虽然近年来人工智能技术的发展比较迅速，但在审计领域，现有人工智能技术产品的全面适配度还不高。基于无锡市审计局在民生审计中探索人工智能技术的实践★★★，发现人工智能审计实践受到诸多主客观因素影响，面临着一系列的挑战★，有待进一步探索与开发。
[1] 陆明敏.AI技术对传统审计的影响研究★. 中国市场 ,2020年第29期.
[4] 梁美仪★★★.基于“AI+RPA”双技术架构的审计逻辑路径及框架构建. 商业会计,2022年第01期.
五是审计专业人员对人工智能技术的熟悉度和接受程度也是推广人工智能审计的一大障碍。审计人员需要投入时间和资源来学习和适应新技术★★。高昂的学习成本、漫长的学习周期与基层审计机关日益繁重的工作任务之间的矛盾凸显★★★。
【摘要】近年来★★，人工智能技术和应用快速发展，ChatGPT等应用不断突破。经历了传统财务审计、计算机辅助审计到大数据审计的审计技术跃迁，无锡市审计局在养老★、医保等民生审计项目中，不断寻求人工智能与审计的交汇点。通过多维分析审计对于人工智能的功能需求★★★，在审计重点研判、疑点数据分析、文字图像处理等方面探索人工智能技术和工具在项目实施中的应用★★，提出了人工智能应用功能模型栈理念。不同于常见的一体化人工智能应用产品★，提出依托分层低耦合架构★★★，让各类人工智能技术应用融合审计项目全流程，根据项目需求灵活选用生成式人工智能★★、自然语言处理★、机器学习、深度神经网络等技术的审计实践，有效提升审计数据分析效率，减轻了审计人员负担★。
一是项目应用范围广。当前★，人工智能应用功能模型栈在多个民生领域审计项目中都得到了应用W66怎么上不了，表现能够满足审计人员的项目应用需求。该技术架构的通用性比较强，在今后的审计工作中★★，完全可以推广到金融、财政、工程等其他类型的审计项目。既能够进一步扩大应用范围，发挥出人工智能辅助审计的成效，又能够按照不同审计项目的特点完善架构，不断增加人工智能应用功能模型栈的泛用性★★。
二是人工智能技术的计算资源消耗大，算力成本高。特别是在初期阶段★，巨额的投资往往难以在短期内看到回报★，这对于基层审计机关而言，无疑是一笔沉重的财务负担。例如★，两块英伟达RTX4090 24G显卡的算力，政采价格约5万余元。在民生领域的招标采购审计项目中★，使用两块4090本地部署约7B级的大模型完成文本阅读分析的时间远远超过审计项目时限，且模型最终训练运用成果与审计目标还有较大差距。
无锡市审计局使用NineData的 人工智能服务来优化审计人员编写的SQL代码和自动生成SQL语句，也就是通过人工智能应用功能模型栈中的代码服务层来实现代码执行效率的提升。经过统计SQL语句执行时间，人工智能优化后的代码把审计人员的等待时间降低72%左右★★★。对于上亿级的数据关联比对的优化提升非常明显，也能够让更多不太精通SQL语句的审计人员上手数据分析。
[5] 潘孟蕾.基于事务所视角下探究AI技术对审计行业的影响. 审计与理财★★,2019.5★★.
