服務熱線
400 180 8892
Amy Za ng Wilbur Chen 范 為 龔鏝霖 信息化與數智化
專題
摘 要
關鍵詞
文章探討了人工智能（AI）技術在審計與會計領域的廣泛應用及其面臨的挑戰，重點關注了AI 對注冊會計師 行業變革的推動作用。文章進一步分析了審計行業在 AI 時代的技能重塑需求，強調會計師和審計師需提升技 術素養，實現人機協同。此外，結合馬斯克領導的“政府效率部”（DOGE）利用 AI 對美國政府機構進行快速審 計評估的案例，文章指出 AI 應被視為審計人員的“智能助手”，而非替代者，并呼吁行業在技術創新與專業主 義之間尋求平衡，以推動可持續發展。
AI 人工智能 審計 人機協同 智能助手
一、行業變革的引擎：剖析 AI 的深遠影響
隨著人工智能（AI）技術的持續發展，審計和會計 正成為受這些技術影響最大的專業領域之一。從業人員 已廣泛認識到 AI 在多個場景中的潛在應用，預示著這一 領域正在經歷深刻的轉型。
最新研究表明，在審計和會計實踐中引入 AI 技術 能夠帶來顯著增益。例如，研究數據顯示，通過應用 AI 技術，審計機構能夠顯著減少會計錯誤的發生，同時有 效降低審計失敗的風險。
然而，AI 的融入也為審計與會計行業帶來了新的挑 戰，尤其是在人才管理方面。研究表明，由于 AI 先進的技 術能力，部分初級審計師可能面臨被取代的風險。
本文將深入探討 AI 如何重塑審計與會計行業，并分 析從業人員應如何制定策略以應對技術變革帶來的機 遇與挑戰。
二、解碼 AI 的力量：應用場景中的變革之旅
1．信息分析。在會計與審計領域，發現并標記會計 問題是專業人士的核心職能，可以幫助提升企業財務信 息質量、強化對內管理與對外披露。然而，當前 AI 在執 行定量財務分析和識別會計欺詐方面尚未完全成熟，仍 需進一步發展。
在會計學術研究中，傳統方法通常依賴線性模型來 預測欺詐行為，并從企業年度數據中抽取大量樣本以識 別異常會計條目。然而，這些線性模型在預測精度上面臨 顯著的局限性。經實證發現，AI 的引入為提高欺詐檢測準 確性開辟了新的路徑。例如，研究表明，隨著技術的進步， 圖形機器學習（Graph ML）能夠高效識別異常條目，從而 幫助會計專業人士準確發現會計系統中的潛在錯誤。
此外，研究表明，采用隨機森林和梯度提升回歸樹
等機器學習方法，可以進一步改善欺詐檢測的效果。而 自動化機器學習（Auto ML）的應用，則能夠實現實時欺 詐檢測，從而顯著提升欺詐檢測的效率與及時性。這些 學術研究成果充分表明，AI 在提升審計與會計任務中錯 誤檢測能力方面蘊藏著巨大的潛力。
2．信息整合。AI 可能徹底革新審計和會計中的信 息整合方式。在這些職業中，工作匯報通常需要將零散 的觀點編纂成結構化的文檔，同時嚴格遵守復雜的監管 要求。生成式 AI 通過任務分解和系統化的信息提取能 力，從多種來源整合內容并生成初步草稿，幫助專業人 士迅速搭建工作框架。憑借對上下文的深度理解，AI 能 夠協助解釋和整合信息，為專業人士提供有力支持，優 化文檔編制流程。
3．合規助手。AI 還可以作為合規檢查的可靠助手， 確保文檔內容符合行業法規、公司政策及方法論要求。 通過自動標記潛在錯誤和遺漏，并提供相關指導意見， AI 幫助專業人士快速識別并修正問題，提高文檔的準確 性與合規性。
4．重塑流程。生成式 AI 的應用還可能徹底革新審 計及會計工作流程，推動從“副駕駛”（copilot）模式向 “智能體”（agent）模式的轉變，進一步實現高度的人機 融合。這一變革顯著優化了時間資源的分配，減少了專 業人士在事實收集與文檔編制上的投入，使其能夠集中 精力于框架設計、結果審查和專業判斷，從而交付更高 質量的見解。
三、應對 AI 挑戰：破解技術應用的難題
盡管 AI 在審計和會計領域展現了諸多有益的應用 前景，其大規模采用仍然面臨諸多挑戰。
1．許多會計和審計從業者缺乏判斷哪些任務適合
AI 以及識別其技術局限性的專業知識。對于AI 相 關的潛在風險的理解與識別，以及 AI 性能與人 工表現的評估與比較，是一項復雜且尚未完全解 決的難題。這可能導致審計機構在擁抱 AI 時，資 深員工難以產出有價值的洞察，并在缺乏充分批 判性評估的情況下，對 AI 過度依賴。
2．員工對 AI 的信任不足。實驗研究表明，審 計從業者常表現出“算法排斥”現象，傾向于低 估 AI 生成建議的價值。這種現象較為顯著，研究 數據顯示，與人類基準相比，審計人員對 AI 驅動 建議的信任度平均降低了 23%。
3．數據隱私問題對AI 的推廣構成重大挑戰。 針對審計行業中數據分析應用的最新調查表明， 客戶普遍擔憂在分析模型中使用企業專有信息可 能導致數據泄露。
