在國家“十四五”規(guī)劃和2035年遠(yuǎn)景目標(biāo)的引領(lǐng)下，中國移動(dòng)自2021年起以“推進(jìn)數(shù)智化轉(zhuǎn)型、實(shí)現(xiàn)高質(zhì)量發(fā)展”為主線，全力推進(jìn)智慧中臺構(gòu)建，提升數(shù)智化轉(zhuǎn)型支撐水平。中國移動(dòng)通信集團(tuán)浙江有限公司（以下簡稱公司）致力于通過機(jī)器人、大數(shù)據(jù)分析、云計(jì)算、AI（人工智能）等多種技術(shù)手段，推動(dòng)智慧審計(jì)縱深發(fā)展，高效開展內(nèi)部審計(jì)項(xiàng)目。在通信工程建設(shè)審計(jì)方面，面對每年眾多的工程結(jié)算審計(jì)項(xiàng)目，內(nèi)審部為提高審計(jì)效率、控制工程造價(jià)成本，已初步完成數(shù)智化管理新生態(tài)的搭建，并依托此生態(tài)開展AI機(jī)器學(xué)習(xí)算法研究，成功實(shí)現(xiàn)結(jié)算審計(jì)的自動(dòng)抽樣復(fù)審和一審質(zhì)量自動(dòng)評估，助力數(shù)智化審計(jì)轉(zhuǎn)型。

通信運(yùn)營企業(yè)建設(shè)項(xiàng)目審計(jì)的目標(biāo)和內(nèi)容

建設(shè)項(xiàng)目審計(jì)是公司內(nèi)部審計(jì)工作的重要組成部分，在工程造價(jià)控制和投資成本節(jié)約方面發(fā)揮著關(guān)鍵作用。公司經(jīng)過多年探索，初步實(shí)現(xiàn)了建設(shè)項(xiàng)自審計(jì)的數(shù)智化轉(zhuǎn)型，建立了全省建設(shè)項(xiàng)目審計(jì)“1215”數(shù)智化管理新生態(tài)，具體包括：

1個(gè)工作界面作為應(yīng)用層，統(tǒng)一結(jié)算審計(jì)、二次復(fù)審、決算審計(jì)、質(zhì)量檢查、全過程跟蹤審計(jì)五大工作類型的登錄界面和系統(tǒng)人口，實(shí)現(xiàn)一鍵登錄。

2大系統(tǒng)平臺作為平臺層，建設(shè)項(xiàng)目審管系統(tǒng)是基礎(chǔ)作業(yè)平臺和業(yè)務(wù)管理平臺，承載審計(jì)工作全流程及資料的上傳、存儲(chǔ)、共享和歸檔；智慧工程審計(jì)系統(tǒng)依據(jù)業(yè)務(wù)規(guī)則運(yùn)算解析，輸出任務(wù)數(shù)據(jù)，賦能審管平臺。

1個(gè)制度倉庫作為基礎(chǔ)層，存儲(chǔ)相關(guān)制度和規(guī)范。

5項(xiàng)智慧應(yīng)用作為能力層，在原有“結(jié)算審計(jì)智慧審減”“決算審計(jì)自動(dòng)化比對”“現(xiàn)場踏勘實(shí)時(shí)采集”3項(xiàng)智慧應(yīng)用的基礎(chǔ)上，又新增了“AI機(jī)器學(xué)習(xí)算法自動(dòng)抽樣復(fù)審”和“AI一審打分”2項(xiàng)智慧應(yīng)用。

新增的AI機(jī)器學(xué)習(xí)算法自動(dòng)抽樣復(fù)審功能，通過智能抽樣優(yōu)化了復(fù)審流程，降低了人工抽樣偏差風(fēng)險(xiǎn)。AI一審打分功能的開發(fā)進(jìn)一步拓展了技術(shù)應(yīng)用的深度，通過算法模型對審計(jì)結(jié)果的初步評估，為人工復(fù)核提供了科學(xué)參考，既縮短了審計(jì)周期，又提升了結(jié)論的客觀性。

AI技術(shù)的引人有效解決了通信工程項(xiàng)目數(shù)量龐大、單體規(guī)模小、流程復(fù)雜與審計(jì)資源有限的矛盾，通過智能化手段提升了審計(jì)效率與質(zhì)量。

