摘要：ChatGPT、通义千问、DeepSeek等AI（人工智能）大模型的出现，对审计行业产生了较大影响。这些大模型强大的自然语言处理能力、知识整合能力和数据分析能力，能够显著提高审计效率，实现基础数据整理自动化和智能分析。同时，误信风险、数据安全隐患以及对传统审计岗位的冲击等问题也不容忽视。本文介绍了AI大模型的核心能力与审计工作的适配性，以及AI大模型在审计实务中的应用，探讨了AI大模型在审计行业的应用存在的风险及其对策，展望了未来AI大模型在审计行业的应用。

关键词：AI大模型；审计行业；审计风险；数据分析

一、引言

随着信息技术的发展，会计记账工具不断迭代，业务财务融合速度加快，财务及非财务数据爆发式增长。面对海量异构数据、复杂的业务模式，传统的看账查账方法无法及时发现潜在异常及关联，也无法发现重大错报风险，从而导致审计失败。借助以ChatGPT、通义千问、DeepSeek等为代表的AI大模型，凭借其自然语义理解、推理以及非结构化数据处理分析能力，可以实现审计底层技术能力的突破，大幅提高审计人员的数据分析、处理及应对重大错报风险的能力，同时推动审计方法论发生根本性变革。

二、AI大模型的核心能力与审计工作的适配性

（一）知识库的全面性与审计行业专业性需求适配

审计业务涉及各行各业，从制造业、批发零售业，到金融业、租赁和商务服务业，再到软件和信息技术服务业、科学研究和技术服务业等，对审计人员的知识广度和深度都提出了较高要求。在传统模式下，审计人员需要耗费大量精力进行查资料、访谈和穿行测试，且审计人员在检索知识时往往依赖于传统的搜索引擎技术。该技术在处理非结构化文本、多表格数据时难以快速准确地找到所需信息。而AI大模型在训练成型时就已涵盖各行各业诸多信息知识，虽然深度不足，但广度已基本涵盖审计范围的各行各业，其全面性也远超个人或一些会计师事务所的内部知识库。

（二）自然语言技术满足审计需求

对于传统审计而言，财务报表审计耗时耗力，且出于成本效益考虑必须使用抽样技术。随着信息技术的发展，相关与非相关数据、财务与非财务数据增多。面对复杂的股权结构和交易安排，传统抽样审计手段已显得力不从心。传统的看账做底稿模式以及抽样审计模式难以发现一些潜在的、隐性的风险，无法从海量数据中发现问题。而AI大模型的优势在于自然语言的深度理解与生成，审计人员可以通过汇总相关资料，上传财务报表数据与非财务披露信息，通过AI大模型进行汇总、整合和对比分析，发现信息中的矛盾点，将抽样审计转变为全量测试，这更有利于审计人员发现和应对风险，执行下一步审计程序。

（三）优秀的沟通与理解能力推动审计发展

会计师事务所的审计团队通常采用一带多的模式，由审计团队项目经理指派项目组成员分工合作。项目经理、审计人员经常会遇到一些专业或非专业问题，可能无法及时找到相关人员进行探讨，而AI大模型可以预设相关角色进行模拟对话。AI大模型丰富的知识库、优秀的沟通与理解能力，可以助力审计团队发展。

（四）前后文整合记忆关联契合勾稽核对需求

通常来说，财务报表与附注的字数不会超过AI大模型读取记录的字数上限。因此，即使不使用RAG（检索增强生成）技术，AI大模型也能协助完成上下文勾稽关系核对。例如：货币资金的变动是否与现金流量表的现金增减变动相符；会计政策披露的收入政策与收入附注说明是否一致；各附注披露内容是否与附注标题相符；附注相关说明是否与披露数据匹配；等等。

三、AI大模型技术在审计实务中的应用

（一）基础数据的整理清洗

如果审计人员从被审计单位获取的数据是非标准的，业务团队往往需要耗费大量精力进行数据整理和清洗，而AI大模型可以协助将非标准数据转换为标准数据。例如，在销售日期核对时，销售台账的记录可能是“2025102”，如果人工进行判断，需要结合日期所在位置判断是“2025-01-02”还是“2025-10-02”；而使用AI大模型进行分析清洗时，AI大模型可自动根据上下文内容，将其转换为符合《日期和时间信息交换表示法第1部分：基本原则》的“YYYY-MM-DD”格式，进而方便审计人员对日期筛查进一步加工分析。

