当前，企业内部审计正面临前所未有的变革机遇。随着人工智能、大数据、云计算等技术的快速发展，审计工作的理念、定位、内容、方法和模式都在发生深刻变化。预判未来3-5年的审计形态，对于企业在数字化转型中抢占先机至关重要。

领雁科技审计业务专家祝祥在3月19日直播分享了《审计人的“外挂大脑”，知识+AI：基于知识的智能审计》，直播从内部审计的发展历程、驱动力、技术演进、当前与AI如何融合及场景案例等方面，探讨审计系统的智能化转型路径。

一、内部审计的发展历程：从“工具辅助”到“智能协同”的范式转变

内部审计的变革与数字化基础设施的发展紧密相连。可以将数字化审计划分为五次重大变革，每一次技术的进步都推动了审计理念、方法和内容的深刻演变。

从1990年代到2000年中国软件行业迎来第一个爆发期，个人计算机与办公软件开始普及，审计从手工操作到计算机辅助，效率得到了很大的提升，但这两个阶段的审计仍主要聚焦于事后审计的查错纠弊。当2005年互联网时代的到来，基于BS架构软件的非现场审计进一步实现了数据验证、审计建模等方法，从查错纠弊延伸到风险防范、内部控制，进而实现了事中审计+事后审计模式。这一技术的突破，预示着审计从静态分析向动态监察演进，可以发挥出更大的价值和能力。2010年，大数据、云计算技术得到发展，结构化与非结构化的海量数据让更多信息可以被捕捉、分析。审计通过数据挖掘、可视化分析推进实时审计的发挥。2018年，以机器学习为代表的技术进一步推动非结构化数据的应用，并推动了更多智能化技术的落地，审计也迎来了自动化审计、实时审计的进一步发展，从传统监督到风险洞察、风险预警、持续监控、价值创造的升级，将审计的范围也覆盖到了财务核查、经营管理、风险控制等更多领域，呈现出更广泛、智能、自动化的能力。

审计行业的技术演进经历四次里程碑式跨越：手工审计阶段（1990-1999年）、信息化审计阶段（2000-2009年）、大数据审计阶段（2010-2017年）、智能审计阶段（2018-2021年）。这四次变革中，不难发现审计的数字化发展始终是由程序与数据技术的双重突破所驱动。在大数据、云计算、机器学习、OCR（光学字符识别）、NLP（自然语言处理）等技术的持续引入与应用下，审计行业实现了对海量复杂数据的更高效运用；专家系统、机器学习等算法模型通过持续吸收审计专家的经验沉淀，逐步构建起动态演进的风险评估体系。在技术的助力下，审计对象从结构化的财务数据向全要素的商业信息扩展，审计人员的精力得以释放，将核心能力聚焦于判断与洞察，推进审计价值覆盖到事前、事中、事后。

2022年，人工智能迎来了具有划时代意义的产品，审计系统也迎来了第五次里程碑式突破。

以ChatGPT为标志的大语言模型对自然语言的理解能力的提升，是机器在认知能力的初步觉醒。其在三个维度下赋予了智能审计底层能力的提升：首先在人机交互方式方面，突破了自然语言理解的瓶颈。这将推动智能审计实现对审计知识的广泛融合，具备文档语义解析、监管政策动态解构、风险特征对话式探查的认知能力。其次在推理层方面，实现了机器对审计逻辑和大规模文本的可解释生成，有望实现多模态知识的关联、推导、生成。第三，在垂类知识增强方面，通过持续构建审计知识资产，形成动态融合更新的审计知识库与策略库。在本轮技术发展浪潮下，推动审计系统成为审计人的“智能协同伙伴”。

二、AI中间件：AI知识平台推进与AI大模型的协同之道

由此可见，GenAI技术的到来，使得智能审计系统渴求融合更多的知识、理解复杂性、扩充感知能力、扩展结构，并提高人机互动的效率。

基础大语言模型的原理是通过大量的数据学习语言模式，预测下一个字（Token），生成自然语言模本，其本质类似于“文字接龙”游戏。而推理大模型，以国内DeepSeek R1为例，大家会看到它思考时的显性思维链，其实际上就是通过思维链寻找新的词义关系，进而反思自己的解题思路，并尝试不同的方法去解决复杂的推理问题。然而，大模型固有的“幻觉黑洞”、算力能耗、知识缺陷以及与复杂系统交互的能力，导致其难以独立承担审计这种高严谨性、高复杂性的任务。

