ARTICLE · 1041384
AI都快把别的行业掀翻了,为什么审计还在用Excel贴数?
AI都快把别的行业掀翻了,为什么审计还在用Excel贴数?2026年迎来了AI agent的爆发，这一年来，AI能力的发展速度可以说是呈指数级增长。去年还是一个聊天助手，今年似乎已经进入万物皆可AI的时代。原先主要用来写代码的各种code工具（如Claude Code，Cursor，Open Code等），已经演化为可以操作电脑完成大部分任务的助手，电脑终于有了真正意义上的大脑。国内主流大厂也加紧在办公agent领域深度布局，其中腾讯WorkBuddy抢占先机，阿里（QwenWork）、字节（豆包工作）、百度（DuMate 搭子）等紧随其后。可以说目前几乎每个行业都在喊“被AI重构”。但好像热闹是别人的，审计这边安静得似乎有点反常，似乎还在观望。 打开微信，审计工具类、AI应用类的的公众号其实不少：AI重塑流程、AI风险识别及分析、AI生成底稿、AI生成报告、AI复核等……标题一个比一个唬人，“效率提升十倍”“年审必备神器”“一个人就是一个项目组”。 但你随便走进一个年审现场看看：项目组围坐一圈，人手一个Excel，底稿靠手工贴数，文件在微信群里传来传去，文件名从“最终版”改到“最终版v3_真的最终”。 外面AI翻天覆地，审计现场却似乎纹丝不动，对AI的应用主要还是停留在信息检索、知识问答方面。这个反差，值得好好聊聊。 
这似乎不是一个“AI行不行”的技术问题。 AI能做的，大多是单点。函证生成、折旧测算、账龄分析、合同检查、细节测试、截止测试等，这些是审计链条上的某一个环节。 但审计项目是一条长链：拿数据、洗数据、风险评估、实质性程序、编底稿、复核、归档。中间任何一环卡住，前面AI省下的时间，都会被后面吃掉。 举个最常见的例子。你有一个很智能的明细账分析工具，结果客户导出来的账套格式千奇百怪，今年的格式和去年还不一样，光清洗数据就耗掉半天。AI跑出一堆异常项，跟客户掰扯原因，最后底稿里再截图、写备注、留说明。 
AI省下的时间，又被人工判断和留痕要求原样加了回去。 很多AI工具演示的时候，用的都是干干净净的标准数据，跑起来行云流水。实务里完全不是这回事。 客户的财务系统有用友、金蝶、SAP，还有自研的，导出来的东西格式混乱；大量原始凭证是纸质或者扫描件，关键数字得靠人眼去认；科目映射关系年年变；有些涉及商业敏感的数据，客户只肯给部分内容截图或现场查看。 
数据清洗和标准化，才是审计信息化最大的隐性成本。AI模型再聪明，喂进去的是脏数据，吐出来的也只能是垃圾。 这一点外行很难理解。审计底稿是要承担法律责任的，监管检查和协会质量检查的时候，看的是：程序执行到位没有？样本充不充分？异常解释了没有？判断有没有依据？ 于是就有一个很现实的矛盾：AI可以帮你快速找出异常，但它没法替你解释异常，更没法替你签字。 你用AI自动做了收入截止性测试，跑出几个跨期样本。底稿里不能只贴一张AI输出的截图，你得写清楚为什么选这些样本、抽样逻辑是什么、跨期原因是什么、客户怎么解释、你的结论是什么。 而且AI会出错。有研究显示，AI在关联交易识别上的处理速度是人工的几十倍，但误判率也不低，遇到隐性关联方、特殊行业交易，翻车不少。审计这一行的容错空间极小，批量性错误是零容忍的。质控合伙人对“黑箱”输出天然不信任，宁可相信过程看得见的手工底稿。 
所以一线的心态很一致：宁愿慢一点用老办法，也不愿替AI的风险背锅。 国内审计市场同质化竞争严重，“最低价中标”是常态。一个中小所接一个年报审计，收费可能就几千到几万块。而一套像样的AI审计系统，采购加维护加训练，如果考虑数据安全性本地部署大模型，要做到能用，投入是一笔天文数字。 合伙人心里的账很清楚：这笔钱投下去，能不能马上省出几个人？答案不确定，那就不投。招几个实习生手工抽凭、手工编底稿，反而是更便宜的选择。 
这里还有一个扎心的数据：国际四大在信息化上的投入强度超过5%，IT人员占比超过一成；国内大所只有不到2%，中小所更是不到1%，七成中小所在信息化上的年投入不足五万块。不是不想用AI，是市场的收费很难兼顾AI的效率和数据安全性。 事务所是项目制、工时制管理。引入AI工具，学习成本谁出？年审期间每天干十四个小时，同时扛着三四个项目，你让谁去学？ 更拧巴的是，不少所的考核体系里，工时多并不一定是坏事。一个人用AI把活干快了，工时少了，绩效评价可能反而受影响。效率高了，奖励未必有，更多的项目倒是可能马上安排过来。 
