一、引言 随着人工智能技术的飞速发展，大模型Agent逐渐成为各行业自动化与智能化转型的重要工具。在审计行业，尤其是在审计初步业务活动中，面对复杂的数据收集、风险识别、审计计划制定等任务，传统人工方法往往存在效率低下、信息遗漏和人为偏差等问题。为此，利用大模型Agent的优势，通过其强大的任务拆解、记忆、环境感知和决策辅助功能，有望在审计前期的各项任务中发挥关键作用，提升初步业务活动的效率和恰当性。 初步业务活动是审计过程的第一个阶段，它包括了解被审计单位的基本情况、评价审计师职业独立性和专业胜任能力、利用其他审计师或专家工作、评估承接业务的风险等关键步骤。初步业务活动非常重要，是容易导致审计失败的关键因素之一。初步业务活动中缺乏独立性(Adams，2021)，以及审计师未保持应有的职业怀疑态度和审计师专业能力不足都会导致审计失败(Puspitasari，2019)。并且Schultz(2010)的研究表明会计师事务所对于承接业务的风险倾向于主观与经验判断。李晓慧(2008)认为在开展对新客户的初步业务活动审计中，数据收集阶段耗费大量的起始成本，并且可能产生履约风险。而韩维芳(2017)的研究表明会计师事务所在初步业务活动阶段受限于时间和成本，不会为高风险客户安排经验丰富的审计师。因此，桂惠芳(2007)的研究呼吁会计师事务所加快审计网络建设。秦荣生(2014)认为大数据和云计算的发展将会对审计行业产生重大影响。吴仁群(2013)认为“云审计”的逐步应用，将会对审计在线索查询、工作内容、技术方法和作业手段等多个方面产生影响。杜璐汐(2022)认为为了应对这些挑战，以及抓住大数据和云计算的发展机遇，政策制定者和监管机构应积极推动审计领域的技术创新，以提升审计质量和效率，降低审计风险。 因此，提高初步业务活动的效率、准确性和客观性，运用数智化技术降低审计风险，成为当前审计研究和实践中的重要议题。大模型Agent特别适合多步骤和多角色的任务，如Talebirad(2023)使用多个大模型Agent模拟法庭的各个角色的互动，以及承担软件开发过程中各个环节不同人员的工作。Boiko(2023)设计的Agent可以使用工具浏览互联网、阅读文档、执行代码、调用机器人API等。在财务领域，熊俊宇(2024)的研究使用ChatGPT的Agent功能GPTs进行财务分析报告的生成活动。而在审计领域，程平(2024)的研究使用基于ChatGPT的深度自编码网络对审计风险进行预警，此外，程平(2021)还研究了将RPA应用于初步业务活动的流程自动化。而Agent相比于RPA具有“思考能力”，能解决数据收集耗时耗力、风险判断不够客观及审计师专业胜任能力不足等问题，因此，本文提出了基于大模型Agent的审计初步业务活动框架的设计思路和运行机理，然后对其应用步骤、运行流程和运行价值进行了分析，并阐述了应用中需要注意的关键问题。 二、大模型Agent的审计初步业务活动框架的设计思路和运行机理 大模型Agent，也称人工智能代理(AI Agent)，是具备环境感知、自主理解、决策制定及执行行动能力的智能实体。简而言之，它是依托大模型构建的计算机程序，能够模拟独立思考过程，灵活调用各类工具，逐步达成预设目标。Agent共由3个关键部分组成，规划(Planning)、记忆(Memory)、工具使用(Tool use)。规划是Agent的思维模式，通过大模型提示工程，可赋予Agent类人的思维模式，比如先构思解决方案、再拆解复杂任务，最后使用工具分步解决。记忆是Agent的内存，每次任务的上下文是Agent的“运行内存”，任务完毕则自动清理，知识库是Agent的“存储内存”，不随任务结束而改变。工具的使用是为了拓展大模型能力的范围，比如Agent可以调用外部API获取大模型权重中缺少的信息，也可以依靠“工具”感知环境、执行决策。 基于大模型Agent的特征和功能，考虑初步业务活动是一项依赖查找大量数据，依靠多角色互动和客观判断的多任务智力密集型工作，程平(2024)结合初步业务活动中可能存在的主观判断的偏差、审计证据的复杂性、审计过程中的时间压力、法律与合规风险及审计师独立性和专业胜任能力不足的问题，从基础设施层、数据层、服务层和应用层构建了大模型Agent的初步业务活动框架模型，如图1所示。
图1 基于大模型Agent的审计初步业务活动框架 基础设施层是大模型Agent应用于处理初步业务活动时所必须的环境，涉及到服务器、权限、网络、数据库和混合云等方面，能够保证Agent及Agent之间能正常运行。以初步业务活动的Agent为例，考虑到多Agent协同和本地部署环境及网络的不稳定性，通常会将Agent部署于服务器中；考虑到Agent需要使用多个账号权限工具的API，及涉及重大决策时需要足够权限来进行下一步活动，因此通常会将部分工具权限开通，或设置获取权限的互动机制；考虑Agent需要搜索和下载数据，因此必须保证网络的畅通和拥有足够的带宽；考虑到多Agent协同和多角色的参与，将Agent部署于云端是较好的选择。