（二）智能数据分析

AI大模型具备数据分析能力。比如，将完整的资产负债表、利润表、现金流量表、所有者权益变动表等财务报表输入AI大模型，并要求输出相关财务指标，其将自动计算并返回结果，如销售毛利率、存货周转率、现金比率等。这可以减轻审计人员在报表分析、计算、查阅公式等方面的压力，提高计算分析效率。AI大模型还具有SQL（结构化查询语言）代码生成能力，可以根据审计人员数据分析的需要生成SQL语句。因此审计人员即使不了解SQL语法结构、数据库技术以及相关编程知识，也可以轻松地实现审计数据分析的SQL建模，完成审计数据分析工作。

（三）关键信息提取

在审计业务中，通常需要对合同、发票、出入库单等进行核查对比，提取关键信息，例如合同中的支付条款、发票的开票日期、发票号、出入库单的日期、数量等。这部分工作的人工核查效率低下，且通过手工方式将所查询事项抄录到审计工作底稿内的效率也极低。尤其是部分合同文本量较大，人工核查容易遗漏，而在使用AI大模型时，审计人员可以预设条件“请关注上传的合同文本内的支付相关条款”“读取文件并返回发票日期、发票编号”“读取文件并返回出入库单据的单号”，即可利用AI大模型自带的NLP（自然语言处理）及OCR（光学字符识别）技术，获取文件内的关键信息。

（四）智能私人助理

在审计业务中，审计人员经常会遇到一些专业或非专业问题，因保密性要求、敏感性或其他原因不便与其他同事、客户沟通讨论。此时，审计人员可利用AI大模型进行推理分析或协助沟通。通过预设角色、语气和专业领域，AI大模型可成为专业的“私人助理”，甚至可以根据不同定位角色提供多角度的参考建议。

（五）专业知识库架构

会计、审计、税务相关知识体系复杂、庞大，常规的网络检索往往难以精准定位所需信息，或搜索结果与实际需求存在偏差。为此，审计人员可运用RAG技术建立行业专属知识库，利用大模型对审计法规文本、行业数据以及历史案例进行深度语义理解训练，从而在平台层面形成覆盖多个专业领域（如税务、金融、制造等）的大型审计知识库。

（六）专业性文档生成

部分审计人员在编制审计报告时存在表述口语化、个人风格化的问题。在关键审计事项的撰写编制中，AI大模型可完成数据输入与预处理、大模型微调、关键审计事项识别与内容生成等工作，协同审计人员生成专业文档。审计人员可利用AI大模型构建关键审计事项的大模型框架并生成关键审计事项，快速生成合理且可信的相关内容。

四、AI大模型在审计行业的应用存在的风险及其对策

（一）AI幻觉带来的误信风险

比如，审计人员要求提供某上市公司2025年年报数据，即使在提问时尚未完成2025年年度审计，AI大模型也会生成一些完全错误的信息。这种AI“一本正经地胡说八道”即为AI幻觉。因此，审计人员应当保持独立思考，持续学习准则、政策，在AI大模型输出的基础上进一步判断复核，形成独立审计意见。

（二）职业判断被AI判断取代

注册会计师的职业判断本质上有别于AI判断。审计人员在审计被审计单位时，需要关注误受风险和误拒风险，使用AI大模型时也存在类似风险。

误受风险：由于缺乏透明度、问责机制缺失以及存在算法差异，决策过程受到影响，存在不公平的情况。此外，若数据源中存在虚假信息与数据偏见，可能导致不准确的结果。审计人员盲信AI大模型输出的内容，忽视其可能存在的风险，会产生错误的审计结论。

