信永中和數智 | 人工智能技術在監督體系中的應用場景和路徑

一、人工智能技術和企業側應用

DeepSeek極大降低了使用人工智能的成本，后續還會有技術持續降低人工智能的使用成本，也會有技術持續的提升人工智能輸出結果的確定性和穩定性，投資成本不斷降低，投資回報不斷提升，這兩點為企業側大規模的應用提供了條件，會讓人工智能技術“飛入尋常百姓家”。

人工智能的企業側應用有獨立的特點，總結下來，有四點：

人工智能在解決企業側諸多領域的主要矛盾方面會有其天然的技術優勢，當下探討人工智能在企業側的應用，或正當其時，或未雨綢繆。

要探索人工智能在企業側的應用，首先要研究企業業務的過程和特點，其次要考慮是用人工智能技術沿著原來的路跑，還是因為有了人工智能技術，可以三步并做一步，可以抄近路。整體看下來，抄近路才能顯示高階技術的優越性。

對人的監督、對事的監督、對資金的監督、對財務的監督衍生出財務監督、審計監督、政治監督、綜合監督，構成了一個龐大的體系，當然，體系內每一類監督要互聯互通，融會貫通。每一類監督又有諸多規則進行約束，這些規則總結下來，對于工作過程，可以用橫向到邊的全覆蓋、縱向到底的全級次、穿透式來概括，“工作量大”，當然還要加高效，也就是要“想辦法”；對于工作成果，國家審計、國資追責體系、集團治理層與管理層的預期又豎起一個又一個的臺階。

概括起來，我們認為，不管對包括審計監督、財務監督在內的監督體系如何定位，不論監督體系在國家戰略、集團戰略中承擔何種角色，對重點工作推動承擔何種角色，對重大風險和重要問題的發現承擔何種角色，對問題的解決和風險的緩釋中承擔何種角色，監督體系所面臨的最大矛盾是審計監督的質效與滿足外部監管、公司治理和管理要求的矛盾。

矛盾的形成是系統性的，根因是抽樣審計的方法論和作業方式，是缺少與時俱進的數字化和智能化工具，是缺少對過程和結果的知識總結，以及資源投入不足（人和資金投入不足）。根本的解決方式也在上述四個問題之中，總結下來，監督體系要實現兩個轉變。

一是從從事后到事中、事前轉變，最終實現實時監控和風險預警，將監督關口前移，在此過程中，可首先實現從周期性到持續性轉變，提高時效性；

二是從抽樣到全量的轉變，只有實現了對全級次公司全過程數據的全量審計，且全量審計的模型是有效的，才能從根本上解決問題，達成監管、治理層、管理層的預期。

要解決監督體系的主要矛盾，就要在結果的有效性、時效性，以及覆蓋度上下功夫，做功課。人工智能技術恰是同時兼顧到有效性、時效性、覆蓋度的選擇。

根據對監督、人工智能技術的分析，人工智能在審計監督領域的應用路徑可以概括為“一條主線，兩個方向”，所謂一根主線是全量審計，這是最底層的技術，兩個方向首先是審計的細分領域里，首先要有知識儲備，要有規則化的能力，也要有結合技術抄近路的方法論儲備；其次要跟蹤技術，評估、選擇效果、成本兼具的、投資回報率劃算的落地技術。

一條主線：全量審計

全量審計是區別于抽樣審計的一種方法，因數據量大、成本高而生的抽樣審計碰到了難以逾越的困境，而數據運算、儲備成本的降低使得對全量數據進行審計成為可行。我們執行了大量的全量審計項目，總結出預期、可見即可得、自相似、一致性等全量審計的原則，并因此而演繹出不同的、具體的方法，并與專家對小數據的分析相結合，打通流程，積累了大量的案例。以我們的實踐而論，全量審計的方法論、案例、流程已經具備基礎，后可訓練人工智能，把全量審計推向更廣、更深、更快，也讓企業多樣化場景可以被有效監控起來，人工智能技術會讓全量審計的高門檻變低，讓全量審計的成本變低，具備商業上大范圍應用的基礎。只有全量審計才能讓對全級次單位、全部業務的監督具備基礎。

方向一：審計細分領域知識儲備與規則化

專業側的知識積累、規則提取說起來簡單，最大的是我們的思維障礙，正如用中文說習慣了的東西，突然換成用英文來表達，還要演講，這是巨大的思維跨越，如墻亦如紙，跨過去，或者有方法，如紙，沒有，則如墻。從實踐經驗來看，三種方法可嘗試，很多很頂尖的監督側的專家需要進行思維轉化，或者能有兩棲的專家作為橋梁嫁接技術專家，或者有簡單的工具（如表格化）讓頂尖的專家進行輸出。在專業側，我們提到了“抄近路”，這是一種“上帝視角”，以目標鳥瞰全局，重組要素、方法與流程，此類專家看似可遇不可求，實則不然，思維習慣而已，亦可培養。

