人工智能是模拟、开拓人类智能的理论、方法、技术的一门综合性学科，其中包含计算机技术、法律、行为学等诸多领域，相关方面的研究一直是国内外学者的关注重点。人工智能水平的基础是机器学习，大数据是机器学习的关键所在。大数据可以作为机器实践的试验品，帮助机器提升智能化水平，数据越是丰富完整多样化，机器的辨识度和精确度也越高。
在企业中，内部审计工作主要由内部审计部门或者审计委员会负责，内部审计部门作为企业内部的审计单位，工作重点在于降低企业成本费用，提高企业的经济效益，帮助企业管理层进行决策、改善管理。内审工作能有效强化企业内部控制与管理水平，及时发现企业内部各项经济活动存在的问题并有效制止、纠正问题，降低企业风险，控制风险影响的范围，提高企业财务资料的真实性、准确性和可靠性，从而帮助企业管理人员进行科学的、正确的决策，确保企业各项工作有序进行。
首先，在风险评估和分析程序中，企业内部一般存在着信息化建设不均衡和相关审计数据数量多、难收集整理等现实问题。范琳琳、孟锦等（2022）提出，利用人工智能的ETL技术可以将数据的获取、再加工一气呵成。
其次，在检查程序中，企业内部文件冗杂繁多，数据文件与资料的检查工作至关重要又耗费审计人员的时间与精力。程启荣（2021）认为采用人工智能技术来进行数据检查可以在很短的时间内自动完成大量数据检查工作。
最后，在重新计算程序中，重新计算是指对记录或文件的数据计算的准确性进行核对的程序，而通过人工智能技术可以提高准确性。刘杰、廖捷等（2019）提出传统的重新计算通常需要采用手工或者计算机设定的公式，选取数据样本进行验证，人工智能技术的引入将大大提高重新计算的准确性。
本文通过对当前国内外政策环境、理论研究与实践经验进行分析，综合研读国内外文献，并且结合专家咨询意见，识别归纳出15个人工智能技术对建筑行业内部审计的影响因素；并据此设计调查问卷，针对从事审计行业的相关人员进行线上问卷调查，收集问卷并按照一定标准进行筛选、分析得到相关数据；进而量化分析这15个影响因素，并针对关键影响因素提出针对性建议。
本研究采用文献分析法、问卷调查法、实证分析法和比较分析法相结合的方式展开，通过搜集国内外相关文献、政策文件和企业公告，梳理人工智能技术在内部审计中应用的研究现状和影响因素，为理论分析提供依据。设计基于里克特五级量表的问卷，面向审计从业者进行线上调查，收集关于人工智能技术应用的重要性评价数据，并利用SPSS软件进行信度检验和因子分析，以量化影响因素的作用机制。此外，结合内部审计流程，将人工智能技术的实际应用效果与传统审计方法进行对比分析，探讨其在提升审计效率和准确性方面的优势与局限。
由于人工智能技术在内部审计中应用的影响因素很多，因此，本文综合采用文献研究法与专家咨询法，对大量资料和文献进行整理、归纳和总结得出15个主要影响因素如表1所示。
本调查问卷要求调查对象对15个因素在内部审计中运用的重要性进行评价，每一个方面都有5个选项，5表示很高，1表示很低。采用线上问卷的收集方式共回收到110份问卷，根据问卷质量筛选出78份有效问卷，再利用SPSS软件对所收集到的调查问卷中关于15个影响因素部分的数据进行信度分析。分析后得出本调查问卷的克隆巴赫系数为0.850，显著大于判别标准0.700,由此可以看出问卷的一致性和可靠性较好。
如表2所示，15个影响因素的均值分布在4.09（F2，帮助收集、整理财务数据）到3.13(F12,接受意愿；F13，专业人员培训成本）之间，显著高于中间值3.00，这表明调查对象对于题项的认可度相对较高。
通过SPSS，本文对3组及以上的独立数据间进行了非参数检验中的克氏检验（Kruskal-Wallis）。从表2中可以看出，上述15个影响因素在克氏检验的显著性特征值都超过了标准值0.05，这说明不同的调查对象对于这15个应用影响因素的评价没有明显差别。
