牟莉娜 陽(yáng)杰

[摘要]在人工智能時(shí)代，基于審計(jì)人員的專業(yè)知識(shí)、專長(zhǎng)和經(jīng)驗(yàn)的審計(jì)決策開(kāi)始讓位于基于算法的審計(jì)決策，為提高審計(jì)效率、降低審計(jì)延遲和提高審計(jì)質(zhì)量創(chuàng)造了條件;同時(shí)，這種算法中可能存在的偏見(jiàn)、侵犯隱私、算法本身的公平性和安全性，以及基于算法的審計(jì)決策的可問(wèn)責(zé)性，是需要認(rèn)真應(yīng)對(duì)的挑戰(zhàn)。

[關(guān)鍵詞]人工智能 算法 大數(shù)據(jù) 審計(jì)決策

一、引言

在大數(shù)據(jù)、云計(jì)算等技術(shù)支持下，人工智能開(kāi)始真正進(jìn)入我們的學(xué)習(xí)、工作和生活中。人工智能的本質(zhì)就是一種算法模型，在強(qiáng)大的計(jì)算能力支持下，計(jì)算機(jī)可以借助算法不斷地從大數(shù)據(jù)中進(jìn)行分析和學(xué)習(xí)，通過(guò)反復(fù)試錯(cuò)和改錯(cuò)來(lái)吸取經(jīng)驗(yàn)，實(shí)現(xiàn)自身智能化程度的不斷提高，從而幫助人類作出相應(yīng)的決策。在審計(jì)領(lǐng)域，四大會(huì)計(jì)師事務(wù)所也開(kāi)始將人工智能用于審計(jì)工作之中，并推出了各自的財(cái)務(wù)機(jī)器人。人工智能用于審計(jì)工作，是利用算法幫助審計(jì)人員進(jìn)行審計(jì)分析和判斷，其終極目的是設(shè)計(jì)更有效的算法來(lái)替代審計(jì)人員進(jìn)行自動(dòng)化決策。

二、機(jī)遇

審計(jì)模式從詳細(xì)審計(jì)進(jìn)入抽樣審計(jì)之后，需要審計(jì)人員進(jìn)行審計(jì)分析和判斷，最終作出相應(yīng)的決策。由于人工審計(jì)決策所需的信息來(lái)源面窄、信息數(shù)量極其有限，審計(jì)決策質(zhì)量高度依賴于審計(jì)人員的專業(yè)知識(shí)、專長(zhǎng)和經(jīng)驗(yàn)，主觀性強(qiáng)且費(fèi)時(shí)費(fèi)力，質(zhì)量難以保證。計(jì)算機(jī)用于審計(jì)工作后，審計(jì)人員可以獲取的信息量更大，信息來(lái)源更加廣泛、準(zhǔn)確。特別是在ERP系統(tǒng)、智能制造環(huán)境下，審計(jì)人員幾乎可以獲取業(yè)務(wù)事件所有相關(guān)的信息，審計(jì)證據(jù)鏈條趨于完整，審計(jì)人員進(jìn)行的決策更加有的放矢。但這種決策還是由審計(jì)人員進(jìn)行的，計(jì)算機(jī)系統(tǒng)雖然提供了決策所需的高質(zhì)量信息，但還是無(wú)法規(guī)避審計(jì)人員的主觀性。

隨著大數(shù)據(jù)時(shí)代的到來(lái)，審計(jì)人員可以利用的信息量更加廣泛，類型更加多樣化，審計(jì)決策的依據(jù)更加充分。在云計(jì)算的支持下，計(jì)算機(jī)可以運(yùn)用復(fù)雜的算法對(duì)大數(shù)據(jù)進(jìn)行分析，并借助人工智能算法支持的機(jī)器學(xué)習(xí)能力，不斷獲取審計(jì)經(jīng)驗(yàn)，審計(jì)能力會(huì)得到不斷增長(zhǎng)，最終可以幫助甚至替代審計(jì)人員進(jìn)行審計(jì)決策?；谒惴ǖ膶徲?jì)決策，相比審計(jì)人員的審計(jì)決策，其依據(jù)更充分，決策更客觀、更迅速、更精準(zhǔn)，為審計(jì)提質(zhì)增效提供了可能。

