基于AIGC的数智化内部审计研究

程　平　邓天雨

基金项目：财政部全国会计重点科研课题（2023KJA3-10）；重庆市研究生科研创新项目（CYS23722）

作者简介：程　平，重庆理工大学会计学院教授，博士生导师，云会计大数据智能研究所所长；

邓天雨，重庆理工大学会计学院硕士研究生。

摘要：将生成式人工智能（AIGC）技术引入企业内部审计业务，能够有效提升审计质量和效率，强化审计效能。本文从业务和技术两个层面出发构建了基于AIGC的数智化内部审计框架，对AIGC在数智化内部审计中审计数据采集、审计数据分析（包括合规性审计和增值性审计）和审计报告生成三个阶段的具体运用进行探析，并针对AIGC在内部审计应用中可能面临的数据安全、数据质量、人机协作三方面挑战提出应对措施。

关键词：人工智能生成内容/生成式人工智能；内部审计；数智化审计

中图分类号：F232　文献标志码：A　文章编号：1003-286X（2024）05-0054-04

人工智能生成内容/生成式人工智能（Artificial Intelligence Generated Content，AIGC）是一种基于图像处理、自然语言处理、数据挖掘和机器学习等人工智能技术，根据不同的场景和要求自动生成文本、图像、音频等多种形式内容的通用型AI技术，其最大的特点是自动化程度高，并可通过自我学习提高内容生成的质量和准确性。为此，本文提出基于AIGC的数智化内部审计框架，探析AIGC在审计数据采集、审计数据分析和审计报告生成三个阶段的具体应用，并进一步分析AIGC在内部审计应用中可能面临的挑战并提出应对措施。

一、基于AIGC的数智化内部审计框架构建

基于AIGC的数智化内部审计职能不再局限于传统的查错纠弊，而是能够帮助内部审计发挥数据优势实现价值增值。由于数智化内部审计对流程构建和技术支持具有一定的依赖性，因此需要明确审计业务及其相关技术运用思路。基于此，本文从业务层和技术层两方面构建了基于AIGC的数智化内部审计框架（见图1），为审计应用实施提供理论框架指导。

在业务层面，基于AIGC的数智化内部审计由合规性审计和增值性审计组成。合规性审计对企业财务报表和内部控制实施审计，通过销售与收款、采购与付款、生产与存货、筹资与投资、货币资金五大循环来审查财务收支的真实性、合法性和准确性，同时验证内部控制的健全性和有效性，形成合规性内部审计专题报告。增值性审计紧密围绕企业日常生产经营活动，对资金预算、应收账款、应付账款、固定资产等对象实施审计预警，对原材料价格和产品需求等开展市场预测，形成增值性内部审计专题报告，帮助企业进行风险识别和管理，辅助管理层的经营决策，从而发挥内部审计的增值作用。

在技术层面，AIGC所包含的自然语言处理、图像处理、数据挖掘、机器学习和生成对抗网络等核心技术作为审计手段能够高效地提取非结构化的图片和文本数据中的关键信息，帮助审计人员分析数据、识别异常、预测趋势以及优化审计流程，拓展实现审计的预警和预测功能，进而在获取审计证据、开展审计工作、生成审计报告的全过程提高审计的效率和准确性。此外，机器人流程自动化（RPA）和大数据技术的部署和协同应用还能够在数据管理和流程优化方面助力AIGC的应用。

二、基于AIGC的数智化内部审计应用路径

如图2所示，基于AIGC的数智化内部审计应用是通过运用图像处理、自然语言处理、数据挖掘、机器学习等智能技术进行审计数据采集、审计数据分析和审计报告生成，并结合RPA实现审计流程的自动化，从而提升审计效率和质量，强化审计效能。

图1　基于AIGC的数智化内部审计框架

（一）审计数据采集

审计数据采集为数智化内部审计提供数据支撑，该阶段的工作包括数据采集、数据预处理和数据存储，运用的技术包括图像处理技术、自然语言处理技术和大数据技术。具体来说，对于企业的产品数据、生产数据和财务数据等结构化数据，审计人员可根据需求从企业内部管理信息系统采集，并运用大数据技术构建审计数据仓库，以及在对审计业务需求进行分析的基础上确定审计数据仓库的数据模型（如星型模型、雪花模型和星座模型等），同时设计采购事实表、凭证事实表、时间维度表和科目维度表等相关维度表和事实表，最后通过抽取、转换和加载将数据存储于数据仓库。

