人工智能审计应用的国际进展

人工智能等新一代信息技术的迅猛发展对审计实践产生重要影响。本文在明晰人工智能概念本质内涵及其系统分类的基础上,全面总结梳理了人工智能、大数据分析、数据挖掘、机器学习、深度学习、区块链和机器人流程自动化等新一代信息技术应用于审计领域的国际研究成果,并从国际“四大”的AI应用状况、审计领域AI应用面临的商业伦理困境以及注册会计师考试模式变革和会计教育课程体系优化等多个维度,系统探究了数字时代人工智能审计应用的策略与路径。

基于机器学习模型的审计应用:内涵、模式与风险

机器学习凭借强大的计算能力和学习能力,能够提供更加快捷、精准化的大数据分析,能够更深入地洞察业务流程,有效识别高风险的审计领域,极大地提升审计效率和审计质量,但其在审计领域的深度应用也带来了一定的偏见和伦理风险。本文系统诠释了机器学习的本质内涵及其实践发展,剖析了机器学习引发会计和审计的研究范式由演绎推理向归纳分析的转变,提出了基于机器学习模型的审计应用模式,构建了面向审计全生命周期的机器学习审计应用框架,梳理总结了国际"四大"机器学习系统的应用实践,针对机器学习模型审计应用可能引发的偏见和伦理风险问题,提出了相应的应对策略。

基于持续性审计的内部审计模式变革研究

本文在系统明晰持续性审计的内涵、核心特征及其动态演进的基础上,基于管理的视角剖析了内部审计的管理职能,全面关注持续性审计与内部审计功能、组织情境以及绩效结果之间的系统性联系,构建了融入持续性审计的内部审计系统框架,以便高效地将持续性审计集成、嵌入到企业内部审计系统中,更好地推动企业内部审计部门开展持续性的风险评估和风险管控,增强监督成效。

审计师行业专长与关键审计事项披露

关键审计事项辨认的困难度以及管理层反对的压力都可能会抑制审计师判断与披露KAM的意愿,而具有行业专长的审计师基于维持其产业专家声誉以及规避未来可能面临的法律诉讼风险的考虑,可能会采取积极的KAM披露策略。为了探究审计师行业专长对KAM披露项数及其详细程度的影响效应,文章以2017年到2019年三年期间我国沪深两市主板上市公司为样本进行研究,结果表明,具有行业专长的审计师会披露更多项数的KAM,同时对KAM的披露详细程度也较高。