

1.西南交通大学计划财务处 2.西南交通大学审计处

一、引言

随着党中央对审计管理体制的深化改革以及构建“集中统一、全面覆盖、权威高效”审计监督体系要求的提出，高校内部审计工作面临巨大的机遇和挑战，传统的审计工作模式已无法满足新时期对高校内部审计工作的要求。习近平总书记提出要“善于运用新技术、新手段，坚持科技强审，加强审计信息化建设，积极推进大数据审计”。人工智能（AI）作为近几年最热的信息技术已经广泛地应用于各个领域，部分高校开始尝试将人工智能应用于内部审计中。

二、人工智能的概念及其在审计领域的应用

（一）人工智能简介

人工智能（AI）是计算机学科的一个分支，被视为21世纪三大尖端技术之一。人工智能主要研究如何让计算机来模拟人的思维过程和智能行为（如学习、分析、规划等）。人工智能的概念是1956年一批年轻的科学家在达特茅斯（Dartmouth）夏季学会上提出的，经过几十年的研究发展，现在人工智能已经是一个涉及计算机科学、数学、神经生理学、心理学、哲学、控制论等诸多学科的交叉学科。人工智能的研究范畴主要包括机器学习、自然语言处理、图像识别、自动程序设计、机器人、神经网络、遗传算法等，人工智能的各项技术目前已被广泛地应用于教育、医疗、交通以及日常生活的方方面面。

（二）人工智能在审计领域的理论研究综述

国际上对人工智能在审计领域的应用研究起步较早。Abdol和Usoff认为人工智能在提升审计效率和有效性方面有着积极的作用；Brown和Murphy强调了人工智能在审计的一致性及审计对决策的影响等方面的意义；Elliott和Kielich认为智能审计中必须加强工作人员在智能审计方面的培训。国内对这方面的研究主要集中在利用大数据技术，依托云计算、云储存等平台开展信息化审计。刘国城和王会金利用大数据技术构建审计平台的方法，提供了大数据时代下智能审计的实现方案；张莉以国家治理新策略为背景阐述了智能审计对审计目标、审计规划、监督体系及审计模式等方面的影响，并得出智能审计尚处于理论研究阶段还缺少实际案例的结论；杨扬以会计师事务所提供的上市公司审计数据为例，对人工智能在提升审计质量方面的应用给出了积极的评价。

（三）人工智能在审计领域的实际应用

强大的数据处理及分析能力、高效的流程自动化处理使得国际知名的“四大”会计师事务所都在积极探索人工智能在审计业务中的应用，随着不断投入及深入研究，人工智能在审计业务中的应用也有了显著的成果。2017年被《国际会计公报》评为“年度审计创新”的GL机器人就是普华永道（PwC）与H2O公司联合研发的。GL机器人利用强大的数据处理能力可以帮助审计人员高效地发现企业舞弊和异常情况，在德国、英国、瑞典、加拿大等国的近20个审计项目中取得了很好的应用效果。德勤（Deloitte）和毕马威（KPMG）也相继开发了自己的智能审计平台，利用机器人流程自动化及数据挖掘技术对审计工作人员在制定审计风险策略、评估审计风险以及获取审计经验数据等方面提供了很好的帮助。安永（EY）不仅开发了一款基于云计算平台的EY Atlas审计系统，还将植入了图像识别技术的无人机应用于野外实物盘点当中。如今，按照“流程标准化，标准数字化，数字智能化”的策略路径，“四大”会计师事务所都在大力推广各自的RPA（Robotic Process Automation）智能审计方案。人工智能的介入极大地提升了审计工作的效率，以德勤在某银行的概念验证（POC，Proof of Concept）案例为例，通过使用智能审计系统，沟通成本极大降低，单个审计证据的获取时间由以前的平均40分钟降低到30秒以下；文档工作大量减少，单个流程的底稿编制由以前的1.5个小时降低到30分钟以下；智能审计系统可以根据预设的内部审计规则，在每天的指定时段从系统中持续获取审计证据，并开展持续性检查。

三、高校财务收支业务审计中存在的问题

（一）数据收集难度大，效率低

高效、全面地收集基础数据是有效开展审计工作的重要前提，传统的高校财务收支审计业务中，由于高校内部信息化建设不均衡等因素，审计部门获取财务数据需要经过层层审批，数据传输主要是通过电子介质传盘的方式，财务部门将收支数据转化为电子表格，然后通过U盘或者移动硬盘传给审计部门。由于数据结构、冗余数据等原因，审计部门还需要对数据进行再加工才能得到有效的审计数据。此方式下完成审计数据收集工作的时间基本是以天为单位，最快也是以小时为单位的，数据获取难度大，效率低。