第一，提高審計(jì)效率。在開(kāi)展審計(jì)業(yè)務(wù)時(shí)，審計(jì)人員致力于收集、分析審計(jì)證據(jù)，以實(shí)現(xiàn)審計(jì)目標(biāo)。而審計(jì)證據(jù)是被審計(jì)單位內(nèi)部的會(huì)計(jì)資料及其他相關(guān)資料，或者審計(jì)人員直接從外部獲取的信息資料，內(nèi)容大多以書面文字材料為主。以往審計(jì)人員要翻閱大量的文件合同才能提取所需要的核心信息，有時(shí)會(huì)面臨人工獲取數(shù)據(jù)信息不全面、數(shù)據(jù)量不夠豐富的困境，導(dǎo)致無(wú)法對(duì)被審計(jì)單位作出準(zhǔn)確的判斷。而目前人工智能的發(fā)展能集中獲取大量審計(jì)數(shù)據(jù)，使信息全面化。首先，機(jī)器自動(dòng)化取代了審計(jì)人員手工審計(jì)，包括核對(duì)憑證金額、查閱財(cái)務(wù)報(bào)表、審閱文件等，減輕了審計(jì)人員的勞動(dòng)強(qiáng)度。其次，利用人工智能算法，對(duì)海量數(shù)據(jù)進(jìn)行預(yù)測(cè)，輔以審計(jì)工作的判斷推理過(guò)程，使審計(jì)人員能夠?qū)?fù)雜的會(huì)計(jì)處理進(jìn)行更有效的分析，通過(guò)職業(yè)判斷作出審計(jì)決策，起到減少審計(jì)風(fēng)險(xiǎn)、提高審計(jì)質(zhì)量和價(jià)值的作用。同時(shí)，審計(jì)人員可以抽出更多的時(shí)間進(jìn)行專業(yè)知識(shí)的培訓(xùn)鞏固，培養(yǎng)自身的審計(jì)嗅覺(jué)和數(shù)據(jù)敏感度，訓(xùn)練敏銳的洞察力。通常情況下，借助人工智能技術(shù)，審計(jì)系統(tǒng)能迅速獲取所需要的關(guān)鍵數(shù)據(jù)，極大提高數(shù)據(jù)分析效率和數(shù)據(jù)針對(duì)性，節(jié)約大量時(shí)間成本。

第二，降低審計(jì)延遲。傳統(tǒng)審計(jì)中，在某些時(shí)間節(jié)點(diǎn)上，因?qū)徲?jì)一方的具體原因，無(wú)法獲取有價(jià)值的數(shù)據(jù)信息，由此造成審計(jì)延遲。比如，年度財(cái)務(wù)報(bào)告一般需要三至四個(gè)月時(shí)間才能完成編制，審計(jì)過(guò)程耗費(fèi)時(shí)間久，使會(huì)計(jì)信息失去時(shí)效性，影響使用效率，降低審計(jì)價(jià)值。而人工智能的發(fā)展對(duì)審計(jì)工作產(chǎn)生了重大影響，使實(shí)時(shí)財(cái)務(wù)報(bào)告成為可能，人工智能算法加快數(shù)據(jù)輸入和提取，簡(jiǎn)化審計(jì)程序，利用獲取的大量實(shí)時(shí)數(shù)據(jù)，可迅速編制出財(cái)務(wù)報(bào)告，為財(cái)務(wù)報(bào)告使用者提供實(shí)時(shí)財(cái)務(wù)信息，使審計(jì)人員能夠合理安排審計(jì)時(shí)間，更加及時(shí)有效地完成審計(jì)工作，降低審計(jì)延遲。同時(shí)，審計(jì)費(fèi)用與審計(jì)工作量、人力資源成本之間存在著較為明顯的正比關(guān)系。簡(jiǎn)單重復(fù)的業(yè)務(wù)被人工智能技術(shù)取代，人工審計(jì)工作量減少，所耗費(fèi)的審計(jì)資源減少，人力資源成本下降，使得信息化前提下的審計(jì)工作更具有實(shí)時(shí)性和高效性。

第三，提高審計(jì)效果。審計(jì)效果反映的是一種投入與產(chǎn)出的比較關(guān)系，審計(jì)效果如何主要取決于審計(jì)質(zhì)量的高低，而審計(jì)質(zhì)量作為審計(jì)的生命線，有著非常重要的意義。將人工智能技術(shù)應(yīng)用于審計(jì)業(yè)務(wù)，系統(tǒng)分析所獲取的大量數(shù)據(jù)，能快速找出財(cái)務(wù)報(bào)告中的錯(cuò)弊，輔助審計(jì)人員做出判斷，減輕審計(jì)人員的工作量。同時(shí)，機(jī)器自動(dòng)化提高了審計(jì)效率，為審計(jì)人員運(yùn)用專業(yè)知識(shí)做出審計(jì)決策提供了足夠時(shí)間，可以進(jìn)一步提高審計(jì)質(zhì)量。有研究表明，審計(jì)人員的情緒可能影響審計(jì)質(zhì)量，在搜集相關(guān)信息時(shí)，消極情緒會(huì)使初級(jí)審計(jì)人員遺漏一些相關(guān)信息，影響對(duì)審計(jì)問(wèn)題的評(píng)估。而機(jī)器沒(méi)有人類的喜怒哀樂(lè)，不存在產(chǎn)生負(fù)面情緒的情況，因此人工智能的發(fā)展在一定程度上提高了審計(jì)質(zhì)量和效果。

