尧图网页设计 
某国际会计师事务所的资深审计合伙人陈远山坐在办公室里面前是某上市公司连续三年的年报。所有数字都对得上——收入增长曲线平滑、毛利率稳定、现金流与利润匹配。所有凭证都有——合同、发票、物流单据、银行流水四流合一无一缺失。所有流程都合规——审批记录完整、签字盖章齐全、内部控制测试通过。¹但他知道——或者说他强烈怀疑——这些数字可能是AI生成的“完美”假象。他翻遍了所有纸质文件找不到任何破绽。他调用了团队的AI辅助审计工具分析结果全部显示“无异常”。他感到一种前所未有的“无力感”——传统审计工具箱里的所有工具在AI时代似乎都失效了。¹正如SAP Concur高级副总裁Chris Juneau所警告的“这些收据如此令人信服以至于我们告诉客户不要相信你的眼睛。”² SAP Concur是全球最大的费用管理平台之一每月使用人工智能处理超过8,000万项合规检查。² 当专业费用管理平台的高级主管都告诫客户“不要相信肉眼”时审计行业已经到了必须彻底重构的时刻。AI时代的审计需要一次范式级的转型——从“查账本”到“查算法”到“查数据生态”。本章将探讨这一转型的路径与挑战——传统审计为何在AI时代失效“AI审计AI”的实践形态审计师技能如何重构以及审计证据需要什么样的新标准。第一节 传统审计为何在AI时代失效传统审计建立在三个核心支柱之上抽样审计、证据链验证、人工判断。在AI时代这三个支柱正在同时崩塌。抽样审计的局限在AI时代暴露无遗。传统审计依赖抽样——抽查一部分凭证推断整体。这一方法建立在两个假设之上造假是局部的不会覆盖全部交易造假会留下“痕迹”被抽到的假凭证有可识别的异常。AI时代的造假推翻了这两个假设。AI可以做到每一笔交易都“完美”——视觉上无懈可击、逻辑上自洽一致、统计上与真实数据难以区分。抽样查不出系统性问题因为抽到的每一笔都是“正常”的。正如AppZen首席技术官Kunal Verma所言“AI基本上把游戏从‘做一个大到值得冒险的假账’翻转成了‘一堆小到没人会去审查的假账’。”³ AI假收据故意保持在小额区间——中位值32美元平均约100美元——恰好落在大多数企业自动审批的阈值之下。在AI生成的“均匀分布”的假数据面前抽样审计完全失效。³证据链验证逻辑的失效则是更根本性的挑战。传统审计的黄金标准是“四流合一”——合同流、货物流、发票流、资金流相互印证则交易真实可信。但AI可以同时伪造四流——证据链内部完全自洽但整条链都是假的。第五章中已经详细展示了这一过程AI生成的合同、AI伪造的物流单据、AI制作的发票、AI模拟的银行流水——四流彼此印证逻辑无懈可击但交易从未真实发生。核心问题不能只验证证据链的内部一致性还必须验证证据链与物理世界的一致性。当整条链都是AI生成的内部一致性恰恰成了造假的“完美伪装”。人工判断的局限同样不容忽视。审计师的经验和直觉建立在数十年积累的“模式识别”能力之上——见过足够多的真实凭证和假凭证形成了对“正常”与“异常”的直觉判断。但AI生成的假文档在视觉和逻辑上“无懈可击”人类审计师的经验在这个新战场上可能失效。正如注册舞弊审查师协会ACFE研究主任Mason Wilder所指出的“现在没有入场障碍了。你不需要像五年前那样的Photoshop技能——只需几次点击就完成了。”⁴ 当造假变得如此简单造假的数量和种类呈指数级增长人类审计师的经验库已经跟不上造假手法的更新速度。核心问题人类审计师需要AI的帮助来对抗AI。这不是“AI取代审计师”而是“用AI武装审计师”。第二节 “AI审计AI”的实践当造假者已经全面拥抱AI时审计行业必须做出同样的选择——“以AI对抗AI”。连续审计Continuous Auditing是“AI审计AI”的第一种实践形态。传统审计是一年一次的“事后审查”——审计师在财务年度结束后才开始工作发现的问题往往已经造成了不可逆转的损失。