论文部分内容阅读
【摘要】在内部审计资源投入有限的现实条件下， 新时期所要求的内部审计全覆盖成为一种矛盾， 需要内部审计进行技术创新， 提高现有审计团队的审计效率。 本文以数据审计的研究现状与存在的问题为切入点， 论述未来智能审计的优势、智能审计相关概念的辨析、智能审计阶段的划分、智能审计系统框架设计、智能审计在审计流程中的应用等问题。
【关键词】内部审计创新;数据审计;智能审计;审计效率
【中图分类号】F239 【文献标识码】A 【文章编号】1004-0994（2021）22-0078-6
一、问题的提出
当前， 我国经济已经进入高质量发展阶段， 这既是中国特色社会主义在新时代的重要特征， 也对我国企业的发展提出了新的要求， 即企业需要通过自身的高质量发展来支撑经济的高质量发展。 其指导思想是“创新、协调、绿色、开放、共享”的发展理念， 核心表现则是通过质量变革、效率变革和动力变革实现经济发展方式的转变。 从创新发展来看， 新经济要求商业组织创造新的价值观、产品、服务或者流程。 为此， 一方面， 需要企业通过技术创新补齐管理效率上的短板; 另一方面， 随着新一轮科技革命和产业革命的兴起， 企业只有通过技术创新占领行业技术制高点和迈向产业链高端， 才能成为行业的头部企业和具有全球竞争力的世界一流企业。
随着新产品、新模式层出不穷， 企业发展所面临的经营风险也在不断增加， 尤其是处于不确定性环境中的企业， 其组织能动的自适应韧性面临更大的挑战， 具体表现为抗风险能力、修复能力和可持续成长能力。 此时的内部审计如何面对新经济的高质量发展与技术创新发展需求？ 针对内部审计， 现实的需求是： 内部审计除了完成传统的合规审计， 还应为企业管理层提供管理导向的审计建议， 甚至这个需求的边界在新时期还在不断扩大。
2018年审计署发布的《关于内部审计工作的规定》（审计署令第11号）中要求的内部审计职责达十二项。 2019年审计署办公厅印发《2019年度内部审计工作指导意见》（审办内审发[2019]39号）， 提出内部审计机构应发挥实现审计全覆盖的生力军作用， 通过创新审计方法、优化组织方式、突出审计重点， 努力实现审计全覆盖， 做到应审尽审， 消除审计监督盲区， 加大审计监督力度。 2020年9月， 国资委《关于深化中央企业内部审计监督工作的实施意见》（国资发监督规[2020]60号）， 要求积极推动内部审计监督无死角， 实施内部审计全覆盖。
在内部审计资源投入有限的现实条件下， 需要内部审计通过技术创新进一步提高现有审计团队的审计效率， 聚焦企业内部核心风险， 扩展审计覆盖面， 这成为当前内部审计创新与质量提升的重要课题。 此时， 积极创新大数据环境下的审计方式和工作模式、提升数据存儲管理效率和规范化水平、加快实现信息技术与审计业务的深度融合、推进审计全覆盖具有很强的现实意义。 加速推进企业数字化转型的步伐， 加强复用数据审计方法， 实现在此基础上的智能审计， 从“人审”为主向“机审”为主转变， 逐渐成为一种新的趋势。 本文将从现状研究、概念梳理、系统框架设计等维度对数据审计、智能审计进行思考。
二、数据审计的研究现状与现实问题
我国对数据审计的研究早已经开始。 石爱中和孙俭[1] 的研究以数据式审计模式为题， 阐释了账项导向审计、制度导向审计、风险导向审计等审计工作模式未来的发展就是数据式审计模式， 它代表了信息化环境下计算机审计的未来。 数据式审计不同于以往的审计模式， 它将电子数据作为直接的审计对象， 而不必将其转换成规定的电子账套。 此时， 数据式审计的应用更多是在国家审计领域。 这主要源于2002年中共中央办公厅、国务院《国家信息化领导小组关于我国电子政务建设指导意见》（中办发[2002]17号）明确提出“十二金”工程， 使得国家审计的对象发生了变化， 开始出现大量的电子数据。 此时， 在内部审计和社会审计领域数据式审计还没有得到重视， 应用十分有限。 这可能是因为： 一方面难以获得大量的数据， 另一方面也缺乏相关方面的专业人才， 企业出于成本效益的考虑， 不愿意在数据式审计方面进行投资。
2012年， 随着云计算技术的出现， 大数据开始吸引越来越多的关注。 此后， 数据审计的相关研究不断出现。 比较有代表性的研究文献有： 秦荣生[2] ， 郑伟等[3] ， 陈伟和Wally[4] ， 刘星等[5] ， 陈伟和居江宁[6] ， 刘国城和王会金[7] ， 张庆龙等[8] 。 其中， 引用数量与下载次数最多的是秦荣生教授在《审计研究》发表的《大数据、云计算技术对审计的影响研究》[2] 一文， 该文指出大数据以及云计算技术对于促进持续审计方式、总体审计模式与审计成果应用、相关关系证据的应用等审计发展具有深远的影响， 认为我国应尽快制定长远发展战略、加快审计法规建设、建立行业平台、加强研发和提高利用能力来促进这一应用的发展。 2019年2月， 中国内部审计协会组织了以“技术方法创新推动内部审计高质量发展”为主题的理论研讨， 涌现出大量关于数据审计的应用研究成果。 比较有代表性的有： 黄松等[9] 的《大数据挖掘技术在电力审计风险防范中的应用研究》， 中国工商银行内部审计局南京分局课题组和潘燕燕[10] 的《基于“风险场景”的数据分析在内部审计中的运用》， 毕德富等[11] 的《大数据环境下外汇管理内部审计技术方法创新研究——基于基层外汇局资本项目计算机辅助审计实践》， 陈祺琳等[12] 的《基于大数据技术构建嵌入式智能持续审计系统研究》。
国外学术界关于大数据的研究较多， 但对大数据审计的相关研究成果还较少。 例如， Ravi[13] ， Michael等[14] ， Earley[15] ， Wang等[16] ， Zhang等[17] ， Sookhak等[18] ， Li等[19] ， AICPA[20] 等。 其相关成果也集中在2014 ～ 2017年， 其中， 许多行业协会的研究成果比较有代表性。 例如， AICPA于2014年8月发布了Reimagining Auditing in a Wired World[20] 的白皮书， 这份白皮书分析了大数据对审计工作的影响， 指出了利用相关大数据作为实际被审计数据的辅助数据， 并通过数据分析技术， 可以甄别被审计数据彼此间的关联关系， 发现新的审计线索。 数据是数字技术有效运行的基础， 数据审计开展的前提条件是审计对象或者组织的数字化。 从当前实务来看， 数据审计所应用的领域大多集中在银行业、保险业、证券业、能源类型的企业。 面对大数据的审计环境， 传统的构建审计中间表、审计分析模型的数据审计方法逐步过渡到了专业的数据挖掘算法技术。 尽管如此， 数据审计的应用还是存在很多应用效果方面的问题。 以电信行业为例， 它是典型的数据密集行业， 信息化程度高、数据量大， 但在数据审计方面仍存在以下不足： ①大数据处理能力不足。 当前数据审计的对象以结构化数据为主， 对于文本、图片、地理位置等非结构化的数据无法处理。 同时， 数据审计平台一般基于传统数据仓库搭建， 运算和扩展能力有限， 无法满足海量客户行为数据的分析需求。 ②執行自动化水平不高。 针对日常审计项目中许多重复性的审计程序执行， 由于缺乏自动化检查工具， 仍然需要依赖人工抽样方式进行检查， 不仅效率较低， 同时影响审计覆盖范围。 ③智能化应用缺乏。 在传统数据审计项目中， 主要依赖审计人员设定规则对数据进行筛选， 识别异常及高风险样本， 审计效果与审计人员经验水平密切相关， 现有数据审计方法无法为审计人员提供风险预测、模型扩展等智能化决策建议。 在此背景下， 迫切需要通过综合运用并整合大数据分析自动化、人工智能等技术， 在现有数据审计基础之上， 探索打造全新的智能审计生态体系。