三、挑戰(zhàn)

任何事物作為事物矛盾統(tǒng)一體存在，都具有兩面性，基于算法的審計(jì)決策也不例外。除了機(jī)遇外，還面臨著諸多挑戰(zhàn)。

第一，算法偏見(jiàn)。目前，我們正在目睹人工智能算法的不斷優(yōu)化，但可能存在算法偏見(jiàn)。大多數(shù)情況下，基于算法的審計(jì)決策其實(shí)就是運(yùn)用大量過(guò)去的數(shù)據(jù)來(lái)進(jìn)行前瞻預(yù)測(cè)，預(yù)測(cè)未來(lái)的趨勢(shì)和行為，而計(jì)算結(jié)果會(huì)受到所建立算法模型以及數(shù)據(jù)輸入的影響，產(chǎn)生算法偏見(jiàn)。一方面，算法通過(guò)以往海量審計(jì)數(shù)據(jù)的軌跡，不斷學(xué)習(xí)優(yōu)化產(chǎn)生決策機(jī)制，但是數(shù)據(jù)和算法并非具有絕對(duì)客觀性，審計(jì)數(shù)據(jù)的標(biāo)注、搜集和算法的設(shè)計(jì)往往折射了開(kāi)發(fā)人員和設(shè)計(jì)人員的主觀理念，審計(jì)決策者可能將自己的價(jià)值觀嵌入算法系統(tǒng)。因此，審計(jì)決策可能反映數(shù)據(jù)中持續(xù)存在的歧視。另一方面，數(shù)據(jù)是審計(jì)業(yè)務(wù)的反映，審計(jì)數(shù)據(jù)的準(zhǔn)確性和真實(shí)性也會(huì)影響整個(gè)算法決策和預(yù)測(cè)的精準(zhǔn)度。若偏見(jiàn)已經(jīng)存在數(shù)據(jù)之中，那么算法系統(tǒng)自然蒙上歧視的面紗，將進(jìn)一步影響審計(jì)人員決策的準(zhǔn)確性。

第二，隱私。大數(shù)據(jù)運(yùn)行是人工智能和機(jī)器學(xué)習(xí)的基礎(chǔ)，用戶需要提供與個(gè)人或企業(yè)相關(guān)的眾多數(shù)據(jù)，才能享受它們提供的服務(wù)，并且提供的數(shù)據(jù)越完整越詳細(xì)，人工智能就越能提供個(gè)性化的服務(wù)。但是人工智能對(duì)審計(jì)數(shù)據(jù)，包括一些敏感數(shù)據(jù)的搜集和利用、大數(shù)據(jù)訪問(wèn)的開(kāi)放和授權(quán)，可能意味著無(wú)意中對(duì)個(gè)人敏感信息的泄露，威脅到企業(yè)的隱私。比如，在審計(jì)決策過(guò)程中，服務(wù)器上共享的被審計(jì)單位的重要商業(yè)數(shù)據(jù)，如果沒(méi)有經(jīng)過(guò)加密，運(yùn)用數(shù)據(jù)挖掘技術(shù)即可提取具有利用價(jià)值的信息，且后期可能被陸續(xù)披露，將會(huì)對(duì)個(gè)人或企業(yè)產(chǎn)生重大不利影響。

第三，公平性。算法本身的公平性也備受關(guān)注，公平無(wú)法量化、無(wú)法可視化。而算法對(duì)所有人而言，像是一個(gè)“黑箱”，存在不透明性：除了開(kāi)發(fā)設(shè)計(jì)算法的人員，別人根本無(wú)法理解算法模型與其運(yùn)行機(jī)制，也無(wú)從得知“黑箱”的內(nèi)在機(jī)理。例如，在審計(jì)實(shí)務(wù)中，審計(jì)人員基于算法作出決策，而該算法憑數(shù)據(jù)輸入和輸出作出預(yù)測(cè)，卻無(wú)法提供支撐該做法的證據(jù)和材料。若審計(jì)決策失敗，也無(wú)法找到數(shù)據(jù)的根源以及失敗的原因，對(duì)被審計(jì)單位來(lái)說(shuō)著實(shí)不公平。因此，在質(zhì)疑決策結(jié)果時(shí)，如何打開(kāi)“黑箱”體現(xiàn)公平性成為最大難題。

