前两天，我给部门里的同事分享了一下，如何利用 AI 智能体编写 Skill，再通过 Skill 快速生成高新专项审计的底稿和报告。

实战效果怎么样？

30分钟左右，生成一套高新审计底稿和报告，Token成本大约5块钱。

然后，有同事提到，她最近也在试用一款审计软件。

这款软件同样号称可以自动生成企业年审项目的“四表一注”，宣传口号更是相当霸气：拳打四大、脚踢八大、碾压友商。

刚才刷公众号，又看到一篇推广这款审计软件的文章。

我突然觉得，人家放假了都这么敬业，难怪粉丝这么多。

既然如此，作为一个审计从业者——当然，我也不知道对方是不是真的干审计，所以不敢贸然自称“同行”——我觉得自己也应该写一篇文章，聊聊一个可能更值得关注的问题：

AI对审计行业的冲击，到底已经到了什么程度？

以及：

未来，我们还需不需要审计软件？

先说结论

我的判断是：

未来三年内，大概率，市面上相当一部分传统审计软件会逐渐被淘汰，至少其核心价值会被重新定义。

为什么？

但凡真正用过 AI 智能体的人都知道：理论上，只要是审计人员能够完成的工作，其中相当一部分都可以交给 AI。

包括但不限于：

• 核对客户提供的资料是否齐全；

• 根据客户资料编写审计底稿；

• 编制审计调整分录；

• 撰写审计报告；

• 对审计报告进行复核。

这意味着，AI解决的已经不只是“提高审计软件某个功能的效率”，而是在逐步接管整个审计工作流。

一、传统审计软件的逻辑：代码驱动

目前市面上的审计软件，本质上还是代码驱动。它不需要联网，也不需要消耗Token。

程序员把审计人员的工作流程拆解成一个个固定步骤，然后用代码把这些步骤固化下来。

从这个角度看，审计工作似乎非常适合软件化。毕竟，审计本来就有大量标准化、程序化的工作。

但问题恰恰在这里：

审计并不是只有标准化程序。

真正让一线审计人员痛苦的，往往恰恰是那些没有办法被简单写成固定程序的事情。

二、审计软件很难解决的第一个问题：资料到底齐不齐？

这是困扰审计一线人员的一个大问题。有的时候客户根据资料清单发过来的资料乱七八糟（一线人员的原话）。

文件夹里面可能是：几十个Excel、PDF、扫描件、图片、银行回单……

一线人员看到以后，经常是：“到底哪些给了，哪些没给？”

更麻烦的是：“给了的资料，到底符不符合要求？”

这是非常典型的人工判断工作。

如果用AI呢？逻辑完全可以反过来。

首先，把一个审计项目需要的资料清单告诉AI。然后，把客户整个资料文件夹交给AI。AI自动识别、分类、匹配。

最后按照约定好的格式，输出：

已提供资料、缺失资料、资料异常以及需要进一步确认的事项。

这时候，AI处理的已经不是某一个表格，而是整个资料准备环节。

三、审计软件很难解决的第二个问题：根据客户资料真正“写”底稿

传统审计软件当然可以取数。

根据总账、明细账，填一些基础表格，没有问题。

但审计底稿中，有大量信息并不是来自总账和明细账。

比如货币资金。你需要根据银行对账单，识别银行账户、期末余额等信息。

再比如截止测试。你需要根据发票、凭证等资料，提取日期、金额、供应商、业务内容等信息，再填入对应的底稿。

这些东西怎么办？传统软件往往很难处理。

但AI不一样。

AI可以调用OCR等模型，对客户提供的大量非结构化资料进行识别。

从发票、银行回单、合同、凭证、对账单、扫描件中提取信息，再将这些信息写入对应的审计工作底稿。

这才是真正意义上的：

让AI替审计人员干活。

而不是仅仅让审计人员多一个“填表工具”。

四、审计软件很难解决的第三个问题：回溯与互动

这一点可能更加重要。

什么叫“回溯”？

简单来说，就是：

我作为审计人员，想知道AI到底做了什么，以及它为什么这么做。

传统审计软件由于主要执行的是固定的机械化程序，所以一般不需要太复杂的互动。

它可能告诉你：

“所有科目明细表已经填完。”

但问题是：填得怎么样？有没有重分类？有没有异常？和财务报表是否一致？有没有发现需要进一步关注的问题？

很多时候，你并不知道。

如果程序报错呢？可能就是弹出来一个错误代码。然后你再去用户手册里查：这个报错到底是什么意思？

AI智能体的逻辑完全不同。

当它遇到没有约定、约定不清楚，或者无法自行判断的情况时，它可以停下来告诉你：

“我发现这里存在一个问题，目前有A、B、C三种处理方式，请确认下一步怎么做。”

如果客户资料没有提供完整，它也可以直接告诉你：

“没有找到XX银行2026年12月31日的对账单，请确认是客户未提供，还是资料存放在其他位置。”

这就产生了一个非常重要的变化：

传统软件是在执行程序，而AI智能体是在执行任务。

这是两种完全不同的产品逻辑。

五、有人可能会说：智能体再牛，它不能直接取数啊！

所以，还是得靠审计软件的取数工具。

我只能说：大错特错。智能体完全不一定需要所谓的“取数工具”。

直接让客户从财务系统中导出总账、明细账，不就可以了吗？

智能体吃的是数据，不是账套。

至于数据是.xlsx格式，还是其他格式，对AI而言，并不是核心问题。

如果客户直接导出标准的数据文件，AI就可以直接处理。

反过来，如果是审计软件导出的加密账套，AI反而可能无法直接读取。

那为什么一定要：先把账套拷出来；再把账套导入审计软件；再从审计软件取数并写入审计底稿？

这一整套流程，本身就是一个值得重新思考的问题。

如果AI可以直接处理数据，为什么还要人为地增加这么多中间环节？

六、真正值得警惕的，不是AI会不会做审计

而是：

当AI已经可以完成大量审计工作以后，传统审计软件究竟还剩下什么不可替代的价值？

以前的软件，是把人的工作流程固化成代码。

未来的智能体，则可能是：

给它目标、规则、资料和权限，它自己规划路径、调用工具、处理资料、生成底稿，并在遇到不确定事项时主动与人互动。

这意味着，未来的审计软件可能不再是今天我们理解的“一个软件”。

它更可能变成：一个围绕AI智能体构建的审计工作平台。

而那些仅仅把传统审计流程代码化、再增加几个AI按钮的软件，可能会面临非常大的挑战。

最后，郭师想说，AI时代，知识平权。所有人都有越来越平等的机会获取知识、调用工具、表达知识。

但是，如果我们获取和表达的知识，仍然停留在上一代的生产方式里，就像会计已经全面电算化、会计人员都开始使用电脑以后，你还在研究怎么把算盘打得更快，然后试图向别人推销算盘。

问题不是：算盘还能不能用。而是这个时代，已经不再需要靠算盘解决问题了。

审计行业也是一样。

最后的最后：不打广告，也不卖产品。如果有想要定制审计工作流的老板、合伙人，可以跟我联系。

让我们一起，去拥抱一个更高效的审计未来。