方向二：技術跟蹤與落地評估

技術側，受兩方面的影響，一是因業務經營、管理的數字化、智能化的特點變而變，只有工具同頻，才可能做好有效的監督，應該講業務經營、管理側的數字化、智能化的程度和進展要快于監督側；二是技術本身，輸出準確性、穩定性、成本水平共同構成的均衡結果。

一條主線、兩個方向，共同向前走，就會走出人工智能應用之路。

1. 更好還是更快

我們一直以來的觀點是，企業監督應用側的場景，更好（更強功能的實現）比更快（效率的提升）更重要，兩者呈現倍數關系，不能實現的更好效果的效率提升意義不大；在效果不變的情況下，如果能有3-5倍以上的效率，對效率應用的投資才有價值，“投資者”的價值感才會強烈。

2. 復雜性和階段性

審計監督業務具有復雜性，包括輸入信息的復雜性，可能源于多個系統、數據質量不佳，可能會有紙質、電子數據等等，可能會有公司的內部數據，也可能會有來自于外部的公開數據；處理規則的復雜性，用到的方法可能包括對比、歸納、分析等，涉及到大量的制度、規則、要求，以及數據為基礎；輸出結果的復雜性。把審計的過程展開，在輸入-處理-輸出的每個環節，每一次的輸入、處理、輸出，可能會涉及到多次的小的“輸入-處理-輸出”，且涉及到多類技術，如紙質單據需要用OCR來識別、處理、輸出，NLP提取合同關鍵條款，質量不佳的數據需要訓練出足夠聰明的人工智能分類、整理---總體上講，場景雖專，技術卻廣。

道高魔就高，在監督領域，道通常會在魔之后。有效模型的壽命通常不會長，人類智能在應對可理解模型時會更有“智慧”，所以有效模型在被理解之后，問題、風險，以及產生問題和風險的過程、方法就會進化，模型亦需要不斷進化以適應。

基于人工智能技術的進度速度，對輸入-處理-輸出環節的處理總體上會呈現階段性，所以在場景選擇上，要在總體的規劃基礎上，小步快跑，積點呈線，累線成面，不斷迭代，在評估投資回報率時，要用比較短的周期如2-5年來考慮，在下一個周期內，或許在比摩爾定律更快的周期內，會有更便宜、更準確、更穩定的技術應用出現。

3. 高價值場景

在具體場景的選擇上，要考慮業務基礎和技術基礎。業務基礎主要是數據基礎、業務可規則化的程度，在審計場景下，數據的完整性、數據質量不重要，重點是要通過“以用促治”，只有用起來，不完整、不好才能變完整，才能變好。技術基礎是技術的可實現性、穩定性與技術成本。不能不談成本，只談技術，也不能只談技術，不談準確性和穩定性。

審計監督、財務監督有很多場景，也有很多高價值場景，如對境外資產的監督、對金融風險的監督、對招采的監督、對工程項目的監督、對資金的監督、對貿易的監督、對財務信息質量的監督等等。在某些集團內，這些場景或場景的一部分是可以拿出來使用人工智能技術的。

在評估具體的場景時，可按照審計過程展開，考慮技術對方法、路徑影響，做張魚骨圖，評估每一個枝枝叉叉的業務基礎、技術基礎，平衡效果、成本，以最終確定高價值（?。﹫鼍?。

4. 穿透式監管

于穿透式監管，首先是業務問題，其次才是技術問題。于全級次單位中確定重點單位，于全業務、全職能中確定重點領域是穿透式監管中最重要的兩個方面。

對于重點單位的評估，應以指標為核心，以管理報表、財務報表、業務報表為對象，通過報表數據和指標的偏差程度來確定；對于重點領域的評估，應以審計模型為核心，以交易數據、行為數據為對象，進行效果和可行性評估，以確定重點審計領域。

確定重點單位、重點領域需要模型，對于重點單位、重點單位的監管需要更多、更復雜的模型，才能于萬軍中精準打擊“問題與風險”。

在確定兩個重點的模型，以及確定重點后的精準定位模型方面，人工智能技術都能發揮重要作用。

五、寫在最后

對于企業側的人工智能技術，目前比較多的還是私域環境下的專家輔助系統，更快、更精準的找到包括制度、規則、行業知識、案例、Know-how在內的“知識”，或許在人工智能技術足夠便宜的時候，還能訓練出具備頂尖專家水平的“智腦”和“快手”，那是以后的事情，當下需要我們做的，是盯著主要矛盾，順勢而為，不羨魚而結網，探索高價值場景下的應用，從“一”破局。