因子分析法属于一种通过降维来简化数据分析的多元化的统计分析方法，本次问卷调查的有效样本数量为78份，为因子数量的5.2倍，大于5倍的规定标准，这表明样本数据足够支撑因子分析。根据SPSS软件的计算结果，此量表的KMO取样适切性量数为0.762，高于标准值0.500；巴特利特球形度检验的结果为近似卡方等于604.569，自由度等于105，显著性为0.000，低于标准值0.050，由此可以判断该量表数据可以用来做探索性因子分析。进行因子分析时，主要采用了主成分分析法和方差最大正交旋转法，来找出共性因子。通过因子分析提取出3个特征值大于1.000的共性因子，同时也可以得到每个影响因素在3个不同共性因子上的载荷，旋转后的成分矩阵如下表3所示。
通过探索性因子分析的结果，可以得出每个影响因素在其归属因子的载荷，这反映了该因素对于对应因子的贡献程度。根据探索性因子分析的结果进行归纳判断，将15个影响因素归类成3个主要共性因子（V1，V2，特殊因素F8），如表4所示。其中由于前期维度划分不明确，F12（接受意愿）在第2个和第3个维度的载荷均大于0.5，则说明此题项代表性较弱，考虑将其删去。从表4中可以看出，3个维度的特征值均高于1.000的标准值，并且累积解释了77.327%，高于60.000%的标准值，说明此探索性因子分析的结果是符合标准的。
1.内部效益影响因子（V1）。
V1包括相关激励政策、帮助收集整理财务数据、帮助查验数据、帮助提炼有效样本简化审计抽样环节、提高重新计算的准确性和效率、行业竞争压力和审计内部发展的需要这7个应用的影响因素，集中反映了人工智能技术给内部审计带来效益的促进影响。
其中，根据载荷系数来看，F5（提高重新计算的准确性和效率，载荷0.918）与共性因子V1的贴合度最高，可以看作V1的代表变量，也可以作为进一步提升人工智能技术在内部审计中应用实践的突破口。目前来说，人工智能技术在内部审计工作中的应用范围仍不算广泛，但是也格外具备发挥空间，根据数据分析结果，把握人工智能技术在重新计算程序中的优势可以更进一步推动内部审计发展。
2.外部条件影响因子（V2）。
V2包括人工智能技术配套环境、人工智能应用开发成本、人工智能审计储存数据安全性、专业人员培训成本、工作经验和相关法律条款及事故责任认定这6个应用的影响因素，集中体现了外部条件下人工智能技术在内部审计中受到阻碍和存在争议的方面。
目前人工智能技术相关专业软件的开发仅仅在初级阶段，这就要求国家和企业增加人工智能应用的开发成本。除此以外，培训审计人员使用新技术的成本也应在考虑当中。从载荷系数排名看，F15（相关法律条款及事故责任认定，载荷0.925）和V2的关系最密切，是应关注的重点。由于财务数据保存于云端或者存储器中,即使有加密措施也无法完全保证数据的私密和安全，这就需要更为完善的法律法规来保障数据安全。
目前出现的审计工作失误仍是审计人员的操作不当或者遗漏造成的，但未来由于人工智能的发展可能会出现脱离掌控、违背主题的行为，这也需要法律关于权责的进一步完善。
3.特殊因素F8:软件操作难易程度。
软件操作难易程度（载荷0.843）独立于V1内部效益影响因子和V2外部条件影响因子，鉴于其特殊性，虽然构不成一个单独维度但也具有研究分析的价值。简化人工智能软件的操作方法，能进一步推广人工智能技术在内部审计具体工作流程中的应用，使人工智能技术更大程度地发挥优势。
相反，软件应用界面不友好也会要求应用开发成本和人员培训成本的增加，应用界面和程序开发太缺少人性化设置使审计人员难以上手操作，不利于人工智能技术在内部审计中的进一步应用。不仅需要简化人工智能技术的操作流程，还需要提升信息化水平和技术条件，并加强宣贯，以增加审计人员实际操作人工智能软件的工作经验。
本研究表明，人工智能技术在建筑行业内部审计中的应用具有显著的效率提升和流程优化作用，但其推广仍面临技术环境不足、数据安全隐患和法律保障缺失等制约因素。内部效益因素，如数据处理效率和重新计算精确性，是推动其应用的关键动力，而开发成本、人员培训以及责任归属等外部条件则是主要挑战。未来，国家和有关部门应进一步完善法律法规、明确责任界定，以保障数据安全，并加大技术研发投入、完善基础设施建设；企业则需提高自主创新能力，加强审计人员的培训与技术适应能力，促进人工智能技术与审计工作的深度融合。随着技术的进一步发展，人工智能将在决策支持和智能预测模型等领域释放更大潜力，为行业的高效化和智能化发展提供强劲动能。
文章摘自《中国内部审计》杂志2025年第1期
作者：于迪尔 朱瑾怡
单位：南京审计大学工程审计学院
编辑：孙哲