在数字经济与智能审计战略深度融合的背景下，人工智能技术正加速重塑审计机关的监督模式，推动审计从“人工抽样”向“全量分析”、从“事后监督”向“实时预警”转型。结合审计实际分析人工智能应用的风险情况，有助于推动审计智能化转型。

一、人工智能审计的风险类型

（一）技术维度风险

1.技术适配性与算法可靠性风险。当前主流AI模型多基于通用数据训练，缺乏审计的专业数据与业务规则，难以精准识别基层特有的风险点。人工智能审计的核心是算法模型，而审计机关普遍缺乏算法研发、调试、校验能力，极易引发算法失真、模型偏见、结果不可解释等风险。

2.技术依赖与职业判断弱化风险。引入AI后，在审计效率提升的同时，也容易让审计人员形成路径依赖：过度相信系统提示、过度依赖智能筛查，忽视了现场实地勘查、访谈核实等关键环节。若将输出结果直接作为审计证据，不进行人工复核、不与被审计单位沟通核实，导致数据正确但定性错误，出现程序合规但实质风险失控问题，长期将削弱审计队伍专业判断能力与风险敏感性。

（二）数据维度风险

1.数据质量与治理风险。部分单位财务系统、业务系统长期不维护，存在缺项、错填、重复、逻辑矛盾，低质量数据输入AI模型，直接导致“垃圾进、垃圾出”，智能分析结果全面失真，形成系统性误判。

2.数据安全与合规风险。审计机关掌握大量敏感信息：财政资金流向、人员信息、民生补贴对象信息、工程项目涉密资料等。一旦发生泄露，既侵犯公民个人信息，又影响财政资金安全。

3.数据壁垒与共享困境。跨部门数据共享是人工智能审计的前提，但数据权属不清、管理责任不明，部门以保密、隐私、内部管理为由拒绝提供，导致审计机关无法获取外部关联数据进行交叉验证，极大地限制了人工智能审计的深度与广度，使其沦为“孤岛数据”的分析工具。

（三）人才维度风险

1.复合型人才结构性短缺。审计机关普遍存在“三多三少”现象：传统财务会计人才多，数据分析人才少；年长审计人员多，年轻技术人才少；通用管理人才多，人工智能算法专家少。人才短板直接导致数字化工具利用率低下。

2.人才培养与实践机制缺失。培训多停留在软件操作层面，缺乏对数据思维、算法逻辑、风险控制的系统性培训。同时缺少针对审计场景的实操训练，最终形成“会上手、不会深究；会操作、不会控险”的局面。

（四）制度与合规风险

1.制度规范缺失风险。人工智能审计属于新型监督方式，目前普遍缺乏智能审计操作规范、AI审计证据认定标准等配套制度，导致人工智能审计工作无章可循，审计底稿编制不规范，质量控制存在漏洞。

2.法律合规与伦理风险。人工智能审计涉及个人信息保护法、数据安全法、保守国家秘密法、审计法等多重法律边界。超范围采集数据、未脱敏使用个人信息、违规留存敏感数据等，一旦触碰法律红线，审计机关将从监督者变为被追责对象。

3.责任界定模糊风险。AI审计引入了“数据—模型—人员”的多重变量。一旦出现审计失败，难以界定是数据错误、模型缺陷还是人员失职，质量控制存在漏洞。

二、人工智能审计风险的防控路径

（一）技术层面：坚持“实用、可控、安全”原则

1.推行“小切口、场景化”技术应用策略。摒弃贪大求全的思路，聚焦财政直达资金、民生补贴等高频高风险场景，开发轻量化、模块化的审计模型。优先选用经过上级审计机关验证、开源可控或本地化部署的工具，避免盲目引入昂贵复杂的通用系统。

2.建立人机协同双重校验机制。严格执行“大数据筛查+人工复核”模式。AI负责海量数据的初筛与线索提取，人工负责深度核查、定性判断与现场取证。所有AI结论必须形成书面复核意见，纳入审计底稿归档，确保技术结果服从专业判断。

（二）数据层面：构建全域数据治理体系

1.打破数据壁垒，实现协同共享。建立跨部门的数据共享协调机制，制定统一的数据标准与共享目录。依法依规获取财政、民政、工商、医保等外部数据，丰富分析维度。推行“数据申请—审核—使用—反馈”的闭环管理。

2.严把数据质量关，实施分级分类管理。建立数据清洗、校验、标准化流程，定期开展数据质量评估。对数据实行分级分类管理，严格区分公开数据、内部数据与敏感数据，落实脱敏处理与访问权限控制，确保数据在合规范围内使用。

（三）人才层面：打造复合型人才梯队

构建分层分类培养体系。针对管理层，重点培养数据战略思维与风险管控能力；针对业务骨干，重点开展数据分析、SQL编程、AI工具应用的实战化培训；针对技术人员，重点加强算法理解、系统维护与安全技术培训。

（四）制度层面：完善全流程合规管控体系

加快制度体系建设。明确操作流程、责任边界、证据标准与保密要求，实现有法可依、有章可循。健全质量控制与责任追溯机制。完善审计项目质量控制体系，将AI审计环节纳入质量控制检查范围。明确责任划分，坚持以人为本，对因数据错误、模型滥用或人为疏忽导致的后果，依法依规追究责任。

简而言之，围绕审计项目全流程实施场景，将人工智能技术嵌入实施必将成为发展趋势，掌握好风险的类别与防控措施，有助于提升审计数据处理效率，拓展分析深度，推动审计工作方式向智能化、协同化方向转型，筑牢审计安全防线。彭馨娇