这种激励错配之下，一线人员没有动力推AI，太正常了。 这个瓶颈被严重低估了。 
审计软件每个步骤之间有严密的业务逻辑，真正吃透一套系统，往往要经历两三个年审季。而同时懂审计业务逻辑和AI技术的人，整个行业都稀缺。IAASB（国际审计与鉴证准则理事会）已经把“技术人才短缺”列为阻碍信息技术落地的关键瓶颈，超过八成的事务所承认，招人和留住技术人才都极其困难。 于是经常出现这种场面：审计人写需求，“这个流程必须符合项目分工、质控留痕、时间戳自动记录”；工程师理解成，“他要一张能盖章的表格”。系统上线那天，全场沉默：这谁用得了？ 再加上这个行业人员流动率高得吓人，你好不容易培养出一个既懂业务又懂AI的骨干，第三个年审季结束，人走了。项目经验全散落在他个人电脑和微信里。新人进来，从头再教。 市面上的AI工具大多跑在云端，数据要传上去。客户的核心财务数据、商业机密，合规部门怎么可能放行？很多大客户的保密协议里写得明明白白，公司提供的数据资料不能向无关第三方提供，否则有吃官司的风险。 
所以公众号上的AI工具，多数只能停留在“个人偷偷用”的层面，进不了项目组的标准作业流程。 前面聊的都是工具、数据、钱，但真正吃掉项目组大量工时的，还有一个没法量化、也很难写进底稿的东西：跟客户沟通。 审计一进场，第一件事就是找客户要资料。这一步看着最不起眼，做起来最磨人。 
你列了一份资料清单，写了十几项：“收入明细、成本构成、关联交易清单、重大合同……”发过去，客户财务回一句：“能不能再具体点，你们到底要什么？” 不是客户不配合，是他真的不知道审计嘴里的“收入明细表”长什么样、要按哪个口径、覆盖哪个期间。你写的是审计的黑话，他听的是自己那套业务语言，中间隔着一层，得来回翻译。 然后就是一遍遍拉扯。第一版资料发过来，格式不对；第二版，口径不对；第三版，缺了一个月。等资料终于齐了，你可能已经来回了二十几封邮件，进度拖出去一星期。 发现数据异常，沟通更难。你查到一笔收入突然暴涨，或者一笔往来款对不上，得去问客户原因。这时候客户财务多半正忙着自己的月结、报税、出表，根本没空搭理你；要么一句“我们回去查一下”，一查就是三天；要么直接甩一句“这没什么问题啊”，让你自己去翻凭证。 更微妙的是，有些沟通靠的不只是话，还有语气、脸色、潜台词。客户说“我们尽量配合”，可能是真配合，也可能是敷衍；一句“这个数你们再看看吧”，背后也许是难言之隐，也许只是懒得解释。这些判断，靠的是人和人之间那点说不清的经验，AI读不出来。 所以你会发现，AI也许能帮你把资料清单整理得更规范、把异常项列得更清楚、帮你起草一封催资料的邮件——但它没法替你打那通电话，没法替你坐在客户对面，更没法替你读懂那句“我们再研究研究”到底是什么意思。 审计的活，说到底有一大块是“和人打交道”的活。工具能提效的，是“和数打交道”的那一半；而“和人打交道”的那一半，省不掉，也外包不出去。 聊到这儿，我不敢给什么结论。这个行业的问题，没有哪一条是靠一个观点能说清楚的。 我能确定的只有一件事：上面那些障碍，数据、留痕、收费、激励、人才、安全、沟通，没有一个是靠AI自己就能绕过去的。它们缠在一起，像一团乱麻，你从哪头抽，都拽不动另一头。 
所以这篇文章，与其说是回答，不如说想问你几个问题—— 如果先不谈“上系统”这个宏大命题，就从你手上那摊活开始：哪个环节是今天最想甩给机器、却一直没甩掉的？是函证？是抽凭？是银行流水核对？还是底稿里那些永远填不完的附注？ 如果AI真的只能先把边缘的、机械的、重复的活接过去，你会放心把哪一块先交出去，把哪一块死死攥在手里？ 再往上想一层：那些卡住AI的东西——脏数据、不敢签字、算不过账、还有跟人掰扯——到底是技术问题，还是得有人先站出来，把责任、流程、钱这几件事重新摆一遍？ 我没有答案，但我觉得这几个问题比答案更重要。也许有人已经在某个项目、某个所里，悄悄试出了一条能走通的路；也许根本没有路，得有人自己去踩。 AI掀翻了很多行业，审计会不会是下一个，现在没人说得准。但有一点我越来越信：工具从来不会自己落地，能把它摁进泥里再扶正的，只能是人。 至于明天进场，是继续打开Excel，还是顺手试试让机器先干点边角料——这个选择，其实一直握在我们自己手里。
一、AI再强，目前也只是链条上的一个“点”
二、数据是脏的，AI“无从下嘴”
三、AI能找出异常，但签字的是你
四、算不过账来
五、激励是拧着的
六、会审计的不懂AI，懂AI的不懂审计
七、还有一条红线：数据安全
八、最容易被忽略的，其实是沟通成本
写在最后