数智化审计与AI及AI智能体在审计中的应用

模块一、数智化审计实务和实例

一、数智化审计的底层推演和抓手筑基

1、从“人治”到“数治”的思路跃迁

2、审计人员的转变：转思路、转模式

3、SQL在审计中的深度运用：从基础提取到高阶拆解

（1）核心抓手原理引见

（2）要害函数和子查询打法

（3）审计资料清洗和预处理

二、审计模型的系统化构筑和办法论

1、智能审计模型构筑的三大核心要则

（1）隐患导向要则

（2）可解释性要则

（3）动态迭代要则

2、模型构筑的五步法

（1）业务解构：拆解业务链路，识别要害将控点（KCP）

（2）规则量化：将定性的审计准则，转化为定量的资料规则（阈值、频率、模式）

（3）算法选型：传统规则引擎 vs 机器研习算法的选项推演

（4）样本验证：利用历史舞弊实例开展回测（Backtesting）

（5）部署和监控：模型上线后的运行成效监控和调优。

3、不同业务情境下的审计模型深度规划和实例

（1）情境一：财务舞弊审计 —— 跨期交易和收入舞弊识别

•

核心痛点：虚构收入、提前确认收入，跨期调节利润。

•

SQL模型规划思路以及代码

（2）情境二：采购合规审计 —— 围标串标和供应商利益输送

•

核心痛点：供应商围标、指定供应商，虚假采购。

•

SQL模型规划思路以及代码

（3）情境三：资金隐患审计 —— 大额资金流动和违规挪用

•

核心痛点：资金体外循环、挪用公款，违规对外担保。

•

SQL模型规划思路以及代码

三、主流数智化审计平台架构引见

1、主流数智化审计平台引见和功能

（1）平台整体架构概览

•

资料层：资料接入、存储、治理（ELT/ETL流程）

•

引擎层：计算引擎，AI模型引擎、规则引擎

•

服务层：审计差事管控、流程协同、可视化报表

（2）四大核心功能模块深度拆解

•

智能采集模块：支持ERP、OA、网银、电子发票等等多系统自动化资料采集。

•

可视化拆解模块：多维资料立方体（Cube）构筑、交互式仪表盘制作。

•

模型库和规则库：平台预置的业界通用审计模型（如小金库模型、存货跌价模型）。

•

预警和推送模块：异常线索的实时推送和审计工单流转。

2、某大型国有公司审计平台引见

模块二、AI抓手在审计中的运用

一、AI+VBA等等函数驱动智能化资料整合

1、财务资料清洗

（1）去除重复财务资料，如重复的交易记录、买方资讯等等

（2）处理缺失值，如自动填充或者删除含有缺失值的财务资料行

（3）统一财务资料格式，如将不同格式的金额资料转换为准则货币格式

（4）多文件名称统计和文件重命名

2、资料统计

（1）批量修改文件模板

（2）多表格合并和拆分

（3）按照特定维度（如部门、时间、货品类别等等）开展统计拆解

（4）开展常见财务统计，如求和、平均值、最大值、最小值、计数等等计算

（5）达成复杂财务资料统计，如计算财务指标的准则差、方差等等

（6）自动核对海量资料

4、报表生成

（1）自动生成合并报表

（2）自动生成拆解报告

（3）自动筛选生成财务拆解资料

（4）自动将Excel资料更新到Word文件中

（5）处理报表资料的更新和刷新，确保报表资料的及时性和准确性

二、AI在审计决策的情境运用

1．财务资料真伪识别：利用AI识别财务报表资料异常

2. 财务决策支持：利用AI支援公司做外包决策

3、销售政策评价：利用AI评价销售折扣政策

4．公司并购估值：利用AI对投资标的开展估值

5、智能识别资料隐患：借助数量有限的资料精准识别业务存在的隐患

6、智能识别生产决策隐患：智能评核生产规划的可行性，预防因决策失误隐患

7、智能识别促销方案隐患：智能拆解促销活动的成效和潜在隐患，确保促销打法能够有效拉升销量而不损害公司利润

8、智能识别绩效政策隐患：纵深拆解绩效达成的真实性和潜在的隐患因素

9、智能识别税务申报资料隐患：借助税务申报资料的资料拆解，预警可能存在的隐患

10、智能识别公司利润真伪：穿透复杂的财务报表，精准判断公司利润是否真实反映其经营结晶

模块三、AI智能体在审计领域的实战运用

一、Coze平台认知和财务审计全情境图谱

1. Coze为何：可视化AI事务流、智能体、自动化抓手定位

2. 核心价值：降本、提效、减少重复劳动，统一规则、降低新人上手门槛

3. 审计可落地情境全景

（1）进阶赋能：财务学识库、政策解读、隐患预警、审计辅助、底稿生成、问题筛查，整改跟踪

（2）审计专项：凭证抽查、异常筛查、内控测试、资料比对、审计报告梳理

二、Coze平台零基础迅速上手

1. 账号注册、事务区创建、合规模型选项（优先免费/安全可用模型）

2. 核心界面认知：智能体、事务流、学识库、变量、节点、提示词

3. 资料安全和脱敏规范：财务资料、审计资料上传、存储、采用权限边界

4. 第一个Demo实操：Excel财务资料导入→AI读取→自动归类→结果导出

三、Coze事务流核心推演：审计人员必学节点

1. 资料输入节点：文件上传、文本输入、表单录入、API接口（基础引见）

2. AI处理节点：提示词编写、指令规范、财务情境化/审计情境化指令规划

3. 推演判断节点：条件分支、金额判断、合规校验、时间匹配，异常阈值判断

4. 输出节点：Excel/JSON/文本结果导出，格式适配、多渠道推送

5. 事务流调试、运行、错误排查和日志查看办法

四、实战上手

1、费用报销智能审核事务流

标的：搭建规则化审核辅助抓手，输出准则化审核意见，同步形成审计疑点清单

（1） 财务报销审核规则梳理：预算额度，金额阈值、事由合规性、票据匹配

（2） 审计嵌入规则：超准则报销、高频异常商户、跨期报销、重复报销识别

（3） 事务流模块化搭建：资料上传→AI规则判断→推演分支→结果输出

（4） 结晶落地说明：仅为辅助审核，需人工终审，明晰责任划分

2、审计学识库构筑和智能问答

标的：统一政策口径、降低审计交流成本、迅速响应审计问询

1. 学识库核心价值：破解政策分散、记忆困难、培训低效，新人难上手、审计问询应答慢问题

2. 学识内容规划

- 政策库：最新财税法规、业界政策、地方细则

- 制度库：公司财务制度、报销规范，审批流程

- 审计库：审计要点、审计常见问题，审计整改要求、违规认定准则

-

实例库：审计隐患实例、税务稽查实例、违规追责实例

3. Coze学识库搭建实操

- 文档上传和清洗：PDF/Word/Excel文件导入、格式准则化

- 分类和标签管控：按照政策类型、适用情境、业界、审计环节分类

- 检索指令规划：怎样让AI精准匹配用户问题

3、财务隐患预警和审计疑点筛查智能体

标的：AI前置识别隐患，提前整改，降低审计问题发生率

（1）隐患情境定义：审计隐患、合规隐患、税务隐患、现金流隐患

（2）审计高频隐患点嵌入

- 费用超支、大额现金支付、异常挂账，长期往来不清理

- 收入成本不匹配，折旧计提异常、存货账实不符

（3）事务流搭建：政策/资料输入→AI隐患识别→阈值判断→预警推送

老师简介

Introduction to lecturers

弄懂更多

博闻智咨询|王悦老师