一、引言

随着深度学习、大语言模型等技术的成熟，人工智能正以前所未有的深度和广度渗透各行业领域。审计作为党和国家监督体系的重要组成部分，也迎来了智能化转型的关键期。在基层审计实践中，不少审计人员已开始尝试将人工智能技术应用于日常审计工作，以应对日益繁重的审计任务与相对有限的审计资源之间的矛盾。然而，基层审计机关运用人工智能技术也面临着独特的风险与挑战。与省级以上审计机关相比，基层审计机关在技术能力、资金投入、人才储备、制度建设等方面均存在明显差距。更关键的是，审计工作涉及大量财政收支、工程结算、干部履职等敏感信息，一旦在技术应用中发生数据泄露或结论偏差，可能对审计监督的公信力造成损害。如何在拥抱技术红利的同时有效管控风险，成为基层审计机关亟待解决的现实课题。

二、基层审计机关运用人工智能的典型场景

人工智能在基层审计实践中的应用己呈现出多元化态势，主要体现在以下几个场景:

（一）非结构化数据归集与处理

基层审计中大量资料以合同文本、会议纪要、验收报告等非结构化形式存在。人工智能工具的语义解析技术能够对这些材料自动进行摘要、关键信息提取与交叉比对，将原本需要人工逐页翻阅的工作转变为智能化处理。例如，现场审计助手支持对10万字以内的长文档进行解析，可上传投标文件进行差异性分析，极大提升了文档审查效率。

（二）政策法规智能查询与辅助定性

基层审计工作涉及的政策领域宽泛，从惠农补贴到工程建设，从民生资金到自然资源，审计人员往往需要快速定位准确的政策依据。通过构建动态法规知识库，人工智能可以基于自然语言描述迅速检索相关法律法规，辅助审计人员进行问题定性。这在很大程度上解决了基层审计人员“政策查不准、这在很大程度上解决了基层审计人员“政策查不准、依据找不全”的难题。

（三）审计文书辅助生成

审计取证单、审计报告初稿等文书材料的撰写耗时耗力。借助语言模型，审计人员可以快速生成文书框架和初步内容，再将精力集中于核心间题的研判与文字润色。这种"人机协同”的写作模式，有望缓解基层审计人员的案头工作压力。

（四）数据分析与疑点挖掘。

在政府投资审计、惠农补贴审计等领域，人工智能的机器学习算法可以对海量交易数据进行深度挖掘，自动识别异常模式。例如，通过分析投标单位的MAC地址、IP地址，人员交叉任职等信息，快速发现围标串标疑点，这种效率是传统人工审计难以企及的。

三、基层审计机关应用人工智能面临的主要风险与挑战

尽管人工智能为基层审计工作带来了效率提升的契机，但实践中暴露出的风险同样不容忽视。这些风险既源于技术本身的局限性，也与基层的特殊环境密切相关。

(一)数据安全风险;敏感信息泄露的隐患

数据安全是基层审计人员运用人工智能面临的首要风险。部分审计人员在使用公共人工智能平台处理审计资料时，可能将含有财政收支、工程结算、个人信息等敏感内容的文件上传至互联网。一些平台默认启用数据留存或模型训练机制，审计信息一旦进入训练系统，便可能形成水久性暴露，脱离审计机关的控制范围。这一问题在基层尤为突出，一方面，基层审计机关往往峡乏统一的人工智能使用规范，对“哪些数据可以上传、哪些数据严禁上网”缺乏明确界定;另一方面，基层信息化基础设施相对薄弱，本地部署的A工具尚不普及，部分审计人员为图便利倾向于直接使用便捷的公共平台。

（二）模型输出风险:AI幻觉与判断误导

大语言模型基于概率推理机制生成内容，缺乏真正的事实判断能力，其输出可能存在严重偏差甚至“虚构事实”一一这一现象被称为“AI幻觉”。在基层审计实践中，模型可能出现逻辑错误、结论指向不明、虚构法规依据等情况。若审计人员未能及时发现模型的“说谎”行为，可能将不实内容作为问题线索或法律依据，误导审计结论。尤其是在政策依据查询、问题定性等关键环节，模型的错误输出可能直接导致审计结论失准。对于经验尚浅的基层审计人员而言，识别模型输出的谬误并非易事。

(三)技术依赖风险:专业能力弱化与思维退化

人工智能工具的自动化和便捷性可能使部分审计人员逐渐产生依赖。在审计文书撰写、问题归纳等环节，频繁使用模型替代人工思考，可能削弱审计人员自身的逻辑分析、定性判断和法规核验能力。这一问题在年轻审计干部中尤其值得关注一他们容易将AT视为“万能工具”，依赖模型提供框架、话术、结论，而缺乏对问题背景、特性和政策依据的独立分析能力。从更深层次看，过度技术依赖可能导致“审计思维空心化”。审计工作的核心价值在于专业判断，而非机械的信息处理。如果审计人员逐渐丧失独立分析能力，人工智能便从“辅助工具”异化为“决策主体”，这与审计监督的实质要求背道而驰。

