（来源：新华日报）

□ 吕际云

随着人工智能技术与高等教育事业的深度融合，高校办学规模持续扩大、业务场景日趋复杂，科研经费、资产配置、工程建设等领域的审计需求不断升级。作为高校治理体系的重要组成部分，内部审计承担着规范管理、防范风险、提升效能的核心职能，亟须借助人工智能技术重构工作体系、革新作业模式，破解数据孤岛、流程繁琐、精准度不足等行业痛点。

构建适配人工智能的审计制度体系

建立健全国家、行业、高校“三位一体”的人工智能审计制度保障架构，明确人工智能在高校内部审计中的应用边界、权责划分与操作规范。高校需结合自身办学规模、业务特点，制定智能审计数据管理办法、算法应用准则及人机协同工作规程，对数据采集、模型搭建、结果审核等环节进行标准化约束。同时，将人工智能审计应用纳入高校内部审计发展规划，完善考核评价机制，将智能审计成效与审计部门、相关人员的绩效挂钩，倒逼优化措施落地见效。

打造一体化智能审计技术平台

推进数据标准化建设，由高校审计委员会牵头，联合财务、资产、科研等部门，制定统一的数据口径、编码规则与共享机制，打通各业务系统数据接口，建立集中式审计数据中台，实现结构化与非结构化数据的同源共享、实时传输，为人工智能模型提供完整数据源。优化智能审计系统建设模式，建议由教育主管部门或行业协会牵头搭建省级“高校智能审计中台”，开发通用审计组件与标准化技术底座，整合优质算法模型与工具资源。

重构全流程智能审计作业模式

在审计准备阶段，依托自然语言处理技术开展审前调查，自动梳理审计依据并初始化审计参数，通过多模态识别技术对接各业务系统，明确数据源与获取渠道，设计标准化审计方案。在审计实施阶段，借助数据采集机器人完成自动整理海量数据工作，并在机器学习模型辅助下完成数据清洗、关联分析环节，以便精准识别异常支出、工程计量偏差等风险。在审计报告阶段，借助自然语言处理与数据可视化技术自动生成报告初稿，在此基础上安排审计人员，针对报告初稿中的问题定性、证据完备性、建议可行性等部分开展审核纠偏工作，提高报告终稿质量。在审计整改阶段，利用机器学习模型实时跟踪整改进度，甄别整改措施与问题的匹配度，通过动态预警机制督促被审计单位举一反三、建章立制，实现“审计—整改—提升”的闭环管理。

培育复合型智能审计人才队伍

优化高校审计人才培养与引进机制，构建“校内培养+校外实训+资格认证”的立体化培养体系。在校内培养方面，调整审计相关专业人才培养方案，增设人工智能、大数据分析等课程模块，实行双师型导师制度，强化教学环节理论内容与实践锻炼的有机结合。针对现有审计人员，通过上级主管部门统筹组织跨校交流、前往人工智能审计应用标杆单位挂职实训等方式，以审代训提升实操能力。完善职业认证体系，在审计相关资格考试中增设智能审计模块，要求从业人员定期完成人工智能审计继续教育课程，作为资格审核的必备条件，打造既精通审计业务又掌握人工智能技术的复合型人才队伍，破解技术应用瓶颈。

筑牢智能审计安全与伦理防线

强化技术安全防护，搭建审计数据安全情报共享平台。高校可采用数据加密等新兴技术，保障审计数据在采集、存储、分析、传输全流程的安全。建立健全数据安全责任制，明确审计人员、技术运维人员的数据安全职责，落实分级授权管理，依据风险等级设定人机交互权限与数据访问范围。加强伦理审查与风险管控，重点监测算法模型的数据偏见风险，避免因训练数据偏差导致审计结论不公。清晰界定人工智能审计中的人机责任边界，明确智能系统与审计人员的各自职责。

未来，随着人工智能技术的持续迭代升级，高校内部审计需在实践中不断完善优化路径，提升人机协同效能，充分发挥内部审计在高校风险防控、治理效率提升中的核心作用，为高等教育事业的高质量发展保驾护航。

（作者单位：江苏海事职业技术学院）