为更好地推动AI大模型与企业中已有的数字化进程融合，建立满足AI能力上限的应用框架，领雁推出AI中间件平台：AI知识平台。该平台位于AI大模型与企业已有的数字化系统之间，推动AI能力在企业数字化场景中更快、更好、更轻的落地。

何为AI知识平台？

AI知识平台是集多种人工智能技术为一体的基础平台（中间件），囊括了各种业务模型的知识库、多种AI Agent智能体，其Agent种类包括大模型、专家模型、智能模型、数据可视化等。AI知识平台，也是一个AI知识库系统（AIAgents BasePlatform），支持以“程序+数据+知识”这种新的编程模式，综合运用大模型的泛化能力与小模型的领域精度，嵌入到主应用系统的业务流程中便捷调用。

融入了AI知识平台的审计系统，领雁科技称其为：基于知识的智能审计系统。

三、AI智能体嵌入式协作：突破智能审计场景痛点

当前，审计系统的进一步突破的痛点存在于：一审计管理，即审计资源规划、审计决策困难、无法形成全面、准确、及时的数据支持；审计管理缺乏工具抓手，大量工作仍需手工统计，费时费力。二审计作业，缺乏有效工具对纸质资料转换分析；报告需要手工编制，智能化生成能力不足。三数据分析，机器学习、深度学习、大模型的进一步应用缺乏可信场景；对非结构化数据分析缺乏智能化工具。四知识库建设，缺乏智能化知识检索、智能拆解词条的能力；审计知识的更新、融合需要人工辅助，效率低下。

基于知识的审计系统，将AI知识平台融入智能审计系统中，推动智能审计进入智能体（Agent）嵌入式协作的新阶段。

（一）审计管理流程的重构。融入AI大模型的能力，审计管理流程将获得重新审视。在审计系统中推进业务流程，将每一流程中的知识、痛点、数据及所需的工具、技术进行梳理，并成为可供AI大模型、传统模型调用的知识基础，AI知识平台中的多类Agent，已经嵌入到审计流程中，形成Agentic AI的能力，在业务流程中遇到不同的工作任务，可以通过理解目标、导航复杂环境、并在最少人工干预下执行任务，直接调用各类Agent解决，使审计流程更加高效，人机交互更加便捷，自适应性得到提升。

（二）模型与知识的融合互联。全新设计审计知识库，包含了语音数据、视频数据、审计规则、提示词、风险点、核验算法、审计词条等，在原有基础上进一步引入策略库，满足具体场景中的审计需要；同时包含多种AI建模平台，满足策略库的多元化建模需求。进而，通过策略库与AI建模平台的协同，支持审计计划、审计方案、审计成员的智能生成或推荐，让大模型与传统模型（例如：可视化建模、数据探视、机器学习等），在复杂的步骤中实现复杂的目标，分别发挥各自效用。

（三）AI Agent的灵活组合应用。大模型Agent具备五种实现模式，简单对话、RAG模式、自主模式、可控模式、MultiAgents模式，适合不同业务场景下灵活组合使用。在审计管理流程中，通过不同的Agents，推动审计感知、认知、决策、执行、治理等不同层级协作发展，提升数据采集与特征提取、知识生成、混合推理、工作执行与持续进化的能力，重塑审计生产力。本质上，大模型也属于数据端到输出端的中间层，将大模型能力嵌入进AI知识平台，让审计人员与大模型更近，发挥AI训练师功效，共同推进审计智能化、可信化、稳定性的结果输出。

四、知识×AI大模型：基于知识的智能审计的实践场景

未来审计系统的核心是“知识×AI大模型”的协同框架，这一框架下实际形成了“程序+数据+知识”的融合发展，在领雁看来，这为审计带来：制度问答、报告生成、计划生成、合同比对、合同检查、风险点抽取、模型助手、会议助手等功能的迭代升级。其综合能力不仅提升了审计效率，更重新定义了审计部门作为企业数据中枢和价值发现者的战略定位。