現(xiàn)狀與不足

公司每年委托合作一審單位進(jìn)行約2萬個(gè)結(jié)算審計(jì)項(xiàng)目，一審?fù)瓿珊?，約 12% 的項(xiàng)目由復(fù)審單位人工抽樣復(fù)審，剩余 88% 的項(xiàng)目由內(nèi)部審計(jì)人員人工復(fù)核，以實(shí)現(xiàn)質(zhì)量控制。（見圖1)然而，這種方式存在諸多不足：復(fù)審單位抽樣過程中，存在人為選取偏好，可能引發(fā)隱性腐敗風(fēng)險(xiǎn)，加之?dāng)?shù)據(jù)量大，導(dǎo)致人工抽樣耗時(shí)較長且效率低下。內(nèi)部審計(jì)人員復(fù)核環(huán)節(jié)，面臨工作量大、任務(wù)重復(fù)性高的問題，導(dǎo)致效率低下，同時(shí)質(zhì)量控制體系缺乏標(biāo)準(zhǔn)化。

解決方案

為解決上述問題，引人AI機(jī)器學(xué)習(xí)算法能力，開發(fā)AI一審打分模型和AI復(fù)審抽樣模型2項(xiàng)智慧應(yīng)用，以大數(shù)據(jù)及AI技術(shù)為基礎(chǔ)，推動(dòng)“AI+工程審計(jì)”的管理模式，實(shí)現(xiàn)質(zhì)量管控和審計(jì)效率的提升。

首先，針對傳統(tǒng)審計(jì)中人工抽樣主觀性強(qiáng)、覆蓋面有限的問題，AI復(fù)審抽樣模型依托LightGBM（一款基于決策樹算法的分布式梯度提升框架）算法，通過對1.3萬個(gè)歷史項(xiàng)目數(shù)據(jù)的學(xué)習(xí)，實(shí)現(xiàn)了自動(dòng)化抽樣決策。該模型不僅將復(fù)審抽樣從人工判斷轉(zhuǎn)為算法計(jì)算，確保樣本選擇的全面性與客觀性，更顯著降低了中介機(jī)構(gòu)的工作負(fù)荷，使審計(jì)資源得以優(yōu)化配置。其次，AI一審打分模型通過提煉19名審計(jì)骨干對2.5萬個(gè)項(xiàng)目的人工評分經(jīng)驗(yàn)，將隱性知識轉(zhuǎn)化為可量化在工程結(jié)算項(xiàng)目中，一審項(xiàng)目結(jié)束后會(huì)由二審單位自行挑選部分項(xiàng)目，二審單位所挑選項(xiàng)目，并根據(jù)再核減率來評價(jià)一審審計(jì)質(zhì)的機(jī)器學(xué)習(xí)標(biāo)簽，為未復(fù)審的一審項(xiàng)目提供質(zhì)量評估參考。再次，數(shù)據(jù)基石的構(gòu)建是2項(xiàng)應(yīng)用落地的關(guān)鍵前提。通過結(jié)構(gòu)化處理全門類歷史數(shù)據(jù)，提取關(guān)鍵信息并統(tǒng)一存儲(chǔ)標(biāo)準(zhǔn)，形成了涵蓋5年項(xiàng)目記錄的數(shù)據(jù)庫，為算法訓(xùn)練提供了高質(zhì)量原料。最后，技術(shù)選型充分考慮了通信行業(yè)審計(jì)場景的特殊性。LightGBM算法憑借其分布式梯度提升決策樹的優(yōu)勢，在保證模型解釋性的同時(shí)，能夠高效處理海量非均衡數(shù)據(jù)，其分類效果經(jīng)初步驗(yàn)證完全滿足抽樣決策的精準(zhǔn)度要求。

AI機(jī)器學(xué)習(xí)算法在通信運(yùn)營企業(yè)建設(shè)項(xiàng)目審計(jì)中的應(yīng)用機(jī)理

一、AI機(jī)器學(xué)習(xí)算法自動(dòng)抽樣復(fù)審項(xiàng)目

該模型采用成熟的機(jī)器學(xué)習(xí)算法對復(fù)審項(xiàng)目進(jìn)行自動(dòng)抽樣，減輕人工抽樣工作量，保證抽樣合理性和全面性。實(shí)現(xiàn)過程包括數(shù)據(jù)導(dǎo)人及預(yù)處理、特征工程、分類標(biāo)簽創(chuàng)建、模型訓(xùn)練及預(yù)測等步驟，通過LightGBM分類算法對工程項(xiàng)自數(shù)據(jù)進(jìn)行分類，確定抽樣復(fù)審項(xiàng)目，并在智慧工程審計(jì)系統(tǒng)中以可視化視圖展示模型評價(jià)和輸出結(jié)果，為審計(jì)人員提供直觀參考。