连续审计则是实时、持续的监控——AI系统自动扫描所有交易实时标记异常在造假发生的瞬间或发生后极短的时间内发出预警。SAP Concur每月用AI处理超过8,000万项合规检查其AI驱动的审计解决方案已帮助客户识别了数千张AI生成的收据检测率大约是以往检查的18倍。² 金融科技公司Ramp在部署AI驱动的检测工具后的90天内即标记出超过100万美元的欺诈性发票其AI代理每张发票分析63个数据点包括付款历史、供应商详情等。⁵这不是“未来时”——这是“现在时”。异常检测模型的进阶是“AI审计AI”的第二种实践形态。传统异常检测基于规则——“金额超过X万触发告警”“同一供应商连续三天开票触发告警”。这种基于规则的检测容易被AI造假者精准规避——他们知道规则在哪里所以把金额设在阈值之下、把时间分散在多个周期。AI增强的异常检测则完全不同它基于机器学习的行为基线——学习企业交易的“正常模式”然后自动识别任何偏离“正常模式”的交易。深度学习神经网络可以发现人类审计师和规则引擎都难以察觉的复杂模式——例如某个供应商的付款周期、金额分布、商品类别组合看似每笔都“正常”但整体偏离了基线的统计分布。中国证监会2026年专项行动明确部署“强化监管大数据仓库信息查询强化财务舞弊监管AI大模型应用。加快建设财务舞弊非现场监测和发现中心加快建设第三方配合造假监测中心。”⁶这标志着监管审计正在从“人工核查”全面转向“AI初筛人工复核”的分层模式。AI辅助审计工具是“AI审计AI”的第三种实践形态。2025年6月26日英国财务报告理事会FRC发布了首份AI审计指引这是全球主要审计监管机构中最早的系统性指引之一。⁷ 该指引包含两个部分一个假设性AI工具的实施示例——展示了AI如何增强审计工作特别是日记账的潜在舞弊识别以及关于AI工具文档化要求的指引。⁷指引的核心理念具有鲜明的英式风格非规定性non-prescriptive——不规定“必须怎么做”而是通过示例展示“可以怎么做”前瞻性——涵盖范围既包括传统机器学习和深度学习模型也包括生成式AI适度文档化——承认适当的可解释性水平因上下文而异避免过度文档化原则导向——与英国政府的五项AI原则保持一致。⁷FRC监管标准执行董事Mark Babington表示“AI工具正在超越实验阶段在某些审计场景中成为现实。当负责任地部署时它们具有显著提升审计质量、支持市场信心的巨大潜力。”⁷FRC同时发布了一份专题审查报告审视了英国六大审计事务所德勤、安永、毕马威、普华永道、BDO和Forvis Mazars对自动化工具和技术的认证流程。审查发现审计团队正越来越多地使用AI技术进行风险评估和获取证据但六大事务所缺乏对AI驱动工具的最新认证流程和监控能力。审查报告提供了这些流程中的良好实践示例为事务所建立有效的AI治理体系提供了参考。⁷AI检测AI生成内容是“AI审计AI”的第四种实践形态。专门的AI生成内容检测工具通过分析文档的元数据、纹理、语言模式来识别AI生成痕迹。这些系统分析图像文件中的元数据以检测AI来源、文件名和时间戳中的重复模式、更广泛的差旅数据以交叉验证员工的索赔。OpenAI表示通过ChatGPT生成的所有图像都包含隐藏的数字标记——但如果有人对假文件进行截图或翻拍这些标识符可以被删除或遮蔽。因此AI检测工具需要持续进化——正如美国证券交易委员会SEC在2025年的一份报告中所指出的“深度伪造检测仍然是一场军备竞赛检测算法很快就会被改进的合成技术所超越。”⁸第三节 审计师的技能重构当审计工具从“计算器Excel”变成“AI模型算法审计”时审计师的技能结构必须同步重构。从“查账”到“查算法”是第一重转型。未来的审计师不需要成为AI专家——不需要会写代码、不需要会训练模型——但必须能评估AI的风险。