一、引言
习近平总书记在中共中央政治局第二十次集体学习时强调，坚持自立自强，突出应用导向，推动我国人工智能朝着有益、安全、公平方向健康有序发展。目前，人工智能（Artificial Intelligence，AI）技术已在众多领域广泛应用，尤其是DeepSeek的问世，全面激发了应用人工智能的热潮，人工智能技术也正在改变传统审计方式。
高校内部审计肩负着保障资产安全、规范权力运行、防范治理风险的重要任务。然而，随着教育数字化转型步伐加快，传统的内部审计模式难以满足全面化、精准化、动态化管理需求。因此，如何依托人工智能技术构建符合新时代高等教育管理需求的智能审计模式，成为教育治理现代化需要解决的一个重要课题。
二、人工智能赋能内部审计的机理
2025年政府工作报告提出“持续推进‘人工智能+’行动”。当前，人工智能技术越来越深入地融入内部审计领域，全面赋能内部审计工作，实现数据处理、风险识别、人机协同等方面的优化。
（一）拓展内部审计信息处理的深度与广度
一是克服收集信息的不足。传统审计方法信息获取多依赖于抽样和人工收集，而人工智能技术扩大了数据收集的点和面，不仅包括内部结构化数据和非结构化数据，还可收集多源外部信息，如社交软件帖子、传感器数据等，避免共时性样本不足。二是自动化重复执行复杂任务。利用人工智能技术可自动进行数据收集、整理和分析，应用于控制测试、舞弊调查、审计报告生成、问题整改跟踪与评价等，进行比较研究和趋势分析，避免历时性样本不足，从而提升审计效率和质量，解放出审计人员，使其专注于更高价值的活动。
（二）优化内部审计风险识别模式
一是实现了从抽样推断到全面检查。人工智能技术通过大数据分析和风险评估模型，帮助审计人员及时发现潜在的风险因素，通过对历史数据进行分析，挖掘数据间的关联关系，保证审计过程更严谨，审计结论更可靠。二是实现了从静态评估到动态优化。传统模式的风险评估以静态为主，而人工智能模型可以动态监测风险事项，及时更新风险评分，根据预测分析的结果实时调整风险矩阵，从而帮助审计人员及时调整审计的优先顺序，合理分配审计资源，保证监督始终聚焦于高风险领域和高风险点。
（三）推动内部审计自身转型
智能化审计/人工智能加持下的内部审计能够自动实时监控被审计单位的财务、经营、管理等各方面的数据，识别异常情形，做到早发现、早报告、早解决。更重要的是，人工智能的运用使得审计工作从单纯关注历史数据，向以未来为导向的风险管理、内控管理、决策支持转变，丰富了审计职能（周美华，2023）。审计人员通过运用人工智能技术，不仅能够审查信息的真实性、合规性和可靠性，而且能够通过技术优势，收集海量数据并进行信息分析，从更高层面给予有价值的审计建议。因此，人工智能在审计工作中起到了变数据为资源、变资源为智慧的作用。
三、人工智能在高校内部审计应用的现状
人工智能在内部审计领域的应用正加速从理论研究走向实践，成为推动审计数字化转型的重要驱动力，逐渐重塑着内部审计模式，“人工智能+审计”是内部审计领域新质生产力的重要引擎。在高校内部审计领域，人工智能技术正逐步得到应用（王丹丹等，2024）。例如，在财务收支审计中，审计人员利用人工智能技术，可自动化处理财务数据，识别异常支出等问题；在工程审计中，通过图像识别技术对工程图纸和工程量清单进行智能审核等。尽管如此，高校内部审计人工智能技术应用总体上仍较为滞后，仅有少数高校实现了较为深入的应用，与其他领域相比还存在明显差距。目前高校内部审计的人工智能技术实际应用中存在以下困难：一是存在数据孤岛现象。高校的财务、资产、采购、科研等数据分散在不同业务系统中，与审计系统协同缺失，数据来源多样且整合难度较大。二是技术应用投入不足。人工智能技术成本较高，高校难以投入大量资金用于智能审计系统的开发部署。三是复合型人才短缺。高校内部审计人员大多缺乏信息化专业知识，制约了人工智能技术的深度应用。