二是智能模型层主要承担较为复杂的数据分析任务★★。从对业务数据的趋势性研判到异常数据特征的挖掘提取，再到细账推演模拟总账，审计数据分析通过建立、微调一个个小模型来完成各类审计事项，涉及到各类机器学习、神经网络、深度学习★、开源的“小★”模型。对于有安全要求的审计业务数据，不便于外送第三方处理或者上传在线大模型APP，人工智能分析就需要依赖智能模型层来完成★★★。最常用的就是各类机器学习算法和基础神经网络来完成分类或聚合任务。受到审计时间的限制★★，审计人员的关注点集中在算法和模型的选择使用方面，一个有针对性和高效的算法或模型就相当关键。智能模型层的算法模型的迭代优化是今后主要的发展方向★。
报告阶段是审计工作的收尾阶段★，人工智能技术在此阶段同样发挥着重要作用。依托大模型的自动生成功能和上下文理解，它能够帮助审计人员自动汇总取证材料★★，按照规定模板批量生成审计底稿，并撰写审计报告。这不仅大大节省了审计人员的时间和精力★★，还提高了审计报告的客观性、标准性和可靠性。
在医院审计项目中，使用人工智能应用功能模型栈中的智能模型层构建神经网络进行耗材使用行为判断。审计组对于各类耗材的使用频率，使用多家同类医院的使用数据构建神经网络进行使用行为学习★★★，再将审计对象医院的数据输入训练好的模型W66怎么上不了，批量预测手术耗材使用的异常性规律，是否符合诊疗需求的变化。
审计组在审计现场分类汇总审计医院36个月所有手术用高值植入耗材的每月使用量后★★，转换为tensor标准格式。在pytorch中搭建选择模型神经网络，并将另外两家三甲医院的手术用耗材数据每月使用量作为学习数据集传入训练★。然后把审计医院的耗材每月使用tensor数据传入神经网络模型，进行分类判断，对异常数据进行特殊标记。
三是审计内容通常涉及敏感数据，有的涉及商业机密、个人隐私和国家秘密，这使得审计数据分析环境不能接入互联网。于是，各种在线人工智能应用难以发挥作用。同时★★★，离线的模型训练也面临巨大挑战，如何获得训练样本和确保训练样本的安全是需要思考的问题。
[3] 林慧涓★★,陈宋生. 构建多维度AI审计框架思考. 会计之友 ,2023年第23 期.
十年来★★，随着神经网络算法所带来的技术突破，人工智能技术和应用出现了井喷式的发展。党的二十届三中全会提出健全因地制宜发展新质生产力体制机制★★，推动技术革命性突破★★、生产要素创新性配置★、产业深度转型升级。发展新质生产力是推动高质量发展的内在要求和重要着力点★★★。习强调，要坚持科技强审,赋能审计监督工作。国家审计侧重于监督和检查国家财政资金的使用情况，保障国家财政资金的安全和有效使用，促进政府部门的廉洁和高效运行。2005至2010年，地市级审计机关的审计技术手段开始更新★★，传统的账务审计模式逐步向计算机辅助审计模式转变，审计人员开始使用电脑查看电子账册和数据报表★。到了2015年左右，大数据审计方式广泛运用。依托多维内外数据支撑★★，审计人员能够处理和分析的数据量级和复杂度大幅提升★★★，不仅改变了审计的范围，也为深入挖掘潜在业务问题提供了可能★★★。
二是分析投标单位的投标文件是否符合要求。在医疗领域政府采购审计项目中★★★，会对重点招标项目的投标文件进行审查。通过分析投标文件的雷同程度来评估串标风险。但是由于招标项目多，投标文件都非常长★★★，传统审计方法就是由审计人员进行抽查。在线上政府采购平台的数据支撑下，审计组可以使用人工智能工具完成批量的招标文件比对。将招标文件上传至Kimi-Chat，它可以很快完成长文本的阅读理解和比对，总结不同点和雷同之处★。根据投标文件的高度相似性★★★，智能判断相关投标单位是否涉嫌串标，影响招标项目的公平性。
将招标项目和投标单位数据清洗转换后传入FP-growth模型，发现部分投标单位在招采过程中结伴出现。最终确定有X家单位组团投标XXX个项目★★★，其主营业务与投标事项存在不匹配情况，涉嫌围标串标。
二是操作灵活性强。人工智能应用功能模型栈的低耦合插拔特性为各层的独立发展创造了条件。人工智能应用的发展势头强劲，新产品、新突破不断涌现，现有技术产品迭代也非常迅速。人工智能应用功能模型栈立足于低颗粒度应用融合，主张脚本式的多模态解决方案，方便于不同层独立更新人工智能技术和产品。审计人员可以在框架体系下自主选择最前沿、最有效、最便捷的人工智能技术和产品★★★，创造适合自己审计项目需求的架构模式，有助于人工智能应用功能模型栈的不断改进和推广。
（二）在医疗领域政府采购审计项目中智能模型层和应用持久化层分析招标采购公平性