这包括理解AI模型的基本原理而不是将其视为“黑箱”评估AI模型验证的充分性模型有没有经过充分的测试有没有偏差审查算法审计的完整性算法的决策逻辑是否可追溯是否有完整的文档记录追溯数据血缘AI使用的数据从哪来经过了哪些加工。从“查数字”到“查生态”是第二重转型。审计师不仅要看数字本身还要看支撑数字的整个数据生态。数字是“果”数据生态是“因”。当审计师面对一份“完美”的财务报表时需要追问的不是“数字对不对”而是“生成这些数字的系统可不可信”。这要求审计师掌握数据完整性验证数据是否被篡改是否有未被记录的修改、多源数据交叉验证同一笔交易在不同系统中的记录是否一致、物理世界-数字世界对照数字记录是否有对应的物理现实。从“事后审计”到“持续监控”是第三重转型。审计不再是一年一次的“年度体检”而是持续嵌入业务流程的“实时监测”。这要求审计师掌握实时数据分析能力、异常检测方法、自动化审计流程设计。正如FRC的AI审计指引所展示的AI工具可以帮助审计师实时识别潜在的舞弊性日记账——审计师的角色从“事后检查者”变成了“实时监控者”。⁷保持“职业怀疑”的AI增强版是第四重转型——也是最根本的转型。传统职业怀疑是对数字和凭证保持警惕——“这个数字看起来不对”“这份凭证可能有猫腻”。AI时代的职业怀疑则扩展到对算法、数据来源、模型输出保持警惕——“这个AI模型的训练数据有没有偏差”“这个AI输出有没有被提示注入攻击”“这个AI系统的权限设置是否遵循了最小权限原则”PCAOB在2024年6月发布了修订案澄清了其在审计证据标准AS 1105和应对重大错报风险标准AS 2301中关于“涉及技术辅助分析的审计程序”的要求。⁹ 修订旨在“降低在审计中使用技术辅助分析的审计师可能在没有获得充分适当审计证据的情况下发表意见的风险”。⁹ 修订案待SEC批准后将于2025年12月15日之后开始的财年生效。PCAOB已将技术依赖型控制和审计师使用自动化工具列为重点审查领域。2025年底PCAOB发布了后续工作人员指引就AS 1105下电子信息的可靠性评估提供了具体示例。核心原则不要盲目相信AI的输出——验证、验证、再验证。AI可以告诉你“数据正常”但只有你能判断“逻辑合理”。AI可以生成完美的分析报告但只有你能发现“这不符合我认识的这家公司”。第四节 审计证据的新标准AI生成的文档能否作为有效审计证据这个问题正在迫使审计准则制定机构重新思考“审计证据”的定义。传统标准审计证据的可靠性取决于三个因素——原始凭证第一手资料比复印件更可靠、第三方确认来自独立第三方的证据比来自被审计单位的更可靠、物理痕迹有物理实物的证据比纯数字的证据更可靠。AI时代的挑战AI生成的文档在视觉上“完美”但可能是伪造的。第三方确认可能来自AI生成的假供应商。物理痕迹可能被AI生成的假物流记录替代。传统的“可靠性”判断标准正在失效。需要新标准不仅看文档本身还要看文档的来源、生成过程、数字指纹。一份AI生成的文档如果其元数据完整可追溯、生成过程有完整的审计日志、数字指纹与声明来源一致——它可能是可靠的。反之一份看起来“完美”的纸质文档如果无法追溯其数字来源、缺乏生成过程的记录——它可能恰恰是最不可靠的。审计证据的“数字指纹”是建立新标准的基础。每个AI生成的文档应包含可追溯的元数据——生成时间、模型版本、输入数据、输出参数。建立“数字证据链”——从原始数据到最终报告每一步都可追溯、可验证、可审计。正如FRC的AI审计指引所指出的AI模型的“黑箱”特性增强了围绕工具治理、开发及其设计如何实现适当可解释性的清晰文档的重要性。⁷PCAOB的AS 1105明确指出公司生成的信息以及公司从一个或多个外部来源以电子形式接收的信息当公司对该信息的控制——包括其信息技术一般控制和自动化应用控制——有效时更加可靠。⁹这一表述为AI生成的审计证据提供了判断框架可靠性取决于生成过程的控制有效性而非文档本身的外观。