AI 智能体在审计试验中提出的问题比 KPMG 会计师更好
据称,AI 审计智能体在内部试验中提出的问题比 KPMG 的人类会计师更具追问性、更全面,这重新引发了关于大型语言模型在规则繁重、文档密集型工作中究竟能超越专业人士多远的讨论。评论者指出,现代审计的很大一部分受制于错位的激励机制、初级人员配置以及“勾选清单”式流程,因此天然适合自动化——但也警告说,AI 的穷尽性、黑箱性和单一文化风险可能带来新的失败模式和欺诈路径。许多人预计会出现混合工作流:AI 负责大多数常规分析,人类提供判断、签字和问责,而这将对就业、监管以及最终谁能获得生产率收益产生重大影响。
对 KPMG 和四大审计质量的看法
- 许多人认为,这一结果更多反映了 KPMG 和大型审计事务所的问题,而不是在夸赞 AI。
- 四大审计常被描述为流于形式的“勾选清单”或“洗白”式工作,其激励机制是让客户满意,而不是深入追查。
- 一些评论者指出,审计大量依赖过度劳累、缺乏经验的初级人员,由少量资深人员监督;对规模较小或战略意义较低的客户,质量尤其薄弱。
- 审计也被视为公司购买的一种信号和法律保护工具,并不一定是为了发现每一个问题。
AI 在审计/会计中的强项
- AI 被认为特别适合规则明确、文档密集、搜索空间清晰的任务:税务考试、合规检查、SOC2、FP&A,以及政策/代码交叉核对。
- 用户反馈 AI 往往比典型分析师或审计员更全面、更一致,尤其擅长记住细节、执行清单并发现异常。
- AI 不会疲劳,可以通过多个智能体并行工作,并且原则上能把审计从抽样推进到接近全面的分析。
AI 智能体的局限与风险
- 评论者强调幻觉、将法规与文档错误映射、受 token 限制导致的“训练出来的懒惰”,以及过度关注冷门问题却忽视显而易见的问题。
- 担心 AI 用冗长输出淹没人类,导致“认知投降”,同时仍会犯基础错误。
- AI 被认为不擅长判断重要性、激励机制,以及什么“值得深挖”,可能过于僵硬或吹毛求疵。
- 单一文化和可被利用的风险:恶意行为者可以先用审计 AI 预演欺诈方案;有针对性的漏洞被视为比普遍性崩溃更令人担忧。
审计实践、激励与重要性判断
- 据说有经验的审计员会学会哪些事情重要:重大问题与琐碎问题,以及如何平衡彻底性、成本和客户关系。
- 很多真实的审计工作被描述为谈判、情境化风险评估和理解商业现实,而不只是勾选清单。
- 法律责任仍然由人类承担(例如 CEO 签署申报文件),这也引出了是否能信任纯 AI 审计的问题。
劳动、经济与行业影响
- 许多人预计 AI 会替代大量初级白领工作(会计、咨询、编程),人类则转向监督、培训和处理边缘案例。
- 关于生产率收益由谁获取的争论:合伙人/股东、AI 供应商还是客户。
- 有人将其与 Excel/计算器类工具作类比;也有人强调,与这些工具不同,AI 能自主运行复杂工作流。
对试验和报道的怀疑
- 该试验由 KPMG 自述;细节含糊(“若干实例”),没有对漏检与发现的定量比较,因此标题显得夸大。
- 一些人怀疑这更像营销和监管层面的信号传递,而不是清晰、严格证明的优越性。