进入方案阶段，人工智能技术的需求进一步显现★★。审计对象的业务管理、财务收支★★★、规章制度往往是复杂多变的★★★，而人工智能技术可以通过对法律法规、内控制度、行业规范的智能分析★★★，帮助审计人员选择审计重点事项★，提升知识积累的效率，确保审计工作的精准性★★。此外，审计人员还能够在人工智能辅助模拟审计环境★★，预测可能出现的问题与挑战，从而在制定审计实施方案的过程中，提前做好准备。
最后，在审计整改阶段，人工智能技术能够对整改措施的效果和效率进行分析评估。通过对整改前后数据的对比分析，综合多方信息★★★，评定整改影响，判断整改措施是否有效★★★，是否达到了预期的目标。
在社保和医保基金运营情况审计过程中★★★，经常需要审计人员编写SQL语句来完成比对查询★★★。但是社保和医保自身生产库的数据体量非常大★★，加上相关延生的医院、商业保险机构的关联业务数据，数据级别再次成倍扩展★★★。一个简单的select查询就需要运行很长时间，但是根据审计方案要求，审计人员需要以身份证号码、社保编码、门诊住院编号等唯一性字段进行多表关联查询、级联查询和分类汇总，查询效率往往不尽如人意。
三是有待进一步完善★★。一方面人工智能应用功能模型栈的框架下需要更多的技术和理念支持。另一方面★，审计对象也可能使用人工智能技术来伪造数据材料★，对抗审计。因此亟需在人工智能应用功能模型栈下构建反人工智能造假的分析方式★★。这些单靠审计机关内部来研究，成本代价较大，审计机关有必要选择相关的科研机构★、高校进行产学研合作，在不用架构层同引入新理念★★★，探索新突破，以此应对人工智能时代国家审计面临的新挑战★★。
到了审计实施阶段，人工智能技术则是传统审计方式和大数据审计模式的融合和拓展。重复性的凭证复核是减少审计成本降低审计人员负担的主要需求★★★。通过对业务数据的多方面挖掘和趋势性研判，人工智能不仅能够帮助审计人员发现异常模式★，还能够预测潜在的风险和问题，极大地提高了审计的全面性和深入性，成为审计新智生产力的最突出体现★。
分层思想是常见的信息化应用开发和部署模式，有助于简化复杂问题，促进标准化★★★，提高系统的灵活性和维护性★★★，生成了TCP/IP,OSI等一系列网络通信的标准模型★。分层思想是栈式结构的核心，它允许将复杂的网络功能划分为更小、更易于管理的单元。每一层都建立在另一层的基础上，并为其上一层提供服务。每层通常只为一个或几个关联性较高的目的而设计，这样的模块化使得每层可以专注于实现自己的功能★★，简化了设计过程★★，同时又保障了开发的灵活性和可扩展性，易于后期的维护和升级。这种分层方法有助于促进标准化工作，使得不同应用产品能够有序整合兼容。通过将栈分解成多个简单的部分，每层处理特定的任务，这样降低了整个系统的复杂性★。
根据上述Claude分析结果，核实取证W66怎么上不了。发现某市某区与XXX养老产业投资有限公司签订的战略合作协议中明确该养老机构设置数百张普惠性养老服务床位，基本养老床位价格远高于企退人员养老金标准★★★。Claude的分析结论具有靶向性。
五是作业辅助并不属于任何一层★，也不直接承担人工智能分析和处理任务。但是在实际的人工智能应用过程中★★，审计人员发现需要有辅助的操作和工具为人工智能分析提供准备和拓展，应用贯穿于上三层★★★。在审计项目中常用的有各种网络爬虫提供训练集数据和目标数据★。RPA，即机器人流程自动化，它的核心在于使用软件机器人来模拟人类用户执行的重复性、规则性强的任务。其与各层人工智能的应用结合，进一步提升自动化任务的智能水平★★。
在养老服务体系建设审计项目中，审计组关注到普惠养老床位设置与老人经济承受能力之间的差异★。在应用持久化层中选用Claude判断养老机构床位收取标准是否符合规定。
四是自动化生成层主要整合了各类AIGC在审计领域的应用，即运用人工智能代替审计人员生成审计文本内容★★。对于要撰写大量制式文书的审计工作，人工智能辅助审计人员自动生成文字材料非常受欢迎。首先，AIGC可以通过分析大量的数据★，帮助审计人员确定审计的重点和难点，结合审计频次，从而制定出更为科学合理的审计计划。其次，AIGC可以根据审计计划★★，自动生成审计方案★，包括审计的方法★★、步骤和时间表等★。此外★，AIGC还可以帮助审计人员整理和分析审计证据★★★，生成审计底稿。最后★★★，AIGC可以根据审计底稿，自动生成审计报告，包括审计的结果★★★、建议和改进措施等。在无锡市审计局2023年开展的就业失业审计项目中★★★，通过星火大模型生成的审计重点事项与省厅下发的审计重点方案的重合度接近80%★★★。
※《审计研究》是由中华人民共和国审计署主管、中国审计学会主办的审计学术刊物，是全国经济类核心期刊。该文是我局在该学术期刊首次发表的研究成果。
[6] 许佳宁.浅析AI技术在现代风险导向审计中的应用. 财会审计★★, 2021年第7期★.