三、智能审计再次数字化赋能数据审计
审计对象的数字化转型对内部审计既是挑战也是机遇。 审计对象数据量的增加要求审计人员在更短的时间内高效完成审计任务， 实现审计目标。 审计工作的技术革新影响着审计未来的格局， 多种智能技术的出现又打破了传统数据审计在数据规模、范围以及类型方面的限制， 融合了高级数据分析、认知技术、智能预测、敏捷方法和机器人流程自动化等新技术、新概念的智能审计应用将为内部审计迈向更高层面提供全方位的数字化赋能。 它不仅可以减少审计数据采集和分析的时间， 大大减少审计工作中的重复性操作， 最重要的是， 审计人员可以投入更多的精力去关注更加重要的关键问题， 提供更加具有洞察力和有价值的管理对策建议。
开展智能审计可以有效解决数据审计面临的问题。 笔者认为， 其具体优势表现在以下三个方面：
1. 对大数据的全面分析能力。 智能审计使用数据湖架构构建了大数据审计平台和审计数据运营与管理机制， 搜集和存储企业内、外部各类结构化和非结构化数据， 实现各类数据的专业化处理， 包括采集、加工、转换、存储、交换、关联、共享和管理。 例如， 针对银行的内部审计， 通过全面分析零售客户的支出情况、支付渠道、消费习惯等各类数据， 可以全面、动态、真实地获得审计对象的总体信息， 然后帮助内部审计人员高效地识别异常客户的风险特征。 通过对公客户内外部数据的交叉验证和组合分析， 还可以为内部审计部门对相关客户进行信贷评价提供更好的参考依据。
2. 高效的自动化处理能力。 智能审计利用审计机器人流程自动化替代人工执行具有清晰定义和极少例外情况下的重复和确定性审计动作， 可以实现审计人力成本的节约和审计资源的合理配置， 形成审计资源的聚焦能力。 该技术可以帮助审计人员完成外部数据挖掘、数据采集、数据比对分析、系统安全检查以及审计工作底稿编写等重复性的事务性工作。 此外， 采用模式识别（文字识别、人脸识别、语音识别）等人工智能技术， 可以为审计人员提供文本、图像和语音自动识别及检查工具， 从而支撑各类审计项目中对企业数字化改造后业务过程产生的海量合同文本、电子证照、录音等非结构化数据的全样本检查。
3. 对业务风险的智慧洞察能力。 以往的内部审计项目主要依赖审计人员设定规则对样本进行异常筛选， 审计效果往往与审计人员经验水平密切相关。 机器学习作为人工智能的核心应用模式， 可以使计算机主动学习。 智能审计应用机器学习技术， 通过有监督和无监督机器学习模型直接对大量审计对象的数据进行处理分析， 形成相应的假设结果和风险预测， 从而帮助审计人员揭示出隐形的数据关系。 该技术为审计人员提供了另一条基于数据的风险洞察和识别路径。 此外， 通过对机器学习模型结果特征开展进一步分析， 可以扩展各类原有审计数据模型的覆盖范围和提高其精度。
四、智能审计的概念辨析
关于什么是智能审计， 学术界与实务界并未达成一致的观点。 国内学者鲁清仿等[21] 提出智慧审计的概念， 认为智慧审计是采用“先审计方法、后审计数据”的思维方式， 建立“法律法规——方法——数据——疑点——定性依据”的闭环链条， 然后汇集审计人员的智慧， 由信息系统自动完成审计分析， 实现审计目标的过程。 何若云等[22] 认为， 智能审计相比计算机辅助审计技术， 审计覆盖数据范围更大、数据分析能力更全面， 能够对各种结构化和非结构化数据进行处理分析， 并且智能审计具有更强的自动处理能力， 最重要的是涵盖机器学习技术的智能审计具有智慧的风险洞察能力。 毕秀玲和陈帅[23] 认为， 智能审计不同于“审计智能+”， “审计智能+”是一种全流程自动化的审计模式， 它是继智能审计之后的必然选择。 张庆龙等[8] 认为， 内部审计智能化是基于内部审计数字化所形成的海量数据， 结合计算机的算力， 通过机器学习、深度学习、神经网络等技术的运用， 为内部审计部门、内部审计客户提供基于算法推荐的最优的下一步行动决策选择的过程。 陈伟[24] 认为， 智能审计就是利用人工智能、机器人流程自动化、大数据等先进的信息技术， 实现审计作业和审计管理的智能化， 从而全面提高审计效率。
1. 对智能审计概念的辨析， 不能混淆“智能审计”和“智慧审计”这两个概念。 那么， 智能与智慧是否是一回事呢？ 实际上， 智慧并不同于智能。 智能具备如下几个方面的特征： 一是具有感知能力， 这是产生智能活动的前提条件和必要条件; 二是具有记忆能力和思维能力; 三是具有学习能力和自适应能力; 四是具有行为决策能力， 即对外界的刺激做出反应， 形成决策并传达相应的信息[8] 。 而智慧则是从感觉到记忆再到思维的过程。 智慧是人脑表现出来的一种创造性思维活动。 智慧的结果产生了行为和语言， 将行为和语言的表达过程称为“能力”， 两者合称才是“智能”。 对此， 笔者认为， 智能审计的本质是智能化审计。 “化”具有融合、扩展、演变之意， 再来看何为智能化？ 黄津孚等[25] 认为， 智能化是在产品、工具或工作系统中协同应用人类智能和人工智能， 以提升其功效的过程。 这也表明了智能化的功用定义与“智能+”吻合。 智能化审计的目的在于赋能审计， 不断提升内部审计的价值， 推动内部审计创新与转型。 智能化审计的本质特征在于智能与审计的协同发展和应用。 它既不是单纯的信息技术开发和计算机网络应用， 也不是单纯的人脑功能开发， 而是审计人员的智能与工具智能协同发展， 不断提升审计价值的过程。 智能审计是在审计数字化转型与智能化应用过程中不断发展起来的新一代審计。 它以人工智能等高科技作为基础设施与核心要素， 实现人工智能与审计全面融合， 并不断赋能审计组织， 提升审计组织的审计效率， 拓展审计职能的广度和深度， 最终实现审计组织价值提升与颠覆性创新。 应该说， 智能审计是审计信息化发展的高级阶段。 在智能审计时代， 审计的事务性工作、重复性工作将由“人工”转向“人工智能”， 各类智能审计软件自动按审计人员的思路“智能”地完成审计数据采集、审计数据预处理、审计数据分析、审计线索核实、审计报告生成等工作。 另外， 还可以将审计人员从繁杂的、重复性的工作中解放出来， 实现审计工作流程自动化， 从而提高审计效率[24] 。
