基于知識的智能審計，與AI大模型協同發展
當前，企業內部審計正面臨前所未有的變革機遇。隨著人工智能、大數據、云計算等技術的快速發展，審計工作的理念、定位、內容、方法和模式都在發生深刻變化。預判未來3-5年的審計形態，對于企業在數字化轉型中搶占先機至關重要。
領雁科技審計業務專家祝祥在3月19日直播分享了《審計人的“外掛大腦”，知識+AI：基于知識的智能審計》，直播從內部審計的發展歷程、驅動力、技術演進、當前與AI如何融合及場景案例等方面，探討審計系統的智能化轉型路徑。
一、內部審計的發展歷程：從“工具輔助”到“智能協同”的范式轉變
內部審計的變革與數字化基礎設施的發展緊密相連。可以將數字化審計劃分為五次重大變革，每一次技術的進步都推動了審計理念、方法和內容的深刻演變。
從1990年代到2000年中國軟件行業迎來第一個爆發期，個人計算機與辦公軟件開始普及，審計從手工操作到計算機輔助，效率得到了很大的提升，但這兩個階段的審計仍主要聚焦于事后審計的查錯糾弊。當2005年互聯網時代的到來，基于BS架構軟件的非現場審計進一步實現了數據驗證、審計建模等方法，從查錯糾弊延伸到風險防范、內部控制，進而實現了事中審計+事后審計模式。這一技術的突破，預示著審計從靜態分析向動態監察演進，可以發揮出更大的價值和能力。2010年，大數據、云計算技術得到發展，結構化與非結構化的海量數據讓更多信息可以被捕捉、分析。審計通過數據挖掘、可視化分析推進實時審計的發揮。2018年，以機器學習為代表的技術進一步推動非結構化數據的應用，并推動了更多智能化技術的落地，審計也迎來了自動化審計、實時審計的進一步發展，從傳統監督到風險洞察、風險預警、持續監控、價值創造的升級，將審計的范圍也覆蓋到了財務核查、經營管理、風險控制等更多領域，呈現出更廣泛、智能、自動化的能力。
審計行業的技術演進經歷四次里程碑式跨越：手工審計階段（1990-1999年）、信息化審計階段（2000-2009年）、大數據審計階段（2010-2017年）、智能審計階段（2018-2021年）。這四次變革中，不難發現審計的數字化發展始終是由程序與數據技術的雙重突破所驅動。在大數據、云計算、機器學習、OCR（光學字符識別）、NLP（自然語言處理）等技術的持續引入與應用下，審計行業實現了對海量復雜數據的更高效運用；專家系統、機器學習等算法模型通過持續吸收審計專家的經驗沉淀，逐步構建起動態演進的風險評估體系。在技術的助力下，審計對象從結構化的財務數據向全要素的商業信息擴展，審計人員的精力得以釋放，將核心能力聚焦于判斷與洞察，推進審計價值覆蓋到事前、事中、事后。
2022年，人工智能迎來了具有劃時代意義的產品，審計系統也迎來了第五次里程碑式突破。
以ChatGPT為標志的大語言模型對自然語言的理解能力的提升，是機器在認知能力的初步覺醒。其在三個維度下賦予了智能審計底層能力的提升：首先在人機交互方式方面，突破了自然語言理解的瓶頸。這將推動智能審計實現對審計知識的廣泛融合，具備文檔語義解析、監管政策動態解構、風險特征對話式探查的認知能力。其次在推理層方面，實現了機器對審計邏輯和大規模文本的可解釋生成，有望實現多模態知識的關聯、推導、生成。第三，在垂類知識增強方面，通過持續構建審計知識資產，形成動態融合更新的審計知識庫與策略庫。在本輪技術發展浪潮下，推動審計系統成為審計人的“智能協同伙伴”。
二、AI中間件：AI知識平臺推進與AI大模型的協同之道
由此可見，GenAI技術的到來，使得智能審計系統渴求融合更多的知識、理解復雜性、擴充感知能力、擴展結構，并提高人機互動的效率。