在大数据时代背景下，无锡市审计局针对社保、医疗等民生类审计业务数据量庞大且复杂的特点，深入开展了人工智能技术的应用研究。通过总结过往审计经验，该局对人工智能应用的成本投入与项目成效进行了细致分析，并在此基础上评估了人工智能技术在审计领域的可行性及未来发展潜力。经过综合考量，提出了一种创新的栈式人工智能解决方案，旨在扩充大数据审计领域边界，提升当前审计项目的实施效率和质量。该方案通过构建多层次的人工智能功能模型框架★★，满足数据处理的自动化和智能化需求，展现了人工智能技术在公共服务领域广阔的应用前景。
上述人工智能应用功能模型栈已在无锡市审计局多个民生类审计项目中进行了运用，取得了审计成果★★★，特别是在问题挖掘方面，发现了一系列以前想查但没法查的问题，积累了智慧化审计经验★。
一是在医疗领域政府采购审计项目中，确定是否有围标串标嫌疑。政府采购招标必须保证有三家供应商投标★★★，且都通过资格检查进入现场评标环节★，否则就要作流标处理★★。审计期间，审计组★，使用人工智能应用功能模型栈中的智能模层的机器学习算法分析政采平台的投标评标数据。用到了经典的关联规则分析算法FP-growth。FP-growth可以用于挖掘频繁项，是一种无监督机器学习算法。
审计人员根据神经网络标记判断发现骨XX的使用情况与其他医疗手术材料相比★★，数量和频率均存在异常。2021年起使用数量与相关手术实施进度严重不符，处方随意性较大，该耗材使用的必要性存疑★★。经核实★★，手术中不使用骨XX也能达到治疗目标。
首先采集某养老机构床位费收取明细数据★，完成标准化★，并使用Claude对输入数据进行初步分析，并根据初步分析结果，新增评价参数，对提示信息进行修正。然后输入养老机构床位费收取的相关政策要求和收费标准，追加提供相关公开数据，以缩小分析结果。最后对分析结果进行评估，如政策、数据书否足以判断存在违规行为★★★，分析结束。否则重复前面两个步骤，直至得到最后结论判断。
根据人工智能技术方向在审计项目中的局限，经过多个项目的探索试用，无锡市审计局仍将人工智能审计定位为过程性智能辅助。攻关方向摈弃了“大而全”的人工智能应用集成，转向探索类似讯飞星火大模型的插片式框架结构★。在不同的功能层级内部，各种技术应用异步开发、调试和应用，有效控制投入成本、强化对数据安全掌控，方便不同审计步骤选取合适的人工智能技术和产品★★★。
一是需要适配的审计项目多样性且复杂★。审计工作的对象和事项多，涉及到财务收支、财政预算、企业运营★★★、民生保障、自然资源、工程建设★★、经济责任等各种审计场景，这要求人工智能算法必须具备高度的灵活性和适应性。为了精确地适应这些多变的审计环境和不断发展的审计需求，人工智能系统必须不断地学习和更新，深度学习模型或者大模型需要反复训练和微调，这大大增加了研发和应用的门槛。
人工智能技术的突破★，让更多的审计需求成为可能。面对基层审计人少事多的现状，人工智能解决方案不但能提高审计工作的效率和质量，而且增强审计人员对数据的分析能力和对审计对象的系统性掌握程度★★。审计的人工智能需求，不仅仅是对当前大数据多维分析的智能化提升，更是贯穿审计全过程的关键性力量。根据当前审计项目的实施情况，人工智能需求的覆盖已经从审计计划阶段延生到审计整改阶段★★，融入审计全篇★。