二、AI技術(shù)方法的運(yùn)用

該模型在實(shí)現(xiàn)過程中采用了多項(xiàng)技術(shù)方法，包括通過文檔數(shù)據(jù)結(jié)構(gòu)化錄人研究，成功將批量工程項(xiàng)目審計(jì)的審定表結(jié)構(gòu)化錄人至智慧工程審計(jì)系統(tǒng)中；利用LightGBM分類算法、分類標(biāo)簽、特征工程等多項(xiàng)技術(shù)，對審定表數(shù)據(jù)進(jìn)行處理，實(shí)現(xiàn)對建設(shè)項(xiàng)目的自動(dòng)歸類；通過自動(dòng)計(jì)算已抽樣項(xiàng)目的準(zhǔn)確率、召回率、精準(zhǔn)率、F1值，對模型效果進(jìn)行分析、評估和展示，從而保證所抽樣項(xiàng)目滿足復(fù)審要求，并可據(jù)此數(shù)據(jù)進(jìn)行反饋優(yōu)化，提高后續(xù)模型輸出準(zhǔn)確率。

三、模型實(shí)現(xiàn)過程

該模型具體實(shí)現(xiàn)過程如下：首先，數(shù)據(jù)導(dǎo)人與預(yù)處理階段奠定了模型運(yùn)行的底層基礎(chǔ)，通過系統(tǒng)化導(dǎo)入表單數(shù)據(jù)并執(zhí)行深度清洗，有效剔除冗余信息并修補(bǔ)缺失值，確保輸人數(shù)據(jù)的完整性與準(zhǔn)確性，這一步驟如同為高樓大廈夯實(shí)地基，直接決定了后續(xù)分析的可靠性。其次，特征工程環(huán)節(jié)彰顯了業(yè)務(wù)理解與技術(shù)落地的協(xié)同價(jià)值，基于審計(jì)專家經(jīng)驗(yàn)深入分析字段相關(guān)性，運(yùn)用函數(shù)精準(zhǔn)提取審定表中的數(shù)值特征，將錯(cuò)綜復(fù)雜的工程項(xiàng)目數(shù)據(jù)轉(zhuǎn)化為可量化的分類指標(biāo)，實(shí)現(xiàn)了業(yè)務(wù)邏輯向算法語言的科學(xué)轉(zhuǎn)化。再次，分類標(biāo)簽生成階段體現(xiàn)了AI算法的核心價(jià)值，通過機(jī)器學(xué)習(xí)對歷史正負(fù)分類項(xiàng)目特征數(shù)據(jù)的深度挖掘，構(gòu)建出具有判別力的決策規(guī)則，不僅自動(dòng)完成待抽樣項(xiàng)目的智能分類，更通過智慧審計(jì)系統(tǒng)前臺的直觀展示，為審計(jì)人員提供了兼具效率與透明度的決策支持工具。最后，模型訓(xùn)練與預(yù)測環(huán)節(jié)形成了閉環(huán)優(yōu)化的管理機(jī)制，通過持續(xù)的任務(wù)訓(xùn)練與參數(shù)調(diào)整不斷提升算法精度，并以預(yù)測結(jié)果與實(shí)際審計(jì)結(jié)論的交叉驗(yàn)證，動(dòng)態(tài)評估模型性能，確保技術(shù)應(yīng)用始終貼合業(yè)務(wù)需求。

四、平臺系統(tǒng)的可視化視圖展示

智慧工程審計(jì)系統(tǒng)中模型輸出界面包含模型評價(jià)和模型輸出兩部分，為審計(jì)人員提供直觀展示，體現(xiàn)實(shí)際復(fù)審情況與AI模型預(yù)測情況的統(tǒng)計(jì)結(jié)果。

