本文首发于《中国会计报》5月5日13版。作者：刘海玲。

当人工智能（AI）技术快速渗透各行各业，内部审计作为企业风险防控的重要屏障，正面临结构性变革与发展机遇。

上海国家会计学院与中国商业会计学会近日联合举行“AI时代内部审计”研讨会，与会专家围绕人工智能对审计行业的影响、人机协同路径、审计人员能力进化等核心议题深入研讨，凝聚行业共识，勾勒未来发展图景。

凝聚行业共识

在研讨会上，与会专家围绕AI与内部审计的关系凝聚核心共识——审计人员必须不断提升自我能力。中国商业会计学会风控与审计分会副秘书长、上海银行非现场审计处处长陈小其认为，AI是赋能者而非替代者，人机协同是未来范式，审计师将从程序执行者转变为AI驾驭者，审计职业不会消失但人员必须进化，且最终审计责任由人承担、AI审计本身需可进行审计。

“AI已经不是简单的技术工具，它正在重塑整个行业。我们需要发出强有力的声音，向外界宣告审计行业在AI时代的立场和方向。”陈小其说。

中国商业会计学会风控与审计分会常务副会长、顺丰集团首席审计执行官刘国华坦言，AI迭代让审计从业者倍感焦虑：“我们不禁要问：在AI时代，还有什么事情是不可以交给AI去做的？这个问题让我深刻意识到，内部审计行业正面临着前所未有的结构性颠覆。”

刘国华用两个案例展现AI迭代速度：2025年5月，他用豆包AI绘制结构化审计思维水晶状立方体未果，需亲手绘草图；不到一年，同类需求已能“秒出”。今年4月，他以零代码基础，用某人工智能体两天内构建并部署了股票投资分析工具，意识到现有审计系统可被AI重构。

理想汽车高级副总裁、风控审计监察中心负责人徐洪斌从技术原理层面消除行业焦虑。他表示，与普遍认知不同，大语言模型并非简单的数据库，而是一片“ 安静的概率海”。其基于仿多层神经网络，通过多阶段训练形成符合人类认知的输出，全球顶尖大模型仿神经网络层数约100层、总参数规模达万亿级别，国内开源大模型已接近该水平。

“这些大语言模型就像一个包含人类全部历史信息知识库的‘静态信息宇宙’，训练完成时知识尚未建立有效连接。”徐洪斌表示，“人与大模型对话的本质是激活‘神经元突触’，大模型会根据上下文预测下一个字的最大概率，经多层类神经网络神经连接，得出概率最大的结果。”

中国商业会计学会风控与审计分会副会长周美蓉补充说：“我们的职业不会消失，但需要激活顶尖人类的思维，这要求我们不断提升自身能力。”

直面现实挑战

与会专家结合自身实践，直面AI审计落地痛点，围绕技术应用、组织保障等问题展开探讨。

歌尔股份审计稽核部监察专家王磊聚焦一线需求，提出疑问：“如何快速从传统工作模式切换到AI工作模式？”他希望明确AI适用场景，即“为实际工作提供更具体的指导。”

珠江实业集团审计部部长高立建议，应多突出AI赋能价值，以积极心态看待变革：“就像从手工记账到计算机，AI只是更好的工具而已。”

中国葛洲坝集团股份审计部副主任崔宏刚指出传统企业AI审计落地的瓶颈：“在传统企业，尤其是央企，推进AI审计面临诸多困难。如果没有管理层的支持，没有组织架构的调整，AI审计很难落地。”

广东省南粤交通投资建设有限公司纪审部部长方喆强调国资国企推进AI审计的紧迫性：“我们需要强有力的方式推进AI审计，对顶层设计产生触动。AI是时代必然选择，必须全力推进、主动参与。”

山西晋能控股有限公司审计部副部长孙祎楠关注行业长远发展：“我们不仅要考虑当下如何使用AI，更要思考如何引导后继者。”她强调，所有审计人员及后继者都必须进化。

徐洪斌指出大语言模型存在幻觉、迎合性等固有缺陷，并给出对策：“可以采用同一大模型不同上下文的交叉验证，或者‘双模型异构’策略，用不同的大模型对结果进行交叉验证，以确保结论的中立性、可靠性。”

刘国华分享AI成本控制经验：“未来审计人员考核可能包括Token（词元）使用有效性。我曾经历简单任务消耗100美元Token，优化提示词后10美元即可达成同样效果。Token投入产出比或将成为未来审计的重要关注点。”

锚定未来路径

与会专家围绕认知重构、能力重构、工作秩序重建，明确AI时代内审发展路径，为行业进化提供指南。

认知重构方面，刘国华提出“碳硅共生”理念：“我更倾向于‘碳硅共生’——人负责高度与温度，AI负责广度与深度。AI让人类可专注于以诚待人、建立信任、实现共情等核心领域。”

“过去我们百分之七八十的工作，是因为机器做不了才由我们来做。今天AI能做这些工作了，我们就应该去那些需要人的领域。”刘国华为审计人员角色定位提供指引。

徐洪斌提出“硅基同事”概念，强调元认知的重要性：“你怎么看待AI，决定了你怎么提问、怎么验证。把AI当工具，你只会拿到答案；把它当同事，你才会被反向打开。”人的立场、判断和场景感是不可外包的核心价值。

能力重构方面，刘国华用比喻强调系统性变革的重要性：“不要把火箭发动机装在马车上。”他认为，审计人员需从“规则执行者”转变为“智能系统驾驭者”，掌握提示词工程、数据治理、智能体协作和AI输出质量评估等新技能。“能力重构深度，决定我们在变革中是被淘汰还是被赋能。”

徐洪斌引用“harness engineering（驭智工程）”概念分享AI驾驭方法：“我们需要通过环境部署、工作流编排等外部机制约束和引导大模型，让其输出结果值得信赖且持续稳定。‘裸跑’大模型难以用于商业场景的生产级落地。”

此外，他明确数字化与AI的定位：“数字化解决数据有没有的问题，大模型解决数据意味着什么。”最佳协同工作流程为“AI设计采集方案→代码执行采集与清洗→代码完成描述统计→LLM（大语言模型）做诊断与洞察”，实现优势互补。

工作秩序重建方面，刘国华强调：“AI是副驾驶，不是司机。审计结果必须可解释，一份不可解释的审计报告无法应用于实际工作，不能简单说‘这是AI生成的报告你自己看’。”

刘国华分享试点经验：审计报告智能体必须交付三个成果，即异常数据的证据与日志、基于异常发现的工作底稿、在工作底稿基础上形成的审计发现。否则，智能审计无法进入生产环境。他所在企业将今年定为“智审元年”，探索智能审计模式。

上海国家会计学院教授李颖琦表示：“AI既非审计职业的颠覆者，亦非简单的效率工具，而是重塑审计生产函数的新型技术范式。其价值取决于审计人员如何将其嵌入专业判断体系，技术本身并不自动导向审计质量的提升或职业价值的消解。未来，内部审计的核心竞争力将体现为‘人类专业判断+机器智能处理’的协同效能，审计人员需完成从程序执行者向AI驾驭者的角色跃迁，也是对审计职能边界的拓展与深化。同时，技术落地有赖于组织架构的适配与管理层的战略支持，AI审计的推进需要顶层设计与制度创新的双重驱动。”

“面对技术变革，我们既需保持开放心态积极拥抱创新，亦需以审慎态度坚守职业底线——最终审计责任由人承担，这一原则不因技术迭代而改变。”李颖琦说。