人工智能在审计实务中的应用情况调查问卷

:第一部分：AI的角色定位与流程覆盖

Q1:审计实务中，AI主要负责处理那些大量重复、规则明确的数据整理和比对工作，审计人员则把精力放在需要专业判断的复杂事项上（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）

Q2:AI工具能够自动完成标准化的数据分析任务（如自动抓取异常数值），也可以响应审计人员的具体查询需求并返回初步结果（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）

Q3:在我所在机构，AI被明确定位为替代审计人员做出最终决策的主体，注册会计师不再对审计意见承担任何责任（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）

Q4:AI技术已经在审计计划制定、证据采集、报告撰写或后续整改跟踪等至少两个以上环节中得到实际应用（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）

Q5:在目前的审计工作流程中，通常会先由系统进行初步筛选和提醒，再由审计人员逐一复核确认，遇到重大或疑难问题时，最终交由执业经验丰富的注册会计师把关裁定（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）

Q6:在实质性程序中，AI仅能对少量样本数据进行抽查，扫描范围远小于传统抽样审计，无法实现全面排查（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）

: 第二部分：智能能力与系统架构

Q7:AI舞弊识别模型不仅考虑财务数据是否异常，还会分析管理层面临的外部压力（如业绩考核压力）以及企业内部控制的薄弱环节（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）

Q8:我们尚未建立任何以大模型或审计专家系统为核心的AI审计技术平台，相关建设仍未启动（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）

Q9:目前的AI系统仅能简单判断“有无舞弊”，无法提供风险等级或业务领域提示（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）

Q10:在审计计划阶段（如辅助识别重点会计科目和审计领域）、实质性程序阶段（如对发票、合同等凭证影像进行自动信息提取和交叉比对）以及项目质量控制复核阶段（如检查工作底稿完整性和准则引用规范性），都已经有AI工具在发挥作用（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）

Q11:当业务环境发生变化时，AI能够根据持续积累的数据和审计人员反馈，不断优化风险识别模型，动态更新筛查重点（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）

Q12:目前已经搭建了覆盖数据存储、算法运行、人机交互操作和具体业务场景应用等不同层面的完整AI审计体系框架（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）

Q13:AI系统具备处理合同文本、会议记录、发票影像等非表格类信息的能力，且能够把这些材料纳入分析范围（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）

:第三部分：数据治理、可解释性与伦理机制

Q14:我们已建立了统一的数据标准和跨系统数据整合平台，能够把客户内部的财务数据和外部的工商登记、司法诉讼、舆情信息等来源不同的数据整合到一起（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）

Q15:我们已经采用了一些专门的技术手段，来应对AI模型在判断过程中存在“不可解释性”的问题（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）

Q16:我们已建立起一套涵盖AI应用伦理、审计质量控制和算法运行监督等多方面内容的AI审计内部管理制度（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）

Q17:在利用AI进行审计时，我们允许原始数据上传至外部云端，数据隐私和安全保护措施严重不足（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）

Q18:AI系统给出的异常提醒和分析结论，其生成过程都有完整记录，对审计人员来说是容易理解并追溯来龙去脉的（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）

Q19:我们已经建立了AI审计应用的伦理审查机制，并且明确了如果出现问题，相关责任该如何追溯和划分（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）

Q20:我们建立了完善的数据来源追踪机制，每一项分析所使用的原始数据，其采集路径都有清晰的记录并归档（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）

Q21:AI模型的分析依据和判断逻辑对审计人员完全不透明，无法进行复核或验证（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）

Q22:我们建立了对AI系统本身的定期检查评估制度，定期审查算法是否存在偏见或歧视、是否符合监管要求以及实际运行效果是否达标（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）

:第四部分：人才储备与实施制约

Q23:当地注册会计师协会或事务所内部会定期组织面向审计人员的跨学科培训，内容涵盖审计实务、数据科学知识和AI应用操作（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）

Q24:审计数据的质量不高（如数据缺失、格式不统一、标准不一致），严重制约了AI的应用效果（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）

Q25:现有的审计人员普遍缺乏基础数据分析能力，且对AI运行逻辑几乎完全不理解（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）

Q26:AI工具的分析过程存在“不可解释性”，导致审计师不敢直接采信其结果，影响了实际推广（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）

Q27:我们已制定了AI审计的中长期发展计划，并优先选择重复性高、规则明确的场景（如函证处理）进行试点推进（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）

Q28:AI审计工具在硬件配置、软件账号和培训机会等方面的资源较为有限，一线人员获取和使用受到限制（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）

Q29:审计与AI技术复合型人才严重不足，限制了项目的推进速度（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）

Q30:监管政策、审计准则及工作底稿规范尚未针对AI工具使用作出说明，我们因担心合规风险而在使用时产生顾虑（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）

Q31:使用AI工具时可能涉及客户财务数据上传至云端，带来数据或商业秘密泄露风险，因此我们对在实质业务中广泛部署持谨慎态度（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）

Q32:事务所内部管理层对AI审计的价值认识不足，导致在资金投入、政策推动和组织协调等方面的支持力度不够（1=非常不同意，2=不同意，3=中立，4=同意，5=非常同意）