（二）审计人员紧缺，审计风险大

近年随着教育经费的不断增加，高校的经济规模不断增长，由此导致的财务收支业务也是逐年递增。根据教育部发布的2020年全国教育经费执行情况统计快报，2020年高等教育经费投入为13999亿元，比上年增长3.99%。不断增长的财务收支业务给审计工作带来巨大工作量与紧缺审计工作人员形成了强烈的反差，即便仅使用抽样审计的方式也使得高校审计人员深陷繁重的审计数据收集取证环节，根本没有多余的精力投入到包括管理审计在内的其他更重要的事务中，审计风险加大。

（三）审计结果信息沟通不畅，审计整改不充分

目前高校财务收支审计工作基本以出具审计报告、提出整改建议作为审计工作的结束，对审计整改的落实情况和效果缺乏有效的监督与记录，这也一定程度导致部分单位和个人对审计结果“虚心接受，诚恳检讨，硬是不改”的现象，审计结果运用不理想，则审计工作对经济活动的监督及指导作用便无从谈起，毫无意义。

四、人工智能在高校财务收支业务审计中的实现路径

针对当前高校财务收支业务审计工作中的问题，部分高校开始加强信息化建设并尝试引入人工智能解决。人工智能的实施有几个基本要素，首先需要有应用场景作为人工智能运行的基础，其次需要数据的获取与共享，最后也是最重要的是算法以及算力保障。

（一）规范审计流程，确定应用场景

明确人工智能应用场景的基础是标准化的审计流程，因此运用人工智能开展审计工作的第一步就是梳理高校财务收支审计的业务，建立一套标准化的审计工作流程，然后据此明确人工智能的应用场景，即流程中的哪部分可以用人工智能来实现。审计部门应牵头并会同财务及其他相关部门共同梳理，确定财务收支业务的审计工作流程，具体如图1所示。智能审计的应用场景如下：

图1 财务收支业务审计流程

数据获取：主要功能为导入财务部门提供的财务收支凭证数据以及校内其他部门提供的相关数据。

审计业务：主要功能为供审计部门工作人员根据国家及学校相关财经政策对财务收支凭证数据开展审计业务。

报告生成：主要功能为根据审计模块发现的问题生成审计报告，并将审计报告反馈给财务部门用户。

整改追踪：主要功能为对审计问题的落实整改情况进行记录，完成整改落实情况的统计分析。

（二）确定数据来源，获取数据开放共享

确定应用场景后下一步需要将平台所需的数据信息进行溯源，与数据提供部门达成数据开放共享。可利用数据仓库技术（ETL）从财务部门获取财务凭证、财务项目、科目等财务数据，从人事、资产等校内相关部门获取人事、资产等数据。还可以利用网络爬虫（Web crawler）技术或者数据仓库技术（ETL）获取工商数据、税务数据以及政府采购数据等辅助数据。

（三）构建策略算法库，提供算力保障

作为人工智能的核心，策略算法库以及硬件设备的计算能力保障直接决定了审计质量的优劣以及审计效率的高低。根据高校收支业务的审计常见问题，例如关联交易、合同拆分、三公经费等结合人工智能的常见算法如逻辑回归算法（Logistic Regression）、多项式朴素贝叶斯算法（Multinomial Naive Bayes）以及神经网络算法（Neural Network）等建立审计策略算法库，策略算法库应紧密结合国家财经法规及学校财经政策，以有效发现风险点，提高审计质量。硬件设备的计算能力保障可依托学校信息中心的服务器提供足够的算力及存储空间，同时系统安全方面也能够得到很好的保障。

五、智能审计模型及实际应用

（一）高校收支业务智能审计模型

基于人工智能的高校财务收支审计模型主要有三部分：后台数据层、中台处理层、前台应用层。如图2所示。

图2 高校财务收支智能审计模型

后台数据层的主要功能是利用数据仓库或者爬虫技术获取基础数据，同时对获取的原始数据进行清洗转换，使数据成为模型可直接应用的数据格式。

中台处理层是智能审计模型的核心部分，智能引擎根据策略算法库中的策略算法对数据进行分类分析，实现智能审计的功能。中台处理层将数据分为训练数据与测试数据。训练数据用于训练智能引擎，使其具有智能审计的能力，相当于人类学习的过程；测试数据用于检验智能引擎的效果，相当于人类的考试测验。可根据测试效果对智能引擎的策略算法以及特征选择等关键技术不断进行优化，达到提升智能审计效果的目的。