2. 对智能审计概念的辨析， 不能混淆“智能化审计”与“数字化审计”这两个概念。 刘卫国[26] 认为， 凡是由机器完成数据采集和录入， 自动化工作需要在人工预设的规则下才能触发的都称之为数字化， 而不是智能化。 大数据的计算、分析和运用就不是智能化， 而是数字化。 因为最后还是由人来针对数据分析结果做出决策， 而不是由机器做决策。
3. “智能审计”与“审计智能+”的区分并无实质意义。 不能将今天智能审计的现实， 看作是没有达到“审计智能+”的局限性。 从目前人工智能的发展情况来看， 前面提到的智能特征与“审计智能+”， 距离全面实现还十分遥远。 距离掌握传统审计方式的审计人员被淘汰还有很长一段时间。 智能审计的表现还将是减少一些审计人员在低端、重复审计业务活动上消耗的精力。
可以将智能审计划分为三种类型， 也可以说是智能审计的三种境界。 第一类为辅助型智能审计。 主要通过机械智能的形式辅助审计人员决策或采取相应的行动， 也可以称之为审计流程自动化。 它主要是执行一些重复性的常规审计任务。 使用辅助型智能审计系统时， 审计人员的经验和思路仍然起到决定性作用， 审计人员保留了最终的决策权。 例如， 内部审计人员利用大数据分析进行全样本数据的异常与差异查找和判断， 还可以可视化形式进行结果展示， 将数据分析的结果转化为有价值的信息， 支持和帮助审计人员充分识别存在的可能异常和风险， 为管理层提供极具价值和洞察力的咨询建议， 助力企业风险管控， 提升运营绩效。 第二类是增强型智能审计， 它会表现出优秀的审计分析智能和学习能力， 作为审计人员决策的一种重要补充。 它十分注重在与审计环境和人员的互动之中学习， 在数据中学习和处理信息， 以此来解决问题。 此时， 审计人员和智能审计系统会一起做出决策， 执行一些过去很难完成的审计工作。 例如， 利用机器学习建模的方法， 挖掘出仅依赖审计人员思维难以发现的线索或分析的维度， 从而更深入地识别风险场景及数据来源， 设计数据指标及分析模型。 第三类是自主式智能审计。 它往往不需要审计人员的协助和参与， 通过自主学习的形式适应不同审计情形， 并且可以独自做出决策或采取行动， 此种情形下审计人员将决策权委托给智能审计系统。 此时智能审计系统能够创造性地、有效地适应新的审计环境， 理解被审计对象的可能情形， 根据判断做出恰当的回应和决策， 并在没有干预的情形下与被审计对象进行富有成效的交互。 例如， 在营销审计场景中， 智能系统可以自适应不同的营销方式承载的介质， 如语音、图片、文字等， 针对营销人员的语言进行自主分析， 包括敏感词识别、情感分析、评估打分等， 利用人工智能感知技术对营销内容进行自主审计及评估。
五、智能审计的系统框架设计
系统框架是智能审计建设的蓝图， 也是智能审计未来发展的指引， 明确了系统建设目标及范围。 以审计应用场景为出发点， 与内部审计智能化需求相贴合形成系统的规划思路。 框架的设计具有前瞻性、合理性、可扩展性等特征， 以保证系统实施的可行性及后期维护、拓展的便利性。 智能审计的系统框架主要分为四个层次， 各层次明确了组成内容， 以及各模块之间的关系。 通过总体的框架设计以保障系统后续的设计及落地， 奠定审计智能化转型的基础。 如图1所示。
1. 用户交互层。 该层级连接内部审计各个利益相关者， 为管理层提供企业风险的直观展现， 为内部审计人员提供审计管理与分析工具， 为被审计单位提供风险线索持续推送与跟进平台。 该层次中的风险智能地图分层级、分领域、体系化地展现业务流程风险和应对情况， 支撑风险聚焦的内部审计工作机制。 审计知识库对内部审计涉及的各类信息进行集中管理， 建立信息之间的关联， 形成内部审计信息积累。 基于数据集市搭建的数据查询平台向内部审计人员开放企业数据资产， 提供审计数据探索和挖掘工具， 支持审计人员自主开展审计数据挖掘、审计发现定位及在线确认工作。
2. 功能应用层与技术核心层。 这两个层级支撑了智能审计三大应用主题：
第一， 高级分析从业务风险特征出发， 通过数据建模方法识别风险场景及数据来源， 设计数据分析指标， 支撑风险预警、持续审计等数据分析审计应用。
第二， 机器人流程自动化（RPA）适用于审计程序中执行具有清晰定义和极少例外情况下的重复和确定性动作。 在内部审计中， 利用RPA技术可以帮助审计人员大大简化外部数据挖掘、实时数据采集、数据整理、数据分析比对、参数检查以及审计工作底稿的编写等事务性工作， 提高审计工作效率。
第三， 人工智能则通过机器学习、文本挖掘等技术应用， 为审计人员提供智能决策建议。 机器学习技术为审计人员提供了另外一种建模路径， 它通过无监督和有监督的机器学习模型， 对大量审计对象数据直接进行分析处理， 得出相应的假设和预测结果， 丰富与补充了数据审计模型， 而不是过去的从风险事件出发进行数据建模。 文本挖掘技术可以帮助审计人员在给定的分类体系下， 根据文本的内容自动确定文本关联的类别; 利用计算机自动地从原始文档中提取全面准确反映该文档中心内容的简单连贯的短文; 通过计算机技术自动分析文本对象所包含的情感倾向（主观、客观、中性）及主要观点; 检查执行文本与范本文档的差异， 识别差异化的文本内容。 3. 数据架构层。 该层级是智能审计的数据基础层级， 数据采集模块包含了针对企业内外部、多类型（结构化、非结构化）信息数据收集的机制和方法， 数据存储模块定义各类数据存储架构和方式， 数据管控模块针对智能审计平台数据专项管理流程、关键岗位角色定义。
六、智能审计在审计项目周期中的应用
智能审计的应用场景覆盖了整个审计项目周期。 在项目决策阶段， 基于风险智能地图构建与重大风险快速识别的准确预判， 为审计项目提供决策支撑; 在审前调研阶段， 借助审计知识库快速完成流程的梳理、数据的整体分析、管理的情况了解是调研的关键内容， 可视化是主要展现形式; 在项目实施阶段， 通过文本挖掘、机器学习等技术， 拓展数据分析的广度与深度， 提升审计工作的实效性、准确性， 利用RPA提升测试的效率; 在审计报告阶段， 基于审计结果， 利用RPA生成对应审计底稿和审计确认单， 借助机器学习识别更多同类问题; 在问题整改阶段， 审计工作的最后阶段， 基于审计发现问题进行持续跟踪， 形成持续审计模型。
截至目前， 智能审计相关技术已经在多个行业的不同领域项目中得到了应用， 取得了较好的效果。 例如某集团公司在开展ToB业务专项审计项目过程中， 利用网络爬虫机器人流程自动化和文本挖掘工具对业务合同合规性进行了全面调查， 仅耗时两天就完成了上千余份ToB客戶合同关键条款的快速复核， 识别了300余个异常样本， 与传统人工方式相比， 效率提升超过10倍。 另一公司在费用审计项目中， 利用机器学习技术， 基于决策树、CART分类与回归树模型算法， 从规则型数据审计模型识别结果出发， 对原有识别规则进行扩展， 将相关属性数量从原先的10余个扩展到100多个， 扩展后的模型达到80%的精度以及高达90%的召回率， 为持续进行审计模型优化提供了重要的参考建议。