4．監管機構對 AI 技術的謹慎態度。作為一 項相對較新的技術，現有關于AI 使用的指導和規 范仍不完善，使審計機構在采用創新技術時心存 疑慮。研究進一步表明，監管機構傾向于質疑基 于數據分析得出的判斷，認為自動化結果的可靠 性低于人工生成的分析。
要全面釋放 AI 在審計 和會 計行業的潛力， 必須采取多方面的舉措，積極緩解員工、客戶及 監管機構對 AI 應用的疑慮。這包括提供針對性 培訓以提升員工的技術素養、增強客戶對數據安 全的信心，以及推動監管機構對 AI 技術的深入 理解與規范化管理。
四、技能重塑：會計與審計專業人士的新使命
AI 的迅速發展正在顯著提升審計和會計專 業人士的效率與產出，但同時也為行業的人才管 理帶來了前所未有的挑戰。2023 年 3 月，高盛的 一項調查指出，會計是最有可能受到 AI 興起影響 的職業之一，這一結論凸顯了 AI 技術對行業人才 發展的深遠影響。
研究顯示，主流的 AI 應用 ChatGPT 已經能 夠復現許多與審計師和會計師相關的核心技能。 例如，在研究人員進行的測試中，ChatGPT 參與 會計執照考試（如 CPA、CMA、CIA 和 EA 考試）并 取得了平均 85% 的高分。這一顯著成績反映了 AI 技術對審計行業人才可能帶來的顛覆性影響。
然而，這是否意味著公司將不再需要專業的 審計師和會計人才？答案顯然是否定的。德勤的 研究表明，93% 的首席財務官認為，在未來兩年
內，引入具備生成式 AI 技能的專業人才作為財務團隊的重要組成 部分尤為關鍵，成為首要關注重點。
由此，在這個特殊時刻，審計與會計行業面臨的關鍵問題有
二：（1）在 AI 主導的時代，哪些核心技能對于行業人才至關重要？
（2）專業人士應如何重塑個人技能，有效整合 AI 技術，優化工作流 程并保持競爭力？
五、會計師和審計師需要什么樣的技能？
在 生 成 式 AI 時 代，一 個 名 為“ 智 能 勞 動 力”（Workforce Intelligence，Wi）的 新 型勞 動力設 計理 念正在 嶄露頭 角。該 理 念 旨 在 實 現 人 類 智 能（Human Intelligence，Hi）與 人 工 智 能 （Artificial Intelligence，Ai）的無縫整合。這種模式主要關注勞動 力時間的重新分配，從而促進個人價值的深刻轉型。信息收集與 初步創意生成等任務正逐步交由生成式 AI 管理，而專業人士則 能夠將更多精力集中在產生洞察與專業判斷等高價值活動上。
這一趨勢無疑構成了會計師與審計師未來發展的核心方向。 根據世界經濟論壇的報告，一項關于未來五年內技能重要性變化 的調查顯示，企業對員工技能的期望正在快速演變。認知技能增 長最快，反映出職場對復雜問題解決能力的需求不斷提升。創造 性思維的重要性增長速度預計將略高于分析性思維，而技術素養 則成為增長速度第三快的核心技能。
六、會計師和審計師應如何重新學習和提升技能？
1. 必須擁抱技術變革并積極應對挑戰，借助生成式 AI 工具深 入探索會計和審計領域。會計師和審計師需要學習如何正確、高 效地使用這些工具，包括自我評估提示詞工程的精通程度，并根 據最佳實踐持續提升你的提示詞技巧。對于年長員工而言，這一 過程可能面臨更大的適應性挑戰。
2. 在掌握工具的基礎上，專業人士需要評估其職業中哪些任 務適合生成式 AI 的輔助。這一過程要求他們識別技術的局限性， 理解潛在風險，批判性地選擇適用場景，并確保 AI 輸出能夠得到 人類審查與補充。會計和審計專業人士應逐步將注意力從“如何 完成任務”轉向“如何利用生成式 AI 更快更好地完成任務”，以實 現更高效的人機協作。
3. 行業必須共同面對知識保留這一關鍵問題。隨著生成式 AI 的發展，部分決策必然會被委托給 AI。然而，為避免對 AI 的過度 依賴并保持穩健的專業判斷力，明確哪些知識必須由會計師和審 計師保留至關重要。哪些專家知識可以在最小化人工干預的前提 下委托給 AI，是行業領導者需要主動探討的，發人深省的課題。
七、AI 與審計的邊界：一場引發深思的技術變革
盡管 AI 技術在審計領域的應用前景廣闊，但在實際操作中 仍面臨著諸多挑戰和爭議。近期，馬斯克領導的“政府效率部” （DOGE）通過 AI 技術對美國國際開發署（USAID）等聯邦政府機