模型評價(jià)包含混淆矩陣和評價(jià)指標(biāo)?；煜仃嚨目茖W(xué)呈現(xiàn)，將抽象的算法性能轉(zhuǎn)化為審計(jì)人員可直觀理解的統(tǒng)計(jì)結(jié)果，其中預(yù)測與實(shí)際結(jié)果的四類組合關(guān)系不僅清晰地展現(xiàn)了AI模型的判斷邏輯，更通過準(zhǔn)確率、召回率等指標(biāo)量化了模型的專業(yè)適配度，使技術(shù)可靠性具備了可測量、可驗(yàn)證的管理屬性。

評價(jià)指標(biāo)的計(jì)算公式嵌人設(shè)計(jì)體現(xiàn)了技術(shù)透明性原則，審計(jì)人員既能掌握模型的整體表現(xiàn)，又能深入理解各指標(biāo)間的制約關(guān)系，這種透明化機(jī)制有效消除了人工智能應(yīng)用的“黑箱”疑慮，增強(qiáng)了技術(shù)成果的決策可信度。

模型輸出模塊采用“總一分”式的數(shù)據(jù)展示架構(gòu)，從地市級統(tǒng)計(jì)概覽到具體項(xiàng)目的預(yù)測明細(xì)，既滿足了管理層對區(qū)域性審計(jì)質(zhì)量的宏觀把控需求，又為執(zhí)行層提供了項(xiàng)目級別的細(xì)顆粒度分析依據(jù)，特別是人工審定與預(yù)測結(jié)果的審減率對比，直觀揭示了AI模型與人工經(jīng)驗(yàn)的價(jià)值互補(bǔ)性。

五、AI一審打分項(xiàng)目

該模型充分利用復(fù)審中介在二次復(fù)核一審項(xiàng)自過程中積累的審計(jì)質(zhì)量評價(jià)經(jīng)驗(yàn)，運(yùn)用AI機(jī)器學(xué)習(xí)算法自動(dòng)對全量一審項(xiàng)目進(jìn)行5級打分，實(shí)現(xiàn)標(biāo)準(zhǔn)化質(zhì)量評價(jià)。在工程結(jié)算項(xiàng)自審定表已結(jié)構(gòu)化錄入智慧工程審計(jì)系統(tǒng)的基礎(chǔ)上，利用LightGBM分類算法、A/B測試、陪跑模型等技術(shù)方法，將復(fù)審經(jīng)驗(yàn)總結(jié)成打分細(xì)則并轉(zhuǎn)化為算法打分。具體實(shí)現(xiàn)過程包括錄人文檔標(biāo)準(zhǔn)化、機(jī)器學(xué)習(xí)人工打分標(biāo)簽、AI一審打分建模分析及模型調(diào)優(yōu)等步驟，通過不斷優(yōu)化模型，提高打分準(zhǔn)確性和可靠性。

AI機(jī)器學(xué)習(xí)算法在通信運(yùn)營企業(yè)建設(shè)項(xiàng)目審計(jì)中的應(yīng)用案例分析

一、AI機(jī)器學(xué)習(xí)算法自動(dòng)抽樣復(fù)審模型使用情況

AI復(fù)審自動(dòng)抽樣模型已實(shí)現(xiàn)全省覆蓋，年推送項(xiàng)目約2500個(gè)，復(fù)審再審減率從1.98PP提升至2.20PP ，有效克服了人工抽樣效率低、人為選取偏好及隱性腐敗風(fēng)險(xiǎn)等弊端。這一進(jìn)步得益于人工智能技術(shù)的引入，不僅提高了審計(jì)工作的效率和準(zhǔn)確性，還通過標(biāo)準(zhǔn)化方法減少了審計(jì)過程中的主觀偏差和風(fēng)險(xiǎn)。

二、AI一審打分模型使用情況

AI一審打分模型在建設(shè)項(xiàng)自審計(jì)管理系統(tǒng)上線，為約1.8萬個(gè)結(jié)算一審審計(jì)項(xiàng)目提供5級打分評估質(zhì)量，顯著提升了審計(jì)效率和準(zhǔn)確性，同時(shí)降低了審計(jì)成本和風(fēng)險(xiǎn)，實(shí)現(xiàn)了委托審計(jì)質(zhì)量控制的標(biāo)準(zhǔn)化。目前，該模型與AI復(fù)審自動(dòng)抽樣模型交叉驗(yàn)證、內(nèi)審審計(jì)員驗(yàn)證，不斷提升模型有效性。