随着大数据、人工智能技术的不断发展， 可以预见， 未来智能审计应用场景范围将越来越广。 每一个内部审计组织都可以结合自身的特点， 开展智能审计概念与技术培训， 识别和实践智能审计场景， 搭建智能审计平台， 推动内部审计理念和方法的创新与变革。 当然， 也必须看到， 我国智能审计的应用还处于起步阶段， 传统重复性的审计工作将被人工智能的自动化技术所替代， 但这并不意味着传统内部审计人员的消失。 例如， 智能技术虽然使得审计流程发生了颠覆性的变化， 但是， 智能技术还是没有彻底实现审计流程的全面自动化。 一部分常规性的审计工作虽然正在被智能技术所逐步取代， 但审计人员仍然是审计流程中不可或缺的重要组成部分， 人工智能无法替代审计人员作为审计判断和审计决策的主力军作用。 此外， 一些非常规的复杂审计工作也很难实现自动化， 智能技术仅是提供一些辅助性信息和协作， 审计流程最终在人机协同下共同完成。 当然， 内部审计部门必须正视这种趋势， 并不断提升自身的胜任能力， 转变思维方式， 在不同的智能审计发展阶段找到自身的新定位， 避免人机协同时代所带来的角色冲突与职责范围冲突。 可以预见， 未来的传统审计岗位必将会消失， 而新的审计岗位将会诞生。
【 主 要 参 考 文 献 】
[1] 石爱中，孙俭.初释数据式审计模式[ J].审计研究，2005（4）：3 ～ 6.
[2] 秦荣生.大数据、云计算技术对审计的影响研究[ J].审计研究，2014（6）：23 ～ 28.
[3] 郑伟，张立民，杨莉.试析大数据环境下的数据式审计模式[ J].审计研究，2016（4）：20 ～ 27.
[4] 陈伟，Smieliauskas Wally.大数据环境下的电子数据审计：机遇、挑战与方法[ J].计算机科学，2016（1）：8 ～ 13+34.
[5] 刘星，牛艳芳，唐志豪.关于推进大数据审计工作的几点思考[ J].审计研究，2016（5）：3 ～ 7.
[6] 陈伟，居江宁.基于大数据可视化技术的审计线索特征挖掘方法研究[ J].审计研究，2018（1）：16 ～ 21.
[7] 刘国城，王会金.大数据审计平台构建研究[ J].审计研究，2017（6）：36 ～ 41.
[8] 张庆龙，邢春玉，芮柏松，崔楠.新一代内部审计：数字化与智能化[ J].审计研究，2020（5）：113 ～ 121.
[9] 黄松，尚颖，马薇，吴婷婷.大数据挖掘技术在电力审计风险防范中的应用研究[ J].中国内部审计，2020（5）：32 ～ 39.
[10] 中国工商银行内部审计局南京分局课题组，潘燕燕.基于“风险场景”的数据分析在内部审计中的运用[ J].中国内部审计，2020（2）：19 ～ 25.
[11] 毕德富，潘景章，石红波，李雪雁，孟海鹏，徐国子，王雪.大数据环境下外汇管理内部审计技术方法创新研究——基于基层外汇局资本项目计算机辅助审计实践[ J].中国内部审计，2020（3）：30 ～ 37.
[12] 陈祺琳，李云强，黄红，邱锦.基于大数据技术构建嵌入式智能持续审计系统研究[ J].中国内部审计，2020（3）：22 ～ 29.
[13] Ravi Muthukrishnan.The auditor's role in reviewing business continuity planning[ J].Information System Control Journal，2005（4）：52 ～ 56.
[14] Michael G. Alles， Femando Tostes， Miklos A. Vasarhelyi. Continuous auditing： The USA experience and considerations for its implementation in Brazil[ J].Journal of Information Systems and Technology Management，2006（2）：211 ～ 224. [15] Earley C. E.. Data analytics in auditing： Opportunities and challenges[ J].Business Horizons，2015（5）：493 ～ 500.
[16] Wang T.， Cuthbertson R.. Eight issues on audit data analytics we would like to see researched[ J].Journal of Information Systems，2015（1）：155 ～ 162.
[17] Zhang J. H.， Dong Q. C.. Efficient ID-based public auditing for the outsourced data in cloud storage[ J].Information Sciences，2016（20）：1 ～ 14.
[18] Sookhak M.， Gania A.， Khan M. K.， et al.. Dynamic remote data auditing for securing big data storage in cloud computing [ J].Information Sciences，2017（2）：101 ～ 116.
[19] Li Y. B.， Gai K. K.， Qiu L. F.， et al.. Intelligent cryptography approach for secure distributed big data storage in cloud computing[ J].Information Sciences，2017（5）：103 ～ 115.
[20] AICPA. Reimagining auditing in a wired world[EB/OL].https ： //www. researchgate. net/publication/336107579_Reimagining_
Auditing_in_a_Wired_World，2014-08-02.
[21] 魯清仿，燕万年，王开一，胡友良.智慧审计构想与实践探索——基于解构法律法规条款[ J].审计研究，2018（1）：28 ～ 34.
[22] 何若云，杨熤天，杨琦，阮国蓓，张玲.语音识别技术在商业银行智能审计中运用的初探[A].全国内部审计理论研讨优秀论文集（2019）[C].北京：中国内部审计协会，2019.
[23] 毕秀玲，陈帅.科技新时代下的“审计智能+”建设[ J].审计研究，2019（6）：13 ～ 21.
[24] 陈伟.智能审计[M].北京：机械工业出版社，2021：1 ～ 303.
