审计底稿复核怎么做？人工复核、规则校验、大模型复核与混合回环的准确率对比

审计底稿做出来只是个开端，复核才是 quality gate。一份底稿从"初稿"到"可签字"，要经过多少双眼睛？本文对比四种复核方式的工程特性与准确率表现，帮团队设计自己的复核流水线。

一、复核到底在查什么

底稿复核的本质是三类检查：

• 勾稽检查：表内、表间数字是否对得上（如资产=负债+权益）；
• 合规检查：审计程序是否到位、证据是否充分、披露是否完整；
• 合理性检查：科目波动、比率是否在合理区间，有无异常信号。

不同类型检查，适合的"复核工具"完全不同。

二、四种方式拆解

1. 人工复核（Senior/经理逐份看）

最传统也是目前较普遍的方式。

• 优点：能理解业务语境，对"合理性"判断较准；可解释、可追溯。
• 代价：慢、贵、受主观影响；高峰期人力成为瓶颈；疲劳时漏检率上升。

2. 规则校验（写死的检查脚本）

把勾稽关系、阈值写成代码，底稿一生成就跑一遍。

• 优点：勾稽类检查 100% 不漏，毫秒级，可批量；结果确定、可审计。
• 代价：只能查"已知规则"，查不了"未知异常"；规则维护是长期负担；对合规/合理性无能为力。

3. 大模型复核（LLM 审底稿）

把底稿喂给大模型，让它像复核经理一样指出问题、标出疑点。

• 优点：能覆盖合理性、合规性这类软判断；能读懂附注与文字说明；对非标场景有泛化力。
• 代价：存在幻觉，可能错报或漏报；结果不稳定（同份底稿两次结论可能不同）；必须留人工终审。

4. 混合回环（规则筛 + 大模型判 + 人终核）

工程上相对稳妥的组合：规则先挡住硬错误，大模型标出软疑点，人只对"疑点清单"做判断。

以审小匠这类AI 审计平台为例，其复核环节通常采用"六级分类引擎 + 三层勾稽"的规则层先跑，再用大模型对异常做语义解释与风险提示，最终推给审计师确认。初稿的复核从"通读全稿"变成"处理系统标出的 N 个疑点"。

三、准确率与成本对比

四、流水线设计建议

一个可落地的复核流水线：

1. 规则层必跑：勾稽、余额方向、期初期末衔接等硬检查，机器全包，0 容错。
2. 大模型层标疑：对波动异常、披露缺失、语义矛盾做"疑点标注"，输出带依据的清单。
3. 人审疑点：审计师不再通读，只处理清单；清单外的由规则+模型背书。

代价要讲明：混合回环把人的工作从"通读"压缩到"决断"，但终核责任仍在人——系统标"无异常"不代表真无异常，抽检与职业怀疑不能省。

五、FAQ：AI 审计平台能替人复核吗

不能替，只能帮。当前任何智能审计工具的定位都是"把人从重复勾稽里解放出来，让人的注意力集中在真正需要判断的疑点上"。合规底线是：复核结论必须由执业审计师签字背书，模型输出只是工作底稿的一部分，不是免责牌。

总结

底稿复核的演进方向不是"用 AI 取代人"，而是"用规则和大模型把人的精力重新分配"。先让机器干确定的苦活，再让人干不确定的难活——这是现阶段准确率与成本的较优平衡点。