基礎大語言模型的原理是通過大量的數據學習語言模式，預測下一個字（Token），生成自然語言模本，其本質類似于“文字接龍”游戲。而推理大模型，以國內DeepSeek R1為例，大家會看到它思考時的顯性思維鏈，其實際上就是通過思維鏈尋找新的詞義關系，進而反思自己的解題思路，并嘗試不同的方法去解決復雜的推理問題。然而，大模型固有的“幻覺黑洞”、算力能耗、知識缺陷以及與復雜系統交互的能力，導致其難以獨立承擔審計這種高嚴謹性、高復雜性的任務。
為更好地推動AI大模型與企業中已有的數字化進程融合，建立滿足AI能力上限的應用框架，領雁推出AI中間件平臺：AI知識平臺。該平臺位于AI大模型與企業已有的數字化系統之間，推動AI能力在企業數字化場景中更快、更好、更輕的落地。
何為AI知識平臺？
AI知識平臺是集多種人工智能技術為一體的基礎平臺（中間件），囊括了各種業務模型的知識庫、多種AI Agent智能體，其Agent種類包括大模型、專家模型、智能模型、數據可視化等。AI知識平臺，也是一個AI知識庫系統（AI Agents Base Platform），支持以“程序+數據+知識”這種新的編程模式，綜合運用大模型的泛化能力與小模型的領域精度，嵌入到主應用系統的業務流程中便捷調用。
融入了AI知識平臺的審計系統，領雁科技稱其為：基于知識的智能審計系統。
三、AI智能體嵌入式協作：突破智能審計場景痛點
當前，審計系統的進一步突破的痛點存在于：一審計管理，即審計資源規劃、審計決策困難、無法形成全面、準確、及時的數據支持；審計管理缺乏工具抓手，大量工作仍需手工統計，費時費力。二審計作業，缺乏有效工具對紙質資料轉換分析；報告需要手工編制，智能化生成能力不足。三數據分析，機器學習、深度學習、大模型的進一步應用缺乏可信場景；對非結構化數據分析缺乏智能化工具。四知識庫建設，缺乏智能化知識檢索、智能拆解詞條的能力；審計知識的更新、融合需要人工輔助，效率低下。
基于知識的審計系統，將AI知識平臺融入智能審計系統中，推動智能審計進入智能體（Agent）嵌入式協作的新階段。
（一）審計管理流程的重構。融入AI大模型的能力，審計管理流程將獲得重新審視。在審計系統中推進業務流程，將每一流程中的知識、痛點、數據及所需的工具、技術進行梳理，并成為可供AI大模型、傳統模型調用的知識基礎，AI知識平臺中的多類Agent，已經嵌入到審計流程中，形成Agentic AI的能力，在業務流程中遇到不同的工作任務，可以通過理解目標、導航復雜環境、并在最少人工干預下執行任務，直接調用各類Agent解決，使審計流程更加高效，人機交互更加便捷，自適應性得到提升。
（二）模型與知識的融合互聯。全新設計審計知識庫，包含了語音數據、視頻數據、審計規則、提示詞、風險點、核驗算法、審計詞條等，在原有基礎上進一步引入策略庫，滿足具體場景中的審計需要；同時包含多種AI建模平臺，滿足策略庫的多元化建模需求。進而，通過策略庫與AI建模平臺的協同，支持審計計劃、審計方案、審計成員的智能生成或推薦，讓大模型與傳統模型（例如：可視化建模、數據探視、機器學習等），在復雜的步驟中實現復雜的目標，分別發揮各自效用。
（三）AI Agent的靈活組合應用。大模型Agent具備五種實現模式，簡單對話、RAG模式、自主模式、可控模式、MultiAgents模式，適合不同業務場景下靈活組合使用。在審計管理流程中，通過不同的Agents，推動審計感知、認知、決策、執行、治理等不同層級協作發展，提升數據采集與特征提取、知識生成、混合推理、工作執行與持續進化的能力，重塑審計生產力。本質上，大模型也屬于數據端到輸出端的中間層，將大模型能力嵌入進AI知識平臺，讓審計人員與大模型更近，發揮AI訓練師功效，共同推進審計智能化、可信化、穩定性的結果輸出。