[25] 黄津孚，张小红，何辉.信息化 数字化 智能化：管理的视角[M].北京：经济科学出版社，2014：1 ～ 223.
[26] 刘卫国.现代化、信息化、数字化、智能化及其相互关系[ J].中国铁路，2011（1）：83 ～ 86.
【关键词】内部审计创新;数据审计;智能审计;审计效率
【中图分类号】F239 【文献标识码】A 【文章编号】1004-0994（2021）22-0078-6
一、问题的提出
当前， 我国经济已经进入高质量发展阶段， 这既是中国特色社会主义在新时代的重要特征， 也对我国企业的发展提出了新的要求， 即企业需要通过自身的高质量发展来支撑经济的高质量发展。 其指导思想是“创新、协调、绿色、开放、共享”的发展理念， 核心表现则是通过质量变革、效率变革和动力变革实现经济发展方式的转变。 从创新发展来看， 新经济要求商业组织创造新的价值观、产品、服务或者流程。 为此， 一方面， 需要企业通过技术创新补齐管理效率上的短板; 另一方面， 随着新一轮科技革命和产业革命的兴起， 企业只有通过技术创新占领行业技术制高点和迈向产业链高端， 才能成为行业的头部企业和具有全球竞争力的世界一流企业。
随着新产品、新模式层出不穷， 企业发展所面临的经营风险也在不断增加， 尤其是处于不确定性环境中的企业， 其组织能动的自适应韧性面临更大的挑战， 具体表现为抗风险能力、修复能力和可持续成长能力。 此时的内部审计如何面对新经济的高质量发展与技术创新发展需求？ 针对内部审计， 现实的需求是： 内部审计除了完成传统的合规审计， 还应为企业管理层提供管理导向的审计建议， 甚至这个需求的边界在新时期还在不断扩大。
2018年审计署发布的《关于内部审计工作的规定》（审计署令第11号）中要求的内部审计职责达十二项。 2019年审计署办公厅印发《2019年度内部审计工作指导意见》（审办内审发[2019]39号）， 提出内部审计机构应发挥实现审计全覆盖的生力军作用， 通过创新审计方法、优化组织方式、突出审计重点， 努力实现审计全覆盖， 做到应审尽审， 消除审计监督盲区， 加大审计监督力度。 2020年9月， 国资委《关于深化中央企业内部审计监督工作的实施意见》（国资发监督规[2020]60号）， 要求积极推动内部审计监督无死角， 实施内部审计全覆盖。
在内部审计资源投入有限的现实条件下， 需要内部审计通过技术创新进一步提高现有审计团队的审计效率， 聚焦企业内部核心风险， 扩展审计覆盖面， 这成为当前内部审计创新与质量提升的重要课题。 此时， 积极创新大数据环境下的审计方式和工作模式、提升数据存儲管理效率和规范化水平、加快实现信息技术与审计业务的深度融合、推进审计全覆盖具有很强的现实意义。 加速推进企业数字化转型的步伐， 加强复用数据审计方法， 实现在此基础上的智能审计， 从“人审”为主向“机审”为主转变， 逐渐成为一种新的趋势。 本文将从现状研究、概念梳理、系统框架设计等维度对数据审计、智能审计进行思考。
二、数据审计的研究现状与现实问题
我国对数据审计的研究早已经开始。 石爱中和孙俭[1] 的研究以数据式审计模式为题， 阐释了账项导向审计、制度导向审计、风险导向审计等审计工作模式未来的发展就是数据式审计模式， 它代表了信息化环境下计算机审计的未来。 数据式审计不同于以往的审计模式， 它将电子数据作为直接的审计对象， 而不必将其转换成规定的电子账套。 此时， 数据式审计的应用更多是在国家审计领域。 这主要源于2002年中共中央办公厅、国务院《国家信息化领导小组关于我国电子政务建设指导意见》（中办发[2002]17号）明确提出“十二金”工程， 使得国家审计的对象发生了变化， 开始出现大量的电子数据。 此时， 在内部审计和社会审计领域数据式审计还没有得到重视， 应用十分有限。 这可能是因为： 一方面难以获得大量的数据， 另一方面也缺乏相关方面的专业人才， 企业出于成本效益的考虑， 不愿意在数据式审计方面进行投资。
2012年， 随着云计算技术的出现， 大数据开始吸引越来越多的关注。 此后， 数据审计的相关研究不断出现。 比较有代表性的研究文献有： 秦荣生[2] ， 郑伟等[3] ， 陈伟和Wally[4] ， 刘星等[5] ， 陈伟和居江宁[6] ， 刘国城和王会金[7] ， 张庆龙等[8] 。 其中， 引用数量与下载次数最多的是秦荣生教授在《审计研究》发表的《大数据、云计算技术对审计的影响研究》[2] 一文， 该文指出大数据以及云计算技术对于促进持续审计方式、总体审计模式与审计成果应用、相关关系证据的应用等审计发展具有深远的影响， 认为我国应尽快制定长远发展战略、加快审计法规建设、建立行业平台、加强研发和提高利用能力来促进这一应用的发展。 2019年2月， 中国内部审计协会组织了以“技术方法创新推动内部审计高质量发展”为主题的理论研讨， 涌现出大量关于数据审计的应用研究成果。 比较有代表性的有： 黄松等[9] 的《大数据挖掘技术在电力审计风险防范中的应用研究》， 中国工商银行内部审计局南京分局课题组和潘燕燕[10] 的《基于“风险场景”的数据分析在内部审计中的运用》， 毕德富等[11] 的《大数据环境下外汇管理内部审计技术方法创新研究——基于基层外汇局资本项目计算机辅助审计实践》， 陈祺琳等[12] 的《基于大数据技术构建嵌入式智能持续审计系统研究》。
国外学术界关于大数据的研究较多， 但对大数据审计的相关研究成果还较少。 例如， Ravi[13] ， Michael等[14] ， Earley[15] ， Wang等[16] ， Zhang等[17] ， Sookhak等[18] ， Li等[19] ， AICPA[20] 等。 其相关成果也集中在2014 ～ 2017年， 其中， 许多行业协会的研究成果比较有代表性。 例如， AICPA于2014年8月发布了Reimagining Auditing in a Wired World[20] 的白皮书， 这份白皮书分析了大数据对审计工作的影响， 指出了利用相关大数据作为实际被审计数据的辅助数据， 并通过数据分析技术， 可以甄别被审计数据彼此间的关联关系， 发现新的审计线索。 数据是数字技术有效运行的基础， 数据审计开展的前提条件是审计对象或者组织的数字化。 从当前实务来看， 数据审计所应用的领域大多集中在银行业、保险业、证券业、能源类型的企业。 面对大数据的审计环境， 传统的构建审计中间表、审计分析模型的数据审计方法逐步过渡到了专业的数据挖掘算法技术。 尽管如此， 数据审计的应用还是存在很多应用效果方面的问题。 以电信行业为例， 它是典型的数据密集行业， 信息化程度高、数据量大， 但在数据审计方面仍存在以下不足： ①大数据处理能力不足。 当前数据审计的对象以结构化数据为主， 对于文本、图片、地理位置等非结构化的数据无法处理。 同时， 数据审计平台一般基于传统数据仓库搭建， 运算和扩展能力有限， 无法满足海量客户行为数据的分析需求。 ②執行自动化水平不高。 针对日常审计项目中许多重复性的审计程序执行， 由于缺乏自动化检查工具， 仍然需要依赖人工抽样方式进行检查， 不仅效率较低， 同时影响审计覆盖范围。 ③智能化应用缺乏。 在传统数据审计项目中， 主要依赖审计人员设定规则对数据进行筛选， 识别异常及高风险样本， 审计效果与审计人员经验水平密切相关， 现有数据审计方法无法为审计人员提供风险预测、模型扩展等智能化决策建议。 在此背景下， 迫切需要通过综合运用并整合大数据分析自动化、人工智能等技术， 在现有数据审计基础之上， 探索打造全新的智能审计生态体系。
