首创证券股份有限公司审计部陈征顾仁臻张川李彬洁
[摘要] 在证券行业严监管背景下，审计全覆盖成为证券公司内部审计工作的核心要求，但有限资源与覆盖深度、广度之间存在突出矛盾。本文聚焦证券公司内审场景，分析人工智能时代审计全覆盖面临的三重阻碍（审计理念代际差、个人经验主义、强监管杠杆效应），提出从抽样转向全样本、从个人经验转向集体经验、从项目驱动转向数据驱动的转型路径，并构建以项目带动、分阶段规划、人机协同为核心的推进策略。
一、引言
“审计全覆盖”是新时代审计工作的核心要求，强调消除监督盲区和死角。对证券公司而言，全覆盖意味着内部审计要覆盖所有业务条线、分支机构、关键岗位及重大风险领域。这既契合行业严监管基调，也是高质量发展的必然要求。但全覆盖并非简单“审遍所有”，而是在有限资源下实现“全面性”与“重点性”的统一。实现这一目标要求审计范围横向够宽、纵向够深，而证券公司内审资源同样有限。不同时代面临的问题与解决路径各异，本文结合证券公司内审特点，探索人工智能时代审计全覆盖的转型路径与推进策略。
二、人工智能时代证券公司内部审计全覆盖面临的问题
每一次审计模式的重大变革，本质上都是在有限资源约束下努力实现审计全覆盖的结果。从账项导向到制度导向，再到风险导向，审计方法随企业规模与风险环境不断演进。但传统模式依赖抽样、数据匮乏、技术稀缺，与人工智能时代已有所脱节。如今，数据获取与处理成本大幅下降，全样本分析成为可能，数据分析工具与知识不再稀缺，资源约束不再是难以逾越的障碍，审计行业将迎来又一次模式巨变。笔者认为，当前证券公司内部审计全覆盖面临的突出问题主要有以下方面。
1.审计技术与理念的范式冲突
现代内部审计深受外部财务审计影响，抽样方法在制度导向与风险导向审计中均发挥重要作用。但人工智能时代，抽样的经济逻辑已动摇：一方面，数据获取与处理成本下降，全样本分析成本可能低于抽样；另一方面，抽样固有的风险与缺陷始终存在，且其单一因素分析假设难以揭示复杂系统中的非预期关联风险。
2.个人经验主义的弊端更加突出
传统审计程序与方法主要依赖个人经验，审计人员通常需3—5年项目积累才能建立覆盖主要业务场景的经验库与数据库，这些难以被内审机构系统沉淀和复用。具体而言，数据存储分散于个人电脑，缺乏统一命名规范、字段口径和更新机制；不同人员对同一业务场景的数据范围、时间跨度、清洗逻辑往往不一致。有效的风险识别规则或分析脚本也因缺乏管理机制而难以复用。
3.强监管的杠杆效应
我国证券公司近七成由国资控股。国有证券公司在双重监管体系下，内部审计“必修课”数量远超一般行业。监管部门及上级主管部门对高管、大经纪、上市要求、合规风控、信息技术等十大类、33项内容有明确的内部审计要求，年度“必修课”约40项。固定任务在人工智能时代具有杠杆效应：一方面挤压人力，另一方面为技术应用提供规模化、可复用场景。善用AI者可将重复劳动自动化，释放精力投入风险研判；未能利用AI者则易陷入“形式覆盖有余、实质穿透不足”的困境。
三、人工智能时代证券公司内部审计全覆盖转型路径
综合上述分析，笔者认为人工智能时代证券公司内部审计全覆盖可从审计理念、知识资产、审计模式三大维度转型：由抽样核查转向全样本穿透，由个人经验转向集体经验，由项目任务驱动转向数据价值驱动。
（一）审计理念：从抽样检查转变为全样本穿透
人工智能时代全样本审计成为可能，主要依托两方面“技术平权”。一是数据分析成本大幅下降。过去，数据分析依赖SQL、统计工具或编程技能，审计人员往往需技术团队支持或投入大量时间学习。如今，生成式AI使自然语言交互成为主流，审计人员用日常语言描述需求即可生成代码、执行查询并解释结果，门槛从工具转向业务理解与问题定义。二是生成式模型适用于实质性检查，可从非结构化或半结构化数据中提取关键信息、进行语义比对、发现逻辑矛盾与异常模式，并以自然语言输出结论、标注疑点，显著降低人工筛读负担。