对于财务报表附注、审计底稿、交易合同、内部控制制度文本和发票凭证图片等非结构化数据，可运用自然语言处理技术和图像处理技术进行数据格式转换并提取关键信息，最终智能生成结构化数据并存储于内部审计数据仓库。以交易合同的文本处理为例，在收集相关文本数据后，首先去除非关键字符、标点符号以及其他无关信息以减少噪声，然后运用自然语言处理技术进行文本分析，识别合同中的公司名称、日期、金额、产品名称等实体，并基于预处理后的文本和实体识别的结果，定义规则或训练模型抽取关键信息，最终智能生成结构化数据存储于数据仓库中。以发票图片的图像处理为例，在收集图像数据后，首先对图片进行调整大小、去除背景噪声、增强对比度等预处理操作，并运用光学字符识别（OCR）技术将文本从图像中提取出来，然后根据发票类型和关键信息提取需要，设计文本匹配规则抽取发票号码、日期、金额等数据，最终智能生成结构化数据存储于数据仓库中。

此外，对于内部审计数据仓库中存储的数据，也可利用数据挖掘技术对数据进行预处理，并通过一致性检查判断数据是否合乎逻辑、是否超出正常范围，以及通过变量之间的相关分析或逻辑推论估算、补全缺失值、删除无效值，最终智能生成全面、准确的数据集。

（二）审计数据分析

审计数据分析是数智化内部审计的实施过程，包括合规性审计和增值性审计。该阶段运用的主要技术包括图像处理技术、自然语言处理技术、机器学习技术和数据挖掘技术。

1．合规性审计。一是对企业会计报表和财务收支的真实性、合法性与准确性进行审查。以采购与付款循环审计为例，通过图像处理技术识别请购单、订购单、验收单、入库单、采购发票和付款凭证等图片；使用自然语言处理技术定义规则或训练模型提取请购物品和数量、供应商信息、验收物品和数量、入库物品和数量、发票日期、发票金额和付款金额等信息；运用数据挖掘技术对数据进行分类对比，审查采购业务是否发生、采购交易是否完整、采购交易的相关资产或费用以及与采购有关的负债是否发生、采购发票的计算是否正确、采购发票的内容是否与订购单和验收单一致等，最终智能生成审计结论。在对应付账款实施函证程序时，可根据需求智能生成询证函模板和内容，并对回函内容进行文本识别，以判断询证函中的余额与企业记账金额是否存在差异。

二是对内部控制设计和运行的健全性和有效性进行审查。以销售与收款循环审计为例，通过图像处理技术识别销售单、客户订购单、发运凭证等图片，并运用自然语言处理技术提取客户信息、订购物品和数量、销售物品和数量、价格与金额、交付日期和方式、凭证号码等信息。同时，运用机器学习技术验证销售单和发运凭证的生成逻辑是否满足客户范围及其信用控制和发运控制要求。具体来说，首先收集与销售单、发运凭证、客户信息、信用控制、发运控制等相关的数据并进行预处理，再提取客户的历史销售数据、信用额度、付款记录、发货历史等特征用于训练和验证机器学习模型，然后定义每张销售单和发运凭证的目标标签以表示是否满足客户范围及其信用控制和发运控制要求，最后利用逻辑回归、决策树、随机森林等分类模型进行训练和评估，分析模型的预测结果，记录验证过程和结果并生成详细报告。

图2　基于AIGC的数智化内部审计应用路径

2．增值性审计。一是利用机器学习技术进行审计预警，帮助企业识别和防范风险。首先以资金预算、应收应付账款和固定资产等为对象建立审计指标体系；其次采用决策树算法、K-Means聚类算法和随机森林算法等建立审计预警模型，并以审计关注的重点为导向对指标数据进行提取和分类，并选取审计指标特征，优选参数设置审计预警阈值；然后对审计预警模型进行训练和测试，通过对比不同算法模型最终选出最优算法模型并运用实际数据发出预警信号，智能生成风险管理建议。