三、智能审计再次数字化赋能数据审计
审计对象的数字化转型对内部审计既是挑战也是机遇。 审计对象数据量的增加要求审计人员在更短的时间内高效完成审计任务， 实现审计目标。 审计工作的技术革新影响着审计未来的格局， 多种智能技术的出现又打破了传统数据审计在数据规模、范围以及类型方面的限制， 融合了高级数据分析、认知技术、智能预测、敏捷方法和机器人流程自动化等新技术、新概念的智能审计应用将为内部审计迈向更高层面提供全方位的数字化赋能。 它不仅可以减少审计数据采集和分析的时间， 大大减少审计工作中的重复性操作， 最重要的是， 审计人员可以投入更多的精力去关注更加重要的关键问题， 提供更加具有洞察力和有价值的管理对策建议。
开展智能审计可以有效解决数据审计面临的问题。 笔者认为， 其具体优势表现在以下三个方面：
1. 对大数据的全面分析能力。 智能审计使用数据湖架构构建了大数据审计平台和审计数据运营与管理机制， 搜集和存储企业内、外部各类结构化和非结构化数据， 实现各类数据的专业化处理， 包括采集、加工、转换、存储、交换、关联、共享和管理。 例如， 针对银行的内部审计， 通过全面分析零售客户的支出情况、支付渠道、消费习惯等各类数据， 可以全面、动态、真实地获得审计对象的总体信息， 然后帮助内部审计人员高效地识别异常客户的风险特征。 通过对公客户内外部数据的交叉验证和组合分析， 还可以为内部审计部门对相关客户进行信贷评价提供更好的参考依据。
2. 高效的自动化处理能力。 智能审计利用审计机器人流程自动化替代人工执行具有清晰定义和极少例外情况下的重复和确定性审计动作， 可以实现审计人力成本的节约和审计资源的合理配置， 形成审计资源的聚焦能力。 该技术可以帮助审计人员完成外部数据挖掘、数据采集、数据比对分析、系统安全检查以及审计工作底稿编写等重复性的事务性工作。 此外， 采用模式识别（文字识别、人脸识别、语音识别）等人工智能技术， 可以为审计人员提供文本、图像和语音自动识别及检查工具， 从而支撑各类审计项目中对企业数字化改造后业务过程产生的海量合同文本、电子证照、录音等非结构化数据的全样本检查。
3. 对业务风险的智慧洞察能力。 以往的内部审计项目主要依赖审计人员设定规则对样本进行异常筛选， 审计效果往往与审计人员经验水平密切相关。 机器学习作为人工智能的核心应用模式， 可以使计算机主动学习。 智能审计应用机器学习技术， 通过有监督和无监督机器学习模型直接对大量审计对象的数据进行处理分析， 形成相应的假设结果和风险预测， 从而帮助审计人员揭示出隐形的数据关系。 该技术为审计人员提供了另一条基于数据的风险洞察和识别路径。 此外， 通过对机器学习模型结果特征开展进一步分析， 可以扩展各类原有审计数据模型的覆盖范围和提高其精度。
四、智能审计的概念辨析
关于什么是智能审计， 学术界与实务界并未达成一致的观点。 国内学者鲁清仿等[21] 提出智慧审计的概念， 认为智慧审计是采用“先审计方法、后审计数据”的思维方式， 建立“法律法规——方法——数据——疑点——定性依据”的闭环链条， 然后汇集审计人员的智慧， 由信息系统自动完成审计分析， 实现审计目标的过程。 何若云等[22] 认为， 智能审计相比计算机辅助审计技术， 审计覆盖数据范围更大、数据分析能力更全面， 能够对各种结构化和非结构化数据进行处理分析， 并且智能审计具有更强的自动处理能力， 最重要的是涵盖机器学习技术的智能审计具有智慧的风险洞察能力。 毕秀玲和陈帅[23] 认为， 智能审计不同于“审计智能+”， “审计智能+”是一种全流程自动化的审计模式， 它是继智能审计之后的必然选择。 张庆龙等[8] 认为， 内部审计智能化是基于内部审计数字化所形成的海量数据， 结合计算机的算力， 通过机器学习、深度学习、神经网络等技术的运用， 为内部审计部门、内部审计客户提供基于算法推荐的最优的下一步行动决策选择的过程。 陈伟[24] 认为， 智能审计就是利用人工智能、机器人流程自动化、大数据等先进的信息技术， 实现审计作业和审计管理的智能化， 从而全面提高审计效率。
1. 对智能审计概念的辨析， 不能混淆“智能审计”和“智慧审计”这两个概念。 那么， 智能与智慧是否是一回事呢？ 实际上， 智慧并不同于智能。 智能具备如下几个方面的特征： 一是具有感知能力， 这是产生智能活动的前提条件和必要条件; 二是具有记忆能力和思维能力; 三是具有学习能力和自适应能力; 四是具有行为决策能力， 即对外界的刺激做出反应， 形成决策并传达相应的信息[8] 。 而智慧则是从感觉到记忆再到思维的过程。 智慧是人脑表现出来的一种创造性思维活动。 智慧的结果产生了行为和语言， 将行为和语言的表达过程称为“能力”， 两者合称才是“智能”。 对此， 笔者认为， 智能审计的本质是智能化审计。 “化”具有融合、扩展、演变之意， 再来看何为智能化？ 黄津孚等[25] 认为， 智能化是在产品、工具或工作系统中协同应用人类智能和人工智能， 以提升其功效的过程。 这也表明了智能化的功用定义与“智能+”吻合。 智能化审计的目的在于赋能审计， 不断提升内部审计的价值， 推动内部审计创新与转型。 智能化审计的本质特征在于智能与审计的协同发展和应用。 它既不是单纯的信息技术开发和计算机网络应用， 也不是单纯的人脑功能开发， 而是审计人员的智能与工具智能协同发展， 不断提升审计价值的过程。 智能审计是在审计数字化转型与智能化应用过程中不断发展起来的新一代審计。 它以人工智能等高科技作为基础设施与核心要素， 实现人工智能与审计全面融合， 并不断赋能审计组织， 提升审计组织的审计效率， 拓展审计职能的广度和深度， 最终实现审计组织价值提升与颠覆性创新。 应该说， 智能审计是审计信息化发展的高级阶段。 在智能审计时代， 审计的事务性工作、重复性工作将由“人工”转向“人工智能”， 各类智能审计软件自动按审计人员的思路“智能”地完成审计数据采集、审计数据预处理、审计数据分析、审计线索核实、审计报告生成等工作。 另外， 还可以将审计人员从繁杂的、重复性的工作中解放出来， 实现审计工作流程自动化， 从而提高审计效率[24] 。
2. 对智能审计概念的辨析， 不能混淆“智能化审计”与“数字化审计”这两个概念。 刘卫国[26] 认为， 凡是由机器完成数据采集和录入， 自动化工作需要在人工预设的规则下才能触发的都称之为数字化， 而不是智能化。 大数据的计算、分析和运用就不是智能化， 而是数字化。 因为最后还是由人来针对数据分析结果做出决策， 而不是由机器做决策。
