数字经济的兴起和发展将对经济社会的发展模式、各行各业生存方式产生深刻影响，也将催化社会审计方式方法的变革。本文试图从企业信息化、远程审计、智能化审计等方面展开论述，为数字经济时代下的社会审计变革寻求路径。

一、社会审计变革的必要性

1.企业信息化技术发展需要社会审计作出变革。随着云计算、物联网、区块链、人工智能、5G等数字技术的飞速发展，数字化已成为企业的核心元素，企业正通过信息化变革、数字化转型，寻求新的业财融合运营模式。企业作为连接主体，与其利益相关者即员工、供应商、客户、金融机构、投资机构、审计机构的连接越紧企业越强。财务工作作为利益相关者的信息处理与传递中枢，也在努力寻找快速、安全、有效的连接方式，比如面向员工的移动化、无纸化报销模式，面向供应商的线上协同结算模式，面向客户自动开票的智能匹配模式，面向税务的内外互联的信息报送自动化模式，等等。信息化技术的运用催生企业加快业财融合，以财务信息为基础的社会审计基本环境已改变，成为社会审计变革的催化剂。

2.突发性事件需要审计作出变革。新冠疫情是典型的突发事件，突发事件下传统审计的弊端体现得更加明显：一是年报披露不能如期。我国资本市场年报披露截止日为每年的4月30日，但在2020年，因新冠疫情影响，有不少上市公司财务人员及审计人员未能及时安排现场工作等，导致未能按时披露年报。二是审计证据获取难度增加。因防范新冠疫情隔离措施及交通限制等原因，审计外勤时间被压缩，获取审计资料面临较大难度和风险。上海证监局因此发布《会计监管通讯》提出警示，针对新冠疫情下审计工作面临的新情况，应注重所获取审计证据的真实性、充分性，避免因为条件受限或“赶工”使得相关审计程序流于形式，从而影响执业质量。三是审计时间压力增强。因为企业复工复产推延，原审计计划被迫重新修订，缩短了原审计计划的现场审计工作时间。特别是新冠疫情下被审计单位重要的期后事项可能影响对公司持续经营能力的判断，因此还需追加审计程序或扩大审计范围，这对审计外勤工作时间无疑是雪上加霜。审计时间压力会影响审计效果，加大审计风险。但审计质量要求不会因条件的变化而改变，突发性事件的应对加速了社会审计模式变革。

二、社会审计变革的路径

社会审计变革可以通过新制度制定、新模式运行、新技术支撑（尤其是人工智能技术的发展）等路径进行实践探索和检验，逐步形成一个既具有完整的信息化审计标准体系，又适应数字经济时代需求的社会审计模式。

1.加快制定我国信息系统审计准则。一直以来，我国对信息系统审计的研究主要集中在信息化环境下内部控制、审计风险及具体技术上，对于信息系统审计准则的建设仍处于起步阶段，没有具体指导性的应用指南或操作指引。国外信息系统审计准则已经形成了一个完整的体系，无论在审计准则数量还是在审计体系结构上都很完善。国际信息系统审计协会（ISACA）和国际内部审计师协会（IIA）等机构所发布的信息系统审计准则体系，不仅可以指导财务审计需要的信息系统审计行为，也可以指导单一的信息系统审计行为。我国除了可以参考国外ISACA等机构的审计准则外，应整合审计署、中国注册会计师协会、中国内部审计师协会制定的信息系统审计准则制度，建立以“信息系统审计”为中心的准则模式，按审计工作流程规划信息系统审计准则的内容，形成基本准则、审计指南和作业程序的“三位一体”准则体系，以推进社会审计变革。

2.大力推广远程审计。远程审计也称互联网审计或在线审计。我国的审计准则及指南虽然目前没有远程审计方面的相关规定和执业意见，但在国际标准化组织ISO 19011（2018）最新版本的管理体系审核指南中，包括了远程审计的新规范，列出了采用远程审计方法时如何执行交互式审计活动和非交互式审计活动，在远程审计中很有参考价值。疫情期间，我国会计师事务所积极应对，如立信会计师事务所发布《远程审计工作指引》及《立信客户门户平台》，致同会计师事务所发出做好年报审计工作的通报和提示等，远程审计手段在疫情倒逼下已开启。

3.加快实现智能化审计。随着互联网思维及IT技术被更广泛应用，智能化审计的优势凸显，具有很强的实践性：一是全面的大数据分析能力。利用大数据库构建审计大数据平台和审计数据管理与运营机制，对各类数据进行专业化处理。通过各类数据的全面分析，真实、全面、动态地反映审计对象信息，帮助审计人员更好地识别客户异常风险特征。二是高效的自动化处理能力。审计机器人流程自动化（RPA）可以实现人力成本的节约和审计资源的聚焦。自动化技术可以帮助审计人员进行数据收集、外部数据爬虫、数据比对、系统安全参数检查以及底稿编写等事务性工作。模式识别等技术可以为审计人员提供文本、图像和语音自动识别和检查，实现业务过程的海量合同文本、电子证照、客服录音等非结构化数据全样本检查。三是智能的业务风险洞察能力。机器学习技术提供了基于数据的风险洞察和识别路径，通过有监督和无监督机器学习模型，直接对大量审计对象数据进行分析处理，产出相应的风险预测和假设结果，从而帮助审计人员揭示隐形数据关系。此外，通过对机器学习模型结果特征进一步分析，可以优化和扩展原有审计数据模型的精确度和覆盖面。

责任编辑 陈利花