对审计准则的影响是深远的。PCAOB、IAASB等准则制定机构需要更新审计证据标准。PCAOB的AS 1105审计证据和AS 1000职业怀疑已成为评估AI风险的焦点。PCAOB在2025年的SEIAG咨询小组会议上强调审计事务所正在部署AI工具来评估全量日记账并以前所未有的规模分析数据。¹⁰ PCAOB主席Erica Williams明确表示审计行业需要“清晰、基于原则的指引”包括模型验证、文档化和质量控制的框架。¹⁰AI时代的审计正在经历一场深刻的范式转型。传统审计的三个支柱——抽样审计、证据链验证、人工判断——在AI生成的“完美”假象面前正在崩塌。而新的支柱正在形成连续审计取代年度审查全量数据分析取代抽样检查数据生态验证取代证据链验证算法审计取代账本审计AI增强的职业怀疑取代传统的职业怀疑。正如FRC在发布其里程碑式AI审计指引时所言“AI工具正在超越实验阶段在某些审计场景中成为现实。当负责任地部署时它们具有显著提升审计质量、支持市场信心的巨大潜力。”⁷ 但这一潜力能否实现取决于审计行业能否完成从“查账本”到“查算法”到“查生态”的彻底转型。SAP Concur高级副总裁Chris Juneau的警告值得每个审计师铭记“不要相信你的眼睛。”在AI时代视觉可信度已经不再可信。真正可信的是能够经受算法验证、数据血缘追溯和物理世界交叉验证的证据。审计师的未来不在于更仔细地“看”而在于更深入地“查”——查算法、查数据、查生态。注释¹开篇关于审计合伙人陈远山面对“完美”财务报表感到无力感的情节系为阐释主题而设计的虚构案例并非真实发生的事件。该情节用于说明传统审计工具在AI时代的局限性。²SAP Concur高级副总裁Chris Juneau关于“不要相信你的眼睛”的警告引自2025年10月PYMNTS的采访报道。SAP Concur每月处理超过8,000万项合规检查的数据及相关AI检测率数据引自SAP Concur公开信息。³AppZen首席技术官Kunal Verma关于AI将造假从“大额假账”翻转为“小额假账”的评论引自2026年6月相关行业报道。AI假收据中位值32美元、平均约100美元的数据来源于AppZen公开报告。⁴注册舞弊审查师协会ACFE研究主任Mason Wilder关于“现在没有入场障碍了”的评论引自ACFE相关研究报道。⁵来源于金融科技公司Ramp的公开数据其AI驱动的应付账款检测工具在90天内标记出超过100万美元的欺诈性发票每张发票分析63个数据点。⁶来源于中国证监会2026年4月部署的打击和防范上市公司财务造假专项行动。证监会明确要求“强化监管大数据仓库信息查询强化财务舞弊监管AI大模型应用。加快建设财务舞弊非现场监测和发现中心加快建设第三方配合造假监测中心。”⁷来源于英国财务报告理事会FRC于2025年6月26日发布的首份AI审计指引。该指引包含假设性AI工具实施示例及AI工具文档化要求。FRC监管标准执行董事Mark Babington的评论及六大事务所审查报告的相关内容引自同一发布。⁸来源于美国证券交易委员会SEC2025年的一份报告指出“深度伪造检测仍然是一场军备竞赛检测算法很快就会被改进的合成技术所超越。”⁹来源于PCAOB于2024年6月发布的审计证据标准AS 1105和应对重大错报风险标准AS 2301的修订案。修订澄清了“涉及技术辅助分析的审计程序”的要求待SEC批准后于2025年12月15日之后开始的财年生效。¹⁰来源于PCAOB于2025年的SEIAGStandards and Emerging Issues Advisory Group咨询小组会议的相关内容。PCAOB主席Erica Williams关于审计行业需要“清晰、基于原则的指引”的表述引自该会议。 第十三章 AI时代的审计重构——从“查账本”到“查算法”到“查生态”