3. “智能审计”与“审计智能+”的区分并无实质意义。 不能将今天智能审计的现实， 看作是没有达到“审计智能+”的局限性。 从目前人工智能的发展情况来看， 前面提到的智能特征与“审计智能+”， 距离全面实现还十分遥远。 距离掌握传统审计方式的审计人员被淘汰还有很长一段时间。 智能审计的表现还将是减少一些审计人员在低端、重复审计业务活动上消耗的精力。
可以将智能审计划分为三种类型， 也可以说是智能审计的三种境界。 第一类为辅助型智能审计。 主要通过机械智能的形式辅助审计人员决策或采取相应的行动， 也可以称之为审计流程自动化。 它主要是执行一些重复性的常规审计任务。 使用辅助型智能审计系统时， 审计人员的经验和思路仍然起到决定性作用， 审计人员保留了最终的决策权。 例如， 内部审计人员利用大数据分析进行全样本数据的异常与差异查找和判断， 还可以可视化形式进行结果展示， 将数据分析的结果转化为有价值的信息， 支持和帮助审计人员充分识别存在的可能异常和风险， 为管理层提供极具价值和洞察力的咨询建议， 助力企业风险管控， 提升运营绩效。 第二类是增强型智能审计， 它会表现出优秀的审计分析智能和学习能力， 作为审计人员决策的一种重要补充。 它十分注重在与审计环境和人员的互动之中学习， 在数据中学习和处理信息， 以此来解决问题。 此时， 审计人员和智能审计系统会一起做出决策， 执行一些过去很难完成的审计工作。 例如， 利用机器学习建模的方法， 挖掘出仅依赖审计人员思维难以发现的线索或分析的维度， 从而更深入地识别风险场景及数据来源， 设计数据指标及分析模型。 第三类是自主式智能审计。 它往往不需要审计人员的协助和参与， 通过自主学习的形式适应不同审计情形， 并且可以独自做出决策或采取行动， 此种情形下审计人员将决策权委托给智能审计系统。 此时智能审计系统能够创造性地、有效地适应新的审计环境， 理解被审计对象的可能情形， 根据判断做出恰当的回应和决策， 并在没有干预的情形下与被审计对象进行富有成效的交互。 例如， 在营销审计场景中， 智能系统可以自适应不同的营销方式承载的介质， 如语音、图片、文字等， 针对营销人员的语言进行自主分析， 包括敏感词识别、情感分析、评估打分等， 利用人工智能感知技术对营销内容进行自主审计及评估。
五、智能审计的系统框架设计
系统框架是智能审计建设的蓝图， 也是智能审计未来发展的指引， 明确了系统建设目标及范围。 以审计应用场景为出发点， 与内部审计智能化需求相贴合形成系统的规划思路。 框架的设计具有前瞻性、合理性、可扩展性等特征， 以保证系统实施的可行性及后期维护、拓展的便利性。 智能审计的系统框架主要分为四个层次， 各层次明确了组成内容， 以及各模块之间的关系。 通过总体的框架设计以保障系统后续的设计及落地， 奠定审计智能化转型的基础。 如图1所示。
1. 用户交互层。 该层级连接内部审计各个利益相关者， 为管理层提供企业风险的直观展现， 为内部审计人员提供审计管理与分析工具， 为被审计单位提供风险线索持续推送与跟进平台。 该层次中的风险智能地图分层级、分领域、体系化地展现业务流程风险和应对情况， 支撑风险聚焦的内部审计工作机制。 审计知识库对内部审计涉及的各类信息进行集中管理， 建立信息之间的关联， 形成内部审计信息积累。 基于数据集市搭建的数据查询平台向内部审计人员开放企业数据资产， 提供审计数据探索和挖掘工具， 支持审计人员自主开展审计数据挖掘、审计发现定位及在线确认工作。
2. 功能应用层与技术核心层。 这两个层级支撑了智能审计三大应用主题：
第一， 高级分析从业务风险特征出发， 通过数据建模方法识别风险场景及数据来源， 设计数据分析指标， 支撑风险预警、持续审计等数据分析审计应用。
第二， 机器人流程自动化（RPA）适用于审计程序中执行具有清晰定义和极少例外情况下的重复和确定性动作。 在内部审计中， 利用RPA技术可以帮助审计人员大大简化外部数据挖掘、实时数据采集、数据整理、数据分析比对、参数检查以及审计工作底稿的编写等事务性工作， 提高审计工作效率。
第三， 人工智能则通过机器学习、文本挖掘等技术应用， 为审计人员提供智能决策建议。 机器学习技术为审计人员提供了另外一种建模路径， 它通过无监督和有监督的机器学习模型， 对大量审计对象数据直接进行分析处理， 得出相应的假设和预测结果， 丰富与补充了数据审计模型， 而不是过去的从风险事件出发进行数据建模。 文本挖掘技术可以帮助审计人员在给定的分类体系下， 根据文本的内容自动确定文本关联的类别; 利用计算机自动地从原始文档中提取全面准确反映该文档中心内容的简单连贯的短文; 通过计算机技术自动分析文本对象所包含的情感倾向（主观、客观、中性）及主要观点; 检查执行文本与范本文档的差异， 识别差异化的文本内容。 3. 数据架构层。 该层级是智能审计的数据基础层级， 数据采集模块包含了针对企业内外部、多类型（结构化、非结构化）信息数据收集的机制和方法， 数据存储模块定义各类数据存储架构和方式， 数据管控模块针对智能审计平台数据专项管理流程、关键岗位角色定义。
六、智能审计在审计项目周期中的应用
智能审计的应用场景覆盖了整个审计项目周期。 在项目决策阶段， 基于风险智能地图构建与重大风险快速识别的准确预判， 为审计项目提供决策支撑; 在审前调研阶段， 借助审计知识库快速完成流程的梳理、数据的整体分析、管理的情况了解是调研的关键内容， 可视化是主要展现形式; 在项目实施阶段， 通过文本挖掘、机器学习等技术， 拓展数据分析的广度与深度， 提升审计工作的实效性、准确性， 利用RPA提升测试的效率; 在审计报告阶段， 基于审计结果， 利用RPA生成对应审计底稿和审计确认单， 借助机器学习识别更多同类问题; 在问题整改阶段， 审计工作的最后阶段， 基于审计发现问题进行持续跟踪， 形成持续审计模型。
截至目前， 智能审计相关技术已经在多个行业的不同领域项目中得到了应用， 取得了较好的效果。 例如某集团公司在开展ToB业务专项审计项目过程中， 利用网络爬虫机器人流程自动化和文本挖掘工具对业务合同合规性进行了全面调查， 仅耗时两天就完成了上千余份ToB客戶合同关键条款的快速复核， 识别了300余个异常样本， 与传统人工方式相比， 效率提升超过10倍。 另一公司在费用审计项目中， 利用机器学习技术， 基于决策树、CART分类与回归树模型算法， 从规则型数据审计模型识别结果出发， 对原有识别规则进行扩展， 将相关属性数量从原先的10余个扩展到100多个， 扩展后的模型达到80%的精度以及高达90%的召回率， 为持续进行审计模型优化提供了重要的参考建议。
