随着“大智移云物”等信息技术的不断演变推进，人工智能、区块链等相关技术逐渐走进各个领域，如果称之为新一代技术，那么基于新一代技术基础上的审计即可称为“新一代审计”，以区别于传统互联网技术基础上的审计。2022年1月1日起执行的新审计法明确提出，国家实行审计监督制度，构建集中统一、全面覆盖、权威高效的审计监督体系。为了实现审计工作全面覆盖，构建新一代审计的内容框架和方法十分必要。近年来，随着我国经济的快速发展，各类审计需求规模及其复杂度均大幅度增加，仅靠传统的手工审计已不能满足时代发展的需要。随着互联网、大数据以及人工智能技术的发展，利用数字化技术和人工智能技术获取更多审计数据，并利用数据挖掘与机器学习等智能分析技术，从数据中发现问题，得到审计证据，并辅助给出整改建议，对于减轻审计人员的劳动强度，提高审计效率和质量，促进国家经济健康发展，提升国家治理能力和水平具有十分重要的意义。在当前形势下，审计的发展理应产生交叉学科的新分支——计算审计学，以适应当前社会对信息技术和审计交叉领域人才的需求。本文基于计算审计学新兴领域的探索，研究审计过程数字化与智能化的理论方法与途径，构建新一代审计的内容框架和实现方法，为新一代审计技术的发展提供建设性意见，寻求人工智能技术在审计应用领域的落地。 本文的创新之处主要有以下两点：一是将计算机信息技术与审计理论方法相结合，利用数字化技术与人工智能技术赋能审计过程，探索审计过程中多源异质异构数据的采集与处理、审计数据的智能分析与挖掘，以及审计报告的智能辅助生成等新一代审计方法，对于提升审计工作的效率和质量，实现丰富和促进“计算审计学”的理论发展具有重要的学术价值，同时该研究也将丰富人工智能技术的应用场景，对人工智能理论的应用具有重要的学术价值；二是研究成果将大幅减轻审计人员的劳动强度，便于开展全覆盖、全流程的审计，对于提升审计工作的效率和质量具有重要作用，同时，可降低审计单位的经费投入，产生良好的经济效益和社会效益，且研究成果可在内部审计、政府审计和事务所审计领域得到借鉴，具有重要的应用价值。 二、研究现状 审计过程是由审计人员实施的，借助于规范、系统的方法，通过对被审计对象的业务经济活动、财务经营状况、风险管理和内部控制能力的适当性和有效性进行审查和评价，对审计资料做出证据搜集及分析，从而得出审计结论以及编制书面报告的一种监督和评价活动。审计按照实施主体和范畴的不同分为注册会计师审计、内部审计和国家审计。本文从审计活动的数据采集、智能化分析手段、审计报告的自动生成方法以及审计过程中的数据安全和信息保护等方面依次展开，探讨新一代审计的研究框架，并总结其实现的技术方法。 海量多源异质异构审计数据的数字化采集与预处理，是实施审计过程中较为繁杂和审计投入较多的关键审计步骤。审计工作的进行尽管是按照前期制定的审计计划逐步开展的，但我们在实施审计工作的过程中需要从被审计单位内部或外部比如公开网站等不同来源收集海量的原始数据信息，包括结构化数据和非结构化数据，也包括纸质凭证和文档、电子凭证和文档等不同形式的数据，面对多源、异构、异质的信息采集，国内外学者做了大量的研究。审计信息数字化是审计过程智能化的基础和难点。数字化就是将复杂多变的信息转变为可以度量的数字、数据，并以0和1的形式输入计算机进行处理，而如何将图文声像等非结构化数据整理、分析、挖掘运用于审计信息系统，将成为审计数字化转型探索的关键。Rezaee等提出使用数据仓库和数据集技术，将数据格式进行统一，以应对频度要求更高的审计工作。Zhang等认为应该建立审计数据标准。Baldwin和Perdana等认为扩展商务报告语言XBRL可以在统一数据格式和归纳数据方面发挥作用。栾心勇等借助云计算、虚拟化等技术，构建了基于大数据技术的“审计百度”大数据搜索、关联方关系发现、被审计单位地理信息“一张图”等多个分析系统，成功实现了综合处理结构化数据和非结构化数据的目的。在以上研究过程中，审计信息的数字化以及图文声像各种非结构化数据采集处理，是新一代审计过程的基础与难点，也是目前值得深入研究的地方。 审计过程中的数据分析主要涉及采用分析工具，对采集到的复杂、异构、多样化的审计数据或底层基础数据进行分析，快速筛选出有价值的、隐含在数据背后的信息。Fanning等在财务审计领域中引入人工神经网络（Artificial Neural Network，ANN）技术，利用上市公司的财务数据构建ANN模型来预测管理层异常或舞弊行为的发生。Bovee等利用智能Agent技术构建了能够收集网络上所有财务报告和审计数据的Fraank模型，并将其转换成XBRL格式，方便传输和储存。Chou等同样利用Agent技术，构建ABCAM模型，该模型可脱离被审计单位系统存在，并可同时访问多个应用程序，同步开展多任务审计。Jans等在数据挖掘基础上进一步拓展，提出基于事件日志的流程挖掘技术，认为这项技术更易于发现审计问题。张鹏认为在对数据进行搜集、处理和分析的过程中，决策支持系统的多功能触角能发挥重要作用，因此构建了基于决策支持系统的持续审计模型，实现全过程跟踪审计的持续监控目标。随着人工智能技术的不断发展，众多学者将知识图谱技术逐步应用在审计领域，实现海量审计数据的可视化，方便审计信息的查询和审计异常的发现，为方便快捷地查询以及高效存储审计数据、精准挖掘审计实体关系提供支持。综上可见，现有的很多智能审计研究多是基于系统开发的角度强调对审计业务的处理，缺乏系统的分析，尤其对审计内容框架的构建和人工智能方法的审计应用不成体系，同时，辅助审计人员实际应用的智能分析方法的实现还需进一步研究。
