审计机构应借AI拓宽提问范围,而非缩减负责给出答案的人手
毕马威的试点表明,AI智能体在审视账目方面可以胜过人类,但人工核查仍不可或缺,监管机构也应坚持保留这一环节。

要点
- 试点中,AI智能体提出的问题比会计师更尖锐,但仍需人工干预
- 一个糟糕的问题只需几分钟就能丢弃,而糟糕的审计结论可能导致账目错报,因此AI应位于判断的上游
- 监管机构应要求披露AI使用情况、公布错误率,并明确具名人类签字
毕马威的试点值得认真对待,但不该被当作取代审计师的前奏。我们认为,它证明AI在审计中最有用的地方,是拓宽向管理层提出的问题,而人仍须对答案和结论负责。这家四大会计师事务所之一利用AI智能体审阅了一家富时250指数公司的财务报表,智能体提出的问题比会计师更好。人工干预仍然不可或缺。这个结果的两部分都很重要,政策也应同时反映这两点。
审计的存在,是为了检验一家公司对自己的说法。一个会阅读每一条附注、交叉核对每一个数字且从不疲倦的审阅者,相比一支赶工期、人手紧张的团队,优势显而易见。对该行业的批评者还认为,初级员工有理由避免向付费客户提出令人尴尬的问题。软件没有职业生涯需要维护,这恰恰是应利用它来生成调查线索的理由,而不是把最终判断托付给它的理由。
局限确实存在,而且试点细节并不清楚。我们不知道智能体提出的问题中有多少产生了实际进展,有多少是错的,也不知道人工干预具体做了什么。相关报道还指出,目前很少有公司的数据干净到足以让这类智能体使用。在一家公司进行的一次试点,是一个有希望的结果,而不是一套方法。
最强烈的反对意见关乎激励机制。如果机器能够起草问题,会计师事务所就会受到诱惑,裁掉过去做这些工作的团队,只保留少数签字人,并以更低价格出售质量更低的审计服务。即便AI分析的错误率很低,也意味着所有内容都必须核查;一个自信却错误地断言某事的模型,比一个明显不确定的模型更危险。还有一个人才梯队问题:初级审计师正是通过做如今被交给软件的工作来学习这门手艺。
这些风险很严重,但它们说明的是应如何部署这一工具,而不是将其弃之不用。用于生成问题时,AI自身错误的代价很低:一个糟糕的问题,几分钟就能丢弃;而一个糟糕的结论,却可能让错报的账目摆到投资者面前。花旗集团此前报告的控制失效事件——其英国证券业务部门的交易使用了一个监管机构未批准的内部模型记账,风险加权资产被低估约350亿美元——正是系统化提问者可以瞄准的那类漏洞。我们不知道那个错误是如何被发现的,也不是在声称AI本可以发现它。关键在于,不知疲倦、不怕尴尬的提问值得拥有,前提是必须有合格的人来判断答案意味着什么。
接下来应做三件事。第一,审计监管机构应要求会计师事务所告知审计委员会:审计中何时使用了AI智能体,以及人类对其输出做了什么。第二,会计师事务所应公布试点结果,包括智能体出错的频率,以便对“问题更好”的说法进行检验,而不是想当然。第三,必须有一名具名的合格人士对审计意见承担全部责任,事务所的责任不因其选择的工具而改变。
公司自身也有责任。审计委员会应询问审计师AI如何使用,并要求任何成本节省都体现在审计费用中;财务团队则应着手清理这些工具所需的数据。会计师事务所则应为初级审计师保留培训岗位,因为未来某天将签署审计意见的人,总得从某个地方学会什么样的问题才算好。
本社论代表 Global Eye 24 的立场,借助人工智能撰写,译自英文。发现错误?请写信至 corrections@globaleye24.com.