某国际会计师事务所的资深审计合伙人陈远山坐在办公室里面前是某上市公司连续三年的年报。所有数字都对得上——收入增长曲线平滑、毛利率稳定、现金流与利润匹配。所有凭证都有——合同、发票、物流单据、银行流水四流合一无一缺失。所有流程都合规——审批记录完整、签字盖章齐全、内部控制测试通过。¹但他知道——或者说他强烈怀疑——这些数字可能是AI生成的“完美”假象。他翻遍了所有纸质文件找不到任何破绽。他调用了团队的AI辅助审计工具分析结果全部显示“无异常”。他感到一种前所未有的“无力感”——传统审计工具箱里的所有工具在AI时代似乎都失效了。¹正如SAP Concur高级副总裁Chris Juneau所警告的“这些收据如此令人信服以至于我们告诉客户不要相信你的眼睛。”² SAP Concur是全球最大的费用管理平台之一每月使用人工智能处理超过8,000万项合规检查。² 当专业费用管理平台的高级主管都告诫客户“不要相信肉眼”时审计行业已经到了必须彻底重构的时刻。AI时代的审计需要一次范式级的转型——从“查账本”到“查算法”到“查数据生态”。本章将探讨这一转型的路径与挑战——传统审计为何在AI时代失效“AI审计AI”的实践形态审计师技能如何重构以及审计证据需要什么样的新标准。第一节 传统审计为何在AI时代失效传统审计建立在三个核心支柱之上抽样审计、证据链验证、人工判断。在AI时代这三个支柱正在同时崩塌。抽样审计的局限在AI时代暴露无遗。传统审计依赖抽样——抽查一部分凭证推断整体。这一方法建立在两个假设之上造假是局部的不会覆盖全部交易造假会留下“痕迹”被抽到的假凭证有可识别的异常。AI时代的造假推翻了这两个假设。AI可以做到每一笔交易都“完美”——视觉上无懈可击、逻辑上自洽一致、统计上与真实数据难以区分。抽样查不出系统性问题因为抽到的每一笔都是“正常”的。正如AppZen首席技术官Kunal Verma所言“AI基本上把游戏从‘做一个大到值得冒险的假账’翻转成了‘一堆小到没人会去审查的假账’。”³ AI假收据故意保持在小额区间——中位值32美元平均约100美元——恰好落在大多数企业自动审批的阈值之下。在AI生成的“均匀分布”的假数据面前抽样审计完全失效。³证据链验证逻辑的失效则是更根本性的挑战。传统审计的黄金标准是“四流合一”——合同流、货物流、发票流、资金流相互印证则交易真实可信。但AI可以同时伪造四流——证据链内部完全自洽但整条链都是假的。第五章中已经详细展示了这一过程AI生成的合同、AI伪造的物流单据、AI制作的发票、AI模拟的银行流水——四流彼此印证逻辑无懈可击但交易从未真实发生。核心问题不能只验证证据链的内部一致性还必须验证证据链与物理世界的一致性。当整条链都是AI生成的内部一致性恰恰成了造假的“完美伪装”。人工判断的局限同样不容忽视。审计师的经验和直觉建立在数十年积累的“模式识别”能力之上——见过足够多的真实凭证和假凭证形成了对“正常”与“异常”的直觉判断。但AI生成的假文档在视觉和逻辑上“无懈可击”人类审计师的经验在这个新战场上可能失效。正如注册舞弊审查师协会ACFE研究主任Mason Wilder所指出的“现在没有入场障碍了。你不需要像五年前那样的Photoshop技能——只需几次点击就完成了。”⁴ 当造假变得如此简单造假的数量和种类呈指数级增长人类审计师的经验库已经跟不上造假手法的更新速度。核心问题人类审计师需要AI的帮助来对抗AI。这不是“AI取代审计师”而是“用AI武装审计师”。第二节 “AI审计AI”的实践当造假者已经全面拥抱AI时审计行业必须做出同样的选择——“以AI对抗AI”。连续审计Continuous Auditing是“AI审计AI”的第一种实践形态。