構進行快速審計評估的案例，引發了社會各界對 AI 技術適用性和倫理問題的熱烈討論。這一事件 不僅凸顯了 AI 在審計中的潛力，也讓我們不得不 重新審視其邊界和局限。作為專業服務機構，我 們認為這一事件為深入思考 AI 技術與審計本質 關系提供了重要契機，同時也對行業如何加強與 社會公眾的互動、彌合審計期望差距提出了課題。 究其本質是馬斯克創造的 AI 審計神話和現實中 屢禁不止的財務造假現象形成強烈對比，那么在 此借著這一熱點話題，我們探討下 AI 究竟能在多 大程度上重構傳統審計模式？
從專業角度看，審計的本質是通過系統化的 工作方法，獲取充分、適當的審計證據，并在此 基礎上運用專業判斷得出合理結論。這一過程涉 及復雜的信息收集、分析判斷和質量控制，需要 審計人員具備扎實的專業知識、豐富的實踐經驗， 以及嚴謹的職業道德。從完整的審計生命周期出 發，我們可以從以下三個方面具體去看 AI 與審計 的關系。
第一是“審計 證據獲取”。這里最核心的問 題是“數據授權”，在馬斯克的案例中，特朗普政 府顯然是為他“一路開綠燈”，這在通常的審計 案例中極為少見，企業出于個人隱私和商業機密 的保護，往往希望審計團隊能以最小的“數據成 本”完成審計工作，有言道“巧婦難為無米之炊”， 在缺乏數據的情況下 AI 能做的其實也極為有限， AI 系統的判斷質量高度依賴于基礎數據的完整 性和準確性，以及算法設計的合理性。在處理非 標準化數據和復雜業務場景時，AI 的表現往往不 及專業審計人員，這也與我們之前討論的相呼應， 想要利用 AI 賦能審計，數據基礎必不可少。
第二是“剩下的 5% 的難題”。這里講的是在 獲取審計證據后，進行專業判斷分析時，我們往 往會看到 AI 工具的準確率難以達到 100%，那么 假設 AI 工具能達到 95% 的準確率，我們是否能容 忍剩下 5% 的誤差？答案是否定的。此外，區塊鏈 技術也常常與馬斯克這一案例一同被提及，雖然 并沒有官方消息表明馬斯克使用了區塊鏈技術。 作為一項去中心化的高可信技術，人們往往對它 和審計的結合給予厚望，但若企業使用的區塊鏈 本身公信力不夠強大，是否未來會轉變為對區塊 鏈技術本身的審計？答案是未可知的，但無論如 何，出于審慎考慮，“人機結合”必然是審計 AI 化 中不可或缺的一部分。
最后是“異常不等于問題”。在出具審計意見的過程中，我們 面對無論是通過AI 還是人工識別出的五花八門的異常，均需要逐 一鑒別，但目前的 AI 模型普遍存在 " 黑箱 " 特性，無論是傳統的 機器學習，還是大語言模型，前者需要論證參數的合理性，后者 為基于概率的模型，其得出結論的過程難以追溯和解釋，這與審 計工作要求的可驗證性和透明度存在潛在沖突。實踐證明，最終 對異常的解釋還是需要落實到業務中去，不能“亂扣帽子”，只有 發現企業真正潛藏的風險，才能有利于其自我改進，良性發展。
當然，我們也應當正視 AI 技術為審計行業帶來的積極影響。 德勤的實踐研究表明，合理運用 AI 技術確實能夠提高審計工作 效率、降低人為失誤風險，并為審計人員提供更多洞察。關鍵在 于如何實現 AI 與傳統審計方法的有機融合。基于此，我們提出三 點建議：一是準確定位 AI 技術的角色，將其視為審計人員的“智 能助手”而非替代者；二是建立健全的 AI 應用質量控制體系，確 保技術應用始終符合職業準則要求；三是加強審計人員的數字素 養培訓，提升其理解和運用 AI 工具的能力。
這次 USAID 事件的爭議提醒我們，在評估 AI 技術的審計應 用價值時需要保持客觀理性的態度。一方面，我們要積極擁抱技 術創新帶來的效率提升；另一方面，也要堅守審計工作的專業主 義精神，確保質量控制始終處于核心地位。唯有如此，才能推動 審計行業在數字化轉型中實現健康可持續發展。
作為行業引領者，注冊會計師行業將繼續以嚴謹的態度探索 AI 技術在審計領域的創新應用。我們堅信，在恪守獨立、客觀、專 業等核心價值準則的前提下，審慎推進技術創新，是提升審計質 量、維護公眾利益的應有之義。
香港科技大學證券分析與金融技術中心
（責任編輯：楊文風）
1. Eloundou, T., S. Manning, P. Mishkin, and D. Rock. 2024. GPTs are GPTs: An early look at the labor market impact potential of large language models. Science 384 (6702), pp. 1306-1308.
2. Law, K. K. F., and M. Shen. 2024. How does artificial intelligence shape audit firms? Management Science, Forthcoming.
