作为一个在制药行业工作过的经验丰富的专业人士, 医疗设备, 金融服务, 政府, 零售和对冲基金组织, 没过多少年，我就意识到审计和评估在很大程度上是手工的, 繁琐而密集的活动. 在过去, 一些大公司使用复杂的定制治理, 风险和遵从性(GRC)工具，如ServiceNow和RSA Archer，用于审计, 合规管理和风险评估. 然而, 执行和执行审计的总工作量或成本保持不变，甚至在某些情况下增加了.
引入的是工作和数据的半数字化. 例如, ServiceNow有一个供应商管理模块，它有一个有趣的特性，可以对供应商进行评估, 但在安装GRC软件前后，完成一个供应商评估所需的小时数几乎没有减少. 此外, 该工具存储了前几年的信息和数据, 但这些数据并没有被用于洞察供应商评估或内部审计.
这并不奇怪，尽管有一个专门的经过认证的审计人员团队和数据层和共性, 许多组织还没有解决审计团队的成本和动态问题. 我们听到了很多关于金融科技、监管科技和监管科技的消息，但现在是时候开始关注审计科技了. 想象一个领域(比如审计技术)将领域专业知识与当今的技术相结合. 这种努力的结果将增加审计报告和报告见解的意义. 截至2021年, 少数成熟, 数据驱动的方法已经被尝试过，并且正在兴起(例如审计分析)。. 大多数这些组织的主要驱动力是使用分析来提高审计质量并增加审计结果的意义. 银行审计人员可以提取大量加密的客户数据，并对其进行异常值和不一致的分析. 例如, 在SOC (security operations center)审计期间, 审计人员可以通过识别用户日志的组合来确定是否存在职责隔离错误.
Another application under the audit tech umbrella would be to perform text summarization during auditing; this could be based on the questions asked by the auditor, 使用关键字提取信息或在审计证据文件和图像中搜索这些关键字. 这可以被称为“审计词袋”，用于识别和转换主观, 将非结构化内容转换为结构化数据, 哪些可以应用于高效的机器学习分类系统. 这样的实现可以帮助审核员轻松地对符合特定规则的文档进行分类.
我们还可以使用神经网络和自然语言处理(NLP)模型进行审计. 利用长短期记忆细胞(LSTM)从过去的审计(包括内部审计和外部审计)中学习，创造了许多机会. 例如, 如果我们将内部和外部审计结果输入到神经网络模型中，并在一段时间内从中学习和训练, 我们可以很容易地识别出我们最需要改进的领域——无论是按照国际标准化组织(ISO) 9001标准维持质量管理体系(QMS)，还是更新某些操作流程，如纠正和预防措施(CAPA)管理.
使用自然语言处理的可能性, 审计领域的人工智能和机器学习技术提供了一个机会，可以专注于消耗审计师努力的任务，并专注于如何改善审计结果(针对外部审计)或审计质量(针对内部审计)。. 审计技术以及机器学习和人工智能的应用将很快彻底改变审计领域，使世界各地的审计师能够比以往任何时候都更快地接受监管和合规变化.
编者按: 想要进一步了解这个话题，请阅读浙江梅农最近在《澳门赌场官方软件》上发表的文章， “人工智能如何推动审计?” , ISACA杂志，第4卷，2021年.
别忘了，澳门赌场官方软件可以 免费获得CPE 来自ISACA期刊的测验!