(四)资源约束挑战:基层的结构性困境

一是数据基础薄弱。乡镇财政数据“碎片化”间题突出，各部门系统独立开发、接口不互通，形成“数据孤岛”。惠农补贴、村级财务、项目建设等数据分散在不同部门，审计人员需人工提取、手动核对，数智化分析难以落地。二是技术与需求脱节。市面上多数审计数智化工具针对县级以上财政审计开发，侧重大额资金流向追踪与宏观政策执行审计，未充分考虑乡镇财政“金额小、频次高、业务杂”的特点。审计人员陷入“工具不适用、想用用不好”的尴尬境地。三是人才储备不足。基层审计队伍中既懂审计业务又掌握数据分析技术的复合型人才稀缺。部分审计人员对A1技术的掌握和运用能力不足，限制了人工智能的应用潜力。乡镇审计队伍多为兼职人员或其他岗位转岗人员，缺乏系统的数智化培训。四是算力与成本压力。基层审计机关普遍面临经费紧张的现实困境，高性能算力资源的获取和维护成本较高，可持续运营压力较大。这在一定程度上限制了人工智能技术在基层审计实践中的深度应用。

四、风险成因的深层分析

上述风险的产生，既有技术本身的局限性，也折射出基层审计智能化转型中的深层次问题。从制度层面看，规范缺失是风险滋生的温床。当前多数基层审计机关尚未建立系统化的人工智能使用管理机制。什么情况下可以使用A1工具、哪些数据可以输入、由谁审批、责任如何划分一一这些基本规则尚付之阙如。审计人员在实践中只能“摸着石头过河”，难免出现使用失当的情形。

从技术层面看，通用模型与专业需求的错配加剧了风险。基层审计人员使用的往往是面向公众的通用大模型，而非针对审计场景优化的专用模型。通用模型缺乏审计领域知识，容易出现“知识混淆”和“内容误引”;同时，公共云服务模式意味着数据必须上传至厂商服务器，安全可控性较低。

从能力层面看，数字素养的差距放大了技术风险。基层审计人员对人工智能的技术原理、能力边界、潜在风险缺乏系统认知。当技术以“便捷高效”的面貌出现时，使用者容易忽视其背后的风险，难以对模型输出保持应有的职业审慎态度。

从生态层面看，基层处于技术扩散的末梢，面临“技术鸿沟”困境。人工智能技术研发高度集中在头部企业和发达地区，基层单位往往是技术的被动接受者面非主动塑造者。工具与需求脱节、培训资源不足、上级支持有限等问题，都反映了这一结构性矛盾。

五、风险规制路径：推动基层审计AI应用安全发展

面对上述风险与挑战，基层审计机关需要构建系统化的风险规制框架，既积极拥抱技术红利，又有效防范潜在风险。

（一）健全制度规范：明确AI使用的行为边界

制度先行是风险防控的基础。基层审计机关应尽快出台人工智能使用管理办法，对“可用范围、敏感限制、审批机制、责任划分”等作出明确规定。具体而言，可建立分级分类管理制度:依据数据涉密等级划定“禁止上传”“需脱敏处理”及“可调用”三类操作范围:建立使用授权机制，对AI工具使用设定审批流程;明确AI辅助生成内容的复核责任，确保审计人员对最终结论承担责任。在制度建设中，应充分借鉴上级审计机关和相关行业的有益经验。例如，中国注册会计师协会要求，在审计工作底稿中充分、适当地记录使用人工智能工具的过程和结果，以及对结果的分析与采纳过程。这一做法值得基层审计机关参考。

（二）推动本地部署：构建安全可控的技术环境

从技术路径选择上，基层审计机关应积极探索将人工智能工具以“内网部署、离线运行”的方式嵌入审计工作平台。本地部署模式有助于解决公有云模型面临的“数据外流、接口不可控、更新不可管”等问题，实现数据不出单位、行为可控可查。在本地部署基础上，还应同步推进“审计模型本地训练”，构建包含财政政策、审计方法、历史案例等内容的专属知识库。这既能提升模型在本地使用时的专业适配能力，又能避免通用模型的知识混淆问题。有研究提出现场审计助手的系统架构设计，采用分层架构和微服务设计，数据层采用分布式数据库保障存储安全，人工智能技术集成层有机融合各类算法为本地化部署提供了可行的技术方案。当然，本地部署面临资金和技术门槛。基层审计机关可积极争取上级支持，在技术、经验、人才培养等方面寻求更多帮助，形成上下联动的技术支撑机制。

（三）强化能力建设：培育“人机协同”的审计思维

技术终究是工具，其价值取决于使用者的专业素养。基层审计机关应强化审计人员在AT使用过程中的主导地位，切实防止“审计思维空心化”。在教育培训方面，应组织分层分类的人工智能使用专题教育培训方面，应组织分层分类的人工智能使用专模型能力边界、内容辨识方法、风险识别技巧等内容，并根据审计工作需要进行调整。同时，应注重培养既懂审计业务又掌握数据分析技术的复合型人才，打造多元化的审计队伍。在实际应用中，应鼓励审计人员先独立完成初步判断，再参考模型建议进行补充优化，防止形成“机器说了算"的惰性思维。对于人工智能工具识别出的异常情况，应采取进步审计程序确认，保持职业怀疑态度。

（四）夯实数据基础：破解基层资源瓶颈

针对数据基础薄弱问题，应加强数据治理体系建设。由县级审计机关牵头，协调财政、民政、农业等部门，建立统一的审计数据平台，统一数据格式与接口标准，实现“一次采集、多端复用”。针对技术与需求脱节问题，应强化研究型审计的引领作用。通过研究型审计的“调研先行”机制，提前开展乡镇财政审计需求摸排，结合近三年审计发现的高频问题，形成“基层审计重点清单”，并据此优化数智化工具的功能模块。同时，重视在审计实践中持续优化和积累算法模型，形成可复用、可迭代的技术资产。