二是通过机器学习预测能力辅助管理层进行预算和经营决策。例如，在原材料市场价格预测中，通过网络爬虫获取原材料市场价格，并通过填充缺失值、过滤异常记录和高缺失值列等操作进行数据预处理，提取数据特征，然后采用BP神经网络、支持向量机和随机森林等算法对模型进行训练和测试，通过创建、测试并读取数据集进行预测，最终将原材料市场价格的预测结果与采购成本预算相结合智能生成决策建议，为未来采购计划编制提供参考。

（三）审计报告生成

审计报告是数智化内部审计的结果输出，包括合规性内部审计专题报告和增值性内部审计专题报告，两者以文字和图片的形式分别对合规性审计和增值性审计结果进行呈现。该阶段运用的技术主要包括RPA、生成对抗网络和自然语言处理技术。

对于报告文字部分，可通过自然语言处理技术自动生成报告模板，或对已有模板进行优化、检查，以确保语句通顺、用词准确，进而有助于审计报告结论和建议的自动填充；对于报告图像部分，可在运用自然语言处理技术进行文本处理的基础上，借助生成对抗网络技术生成可视化图像（如柱状图、饼状图、散点图和气泡图等）。此外，在整个审计报告生成过程中，还可结合RPA实现流程的全自动化，以提高报告输出效率，同时利用机器学习技术对过程进行训练，从而使报告生成过程得到不断优化改进。

图／李宝忠

三、AIGC在内部审计应用中面临的现实挑战及对策

AIGC应用于内部审计能够提升审计效率和质量，帮助企业建立新型智能化内部审计模式。但在实际应用过程中也面临多重挑战。

（一）数据安全

企业日常经营中产生的大量财务数据多具有一定的隐私性、敏感性，在应用AIGC过程中需要关注数据安全问题。具体来说，访问数据前，可通过运用DES、RSA和MD5等加密函数对敏感数据进行加密处理以确保数据的安全性；访问数据中，可通过权限管理限制不同权限用户的访问范围，如使用基于角色访问控制（RBAC）技术进行功能级权限管理或采用数据级权限管理；访问数据后，应及时记录数据访问时间、访问人员、访问目的和访问范围等信息，形成数据访问日志，以便跟踪数据的使用情况，及时发现和防范隐私数据泄露风险，确保数据安全。

（二）数据质量

数据质量直接影响审计质量。因此，企业在审计过程中应做到：在数据采集前，对数据来源进行验证和评估以保证数据的可靠性；在数据采集过程中，对数据进行清洗和一致性检查以保证数据的准确性；在数据采集后，建立数据质量监控机制进行跟踪监测以及时发现和控制数据质量问题。同时，企业应结合AIGC和数智化环境的特点对内部审计相关管理制度进行适当调整，为AIGC的应用提供制度保障，进而提高审计的规范性。此外，由于基于AIGC的数智化内部审计对审计人员的技术素养具有一定的要求，因此企业应加强内部审计人员对AIGC的学习和应用以及在审计实践中的经验积累。

（三）人机协作

AIGC的运用可大幅提高内部审计效率和准确性，促进内部审计的数智化转型，但整个内部审计过程同样离不开审计人员的协作。为此，企业应根据审计的不同阶段对审计人员进行合理分工：在数据采集过程中主要负责判断和选择数据来源、制定数据预处理标准、设计和构建内部审计数据仓库；在数据分析过程中主要负责设计审计流程、根据职业和经验判断制定判断标准、构建机器学习模型；在报告生成过程中主要负责设计报告构成要素和报告生成流程。此外，应建立合理的沟通和反馈机制，使管理人员和审计人员能够对内部审计结果进行评估和反馈，以促进基于AIGC的数智化内部审计不断优化，进而持续提高审计质量。

责任编辑　李卓

主要参考文献

［1］国网天津市电力公司课题组．基于人工智能技术的前瞻性审计实践[J]．中国内部审计，2020，（12）：53-56．

［2］吴勇，余洁，王尚纯，等．人工智能审计应用的国际进展[J]．中国注册会计师，2021，（6）：121-126．

［3］谭韵，张松林．Chat GPT在会计领域的应用前景、挑战及对策[J]．财会研究，2023，（4）：48-52．