审计岗位的 AI 化带来一个根本变化：过去靠抽样，现在有了看全量的能力。凭证、流水、合同，AI 可以在短时间内全部过一遍，把可疑记录筛出来供人工复核。抽样的逻辑没有作废，但全量筛查正在改变审计的底稿、节奏与人员的能力要求。能力上得去，覆盖面与底气都不一样。
从抽样到全量的转变
抽样审计的哲学是接受看不见的部分，用样本推断总体；AI 全量筛查把总体全部过了一遍，看不见的部分变小了。实务中的新常态是分层：AI 全量扫异常，人工复核异常项，抽样作为复核质量的自检手段继续存在。注意全量筛查依赖数据完整性，数据不全时仍要回到抽样逻辑，结论表述也要与实际覆盖范围一致。全量不等于万能：数据口径出错时，全量筛查只会系统性地错过同一类问题，源头数据的核对仍然优先。
异常筛查的辅助用法
让 AI 按审计经验设定筛查规则：金额整数化、临近审批权限线的交易、供应商与员工信息重叠、同一发票重复报销、时间异常的审批链。跑出来的异常清单只是线索，不是结论，每条线索都要回到原始凭证核实。误报是常态，规则需要按项目特点调整，几轮迭代后精准度会明显提升。规则之外，也让它对历史异常做归纳，找出人工想不到的模式，比如某类费用总在月底最后一天集中报销。
底稿整理的效率变化
底稿是最耗时的部分：数据核对、交叉索引、说明撰写。AI 能做的包括：把明细账与总账自动核对并标出差异、按模板起草底稿说明初稿、检查底稿之间的勾稽关系。初稿必须人工复核，数字类内容尤其要逐一核对，AI 写得流畅但可能算错。效率提升体现在起草环节，判断与签发仍在审计师。说明初稿里引用的每个数字，让 AI 标注数据来源，复核时顺着出处查，速度快一倍。
审计判断仍然在人
重要性水平的确定、异常是否构成风险、审计意见的类型，这些专业判断不能外包给 AI。AI 的角色是扩展审计师的视野：过去看不到的角落现在能看到，看到的多了，判断的依据更充分。监管对审计独立性与职业怀疑的要求不变，AI 输出不能直接当作审计证据，需按证据准则转化与复核。把筛查的规则与阈值写进底稿，让复核者与监管看到程序是如何执行的，可解释性本身就是质量。
审计人员的能力补充
能力清单上新增几项：数据分析基础（能提出筛查需求并读懂结果）、AI 工具的操作与校验（知道它哪里不可靠）、对被审计单位信息系统的理解（数据从哪来、口径是什么）。传统功力——会计准则、审计准则、职业怀疑——依然是根基，AI 是放大器，根基本身不能省。练手先从最熟悉的科目开始，比如费用类，跑通一个完整流程后，再扩展到收入、存货等复杂科目。
全量筛查会取代抽样审计吗
- AI 筛出的异常都要写进底稿吗？：核实后确有风险的写进底稿并说明处理，误报项记录筛查与排除过程即可，体现程序的完整性；排除依据要写明核对的具体凭证号，一句看了没问题经不起检查。
- 被审计单位不配合提供数据怎么办？：数据受限时按准则执行替代程序，AI 的覆盖范围与局限在底稿中如实说明，替代程序的执行记录同样要完整，这块是监管关注的重点。
- 内部审计适合上 AI 吗？：适合，内部数据可得性好、场景重复度高，从费用报销筛查这类高频场景切入见效最快；推广前做一次小范围并行测试，AI 结果与人工结果对照一轮，确认可靠再放量。