四、人工智能运用于高校内部审计的实现路径
为实现高校审计工作智能化转型，需将人工智能大模型技术与高校实际审计业务工作相融合，运用大模型工具（如DeepSeek）搭建高校智能审计系统，在审计全过程和各环节发挥智能化辅助作用，提高审计效率和质量。
（一）审计准备阶段
在审计准备阶段，主要是对审计项目开展审前调查、进行材料准备、设计审计参数等。一是形成审计方案。通过审前研究，明确审计目标、审计依据、审计重点等，编写审计方案，将这些审计依据初始化到智能审计系统中，作为审计判断依据。二是确定数据源和获取渠道。包括财务管理系统、资产管理系统，采购管理系统、科研管理系统、人事薪资管理系统等的数据，将智能审计系统与被审计单位的相关业务系统进行无缝衔接，实现数据实时传输；对于介质信息，可通过多模态识别技术（如光学字符识别，OCR）获取。
（二）审计实施阶段
在审计实施阶段，智能审计系统按照设定的审计对象及实施方案自动开展风险评估、控制测试、实质性分析等审计程序（毕小凡和周书娟，2024）。利用人工智能数据采集机器人、机器人流程自动化（RPA）、机器学习、人工神经网络、模式识别技术、自然语言处理等智能化技术，自动采集审计对象的海量数据，并对数据进行清洗，通过智能审计模型进行数据分析，识别异常活动和风险点，并收集审计证据，形成审计发现问题清单，生成审计工作底稿，为后期审计报告的形成提供证据支撑。
（三）审计报告阶段
高校人工智能内部审计报告阶段可分为两个阶段。一是智能形成审计报告阶段。在审计实施阶段的基础上，利用自然语言处理和数据可视化技术等，自动生成审计报告。二是智能幻觉纠偏阶段。当智能审计系统面临不完整或偏见数据需进行知识补全、遭遇超出训练范畴的异常问题、输入样本量未达模型最小推理阈值等情形时，容易引发模型过度拟合并输出“幻觉”结论，因此需要人工干预程序，审计人员应对审计报告进行审核，特别是对问题的定性、问题证据的相关性和完备性、建议可行性进行重点审核，以避免智能幻觉导致错误结果。报告经审计人员审核、项目负责人复核后，以标准化格式（如PDF）提交至相关领导、相关处室、被审计单位及相关责任人。
（四）审计整改阶段
对于审计发现的问题，被审计单位要制订整改方案，对每一个问题实施整改措施，定期汇报审计整改结果情况，最终通过整改验收。在该阶段，可以运用机器学习、人工神经网络和图像识别等人工智能技术，协助审计人员汇总、整理和分析大量审计整改数据，甄别整改措施与问题是否对应，整改是否做到解决问题、举一反三、建章立制、规范管理、促进发展。通过实时监测预警设置，对被审计单位的整改数据进行跟踪评价，及时掌握整改情况、整改进度，并动态反馈给被审计单位，促进整改过程、整改资料、整改管理的数据化，提高审计整改工作的精确度和整改成效。在对审计主要阶段的人工智能化进行深入分析后，本文构建了高校人工智能内部审计流程的框架，如图1所示。
五、人工智能运用于高校内部审计的优化措施
目前高校的内部审计智能化正在推进中，但在转型时期存在一定的困难和问题，比如，相关制度建设相对滞后，高校人工智能建设投入不足，与高校相适应的智能审计系统构建不够成熟，高水平复合型审计人员较为缺乏等。因此，应促进人工智能技术深入应用，具体包括以下措施。
