跳到正文
原文
破碎审计 · 微信· 破碎审计·· 23 天前精选站内评分50

破碎审计评论容诚、毕马威、大华谈AI应用与责任边界

周五那篇盘点三张罚单的文章,有读者在后台留言说看得心里发紧

导读

破碎审计认为,几家大所分享AI审计应用后,机器是否参与判断正成为审计责任边界重新划分的关键,机械劳动的价格正在归零而判断力的价格正在飙升。模型已被用于直接给出“这笔回款可疑”的结论,大华所则将AI用于质控高频筛查、由人盯高风险。文章同时提醒,客户AI生成数据不天然可信,异常提示不等于审计证据,未经复核的AI底稿会制造“已执行程序”的假象,函证控制与职业怀疑仍需人来守住。

推荐理由

以机器是否参与判断划出责任分界,并提示未经复核的AI底稿会制造已执行程序的假象,函证与职业怀疑仍靠人把关。

正文

周五那篇盘点三张罚单的文章,有读者在后台留言说看得心里发紧。其实这阵子行业里更值得聊的,是几家大所把AI的家底摊开讲了。

容诚、毕马威这些一线嘉宾聚在一起,发现分界线在于机器有没有参与判断。模型开始直接给出“这笔回款可疑”的结论,这意味着判断权外移的第一毫米,就是责任边界重新谈判的开始。大华所更是把这套用在了质控上,让AI干高频筛查,人去盯高风险。

不过泼冷水的是,客户用AI生成的数据不天然可信,提示异常也不等于拿到了审计证据。最危险的是,AI提高了产能,也降低了“装样子”的成本。一套看起来工整漂亮、实则未经复核的AI生成底稿,比手写潦草的底稿危险得多,因为它制造了“已执行程序”的假象。

说到底,机械劳动的价格正在归零,判断力的价格正在飙升。函证控制、职业怀疑这些失守点,恰恰都是机器帮不上忙的地方。机器负责让对的地方更快地“对”,人负责让错的地方无处可“藏”。

来源:破碎审计 · 微信 · mp.weixin.qq.com

审计热点 是聚合摘要和阅读索引,原文版权归各来源所有,引用请以官方原文为准。如果你是来源方,希望更正、下架或调整展示方式,可以通过反馈页联系我们。

来自微信公众号的内容,本站仅呈现摘要与原文链接,不转载文章全文;文章权利归属原作者及原公众号

关于使用条款隐私信源