人工智能时代下审计数据治理的路径
党的二十届四中全会通过的《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》提出，“加快人工智能等数智技术创新，突破基础理论和核心技术，强化算力、算法、数据等高效供给”。当前，审计数据治理面临数据量倍增、数据处理复杂化等挑战，本文提出了人工智能环境下的审计数据治理架构模型、运用机器学习等手段提升数据质量水平的技术路径。
审计数据治理面临的挑战
多源异构数据融合难题。人工智能审计数据来源广泛且异构性强。审计数据不仅涵盖企业财务系统、业务运营系统等产生的结构化数据，还包含大量非结构化数据，如图像影像、音频数据等。结构化数据因有预先定义的格式与组织形式，存储和查询较为便捷。非结构化数据格式无规律，处理难度远超结构化数据。此外，异源的结构化数据也会存在数据格式、数据编码、数据字典不统一的情况。
例如，在集团大型审计项目中，多源异构数据融合的困难尤为突出。审计工作需要将不同类型、分布在不同区域的子公司数据进行融合。但数据融合的阻碍，导致审计人员难以快速、准确收集完整信息，进而影响审计工作效率与质量，出现审计时间延长、审计线索遗漏等情况。
算法黑箱导致的审计线索可解释性缺失问题。人工智能算法在审计风险预测、异常识别等领域广泛应用，算法黑箱问题日益凸显。以机器学习算法中常用的人工神经网络为例，其结构复杂，包含众多神经元和隐藏层。输入数据经多次非线性转换计算后输出结果，但模型内部计算过程难以直接观测。
审计工作对可解释性要求极高，而算法黑箱使审计线索不可解释。当人工智能对某一交易做出风险预警时，若仅依据部分未知特征与逻辑，审计人员无法知晓其判断依据。这既增加了审计人员验证结果的工作成本，又可能导致审计人员过度依赖或盲目质疑人工智能结果，限制了人工智能审计的发展。例如，在金融业信贷风险审计中，若用深度学习模型对贷款申请进行风险评估，一旦模型对风险度评估结果为高风险，则审计人员难以确定模型是依据什么特征、什么逻辑做出的这一评估决定，审计人员很难进一步核对风险的客观度与真实性。
实时数据处理中的资源动态分配难题。实时审计要求智能审计系统对海量实时数据进行实时处理，及时发现潜在风险。但实时数据流量具有不确定性，存在数据高峰期和数据谷底时段，二者数据量相差数倍甚至数十倍。同时，不同审计任务对资源需求各异，且随着任务推进，资源需求也在变化。
传统的静态资源分配方式无法满足实时数据处理要求。若按最高数据流量或最复杂审计任务需求静态配备资源，在数据流量小或简单任务期间会造成资源浪费；若资源配备不足，在数据流量大或复杂任务期间会导致数据处理延迟，甚至系统瘫痪。例如，在证券交易市场实时审计时，若市场交易高发期间未能及时动态分配足额资源，可能错失审计最佳时机，无法及时识别市场操控等不正当行为。
智能审计数据治理路径
针对以上审计数据治理中出现的问题，本文提出智能审计数据治理架构模型，并将其分层，主要包含数据湖层、智能引擎层、治理控制层、应用服务层。
数据湖层是整个智能化审计数据治理框架的基础，用于收集来自于企业内外部的多模态数据。通过数据清洗的算法或工具对数据进行清洗，如去除重复数据、缺失数据补录、修正错误数据等，并根据统一的数据规范，对数据进行格式转换和编码，如将不同财务软件导出的财务数据，转换成为统一的符合会计准则的数据格式。将清洗标准化后的数据存储在数据湖中，以数据原始可扩展的方式存储，便于后续不同的智能引擎和治理模块进行按需取舍。
智能引擎层应用自然语言处理引擎处理非结构化合同文本数据。由于合同文本数据的语言繁杂多样，很多与企业业务风险有关的信息隐藏其中，如果运用常规的数据分析方法，难以提取有效的风险特征信息。预测引擎用双向长短期记忆网络（Bi-LSTM）等深度学习算法，对企业的交易数据进行实时的监测异常交易处理。在监测过程中，当每一笔新的交易数据输入系统，LSTM模型会根据学习到的模式，对交易进行判断，判定该笔交易是否正常。
治理控制层采用以属性为基础的访问控制（ABAC）模型，通过设置主体属性、客体属性和环境属性达到细粒度的访问控制。其中，主体属性例如有用户角色（审计经理、审计专员）、部门、工作年限等；客体属性例如有数据敏感度、所属业务领域、数据更新时间等；环境属性例如有访问的网络IP地址、访问时间等。策略设置只有特定部门的审计经理在工作时间内，通过企业网络访问高度敏感的财务审计数据。ABAC模型的动态性体现在当主体、客体或环境的属性发生变化时，访问权限能够自动根据策略进行调整。
应用服务层可以让不同的审计业务场景和企业内部的其他业务系统按需调用智能审计数据治理框架的数据和服务。比如，企业风险管理部门需要使用审计数据治理框架中分析处理后的风险评估结果，来完善企业风险管理体系；外部的监管机构可能会通过应用程序编程接口（API），获取企业合规的审计数据，用于监督检查。应用服务层提供标准的API接口，对不同调用请求进行统一管理与响应，通过API接口智能审计数据治理框架，可以与企业内外不同的应用系统紧密集成，实现数据共享协同，让智能审计数据治理发挥最大的价值，为支持企业的经营决策、防范风险、合规运营提供保障。
本文刊发于《中国审计报》 2026年1月28日 第五版