发现问题后,先别让AI写不符合项

现场审核进行到第二天下午，审核组沿着一项彩盒订单追踪客户文字变更。销售人员展示了工作群里的通知，设计人员调出了已经修改的制版文件，生产出来的实物文字也是正确的；但正式受控图稿仍是旧版，质量人员用于首件确认的签样也没有同步更新。把这些材料交给AI，它很快就能生成一段结构完整的“不符合描述”：事实、问题、条款、风险，甚至连整改方向都可以一并写好。

这种效率很有吸引力，却也最容易让审核工作跳过关键的一步。审核员此时掌握的首先是一条值得继续核实的线索，而不是一项已经成立的不符合。产品做对了，文件却没有同步；工作群承担了正式流程之外的信息传递；另一个相似变更是否也这样处理，目前还不清楚。问题究竟是一次文件更新遗漏，是某类变更没有进入正式控制，还是现有机制虽然形式不同但仍然有效，不能靠一段流畅文字提前决定。

AI为什么会过早把问题“写实”

AI擅长完成语言上的闭合。只要输入中出现“旧版本”“未更新”“未提供记录”等词，它就很容易调用常见的审核表达，把零散材料组织成一个看起来已经成立的结论。可是审核发现并不是一种写作体裁，而是审核证据依照审核准则进行评价的结果。文字是否像报告，不代表证据链已经完整；条款是否看起来相关，也不代表它就是当前事实最准确的评价依据。

更隐蔽的风险，是模型会替输入材料补上因果关系。正式图稿未更新，不等于组织没有实施变更控制；某份记录在当时没有找到，不等于组织从未保存；一个样本出现差异，也不等于同类过程普遍失效。如果审核员先让AI写不符合项，之后的取证往往会围绕那段文字寻找支持，而不是继续检验其他解释。AI原本应该帮助我们发现逻辑缺口，结果却可能成为一种“结论锚点”。

先把线索放进四层证据链

我更愿意在发现问题后暂停一下，把已有内容依次放入“线索—事实—准则—结论”四层。线索是触发继续调查的信息，例如正式图稿与生产实际使用的文字不一致；事实必须能够回到具体样本、日期、版本和来源，例如某订单的客户修改时间、工作文件版本、受控图稿状态、首件签样内容以及现场产品；准则包括项目适用的管理体系要求、组织自己的受控程序和已经确认的客户要求；结论则只能说明这些已确认事实与适用准则之间存在什么关系。

这四层不能互相代替。线索不能因为“很像问题”就直接进入结论，条款也不能替事实补齐过程。审核员需要先还原业务轨迹：客户变化怎样进入销售，销售怎样通知设计与生产，设计修改了哪些文件，生产依据什么执行，质量又依据什么检验。轨迹还原以后，才能看出断点发生在信息传递、变更分类、文件更新还是完成确认，而不是简单地把“旧版文件”归入文件控制。

随后还要主动寻找反例和替代解释。同一企业另一项结构或尺寸变更是怎样处理的？旧图稿是否仍被实际调用？是否存在经过授权的临时控制方式？质量人员虽然持有旧签样，实际检验是否使用了其他受控依据？这些问题不是为了替企业开脱，而是为了检验拟议结论能够承受多大范围。证据不足时，正确的动作是扩大适当抽样、补充核实，或者缩小结论，而不是用“可能”“管理不到位”“存在风险”等模糊词把空缺遮住。

让Codex做证据链检查，而不是替你宣判

在这个阶段，我会把Codex的任务限制为“检查候选发现”，而不是“生成不符合项”。输入材料也不是整包原始客户资料，而是经过授权和必要脱敏的事实底稿、来源索引、适用准则原文或受控摘录，以及审核员形成的候选表述。一个可直接使用的任务说明可以这样写：

请仅依据我提供的材料建立“线索—已确认事实—适用准则—候选结论”对照表。为每项事实返回样本、日期、版本和来源；标出结论中无法由事实支持的词语，特别检查“全部、长期、普遍、未实施、无效”等范围表达；列出尚未排除的替代解释和需要补充核实的事项。不要补充材料中没有的事实，不要代选条款，不要判断不符合类别或严重程度，也不要提出整改方案。

这样的任务设计有两个价值。第一，Codex会把注意力放在来源、缺口和逻辑跳跃上，而不是追求一段漂亮的正式措辞；第二，审核员可以很快看到哪些词已经越过证据。例如草案写着“设计变更未得到控制”，但事实只覆盖一项文字变更，那么范围就可能过大；草案写着“导致产品不符合”，但实物检查显示文字正确，那么后果就没有依据。模型可以把这些不一致标出来，删改、补证还是保留，则必须由审核员决定。

到什么时候才可以起草发现

当四件事基本清楚时，才适合进入正式表达：事实可以回到明确来源，准则正式且适用，事实与准则之间的差异能够被说明，结论范围没有超过抽样所支持的边界。即便如此，AI生成的也只是候选稿。审核员仍要核对原始记录，审核组仍要进行内部校准，不符合的分类、严重程度和后续要求仍须依据认证机构程序及相应授权确定。

尤其要避免把原因和整改方案写进审核发现。审核员看到工作群传递变更，可能怀疑职责接口或变更分类存在问题，但那仍是需要组织分析和证据验证的原因假设；“增加审批节点”“重新培训人员”也可能看起来合理，却属于企业需要结合自身机制决定的措施。把这些内容提前写进发现，不仅会混淆事实与推断，还可能越过审核与咨询之间的边界。

AI进入审核工作以后，真正值得提升的不是“不符合项写得有多快”，而是从异常信息走到可辩护结论的过程能否更加清楚。发现问题后先不写结论，并不是降低效率，而是在最容易发生性质变化的位置设置一道复核门。让AI检查证据链，让审核员完成核验与判断，这样得到的文字也许慢几分钟，却更经得起企业沟通、技术复核和后续追溯。

你在审核中最常遇到的“线索还没核实，结论已经先写出来”的情形是什么？

说明：文中企业、订单及审核情节均为合成案例，仅用于方法示意，不对应任何真实受审核组织；实际审核应遵循适用标准、认证方案、法律法规和所在机构的受控程序。