传统审计是一年一次的“事后审查”——审计师在财务年度结束后才开始工作发现的问题往往已经造成了不可逆转的损失。连续审计则是实时、持续的监控——AI系统自动扫描所有交易实时标记异常在造假发生的瞬间或发生后极短的时间内发出预警。SAP Concur每月用AI处理超过8,000万项合规检查其AI驱动的审计解决方案已帮助客户识别了数千张AI生成的收据检测率大约是以往检查的18倍。² 金融科技公司Ramp在部署AI驱动的检测工具后的90天内即标记出超过100万美元的欺诈性发票其AI代理每张发票分析63个数据点包括付款历史、供应商详情等。⁵这不是“未来时”——这是“现在时”。异常检测模型的进阶是“AI审计AI”的第二种实践形态。传统异常检测基于规则——“金额超过X万触发告警”“同一供应商连续三天开票触发告警”。这种基于规则的检测容易被AI造假者精准规避——他们知道规则在哪里所以把金额设在阈值之下、把时间分散在多个周期。AI增强的异常检测则完全不同它基于机器学习的行为基线——学习企业交易的“正常模式”然后自动识别任何偏离“正常模式”的交易。深度学习神经网络可以发现人类审计师和规则引擎都难以察觉的复杂模式——例如某个供应商的付款周期、金额分布、商品类别组合看似每笔都“正常”但整体偏离了基线的统计分布。中国证监会2026年专项行动明确部署“强化监管大数据仓库信息查询强化财务舞弊监管AI大模型应用。加快建设财务舞弊非现场监测和发现中心加快建设第三方配合造假监测中心。”⁶这标志着监管审计正在从“人工核查”全面转向“AI初筛人工复核”的分层模式。AI辅助审计工具是“AI审计AI”的第三种实践形态。2025年6月26日英国财务报告理事会FRC发布了首份AI审计指引这是全球主要审计监管机构中最早的系统性指引之一。⁷ 该指引包含两个部分一个假设性AI工具的实施示例——展示了AI如何增强审计工作特别是日记账的潜在舞弊识别以及关于AI工具文档化要求的指引。⁷指引的核心理念具有鲜明的英式风格非规定性non-prescriptive——不规定“必须怎么做”而是通过示例展示“可以怎么做”前瞻性——涵盖范围既包括传统机器学习和深度学习模型也包括生成式AI适度文档化——承认适当的可解释性水平因上下文而异避免过度文档化原则导向——与英国政府的五项AI原则保持一致。⁷FRC监管标准执行董事Mark Babington表示“AI工具正在超越实验阶段在某些审计场景中成为现实。当负责任地部署时它们具有显著提升审计质量、支持市场信心的巨大潜力。”⁷FRC同时发布了一份专题审查报告审视了英国六大审计事务所德勤、安永、毕马威、普华永道、BDO和Forvis Mazars对自动化工具和技术的认证流程。审查发现审计团队正越来越多地使用AI技术进行风险评估和获取证据但六大事务所缺乏对AI驱动工具的最新认证流程和监控能力。审查报告提供了这些流程中的良好实践示例为事务所建立有效的AI治理体系提供了参考。⁷AI检测AI生成内容是“AI审计AI”的第四种实践形态。专门的AI生成内容检测工具通过分析文档的元数据、纹理、语言模式来识别AI生成痕迹。这些系统分析图像文件中的元数据以检测AI来源、文件名和时间戳中的重复模式、更广泛的差旅数据以交叉验证员工的索赔。OpenAI表示通过ChatGPT生成的所有图像都包含隐藏的数字标记——但如果有人对假文件进行截图或翻拍这些标识符可以被删除或遮蔽。因此AI检测工具需要持续进化——正如美国证券交易委员会SEC在2025年的一份报告中所指出的“深度伪造检测仍然是一场军备竞赛检测算法很快就会被改进的合成技术所超越。”⁸第三节 审计师的技能重构当审计工具从“计算器Excel”变成“AI模型算法审计”时审计师的技能结构必须同步重构。从“查账”到“查算法”是第一重转型。未来的审计师不需要成为AI专家——不需要会写代码、不需要会训练模型——但必须能评估AI的风险。