随着大数据、人工智能技术的不断发展， 可以预见， 未来智能审计应用场景范围将越来越广。 每一个内部审计组织都可以结合自身的特点， 开展智能审计概念与技术培训， 识别和实践智能审计场景， 搭建智能审计平台， 推动内部审计理念和方法的创新与变革。 当然， 也必须看到， 我国智能审计的应用还处于起步阶段， 传统重复性的审计工作将被人工智能的自动化技术所替代， 但这并不意味着传统内部审计人员的消失。 例如， 智能技术虽然使得审计流程发生了颠覆性的变化， 但是， 智能技术还是没有彻底实现审计流程的全面自动化。 一部分常规性的审计工作虽然正在被智能技术所逐步取代， 但审计人员仍然是审计流程中不可或缺的重要组成部分， 人工智能无法替代审计人员作为审计判断和审计决策的主力军作用。 此外， 一些非常规的复杂审计工作也很难实现自动化， 智能技术仅是提供一些辅助性信息和协作， 审计流程最终在人机协同下共同完成。 当然， 内部审计部门必须正视这种趋势， 并不断提升自身的胜任能力， 转变思维方式， 在不同的智能审计发展阶段找到自身的新定位， 避免人机协同时代所带来的角色冲突与职责范围冲突。 可以预见， 未来的传统审计岗位必将会消失， 而新的审计岗位将会诞生。
【 主 要 参 考 文 献 】
[1] 石爱中，孙俭.初释数据式审计模式[ J].审计研究，2005（4）：3 ～ 6.
[2] 秦荣生.大数据、云计算技术对审计的影响研究[ J].审计研究，2014（6）：23 ～ 28.
[3] 郑伟，张立民，杨莉.试析大数据环境下的数据式审计模式[ J].审计研究，2016（4）：20 ～ 27.
[4] 陈伟，Smieliauskas Wally.大数据环境下的电子数据审计：机遇、挑战与方法[ J].计算机科学，2016（1）：8 ～ 13+34.
[5] 刘星，牛艳芳，唐志豪.关于推进大数据审计工作的几点思考[ J].审计研究，2016（5）：3 ～ 7.
[6] 陈伟，居江宁.基于大数据可视化技术的审计线索特征挖掘方法研究[ J].审计研究，2018（1）：16 ～ 21.
[7] 刘国城，王会金.大数据审计平台构建研究[ J].审计研究，2017（6）：36 ～ 41.
[8] 张庆龙，邢春玉，芮柏松，崔楠.新一代内部审计：数字化与智能化[ J].审计研究，2020（5）：113 ～ 121.
[9] 黄松，尚颖，马薇，吴婷婷.大数据挖掘技术在电力审计风险防范中的应用研究[ J].中国内部审计，2020（5）：32 ～ 39.
[10] 中国工商银行内部审计局南京分局课题组，潘燕燕.基于“风险场景”的数据分析在内部审计中的运用[ J].中国内部审计，2020（2）：19 ～ 25.
[11] 毕德富，潘景章，石红波，李雪雁，孟海鹏，徐国子，王雪.大数据环境下外汇管理内部审计技术方法创新研究——基于基层外汇局资本项目计算机辅助审计实践[ J].中国内部审计，2020（3）：30 ～ 37.
[12] 陈祺琳，李云强，黄红，邱锦.基于大数据技术构建嵌入式智能持续审计系统研究[ J].中国内部审计，2020（3）：22 ～ 29.
[13] Ravi Muthukrishnan.The auditor's role in reviewing business continuity planning[ J].Information System Control Journal，2005（4）：52 ～ 56.
[14] Michael G. Alles， Femando Tostes， Miklos A. Vasarhelyi. Continuous auditing： The USA experience and considerations for its implementation in Brazil[ J].Journal of Information Systems and Technology Management，2006（2）：211 ～ 224. [15] Earley C. E.. Data analytics in auditing： Opportunities and challenges[ J].Business Horizons，2015（5）：493 ～ 500.
[16] Wang T.， Cuthbertson R.. Eight issues on audit data analytics we would like to see researched[ J].Journal of Information Systems，2015（1）：155 ～ 162.
[17] Zhang J. H.， Dong Q. C.. Efficient ID-based public auditing for the outsourced data in cloud storage[ J].Information Sciences，2016（20）：1 ～ 14.
[18] Sookhak M.， Gania A.， Khan M. K.， et al.. Dynamic remote data auditing for securing big data storage in cloud computing [ J].Information Sciences，2017（2）：101 ～ 116.
[19] Li Y. B.， Gai K. K.， Qiu L. F.， et al.. Intelligent cryptography approach for secure distributed big data storage in cloud computing[ J].Information Sciences，2017（5）：103 ～ 115.
[20] AICPA. Reimagining auditing in a wired world[EB/OL].https ： //www. researchgate. net/publication/336107579_Reimagining_
Auditing_in_a_Wired_World，2014-08-02.
[21] 魯清仿，燕万年，王开一，胡友良.智慧审计构想与实践探索——基于解构法律法规条款[ J].审计研究，2018（1）：28 ～ 34.
[22] 何若云，杨熤天，杨琦，阮国蓓，张玲.语音识别技术在商业银行智能审计中运用的初探[A].全国内部审计理论研讨优秀论文集（2019）[C].北京：中国内部审计协会，2019.
[23] 毕秀玲，陈帅.科技新时代下的“审计智能+”建设[ J].审计研究，2019（6）：13 ～ 21.
[24] 陈伟.智能审计[M].北京：机械工业出版社，2021：1 ～ 303.
[25] 黄津孚，张小红，何辉.信息化 数字化 智能化：管理的视角[M].北京：经济科学出版社，2014：1 ～ 223.
[26] 刘卫国.现代化、信息化、数字化、智能化及其相互关系[ J].中国铁路，2011（1）：83 ～ 86.