四、知識×AI大模型：基于知識的智能審計的實踐場景
未來審計系統的核心是“知識×AI大模型”的協同框架，這一框架下實際形成了“程序+數據+知識”的融合發展，在領雁看來，這為審計帶來：制度問答、報告生成、計劃生成、合同比對、合同檢查、風險點抽取、模型助手、會議助手等功能的迭代升級。其綜合能力不僅提升了審計效率，更重新定義了審計部門作為企業數據中樞和價值發現者的戰略定位。
1.審計智能助手
審計智能助手具備的功能將更為強大，例如包含知識庫、內外規輔助、模型庫的檢索調用等能力。在內外規管理中，基于大模型的智能助手可實現制度問答、風險點梳理、條款對比等功能。實現制度的檢索、條款的拆分、風險點的梳理、制度修訂及廢止的差異分析、制度審查的差異報告、制度發布的依賴分析及知識問答。輔助人員借鑒歷史知識內容，高效和高質量開展工作。
2.審計報告專家
在審計項目實施-審計報告-征求意見稿等環節中嵌入審計報告助手，輔助生成報告。報告生成不再是簡單模板填充，而是結合數據分析、歷史審計報告意見、風險預測點、監管熱點、處罰要點、整改重點等多方面相結合，側重有序、文采飛揚。
3.審計計劃智能編排
傳統年度審計計劃依賴人工經驗，而智能系統可綜合監管要求、歷史問題、整改情況等多維數據，通過算法推薦審計項目優先級，形成科學計劃建議。
4.審計項目成員推薦助手
審計項目立項時，為項目推薦合適的項目組成員，綜合考慮崗位情況、工作經驗、專業技能、溝通能力、適應性、職業道德以及空閑程度等多個方面，同時應考慮親屬回避、經濟利益關系回避、其他利害關系回避。通過全面評估這些因素，可以組建一個高效、專業的審計團隊。
5.審計詞條智能推薦
審計詞條的編輯是智能審計的一大繁瑣點。審計詞條智能推薦助手在檢查發現問題后，根據問題描述，詞條推薦助手總結歷史相關問題的詞條推薦合適的詞條（這里問題詞條是指用于描述、解釋或定義特定問題的核心術語或短語，即問題性）。利用AI大模型能力進行自助分類、關鍵詞提取、相似度分配、推薦策略，極大提升了傳統詞條編輯的效率。
如果再次將審計系統的演進劃分為三個階段：自動化階段（流程固定、人工主導）、智能化階段（人機協同、動態調整）和自適應階段（知識演進、持續優化）。當前我們正處于智能化與自適應階段的過渡期。在領雁看來，未來的審計系統將擁有三大價值錨點：一、數字員工，即AI智能體，這些“數字員工”可獨立完成規則明確、重復性高的任務，僅在需要專業判斷時提請人工介入；二、多模態網絡，審計對象從結構化數據擴展到音視頻、圖像等非結構化數據，可實現跨模態特征提取與知識連接；三、實時風險監控，完善關鍵風險指標的毫秒級響應，將風險遏制在萌芽狀態。
對于大型企業內部審計發展來說，可逐漸從場景突破、能力鑄基到生態進化逐步推進，優先落地智能問答、報告生成等高頻場景，建立能夠與AI融合的底層知識平臺，豐富知識資產。建立符合現在AI能力上限的技術應用框架，推動GenAI、AIAgent在企業內部場景更好、更輕的落地融合。在新型審計團隊培養方面，關注復合人才能力的塑造，培育精通審計業務、熟悉數據分析和AI訓練的“三棲能力”，也可通過“業務+科技”結對模式加速能力轉型。
當前，審計數字化轉型已進入深水區。那些能率先將大模型技術與審計知識深度融合的企業，將構建起新一代審計能力——不僅是風險防范的盾牌，更是業務價值的助推器。這場變革不是簡單的工具升級，而是審計理念、組織方式和價值定位的全方位重構，領雁提供“技術-知識-人才”三位一體的解決方案，率先推出的AI知識平臺與智能審計系統全面融合，推動審計從企業的“合規后衛”向“治理中樞”轉變，共同開啟價值審計的新時代。
