当 DeepSeek 这类大模型开始"读懂"合同、会议纪要和财务报表附注，审计行业正迎来一场深刻变革。对审计师来说，AI 究竟是"门口的野蛮人"，还是手中的武器？
安永华明会计师事务所首席合伙人、大中华区审计服务主管合伙人毛鞍宁的判断是：AI 既不是"野蛮人"，也不是万能"武器"，而是一种全新的专业基础设施——它将推动审计从劳动密集型走向人机协同的智能作业模式，质量优先于效率、责任不可转移的底线始终不变。
一、AI 从"效率工具"进化为"专业伙伴"
早年的信息化工具本质是把既有流程线上化、结构化，仍是执行指令的"工具"。大模型时代的 AI 不同：它能处理非结构化信息，把知识检索、文件比对、异常提示、工作记录连接成连续工作流——AI 正在从"工具"走向"专业伙伴"，从单点提效走向对审计作业模式的重构。
AI 真正唤醒的，不只是数据本身，更是专业人员长期积累的隐性知识。过去很多判断存在于审计师和财务专家的经验里，很难复用和规模化；现在 AI 结合知识库、规则和工具，有机会把这些经验沉淀为可调用、可验证、可持续迭代的能力。
"AI 不是来取代审计师，而是来重新定义审计师的价值。未来真正的分水岭，不是会不会用某个模型，而是能否把 AI 纳入审计质量管理和专业判断体系。"
二、人机协同：边界在哪？
人机协同不是简单"一半一半"，而是让机器承担更适合机器的工作，让人回到更需要人的地方。
AI 适合的三类工作：
- 规则清晰、重复性高：资料整理、勾稽检查、异常筛查
- 大规模信息阅读归纳：会议纪要检索、制度汇总
- 风险提示分析辅助：趋势分析、异常模式识别
必须由注册会计师掌控的环节：
- 审计目标和重大风险判断
- 关键审计证据是否充分、适当
- 复杂交易、管理层估计、舞弊迹象的专业怀疑与判断
- 最终审计意见和责任承担
边界很清晰：AI 帮助"看得更全、找得更快、提示得更早"，但不能替代专业怀疑、职业判断和责任。覆盖样本可以扩大到总体，但证据标准不能降低；执行可借助机器，但判断和责任不能转移。
三、四类风险：质量优先于效率
| 风险 | 内容 |
|---|---|
| 数据风险 | 数据不完整、不准确、来源不清、口径不一致，直接影响 AI 分析结果 |
| 模型风险 | 幻觉、偏差、不可解释性、对特定场景不适用 |
| 安全合规风险 | 敏感信息泄露、越权访问、数据跨境合规 |
| 责任风险 | 把 AI 输出当结论，未保留复核、挑战和判断过程 |
质量优先于效率，意味着两者冲突时，让步的是效率而非质量。治理不是把 AI 关进笼子，而是让创新有空间、风险有边界。
四、未来 3-5 年：审计走向"人机协同团队"
毛鞍宁的判断恰恰相反：AI 不会让审计师的工作变少，而是更多。一是观察边界从局部样本扩展到全量数据和业务链条；二是客户本身被 AI 改变，审计师要评价 AI 驱动的内控、算法偏见、数据治理，新增需求远超被自动化的基础工作。
在技术形态上，他更倾向"Agent 而非 ChatBot"——大模型强在理解和推理，但审计需要精确、可追溯、可复核，必须把大模型与确定性的工具、审计方法、知识库、权限和日志体系结合起来。未来最稀缺的是复合型人才：既懂审计和内控，又能把专业判断转化成数据规则和知识库。
"思考可以借力，理解不能外包；技术可以加速，责任不能转移。AI 不会让审计变少、变轻，而会让审计变得更宽、更深、更有分量。"
宏观再大，大不过你家餐桌；政策再远，远不过你的钱包。我是智小闻，帮你把世界读成生活。