1.审计智能助手

审计智能助手具备的功能将更为强大，例如包含知识库、内外规辅助、模型库的检索调用等能力。在内外规管理中，基于大模型的智能助手可实现制度问答、风险点梳理、条款对比等功能。实现制度的检索、条款的拆分、风险点的梳理、制度修订及废止的差异分析、制度审查的差异报告、制度发布的依赖分析及知识问答。辅助人员借鉴历史知识内容，高效和高质量开展工作。

2.审计报告专家

在审计项目实施-审计报告-征求意见稿等环节中嵌入审计报告助手，辅助生成报告。报告生成不再是简单模板填充，而是结合数据分析、历史审计报告意见、风险预测点、监管热点、处罚要点、整改重点等多方面相结合，侧重有序、文采飞扬。

3.审计计划智能编排

传统年度审计计划依赖人工经验，而智能系统可综合监管要求、历史问题、整改情况等多维数据，通过算法推荐审计项目优先级，形成科学计划建议。

4.审计项目成员推荐助手

审计项目立项时，为项目推荐合适的项目组成员，综合考虑岗位情况、工作经验、专业技能、沟通能力、适应性、职业道德以及空闲程度等多个方面，同时应考虑亲属回避、经济利益关系回避、其他利害关系回避。通过全面评估这些因素，可以组建一个高效、专业的审计团队。

5.审计词条智能推荐

审计词条的编辑是智能审计的一大繁琐点。审计词条智能推荐助手在检查发现问题后，根据问题描述，词条推荐助手总结历史相关问题的词条推荐合适的词条（这里问题词条是指用于描述、解释或定义特定问题的核心术语或短语，即问题性）。利用AI大模型能力进行自助分类、关键词提取、相似度分配、推荐策略，极大提升了传统词条编辑的效率。

如果再次将审计系统的演进划分为三个阶段：自动化阶段（流程固定、人工主导）、智能化阶段（人机协同、动态调整）和自适应阶段（知识演进、持续优化）。当前我们正处于智能化与自适应阶段的过渡期。在领雁看来，未来的审计系统将拥有三大价值锚点：一、数字员工，即AI智能体，这些“数字员工”可独立完成规则明确、重复性高的任务，仅在需要专业判断时提请人工介入；二、多模态网络，审计对象从结构化数据扩展到音视频、图像等非结构化数据，可实现跨模态特征提取与知识连接；三、实时风险监控，完善关键风险指标的毫秒级响应，将风险遏制在萌芽状态。

对于大型企业内部审计发展来说，可逐渐从场景突破、能力铸基到生态进化逐步推进，优先落地智能问答、报告生成等高频场景，建立能够与AI融合的底层知识平台，丰富知识资产。建立符合现在AI能力上限的技术应用框架，推动GenAI、AIAgent在企业内部场景更好、更轻的落地融合。在新型审计团队培养方面，关注复合人才能力的塑造，培育精通审计业务、熟悉数据分析和AI训练的“三栖能力”，也可通过“业务+科技”结对模式加速能力转型。

当前，审计数字化转型已进入深水区。那些能率先将大模型技术与审计知识深度融合的企业，将构建起新一代审计能力——不仅是风险防范的盾牌，更是业务价值的助推器。这场变革不是简单的工具升级，而是审计理念、组织方式和价值定位的全方位重构，领雁提供“技术-知识-人才”三位一体的解决方案，率先推出的AI知识平台与智能审计系统全面融合，推动审计从企业的“合规后卫”向“治理中枢”转变，共同开启价值审计的新时代。

继续阅读：

人工智能技术网 倡导尊重与保护知识产权。如发现本站文章存在版权等问题，烦请30天内提供版权疑问、身份证明、版权证明、联系方式等发邮件至1851688011@qq.com我们将及时沟通与处理。！：首页 > 人工智能产业 > AI大模型 » AI赋能审计：“知识×AI大模型”推动审计系统变革