前台应用层的主要功能是给工作人员反馈审计结果、提供决策支持、生成审计报告并对整改情况进行追踪记录。

智能审计模型中的业务流程如图3所示。

图3 高校财务收支业务智能审计流程

（二）智能审计模型的应用及效果

人工智能在诞生之初就是面向应用的学科，无论它与哪一个学科交叉、在哪一个领域施展，应用效果都是衡量其是否有效的重要指标。笔者以X高校2020—2021年两年的财务收支业务数据对模型进行验证，并通过实际结果就人工智能对高校财务收支审计工作各方面的影响进行分析。

1.人工智能对审计数据获取的影响

传统的高校财务收支审计业务中，由于高校内部信息化建设不均衡等原因，审计部门获取财务收支数据的方式主要是通过电子介质传盘的方式。即财务部门将收支数据转化为电子表格，然后通过U盘或者移动硬盘传给审计部门。由于数据结构、冗余数据等原因，审计部门还需要对数据进行再加工才能得到有效的审计数据。此方式下完成审计数据收集工作的时间基本以天为单位，最快也是以小时为单位。而利用人工智能的ETL（或者ELT）技术可以将数据的抽取、转换由系统自动完成，不仅将审计数据获取工作中的人工完全替代，而且极大地提高了数据获取的实效，数据获取时间的单位降低到几分钟甚至几秒钟，这为财务收支审计由事后审计向事中、事前审计提供了技术前提，也为审计工作与收支业务“财审融合”的实现提供了可能和保障。审计数据获取时间对比如图4。

图4 审计数据获取时间对比

2.人工智能对审计方法的影响

传统财务收支审计的审计方法受限于人员、时间、技术条件等因素，主要是抽样审计，即审计工作人员在高校财务收支审计业务中，从财务收支凭证的总体中选取一定数量的样本凭证进行审计，并根据样本凭证的审查结果推断总体的凭证情况。这种审计方法不仅存在“过度依赖”或“依赖不足”的风险，而且重复性劳动较多，效率低下。利用人工智能的RPA和大数据技术不仅可以替代人工自动完成审计工作，将审计人员从低效的重复性劳动中解放出来，而且可以将原来的抽样审计方式转变为针对全部财务收支凭证的审计方式，从根本上消除了由于抽样样本偏差导致的“过度依赖”与“依赖不足”风险。X高校自2020年实施智能审计以来，截至2021年12月31日，对该校两年的全部212089份凭证进行了智能审计，发现3954个问题，根据问题的严重程度由轻到重依次分为关注提醒1010件，蓝色预警2525件，黄色预警270件，红色预警149件。按照当前高校审计部门的人员配置情况，如果仍采用传统的审计方法开展财务收支审计工作，则很难达到这种凭证全覆盖的程度，但借助人工智能，轻轻松松就实现了凭证数据的全覆盖，且审计人员从确定抽样样本、逐个对样本进行审计的重复性劳动中解脱出来，可以将更多的精力投入到需要重点关注的问题以及管理工作中，提高了审计效率和审计质量。

3.人工智能对审计实施时间的影响

以往的高校财务收支审计几乎都是事后审计，即当审计业务发生时，经济业务已经结束了一段时间，审计工作对经济业务发生的问题显得无能为力，其意义更多的是对后续经济业务的指导。事后审计的弊端大家早有共识，之所以大部分审计工作都是事后审计，主要还是受限于审计方法、审计效率以及经济业务与审计业务的时间分离度。人工智能的引入使得高校财务收支业务的审计工作可以对全部凭证进行审计，摆脱了通过抽样推测整体状况的束缚，智能审计的高效与自动化让高校财务收支业务审计摆脱了人力不足的束缚，提供了审计工作的实时性。审计工作的实时性促进了审计与财务收支业务的融合，使得高校财务收支业务在发生的同时就基本完成了审计工作，从而具备了将审计工作实施时间由事后审计转变为事中审计的条件。笔者从X高校2021年审计发现问题的凭证中选取了非节假日且系统数据同步运行正常时期的254份问题凭证，这些问题凭证从制单结束到智能审计系统发现问题所用的平均时间是67.01分钟，而这些凭证从制单结束到凭证审核人员审核完成所用的平均时间为73.46分钟。所以如果审计部门和财务部门充分开展业务联动，即便不另外借助其他辅助工具，也可以实现财务收支业务的事中审计。