（二）知识资产：从个人经验主义转向集体经验主义
传统模式下，审计经验和数据高度依附于个人。人工智能时代应转向“集体经验主义”：一方面，将个人积累的风险识别规则、分析逻辑、异常判断等以提示词、规则库、代码片段、知识图谱等形式沉淀为部门可复用资产；另一方面，梳理公司现有数据库与信息系统，对各业务系统数据进行集中治理与标准化提取，在不建数据中台的前提下形成内审人员可重复调用的数据库，使所有项目基于同一套完整、实时、可信的数据开展分析。长期看，知识资产与数据资产价值将指数级释放。
（三）审计模式：从项目任务驱动到数据价值驱动
传统项目任务驱动模式下，审计人员往往优先完成监管清单，难以开展深层次、穿透式检查。数据价值驱动模式下，应打破项目间数据壁垒，使不同监管要求的项目共享统一数据基础与分析能力。审计人员不再将时间耗费在重复制作底稿、审计程序上，而是聚焦数据价值挖掘，利用AI技术挖掘新数据价值。由此，内审可从被动落实监管的资源困境中解脱，实现数据驱动的主动防险与深层赋能。
四、人工智能时代证券公司内部审计全覆盖推进策略
（一）以项目带动人工智能技术的使用
技术的高效掌握依赖应用，建议优先选择高频、重复、数据基础较好的场景试点。如分支机构审计：准备阶段通过RPA自动采集员工行为管理、异常交易、反洗钱、CRM等系统数据；实质性阶段利用本地生成式AI模型快速分析，重点关注人工操作的时间、内容等风险点。每个试点结束后应形成标准化"人工智能应用案例"，包括数据准备、模型与代码选择、效果评估等，供后续参考迭代。
（二）规划人工智能时代内部审计的改革周期
改革无法一蹴而就，建议“三步走”。近期（1年内）夯实基础、试点先行：完成数据治理基础，梳理2—3个关键系统接口；在分支机构审计中试点RPA与数据分析，形成可复用案例；开展AI通识培训。中期（1—3年）搭建平台、沉淀能力：建设统一智能审计作业平台，覆盖采集、识别、底稿生成；构建风险模型库，将规则、代码、知识图谱沉淀为组织经验库，并固化检查方法和数据，构建AI Agent员工。远期（3—5年）模式转型、价值创造：从项目驱动转向风险驱动，由实时数据信号触发任务；从事后检查转向实时防控；从合规核查转向价值增值，最终达成“如影随形”的审计全覆盖。
（三）让人回归人所擅长的工作
审计全覆盖的落地取决于审计人员角色重新定位。应推动从“人主导、机器辅助”向“人机协同、各擅其长”转型。让AI承担基础性、重复性、大规模计算工作；让人专注于上下级沟通、复杂问题深度核查、对AI输出结果的质疑与验证。现阶段AI尚无法替代面对面沟通、识别情绪波动带来的表情异常及理解工作隐含之意。需在制度与文化层面修订岗位职责，将AI工具使用纳入基础技能，形成“AI是协作者而非替代者”的共识，并加强批判性思维与沟通协调能力培养。
结语
人工智能时代，证券公司内部审计实现全覆盖的关键在于理念、数据资产与模式的根本转型。从抽样到全样本、从个人经验到集体经验、从项目驱动到数据价值驱动，共同推动审计从“合规检查”走向“价值创造”。技术赋能的最高境界是“人机协同”——机器承担海量计算，人回归专业判断。唯有如此，“如影随形”的审计全覆盖才能真正落地，内部审计才能成为证券公司高质量发展的价值创造者。
参考文献：
[1]郑小芳，2024(28)：134—136：证券公司内部审计数字化转型研究[J]，财会学习。
[2]苏海雨,耿成万, 2025(11)：企业智能审计的应用场景、风险治理及合规制度[J]，中国内部审计。
[3]赵妍，2026-04-13：迈向数智化新时代：关于“十五五”期间人工智能在证券公司审计应用的思考[N]，中国基金报。
[4]陈征,李彬洁,张川等，2025-08-29：提升证券公司内部审计科学规范性——基于数字科技视角的研究[N]，证券时报。
[5]陈征,李彬洁,张川等，2024-12-31：双重监管体系下国有证券公司内部审计监督全覆盖的路径研究与探索[N]，证券时报。