第四，安全性。人工智能算法安全始終是人們關(guān)注的重點(diǎn)，也是人工智能面臨的巨大挑戰(zhàn)，既包括黑客攻擊，也存在服務(wù)器崩潰、系統(tǒng)癱瘓等情況。IT產(chǎn)業(yè)首個(gè)人工智能發(fā)展原則指出，程序開(kāi)發(fā)者要確認(rèn)算法運(yùn)行過(guò)程中的行為安全，防止出現(xiàn)算法失控現(xiàn)象，保證系統(tǒng)的可控性。不久前，DeepMind開(kāi)發(fā)了一款專項(xiàng)測(cè)試軟件，用來(lái)檢測(cè)人工智能算法的“安全行為”，并就該測(cè)試性研究發(fā)表了一篇關(guān)于人工智能算法安全性的論文。若算法運(yùn)行過(guò)程中出現(xiàn)不可逆結(jié)果，則說(shuō)明該算法缺失可逆性，表明可能不安全。比如，在審計(jì)實(shí)務(wù)中，云端數(shù)據(jù)庫(kù)遭遇黑客攻擊，算法系統(tǒng)被修改，出現(xiàn)算法不可控現(xiàn)象，數(shù)據(jù)被泄露，增大了用戶被攻擊的可能性。此外，如果初始數(shù)據(jù)有誤或內(nèi)部程序運(yùn)行失誤，也會(huì)產(chǎn)生大量的錯(cuò)誤數(shù)據(jù)，審計(jì)人員在錯(cuò)誤算法基礎(chǔ)上作出的審計(jì)決策，就會(huì)造成審計(jì)工作的失誤。

第五，可問(wèn)責(zé)性。算法系統(tǒng)的自主性很強(qiáng)，它根據(jù)獲取的數(shù)據(jù)，不斷進(jìn)化和學(xué)習(xí)，能夠形成一套自己的體系。這是開(kāi)發(fā)設(shè)計(jì)者預(yù)料之外的，包括“黑箱”的存在，很難追溯到錯(cuò)誤的根源，此時(shí)，我們?cè)趥惱砩峡赡苊媾R根本的挑戰(zhàn)：到底是算法的失誤，還是審計(jì)人員的錯(cuò)誤判斷？我們?cè)撊绾巫鞒龅赖略u(píng)判？在不久的將來(lái)，責(zé)任界定、行為監(jiān)管的判定可能變得十分困難，產(chǎn)生一道責(zé)任鴻溝。比如，因人工智能算法的發(fā)展與推廣，使得傳統(tǒng)審計(jì)向人工智能審計(jì)轉(zhuǎn)變，審計(jì)模式發(fā)生了改變。若出現(xiàn)重大錯(cuò)報(bào)，算法決策機(jī)制產(chǎn)生的行為和審計(jì)人員人為錯(cuò)誤判斷的行為，責(zé)任主體難以界定，其產(chǎn)生的后續(xù)人力、物力成本也大大增加?？梢?jiàn)，建立算法問(wèn)責(zé)機(jī)制勢(shì)在必行。大數(shù)據(jù)、云計(jì)算和算法的協(xié)同發(fā)展，將推動(dòng)審計(jì)工作逐步進(jìn)入人工智能時(shí)代。

（作者單位：溫州商學(xué)院會(huì)計(jì)學(xué)院，郵政編碼：325035，電子郵箱：874934684@qq.com）

主要參考文獻(xiàn)

陽(yáng)杰，應(yīng)里孟.大數(shù)據(jù)時(shí)代的審計(jì)證據(jù)與審計(jì)取證研究[J].財(cái)會(huì)月刊， 2017（1）：115-124

楊明增，張繼勛.經(jīng)驗(yàn)、努力程度對(duì)審計(jì)判斷偏誤的影響研究[J].南開(kāi)管理評(píng)論， 2010（2）：151-158

喻國(guó)明，楊瑩瑩，閆巧妹.算法即權(quán)力：算法范式在新聞傳播中的權(quán)力革命[J].編輯之友， 2018（5）：5-12

Frey C B， Osborne M A. The Future of Employment： How Susceptible Are Jobs to Computerisation？[J]. Technological Forecasting and Social Change， 2017（114）： 254-280

Galliers R D， Newell S， Shanks G， et al. Datification and its human， organizational and societal effects： The strategic opportunities and challenges of algorithmic decision-making[J].Journal of Strategic Information Systems， 2017， 26（3）：185-190

Zarsky T. The Trouble with Algorithmic Decisions： An Analytic Road Map to Examine Efficiency and Fairness in Automated and Opaque Decision Making[J]. Science Technology & Human Values， 2016， 41（1）： 118-132