最近发表在《会计研究评论》上的一项研究表明,人工智能的应用正在显著提高财务报表的审计质量和效率,并逐步取代专业审计人员。
审计工作遵循自己的一套执行标准,而且高度依赖于预测和异常检测等专业技能。这样的实际要求,也让审计成为机器学习和人工智能(AI)大展身手的理想场景。
在题为《人工智能正在改善审计流程吗?》的研究中,研究人员分析了超31万份员工简历,借以衡量美国36家头部审计企业的AI投入情况。研究考察的时期为2010年至2019年,文章作者为加州大学伯克利分校的Anastassia Fedyk、AI for Good基金会、德雷塞尔大学的Natalia Khimich以及旧金山大学的Tatiana Fedyk。
为了指导分析工作,研究人员首先采访了审计合作伙伴,了解他们的企业如何在审计工作中使用AI技术。之后,研究以通过详尽的简历数据衡量审计公司在AI领域的投入。具体来讲,AI投入力度由审计企业所雇用的AI专业人士在其总劳动力中所占百分比衡量而来。核定完成后,研究人员又将AI投入水平与审计质量、审计成本以及审计公司的裁员规模等指标匹配起来。
总体来看,AI从业者以男性为主、相对年轻且大多并非财会专业出身,主要集中在工程学和计算机科学领域。此外,AI员工大部分集中在纽约州和加利福尼亚州,也有少部分居住在华盛顿特区、伊利诺伊州和得克萨斯州。
研究作者Anastassia Fedyk指出,“我们的主要发现是,随着审计企业投资AI技术,其审计质量将同步提高。重编报表,特别是重大重编的数量有所减少,证券交易委员会对投资AI的企业进行的审计调查也更少。”有趣的是,研究还发现四大会计师事务所与非四大企业都表现出明确的AI与审计质量关联性。当然,相信大家也能想到,对于掌握更多可用数据的老牌事务所及零售业企业,AI能够更有效地增强审计水平。在采访当中,研究人员发现多数审计合作伙伴都认为零售业是最适合引入AI工具的行业。
Fedyk进一步指出,“我们还观察到,除了审计质量有所改善外,审计师们的工作效率也有提升。虽然我们无法直接衡量审计师的效率,但从审计费用来看,AI的介入确实让从业者工作效率更高、审计成本下降。对AI技术的投入越大,相应的审计费用就能控制得越低。”
该研究还进一步报告称,审计客户从AI投入中获得的审计质量提升,远低于审计企业自身开展的AI投资。Fedyk评论称,“这也非常符合直觉判断。客户投资AI主要是出于其他目标,例如新产品研发;而审计企业的AI投入是为了解析审计流程中的复杂性,探索技术如何帮助审计人员。但在研究开始之前,我们原以为客户一方的AI应用能在审计方面发挥更大的作用,可实际情况并非如此。”
最后,研究人员发现随着AI采用率的提高,审计企业的员工人数有所减少。这种影响对于公司内较低级别的专业审计群体中体现得最为突出。文章还说明,单位员工创造的审计收入与AI投入呈正相关。
Fedyk总结道,“总体来说,这项研究得到了非常积极的收获。投资于AI审计技术确实能为企业带来切实可见的好处,这在其他很多技术上并不成立。在之前的另一项研究中,我和一位研究员记录了企业采用流行及过度炒作技术的真实效果,包括2000年之初的IT和2010年代的数据分析。虽然这些举措能在短期内提高企业估值,但从长远来看却有害无益。只有环境合适、技术有效,好处才会真正触手可及。很明显,AI技术在审计场景下的表现就属于这种比较积极的情况。”
好文章,需要你的鼓励
最新数据显示,Windows 11市场份额已达50.24%,首次超越Windows 10的46.84%。这一转变主要源于Windows 10即将于2025年10月14日结束支持,企业用户加速迁移。一年前Windows 10份额还高达66.04%,而Windows 11仅为29.75%。企业多采用分批迁移策略,部分选择付费延长支持或转向Windows 365。硬件销售受限,AI PC等高端产品销量平平,市场份额提升更多来自系统升级而非新设备采购。
清华大学团队开发出LangScene-X系统,仅需两张照片就能重建完整的3D语言场景。该系统通过TriMap视频扩散模型生成RGB图像、法线图和语义图,配合语言量化压缩器实现高效特征处理,最终构建可进行自然语言查询的三维空间。实验显示其准确率比现有方法提高10-30%,为VR/AR、机器人导航、智能搜索等应用提供了新的技术路径。
新一代液态基础模型突破传统变换器架构,能耗降低10-20倍,可直接在手机等边缘设备运行。该技术基于线虫大脑结构开发,支持离线运行,无需云服务和数据中心基础设施。在性能基准测试中已超越同等规模的Meta Llama和微软Phi模型,为企业级应用和边缘计算提供低成本、高性能解决方案,在隐私保护、安全性和低延迟方面具有显著优势。
IntelliGen AI推出IntFold可控蛋白质结构预测模型,不仅达到AlphaFold 3同等精度,更具备独特的"可控性"特征。该系统能根据需求定制预测特定蛋白质状态,在药物结合亲和力预测等关键应用中表现突出。通过模块化适配器设计,IntFold可高效适应不同任务而无需重新训练,为精准医学和药物发现开辟了新路径。