这包括理解AI模型的基本原理而不是将其视为“黑箱”评估AI模型验证的充分性模型有没有经过充分的测试有没有偏差审查算法审计的完整性算法的决策逻辑是否可追溯是否有完整的文档记录追溯数据血缘AI使用的数据从哪来经过了哪些加工。从“查数字”到“查生态”是第二重转型。审计师不仅要看数字本身还要看支撑数字的整个数据生态。数字是“果”数据生态是“因”。当审计师面对一份“完美”的财务报表时需要追问的不是“数字对不对”而是“生成这些数字的系统可不可信”。这要求审计师掌握数据完整性验证数据是否被篡改是否有未被记录的修改、多源数据交叉验证同一笔交易在不同系统中的记录是否一致、物理世界-数字世界对照数字记录是否有对应的物理现实。从“事后审计”到“持续监控”是第三重转型。审计不再是一年一次的“年度体检”而是持续嵌入业务流程的“实时监测”。这要求审计师掌握实时数据分析能力、异常检测方法、自动化审计流程设计。正如FRC的AI审计指引所展示的AI工具可以帮助审计师实时识别潜在的舞弊性日记账——审计师的角色从“事后检查者”变成了“实时监控者”。⁷保持“职业怀疑”的AI增强版是第四重转型——也是最根本的转型。传统职业怀疑是对数字和凭证保持警惕——“这个数字看起来不对”“这份凭证可能有猫腻”。AI时代的职业怀疑则扩展到对算法、数据来源、模型输出保持警惕——“这个AI模型的训练数据有没有偏差”“这个AI输出有没有被提示注入攻击”“这个AI系统的权限设置是否遵循了最小权限原则”PCAOB在2024年6月发布了修订案澄清了其在审计证据标准AS 1105和应对重大错报风险标准AS 2301中关于“涉及技术辅助分析的审计程序”的要求。⁹ 修订旨在“降低在审计中使用技术辅助分析的审计师可能在没有获得充分适当审计证据的情况下发表意见的风险”。⁹ 修订案待SEC批准后将于2025年12月15日之后开始的财年生效。PCAOB已将技术依赖型控制和审计师使用自动化工具列为重点审查领域。2025年底PCAOB发布了后续工作人员指引就AS 1105下电子信息的可靠性评估提供了具体示例。核心原则不要盲目相信AI的输出——验证、验证、再验证。AI可以告诉你“数据正常”但只有你能判断“逻辑合理”。AI可以生成完美的分析报告但只有你能发现“这不符合我认识的这家公司”。第四节 审计证据的新标准AI生成的文档能否作为有效审计证据这个问题正在迫使审计准则制定机构重新思考“审计证据”的定义。传统标准审计证据的可靠性取决于三个因素——原始凭证第一手资料比复印件更可靠、第三方确认来自独立第三方的证据比来自被审计单位的更可靠、物理痕迹有物理实物的证据比纯数字的证据更可靠。AI时代的挑战AI生成的文档在视觉上“完美”但可能是伪造的。第三方确认可能来自AI生成的假供应商。物理痕迹可能被AI生成的假物流记录替代。传统的“可靠性”判断标准正在失效。需要新标准不仅看文档本身还要看文档的来源、生成过程、数字指纹。一份AI生成的文档如果其元数据完整可追溯、生成过程有完整的审计日志、数字指纹与声明来源一致——它可能是可靠的。反之一份看起来“完美”的纸质文档如果无法追溯其数字来源、缺乏生成过程的记录——它可能恰恰是最不可靠的。审计证据的“数字指纹”是建立新标准的基础。每个AI生成的文档应包含可追溯的元数据——生成时间、模型版本、输入数据、输出参数。建立“数字证据链”——从原始数据到最终报告每一步都可追溯、可验证、可审计。正如FRC的AI审计指引所指出的AI模型的“黑箱”特性增强了围绕工具治理、开发及其设计如何实现适当可解释性的清晰文档的重要性。⁷PCAOB的AS 1105明确指出公司生成的信息以及公司从一个或多个外部来源以电子形式接收的信息当公司对该信息的控制——包括其信息技术一般控制和自动化应用控制——有效时更加可靠。