3. Fedyk, A., J. Hodson, N. Khimich, and T. Fedyk. 2022. Is artificial intelligence improving the audit process? Review of Accounting Studies 27 (3):938-985.
4. Liang, P. J., A. Wang, L. Akoglu, and C. Faloutsos. 2021. Pattern recognition and anomaly detection in bookkeeping data. Working paper. Asian Bureau of Finance and Economic Research (ABER). Available from https://www.abfer.org/component/edocman/main-annual-conference/pattern-recognition-and-anomaly- detection-in-bookkeeping-data.
5. Bao, Y., Bin. Ke, Bin. Li, Y. J. Yu, and Jie Zhang. 2020. Detecting accounting fraud in publicly traded U.S. Firms using a machine learning approach. Journal of Accounting Research 58 (1):199-235.
6. Bertomeu, J., E. Cheynel, E. Floyd, and W. Pan. 2021. Using machine learning to detect misstatements. Review of Accounting Studies 26 (2):468-519.
7. Jiang, L., M. Vasarhelyi, and C. A. Zhang. 2022. Towards real-time financial statement fraud detection using machine learning. Working paper. Rutgers University. Available from https://ssrn.com/abstract=4003621.
8. Commerford, B. P., S. A. Dennis, J. R. Joe, and J. W. Ulla. 2022. Man versus machine: Complex estimates and auditor reliance on artificial intelligence. Journal of Accounting Research 60 (1):171-201.
9. Austin, A. A., T. D. Carpenter, M. H. Christ, and C. S. Nielson. 2021. The data analytics journey: Interactions among auditors, managers, regulation, and technology. Contemporary Accounting Research 38 (3):1888-1924.
10. Cao, T., R.-R. Duh, H.-T. Tan, and T. Xu. 2022. Enhancing auditors' reliance on data analytics under inspection risk using fixed and growth mindsets. The Accounting Review 97 (3):131-153.
11. Eulerich, M., A. Sanatizadeh, H. Vakilzadeh, and D. A. Wood. 2024. Is it all hype? Chatgpt's performance and disruptive potential in the accounting and auditing industries. Review of Accounting Studies 29 (3):2318-2349.4
12. Deloitte, Research from Deloitte CFO Signals Q1 2024
13. World Economic Forum, Future of Jobs Report, May 2023
