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
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。