⁹这一表述为AI生成的审计证据提供了判断框架可靠性取决于生成过程的控制有效性而非文档本身的外观。对审计准则的影响是深远的。PCAOB、IAASB等准则制定机构需要更新审计证据标准。PCAOB的AS 1105审计证据和AS 1000职业怀疑已成为评估AI风险的焦点。PCAOB在2025年的SEIAG咨询小组会议上强调审计事务所正在部署AI工具来评估全量日记账并以前所未有的规模分析数据。¹⁰ PCAOB主席Erica Williams明确表示审计行业需要“清晰、基于原则的指引”包括模型验证、文档化和质量控制的框架。¹⁰AI时代的审计正在经历一场深刻的范式转型。传统审计的三个支柱——抽样审计、证据链验证、人工判断——在AI生成的“完美”假象面前正在崩塌。而新的支柱正在形成连续审计取代年度审查全量数据分析取代抽样检查数据生态验证取代证据链验证算法审计取代账本审计AI增强的职业怀疑取代传统的职业怀疑。正如FRC在发布其里程碑式AI审计指引时所言“AI工具正在超越实验阶段在某些审计场景中成为现实。当负责任地部署时它们具有显著提升审计质量、支持市场信心的巨大潜力。”⁷ 但这一潜力能否实现取决于审计行业能否完成从“查账本”到“查算法”到“查生态”的彻底转型。SAP Concur高级副总裁Chris Juneau的警告值得每个审计师铭记“不要相信你的眼睛。”在AI时代视觉可信度已经不再可信。真正可信的是能够经受算法验证、数据血缘追溯和物理世界交叉验证的证据。审计师的未来不在于更仔细地“看”而在于更深入地“查”——查算法、查数据、查生态。注释¹开篇关于审计合伙人陈远山面对“完美”财务报表感到无力感的情节系为阐释主题而设计的虚构案例并非真实发生的事件。该情节用于说明传统审计工具在AI时代的局限性。²SAP Concur高级副总裁Chris Juneau关于“不要相信你的眼睛”的警告引自2025年10月PYMNTS的采访报道。SAP Concur每月处理超过8,000万项合规检查的数据及相关AI检测率数据引自SAP Concur公开信息。³AppZen首席技术官Kunal Verma关于AI将造假从“大额假账”翻转为“小额假账”的评论引自2026年6月相关行业报道。AI假收据中位值32美元、平均约100美元的数据来源于AppZen公开报告。⁴注册舞弊审查师协会ACFE研究主任Mason Wilder关于“现在没有入场障碍了”的评论引自ACFE相关研究报道。⁵来源于金融科技公司Ramp的公开数据其AI驱动的应付账款检测工具在90天内标记出超过100万美元的欺诈性发票每张发票分析63个数据点。⁶来源于中国证监会2026年4月部署的打击和防范上市公司财务造假专项行动。证监会明确要求“强化监管大数据仓库信息查询强化财务舞弊监管AI大模型应用。加快建设财务舞弊非现场监测和发现中心加快建设第三方配合造假监测中心。”⁷来源于英国财务报告理事会FRC于2025年6月26日发布的首份AI审计指引。该指引包含假设性AI工具实施示例及AI工具文档化要求。FRC监管标准执行董事Mark Babington的评论及六大事务所审查报告的相关内容引自同一发布。⁸来源于美国证券交易委员会SEC2025年的一份报告指出“深度伪造检测仍然是一场军备竞赛检测算法很快就会被改进的合成技术所超越。”⁹来源于PCAOB于2024年6月发布的审计证据标准AS 1105和应对重大错报风险标准AS 2301的修订案。修订澄清了“涉及技术辅助分析的审计程序”的要求待SEC批准后于2025年12月15日之后开始的财年生效。¹⁰来源于PCAOB于2025年的SEIAGStandards and Emerging Issues Advisory Group咨询小组会议的相关内容。PCAOB主席Erica Williams关于审计行业需要“清晰、基于原则的指引”的表述引自该会议。