AI機(jī)器學(xué)習(xí)算法在通信運(yùn)營企業(yè)建設(shè)項(xiàng)目審計(jì)中的應(yīng)用前景分析

一、對數(shù)智化建設(shè)項(xiàng)目審計(jì)的AI在機(jī)器學(xué)習(xí)算法應(yīng)用的其他探索方向

本次成功打通了機(jī)器學(xué)習(xí)技術(shù)流程，所用算法研究和DataMaster機(jī)器學(xué)習(xí)平臺可復(fù)用于審計(jì)領(lǐng)域的其他機(jī)器學(xué)習(xí)項(xiàng)目，如高風(fēng)險(xiǎn)業(yè)務(wù)單的抽樣方法。結(jié)合標(biāo)準(zhǔn)化文檔接人和AI一審打分模型，探索建設(shè)項(xiàng)目審計(jì)的自動(dòng)化，目標(biāo)是實(shí)現(xiàn)送審單位提交標(biāo)準(zhǔn)化文檔后，AI自動(dòng)審計(jì)并出具報(bào)告。目前，該項(xiàng)目已申請一項(xiàng)專利《一種基于人工智能技術(shù)的提升工程結(jié)算審計(jì)審減質(zhì)量的方法》，該專利解決了海量工單從手工到AI自動(dòng)輔助審核的問題，具有實(shí)用價(jià)值。隨著DeepSeek等大語言模型的推出，我們可基于這些模型，利用公司項(xiàng)目數(shù)據(jù)進(jìn)行訓(xùn)練，打造專為通信行業(yè)建設(shè)項(xiàng)目審計(jì)設(shè)計(jì)的智能體，這將具有極大的應(yīng)用價(jià)值。

二、AI機(jī)器學(xué)習(xí)算法與審計(jì)人員協(xié)作模式探討

AI機(jī)器學(xué)習(xí)算法的應(yīng)用不僅不會(huì)削弱審計(jì)人員的角色，反而為他們提供了強(qiáng)天的工具，推動(dòng)了審計(jì)工作方式的革新。未來，AI與審計(jì)人員將形成緊密的協(xié)作模式。在審計(jì)項(xiàng)目前期，審計(jì)人員可以利用AI算法快速篩選和分析海量數(shù)據(jù)，確定審計(jì)重點(diǎn)和潛在風(fēng)險(xiǎn)點(diǎn)。AI的自動(dòng)抽樣復(fù)審功能能夠幫助審計(jì)人員更科學(xué)地選取樣本，提高審計(jì)效率。在審計(jì)過程中，審計(jì)人員可以借助AI一審打分模型評估一審質(zhì)量，為后續(xù)審計(jì)工作提供參考。審計(jì)人員的專業(yè)知識和實(shí)踐經(jīng)驗(yàn)可以對AI模型的輸出結(jié)果進(jìn)行驗(yàn)證和補(bǔ)充。例如，當(dāng)AI模型識別出高風(fēng)險(xiǎn)項(xiàng)目時(shí)，審計(jì)人員可以運(yùn)用專業(yè)判斷，深人調(diào)查這些項(xiàng)目，挖掘潛在問題。在審計(jì)項(xiàng)自后期，審計(jì)人員可以利用AI技術(shù)綜合分析審計(jì)結(jié)果，生成更詳細(xì)、準(zhǔn)確的審計(jì)報(bào)告。同時(shí)，審計(jì)人員還可以根據(jù)實(shí)際審計(jì)情況，為AI模型提供反饋，幫助模型不斷優(yōu)化和完善。這種人機(jī)協(xié)作模式將充分發(fā)揮AI和審計(jì)人員的優(yōu)勢，提升審計(jì)工作的質(zhì)量和效率，為通信運(yùn)營企業(yè)的健康發(fā)展提供有力的保障。

綜上所述，AI機(jī)器學(xué)習(xí)算法的應(yīng)用，在審計(jì)精細(xì)化管理、風(fēng)險(xiǎn)防控以及降本增效方面發(fā)揮了積極的作用。AI機(jī)器學(xué)習(xí)算法項(xiàng)自的成功嘗試，一方面為建設(shè)項(xiàng)目審計(jì)數(shù)智化轉(zhuǎn)型升級提供了技術(shù)支撐，另一方面提供了可復(fù)制的經(jīng)驗(yàn)路徑和參考價(jià)值。（作者單位：中國移動(dòng)通信集團(tuán)浙江有限公司）

（責(zé)任編輯：吳輝）