会计审计上 AI：从抽到就查到先筛可疑，签字责任未转移

一家中型企业一个月两万张凭证，审计项目组四个人，现场十天。按传统抽样，抽百分之五已经是极限，剩下的只能靠内部控制的评价间接覆盖。AI 介入之后，第一步变化不在结论，在范围：全量跑一遍异常筛查，把「抽到就查」改成「先筛出可疑的再查」。这一步改变了时间分配，也带来新问题——筛出来的东西，谁来判断，谁来签字。

审计思路变了，证据要求没变

抽样的逻辑建立在统计上：样本能代表总体，前提是随机抽取、总体同质。它的软肋是抽样风险——问题如果集中在未被抽中的部分，抽样看不出来。全量筛查绕开这个软肋，把每一笔都过一遍模型，按异常分数排序，人从上往下查。

但排序不等于结论。模型给出的是「这笔和多数同类不一样」，不是「这笔有问题」。差异可能来自业务本身：新开的供应商、季节性的大额采购、跨期调整。审计师要做的判断没有减少，只是从「找」变成了「解释」。

先筛可疑，签字还在人手上

从票据进来到报告签发，每一段的成熟度差别很大：

成熟度最高的是第一行和第三行，它们本质上是格式转换和匹配，错了容易发现。第四行价值最大，也最容易被误用——一份按分数排序的清单看着像结论，实际只是待办。第五行的每个格子都指向同一个问题：底稿可以被生成，意见不能被生成。

全量筛查把「选样」换成了「排序」

过去的抽样有一个隐藏成本：抽到的样本要一条条手工核，所以样本量被压得很小。全量筛查把这个成本降下来，代价转移到另一端——误报。规则定得松，清单几百条，人看不过来；定得紧，漏掉真正的问题。阈值定在哪，本身就是专业判断。

更麻烦的是新型手法。模型学的是历史数据里的模式，第一次出现的舞弊没有先例可循，异常分数可能很低。这类「未知的未知」，基于历史的方法都覆盖不到。所以全量筛查的定位是补充：它扩大覆盖，抽样和职业怀疑仍然要保留。

每条筛查结果还得说清「因为什么被判为异常」，否则写不进底稿，也无法向项目合伙人解释。可解释性方法的分层讲的就是这个梯度：从能给出理由，到只能给出相关性，可用性差得很远。

签字那一笔，为什么必须落在人手上

执业资格是法律设定的门槛，签字注册会计师对报告负责，这个责任不会因为用了工具就分摊给工具。审计准则要求证据充分且适当，充分指数量，适当指相关与可靠——一段模型输出既没有来源说明，也无法被对方质证，很难单独构成适当证据。

还有一层现实约束：管理层声明、函证回函、实物盘点，这些程序需要人去沟通、去现场。AI 可以帮你把函证地址整理好、把差异标出来，发函和判断回函异常仍然是人。责任跟着签字走，签字跟着判断走，判断需要能解释的理由，这条链上任何一环交给模型都会断。

复核这一关，自动化只能做到一半

复核看三件事：程序有没有按计划执行、异常有没有被解释、结论和证据对不对得上。前两件可以靠系统留痕和清单核对，第三件不行。判断「这个解释站得住吗」需要经验：这个行业的毛利水平、这家公司的历史表现、这个客户的口碑。

所以工具在复核环节的位置是提示：把没写解释的条目挑出来、把金额偏离历史区间的挑出来、把同一供应商疑似拆单的挑出来。复核人省下的是翻找时间，省不下的是判断时间。

想让这条链路跑顺，前端得先把规则写清楚。凭证流水线的自动化程度，取决于分类规则覆盖了多少业务场景；这部分工作在智能体接手固定流程的实践里有更细的拆法，边界一样：规则之外的事回到人。

一家小事务所怎么起步

不必一上来就上系统。先从重复度最高、错了最容易发现的环节切入：票据录入、银行对账、发票查重。这三块见效快，出错也能被下一道工序拦住。跑顺了再往异常筛查走。

三条底线要提前立好。金额计算必须复核，模型算错和算对时一样自信，进报表的数字都要有人重算一遍。客户数据不能随手贴进公开的聊天窗口，涉及身份信息、银行账号的，走有数据处理约定的企业方案。每条结论留痕，能回溯到原始凭证和判断依据，否则底稿过不了检查。

还有一条常被忽略：别让模型替你引用准则条文。它会把条号写得像真的，实际对不上。AI 幻觉的典型形态里讲过这类「格式正确、内容虚构」的输出，凡是要写进底稿的引用，都得回到原文核一遍。

速查：审计用 AI 的四条界线

• 全量筛查改变的是覆盖面，不是证据标准
• 清单上的每一条都要有人写解释，解释不到位的不能进底稿
• 金额计算一律重算，不看模型的语气
• 准则条文、条号、日期，回原文核对后再引用
• 报告签字与意见形成，只能由有资格的人完成