4.人工智能对审计整改落实的影响

传统的高校财务收支审计工作基本是以出具审计报告、提出整改建议作为审计工作的结束，对审计整改的落实情况和效果缺乏有效的监督与记录。而审计整改如果无法落实，那么审计工作对经济活动的监督及指导作用将无从谈起。因此如何有效追踪审计整改的落实情况，更加合理地运用审计结果使其发挥更大的效力，一直是审计工作中的重点也是难点。人工智能在审计业务中的应用为人们提供了用信息化手段来解决这一问题的方法。首先可以将审计工作从立项到整改完成的全生命周期进行系统管理，以便于跟踪审计整改的详细情况，确保审计整改工作的贯彻落实。其次可以建立审计结果数据记录，并对这些数据利用大数据技术深度挖掘，充分发挥审计结果的数据价值，为管理工作提供更准确、更有针对性的意见建议。X高校自2020年运用智能审计平台开展财务收支审计工作以来，至2021年共发现3954个问题，并全部提出整改要求，通过平台实时追踪整改工作的进展情况，截至2022年1月31日，3954件整改要求全部整改完毕并归档保存。

与此同时，利用智能审计平台对审计发现问题进行深层挖掘，将挖掘结果及时与财务部门共享，协助财务部门完善管理制度以防类似问题的重复发生。从实际情况来看，这一机制对完善财务管理制度、预防审计问题重复产生效果显著。2020年X高校上线智能审计平台第一年，对92386份财务凭证进行审计，发现了2988个审计问题，问题发生率为3.23%。经过审计部门与财务部门就这些审计问题的深度挖掘及结果的共享利用，并根据学校的实际情况财务部门不断加强财务收支的管理，陆续完善了相关制度，待2021年结束时，X高校119703份财务凭证审计仅发现966个问题，问题发生率降低至0.81%，且不同严重程度（关注提醒、蓝色预警、黄色预警、红色预警）均大幅降低，如图5所示。高校财务收支审计的一个重要作用就是通过审计发现问题—财务加强管理完善的不断迭代最终趋向理想的管理状态。传统审计模式下，这一迭代的速率很慢，而人工智能的介入使得这一迭代速率产生了几何级的变化，因此在相对很短的时间内就会看到明显的效果。

图5 X高校2020年与2021年审计发现问题对比

六、人工智能在高校财务收支审计业务中的改进方向

基于人工智能的高校财务收支审计模型的实际应用情况让人们看到了其给高校审计业务带来的转变和影响，但就目前的实际情况而言，仍有进一步完善和改进的空间。

（一）加强与财务信息系统之间的融合互联

目前的智能审计模式就信息系统的管理范畴而言仍局限于审计业务之内，如果要顺利地将审计实施时间由事后转向事中或者事前，就必须加强与财务信息系统之间的融合互联。（1）将审计的策略及规则植入财务信息系统内，使得财务收支业务在发起之初就受到监督控制，从源头阻断问题的发生，降低风险；（2）将审计结果的反馈加入财务收支业务流程中，使其成为财务收支流程的一个控制节点，让财务收支业务在执行过程中能够及时纠正错误，成为财务收支业务的最后一道“防火墙”。

（二）加强人工智能在绩效评价方面的应用研究

《教育系统内部审计工作规定》着重强调对“资产、资金、资源的管理和效益情况”的绩效评价审计，要求高校内部审计人员要在防控风险改进管理的基础上进行资产、资金、资源的管理效益评价，提出合理建议，使学校的资产、资源得到科学配置，资金产生最大效益。目前人工智能在高校财务收支审计中的应用主要还是发现问题查找风险，虽然效果很显著，但是很少涉及绩效审计，该方面人工智能的应用目前还没有太多的实践和研究。因此在未来的工作中，加强人工智能在绩效审计方面的应用研究将是其在高校内部审计工作中的一个重要内容。

（三）加强审计队伍的信息化人才培养

现在的人工智能虽然无法完全替代审计工作人员，仅是协助审计人员，但是未来高校财务审计的发展方向上人工智能的作用肯定是越来越大，根据人工智能“大中台，小前台”的数据模式，审计队伍的建设也应按照该模式进行人才选拔和培养，将更多的人力投入到智能系统的运维、数据分析、策略实现等信息化工作中，从而驱动审计工作的业务创新与提效。因此，加强审计队伍的信息化人才培养是关乎人工智能能否在高校财务审计领域发挥其技术优势，完美融入业务深层的关键因素。

七、结语

通过X高校的数据实例看到人工智能应用于高校财务收支审计业务中极大地提升了收集审计对象数据的效率，最大限度地拓展了审计的覆盖范围，有效降低了审计工作人员的工作量，从而革新了审计方法，加强了审计工作与审计对象之间的业务融合，事后审计向事中、事前审计的转变成为可能，最重要的是强化了审计结果的运用，使得审计的效力在有限的时间内起到了显著的作用。由此可见，人工智能在高校财务收支审计领域有着非常广阔的应用前景，智能化的审计模式必然是高校审计工作的发展趋势，高校审计部门应该高度重视，抓住机遇，大力开展相关实践和研究。