AI 已识破财报舞弊，审计师为何仍靠手工？

上周，证监会披露了一起案件：上市公司派瑞股份因财务造假被查处，虚增利润接近半数。媒体报道中透露了一个关键细节——此次监管借助 AI 大数据扫描，才从数万条交易记录中锁定异常。

看到这条新闻时，我脑海中浮现的第一个念头是：AI 已能协助监管发现造假，那我们审计师呢？是否还在依赖手工抽查凭证？

AI 在查造假方面，究竟进展到了什么阶段？

今年 6 月初，有媒体专门报道了 AI 大模型在财务舞弊防范领域的实际应用情况。内容颇具启发性，我将其核心要点总结如下：

首先，AI 已实现风险的前置预警。系统将上市公司财报、关联交易及供应链数据全面接入，每日自动扫描，一旦识别异常信号即刻报警。这不再是事后追责，而是事前预防。其次，AI 具备穿透式分析能力。它将零散数据整合串联，并与典型舞弊案例进行比对——例如，若 A 公司的收入确认模式与 B 公司当年造假前的模式高度相似，系统便会标红警示。

听起来是否令人惊叹？

那你不妨猜猜，目前有多少审计团队真正在使用此类工具？

答案是在我调研的 20 家企业中，真正落地应用的不足 3 家，其余均处于「试点」阶段。

为何推广如此缓慢？

我在四大工作的几年里，最深的感触便是：审计行业的技术迭代速度，甚至慢于客户企业的财务系统升级。

原因其实并不复杂。

第一，审计费用未涨。合伙人签署项目时，报价仍沿用数年前的标准。若想从项目预算中额外批准一笔 AI 工具费用，对方会反问：这能向客户多收费吗？虽非绝对不可，但确实困难重重。

第二，技术与业务之间存在隔阂。我在做审计期间，公司曾推行一套数据分析平台——培训两天后，大家普遍反馈良好。然而一旦回到项目现场，面对 PBC 清单收集不全、客户催促报告、合伙人追问进度等压力，谁还有时间去研究该平台的具体用法？

第三，最根本的问题在于审计行业的商业模式本身并不鼓励技术创新。签字会计师的收入与项目数量挂钩，而非审计质量。若利用 AI 发现更多问题，意味着需撰写更多底稿、解释更多异常，反而拖慢整体进度。

这听起来荒谬，却确是事实。

但我们必须承认一个趋势：

去年我调研了 20 家企业，真正运用 AI 开展审计工作的仅 3 家。其中一家为某省级审计厅，他们利用自然语言处理技术自动分析采购合同中的风险条款——2000 份合同，人工审阅需一个月，AI 仅需 3 天。

另一家为某互联网大厂的内部审计部门，他们自建了审计数据平台，自动执行 70% 的常规审计程序，人工仅负责剩余 30%。我称此为理想状态，但其负责人坦言：实际仅运行了 30% 的常规程序，其余 70% 因系统接口问题无法执行。

有趣的是，这三家机构有一个共同点：均非传统会计师事务所。

尽管 AI 在审计行业的落地速度较慢，但方向清晰明确——它将在某些场景中率先取代传统人工。例如银行流水分析、合同条款提取、供应商信息交叉验证等重复性高、规律性强的工作，机器表现远优于人工。

我说句可能得罪人的话：若明日出现一个 AI 能 100% 自动完成银行流水核实程序——你认为目前负责银行流水的审计助理，还有几人能保住饭碗？

那我们该如何应对？

我并非要说教，我自己也非技术高手。

但这几年我观察到一件事：在审计行业中发展得越来越好的人，往往不是技术最顶尖的，而是愿意与技术协作的人。

你无需学会编程，但需了解 AI 当前能做什么、不能做什么。

它能做什么？自动筛选异常交易、批量比对合同条款、实时监控财务数据异常波动。它不擅长什么？判断商业逻辑的合理性、理解复杂交易的业务实质、在对抗性谈判中识别对方意图。

换言之，AI 可帮你节省 80% 的「体力劳动」，剩余 20% 的「判断工作」才是你的核心价值所在。

若你目前的工作 80% 以上是复制粘贴、数据核对、抽凭比对——那你确实应感到些许危机。

但如果你正在学习如何洞察交易的业务实质，如何评估客户解释的合理性，如何在被合伙人追问时给出有依据的回答——恭喜你，AI 暂时还无法取代你。

归根结底，AI 不会取代审计，但会用 AI 的审计师必将取代不会用 AI 的审计师。

这句话并非我原创，而是去年一次行业论坛上，一位四大合伙人所言。当时台下坐有二百余名审计从业者——有人点头认同，有人翻白眼不屑。

我认为他说得极有道理。

📌 觉得这篇文章道出了你的心声？

👇 关注「审见微光」，每日为你说出审计人想说却不敢说的话

不卖课、不割韭菜、不讲空话。一位从业 7 年的审计人，与你分享真实见解。

转发给你的审计同事，共同探讨 AI 究竟能做什么、不能做什么。

#审见微光·坦白局