一是克服收集信息的不足，人工智能技术扩大了数据收集的点和面，不仅包括内部结构化数据和非结构化数据，还可收集多源外部信息，避免共时性样本不足。二是自动化重复执行复杂任务，解放出审计人员，使其专注于更高价值的活动。

一是实现了从抽样推断到全面检查，保证审计过程更严谨，审计结论更可靠。二是实现了从静态评估到动态优化，人工智能模型可以动态监测风险事项，及时更新风险评分，根据预测分析的结果实时调整风险矩阵。

审计人员通过运用人工智能技术，不仅能够审查信息的真实性、合规性和可靠性，而且能够通过技术优势，收集海量数据并进行信息分析，从更高层面给予有价值的审计建议。

在审计准备阶段，主要是对审计项目开展审前调查、进行材料准备、设计审计参数等。

利用人工智能数据采集机器人等智能化技术，自动采集审计对象的海量数据，并对数据进行清洗，通过智能审计模型进行数据分析，识别异常活动和风险点，并收集审计证据，形成审计发现问题清单，生成审计工作底稿，为后期审计报告的形成提供证据支撑。

高校人工智能内部审计报告阶段可分为两个阶段。一是智能形成审计报告阶段。在审计实施阶段的基础上，利用自然语言处理和数据可视化技术等，自动生成审计报告。二是智能幻觉纠偏阶段。审计人员应对审计报告进行审核，特别是对问题的定性、问题证据的相关性和完备性、建议可行性进行重点审核，以避免智能幻觉导致错误结果。

对于审计发现的问题，被审计单位要制订整改方案，对每一个问题实施整改措施，定期汇报审计整改结果情况，最终通过整改验收。

为进一步规范和有力推动人工智能在内部审计领域的深入应用，需要建立与之配套、完善的人工智能内部审计法规体系和制度架构，进一步健全完善国家、行业、单位“三位一体”制度保障体系。

针对目前高校智能审计系统建设中存在的分散化、低质化现象，建议由教育主管部门或行业协会牵头构建省级“高校智能审计中台”；各高校基于中台扩展个性化功能，实现高校共享优质审计模型。同时完善运行机制，形成高校智能审计系统“开发、共享、迭代”的良好生态闭环。

一是要注重技术防范，充分利用技术筑牢安全防线，建设安全情报共享平台。二是加强内部控制，明确安全责任制。三是落实问责机制，强化审计人员的数据安全意识。

一是创新人才培养方法，高校应优化审计人才培养方案，对学生实行双师型导师制。二是加强实践锻炼，对于现有审计工作者，可由上级审计机关或主管部门抽调其参加审计项目，或协调高校内审人员到人工智能审计运用成效好的单位，参与其审计实践，以审代训。三是优化职业认证。在注册会计师考试、审计相关专业资格考试中增设“智能审计”模块；要求审计执业人员每年完成一定学时的人工智能审计继续教育课程，作为注册审核条件之一。

一是要伦理审查，重点监测数据偏见（如性别）风险。二是要权限分级，依据风险等级设定人机交互规则。三是要明确责任，界定多方责任与义务。