（一）建立健全人工智能内部审计法规制度体系
为进一步规范和有力推动人工智能在内部审计领域的深入应用，需要建立与之配套、完善的人工智能内部审计法规体系和制度架构，进一步健全完善国家、行业、单位“三位一体”制度保障体系，如表1所示。
（二）完善内部智能审计系统
智能审计系统是做好智能化审计的重要保证，利用人工智能技术构建适用高校的智能审计系统是一项关键性的工作。针对目前高校智能审计系统建设中存在的分散化、低质化现象，建议由教育主管部门或行业协会牵头构建省级“高校智能审计中台”，建设标准化技术底座，开发通用审计组件，统一数据接口、算法模型等；各高校基于中台扩展个性化功能，实现高校共享优质审计模型。同时完善运行机制，设立专项运维基金和团队，动态监测中台运行状态，收集高校审计中的痛点难点，组织技术攻关，定期更新高校智能审计中台，形成高校智能审计系统“开发、共享、迭代”的良好生态闭环。
（三）防范智能审计安全风险
随着人工智能技术的广泛应用，智能审计风险逐渐凸显，因此高校应高度重视数据安全风险防控。一是要注重技术防范。充分利用技术筑牢安全防线，如可采用全生命周期加密技术处理核心审计数据；构建区块链存证系统，做到数据血缘追溯；建设安全情报共享平台，动态更新病毒特征库等。二是加强内部控制。明确安全责任制，制定统一的防范等级及其安全管理标准，建立零信任防护体系，实施动态权限管控，科学合理地进行人员授权。三是落实问责机制。强化审计人员的数据安全意识，严格遵守数据安全规范要求，对违反规定者加大处罚力度。
（四）完善人工智能内部审计人才培养体系
随着信息技术的发展，高校应着力把审计人员培养成复合型人才。一是创新人才培养方法。高校应优化审计人才培养方案，在审计学等专业中增设“智能审计”方向，或开设智能审计课程作为专业核心课程；对学生实行双师型导师制，即实行学术导师与实务导师联合指导。二是加强实践锻炼。对于现有审计工作者，可由上级审计机关或主管部门抽调其参加审计项目，或协调高校内审人员到人工智能审计运用成效好的单位，参与其审计实践，以审代训。三是优化职业认证。在注册会计师考试、审计相关专业资格考试中增设“智能审计”模块；要求审计执业人员每年完成一定学时的人工智能审计继续教育课程，作为注册审核条件之一。
（五）坚持人本导向的人工智能审计理念
人工智能技术是一把“双刃剑”，如果应用不当会引**理和社会问题。如算法偏见导致审计结果不公正、隐私保护不当、分析结果偏差时的责任认定不准确等（戚啸艳等，2022）。人工智能技术的应用要贯彻“以人为本”的核心理念，人工智能技术不能成为审计的主体，要发挥人与技术结合的最大优势（王海兵等，2022）。实际工作中，一是要伦理审查。进行审计算法伦理影响评估，重点监测数据偏见（如性别）风险。二是要权限分级。依据风险等级设定人机交互规则，设定风险人工干预值（如AI决策占比阈值）。三是要明确责任。要界定多方责任与义务。包括开发者、使用者和决策者，要求算法可解释，核心模型提供决策溯源报告，关键结论需展示特征贡献度等。
六、结语
人工智能与高校内部审计的融合，不仅是技术工具的革新，更是审计理念的跨越式转变。一方面，需深化人工智能技术在数据采集、风险预警、决策支持等环节的深度应用；另一方面，更应坚守审计职业判断的核心价值，构建技术赋能、以人为本、风险可控、提质增效的新型审计生态。随着教育数字化改革的深入推进，智能审计将成为高校治理体系和治理能力现代化的重要支柱，也必将以高质量的审计保障高校事业的高质量发展。
来源：中国内部审计
苏公网安备 32100302010606号