误拒风险：完全不相信AI大模型生成的内容，过度复核，造成资源与时间浪费。

“信息茧房”风险：若AI大模型仅依据使用者过往的偏好、习惯或语气生成结论与观点，那么最终生成的回复内容也可能带有特定倾向性，从而不够全面准确。

（三）对基层审计岗位的冲击

在实务工作中，基层审计岗位人员的主要精力与时间往往耗费在基础性的数据搬运工作上。如果会计师事务所的审计底稿及信息披露实现标准化，AI大模型便可直接处理未审数据，完成自动化整理与迁移，从而显著降低基层岗位的人员需求。长远来看，在财务、审计、税务行业中，具有机械性、重复性、同质化特征的工作内容终将由AI大模型处理。随着RPA（机器人流程自动化）技术的发展，部分企业的财务记账模式已从人工登记转向财务机器人处理，审计领域亦将发生相应的变革。基层审计人员应正视AI技术带来的挑战，重塑自身知识结构，不断提高自身能力，以适应AI时代对审计工作的要求。

（四）数据泄露风险

利用AI大模型进行数据整理、清洗、迁移及关键信息发掘，通常需要将大量数据传输至相关服务器进行处理，这不可避免地带来了数据泄露风险。随着本地化部署成本的下降以及标准化安全工具的普及，数据泄露问题有望得到逐步解决。当前的主要应对策略是采用AI生成处理脚本的方式，即利用AI大模型生成数据清洗与迁移代码，在本地执行而不上传原始数据；实施本地化部署，将模型部署在本地或内网环境中运行，该方案受限于较高的本地化部署成本，且功能缩减的蒸馏版模型可能难以满足复杂任务的需求。

五、未来AI大模型在审计行业的应用

随着审计行业、头部会计师事务所对AI大模型的重视和投入，未来该技术有望得到全面深入的应用推广，主要体现在四个方面。

（一）解放人力

机械式重复性的操作将被计算机辅助、AI大模型等新兴技术取代，基础人力将得以解放。审计人员可以从枯燥烦琐的数据搬运工作中解放出来，将时间精力更多地投入数据穿透、底层分析中。审计工作也将从依赖“底稿模板”编制底稿，逐步走向开放性、智能性。

（二）实现风险导向审计

AI 智能分析可以及时发现重大错报风险，帮助审计人员快速定位具体数据问题区域，使其及时发现关联性数据问题，显著提高风险识别能力和审计的针对性，实现真正的风险导向审计。

（三）编制高质量、高可信度的审计报告

AI大模型可进一步提高数据质量，关联后台数据，减少审计报告内的低级错误，明确审计报告内的数据逻辑勾稽关系。如果审计报告存在虚假错报、与行业整体指标大相径庭等情况，AI大模型可以快速发现并纠错，保障报告整体质量。

（四）向智能体发展

现在的AI大模型工具尚处于起步阶段，单一功能居多，比如聊天、推理、绘图、声音、视频等，而智能体可以统一各类工具及第三方平台接口，成为“数字员工”。届时，智能体将不仅仅局限于数据分析、风险分析、审计数据整理与搬运等工作，还可以独立完成一部分审计工作。比如，智能体可以完成数据采集及风险发现工作，进而根据会计师事务所统一方法执行相关审计程序，再由审计人员对智能体分析的结果进行判断复核，实现审计结果全部标准化、独立化。

六、结语

当前，AI大模型尚处于发展阶段，各类技术如雨后春笋般层出不穷，进阶版的智能体也已被提出并逐步开发实现。对此，审计人员应顺应时代潮流，积极学习应用AI技术，提高数据分析能力，为审计工作赋能增效。会计师事务所也应积极组织对AI技术的普及培训，提升会计师事务所信息素养，增强会计师事务所整体竞争力。

参考文献：

[1] 黄佳佳,周立云,徐超.基于大模型的审计知识智能问答系统构建研究[J].会计之友,2025(9):24-30.

[2] 杨百海,臧展,邓灏阳,等.AI大模型重塑产业基金：从智能投管到智能审计的变革探索[J].审计观察,2025(8):28-34.

[3] 陈伟.大模型在智能审计中的应用研究[J].中国注册会计师,2024(5):86-90+5.

[4] 王锡攀,蒋琬青,严佳芸.大模型技术在审计场景的应用[J].中国内部审计,2025(7):50-59.

本文作者：大华总部审计创新部吴毓朗；文章已发表于《会计师》总第468期。