清华大学五道口金融学院中国金融案例中心于2013年6月成立，是从事金融案例研究、案例开发、案例库建设的专业研究和教学服务机构，致力于打造最具学术影响力和业界影响力的中国金融案例库。中心学术指导委员会成员由学院享有国际声望的知名教授以及有着丰富金融实践经验的业界导师组成，致力于以案例为载体的知识传播。

【中国金融案例中心 编译：谢彬彬】

人工智能（AI）已成为当下重塑组织运营、决策与风险管理的核心力量，这一变革为IT审计师带来了挑战与机遇。随着AI技术日益融入企业系统，审计师的角色必须随之进化，以确保鉴证、治理和合规工作与创新同步推进.

AI已迅速成为组织优化运营、识别潜在风险和从海量数据中获取可操作见解的不可或缺的工具。对于IT审计师乃至所有审计师而言，AI及相关技术（如大型语言模型、自然语言处理和 AI 代理）具有巨大价值，涵盖审计流程自动化、风险识别、控制测试、持续审计等多个领域。

1. 风险分析与预测

传统风险评估依赖人工审查，而AI驱动的预测分析和流程挖掘可系统分析海量数据，识别潜在风险与趋势。通过构建识别欺诈、系统故障等历史模式的模型，审计师能更精准预测漏洞。金融、保险等行业已用AI预测系统中断、信贷违约等风险，助力审计团队提前聚焦高风险领域。

2. 自动化证据收集

AI工具可从系统日志、邮件等多源智能提取相关数据，简化耗时且易出错的证据收集流程。例如，某跨国制造企业用自然语言处理（NLP）分类采购相关文档，大幅减少了审计准备时间，同时提升了信息质量与及时性。

3. 智能控制测试

AI突破传统抽样局限，通过实时分析全量数据、标记异常交易或配置，揭示控制的失效。AI支持的流程挖掘能分析工作流效率与例外情况，为采购等流程的内控评估提供深度洞察，增强了审计全面性与主动性。

4. 持续鉴证与监控

AI将"持续审计"从概念变为现实，通过集成模型实时监测控制偏差，触发调查或补救。例如，某全球物流商利用AI仪表板监控货运交易，显著缩短合规违规检测时间，提升了风险响应速度。

5. 流程自动化

借助大型语言模型（LLM）和NLP，AI可实现审计流程自动化：NLP聊天机器人可提供24/7政策咨询与进度查询，虚拟形象自动完成会议，释放了审计师的时间并优化体验。

目前，审计师需关注四类AI技术及工具，包括大规模语言模型（如GPT）、深度学习工具（如自动生成审计程序）、机器学习机制（如Alexa）及创新应用（如数字孪生）。其中，机器学习对提升审计效率至关重要，可支持实时监控财务交易与风险干预。审计师也需从AI技术的演变中逐渐转变能力角色。

此外，生成式AI有望助力未来的审计工作突破二元响应模式，基于专业判断为控制活动的有效性提供依据，但需要重视AI可能产生的误导性结论。对此，需要对AI模型提供先前的业务数据并确保数据质量，开展持续的专业判断培训，以适应不断演变的要求和标准；在审计结论阶段，工作文件须经人工审核以保证结论的准确和完整，且最终责任应由人类承担；同时，为AI培训准备数据时要关注隐私问题，严格遵守法律法规，做好信息匿名化及安全存储传输等工作。总体而言，生成式AI在审计应用中虽有风险，但机遇亦存，其对行业的影响将很快显现。

表：审计师能力的代际变化

随着全球AI法规的不断涌现，企业很难跟上合规的步伐。同时，面对AI带来的偏见、幻觉、模型漂移等新型风险，传统的风险管理模型已不足以识别及应对。选择第三方AI风险管理供应商逐渐成为企业的需求，这其中应遵循六步法则：1）明确企业的AI战略与需求，定义自身风险偏好；2）筛选AI风险管理供应商并按重要性进行分级；3）按风险优先级开展尽职调查；4）基于尽职调查的结果制定风险决策，选择供应商制定合同条款；5）持续监控第三方AI风险模型的性能与合规性；6）当合同到期时，安全地结束合作并消除残留风险。

总体而言，AI正在彻底重塑审计格局，从风险评估到流程执行全方位提升效率与深度。审计师需主动拥抱AI技术，通过工具应用与能力升级（如AAIA认证），在平衡技术应用与治理的同时，遵循各类审计标准，从被动审查者转型为主动风险管理者，确保在AI时代持续提供高质量鉴证与咨询服务。

责任编辑：方杰