机器人认知自动化（R&CA）在审计中的应用探索
房巧玲 高思凡
【摘 要】 创新审计技术方法是“科技强审”的迫切要求，机器人认知自动化（R&CA）是结合软件机器人和认知能力的自动化解决方案，能够在相当程度上满足灵活、智能的自动化需求。R&CA技术的功能、对象以及理念与审计活动的不同维度存在内在耦合性，可以据此构建“人机协同”的R&CA技术审计模型。R&CA技术在审计中的应用主要涉及原有审计业务流程诊断与优化、独立审计任务自动化处理、基于R&CA技术的审计业务流程再造等实施步骤。该技术的应用有利于提升审计效率、审计质量并优化审计资源配置，但仍需关注其面临的现实困境和潜在风险。
【关键词】 机器人认知自动化（R&CA）; 智能审计; 科技强审; 审计技术
【中图分类号】 F239.1? 【文献标识码】 A? 【文章编号】 004-5937（2021）01-0126-07
一、引言
“科技强审”是21世纪以来审计发展最显著的特征之一，习近平总书记在中央审计委员会第一次会议中指出，要坚持科技强审，加强审计信息化建设。面对时代发展提出的新要求，审计领域必须努力创新审计技术方法。审计技术方法是为实现审计目标而采取的思想方法和技术手段的总称[1]，其创新的外因在于审计环境的变迁，内因在于审计效率与审计风险的权衡。大数据、云计算的发展一方面促使审计内容由纸质账目、结构化数据向数字化载体和复杂的数据结构转变，导致传统审计模式捉襟见肘;另一方面提升了运算速度，降低了运算成本，为审计技术方法的创新提供了丰富的资源。在这一背景下，機器人认知自动化（Robotic & Cognitive Automation，R&CA）作为一种创新型审计技术方法受到了审计职业界的关注。国际四大会计师事务所已经率先做出响应，例如2016年毕马威与IBM合作，利用认知机器人Watson实现审计业务流程自动化。虽然审计实务中已经开始尝试应用R&CA技术，但是鲜有学者将R&CA与审计结合起来开展理论研究，有鉴于此，本文拟就R&CA技术在审计中的应用问题进行理论探索，以期为推动审计技术方法创新有所裨益。
二、相关概念辨析与文献回顾
（一）R&CA及其相关概念辨析
R&CA，即通过融合机器人流程自动化（Robotic Process Automation，RPA）和认知计算（Computer Cognitive，CC），模拟并增强人与计算机的交互过程，能够在异构系统中自动执行可重复、常规任务的软件解决方案。R&CA技术连接了机器人世界与认知世界，由此形成的R&CA认知机器人更具有智能性，能够实现部分复杂、灵活的业务流程自动化处理。因为R&CA技术的组成要素主要包括RPA技术和CC技术，所以有必要先明确RPA和CC这两个概念。
1.RPA技术
RPA指的是“在一个或多个不相关的软件系统中预配置的软件实例，根据业务规则和预定义的活动编排自动完成一系列流程、活动、事务和任务，并提供人为例外管理的结果或服务。”[2]这些软件实例又被称为“机器人”“软件机器人”“流程机器人”，RPA机器人可以自动执行基于一定规则的重复、机械式任务，但它们只依靠固定的脚本执行命令，适用的工作场景都是可以被提前定义的，因此并不具备认知性或智能性。相较于业务流程自动化的其他技术（如Excel宏），RPA有两项附加特征：一是RPA是镶嵌于系统表示层（用户界面）的外挂程序，属于非侵入式软件，RPA的运行不会破坏企业已有的IT系统;二是使用者可以直接通过RPA的用户友好型界面对其进行配置，无需精通传统的IT编程技能。在审计业务流程中，有着大量明确规则的、重复性的、成熟的任务，非常适合实施RPA。
2.CC技术
CC源于模拟人脑的计算机系统的人工智能，通过与人、自然环境的交互学习，帮助决策者从不同类型的海量数据中揭示非凡的洞察，以实现不同程度的感知、记忆、学习和其他认知活动[3]。从功能层面上讲，CC具备人类部分认知能力，能够出色完成对数据的发现、理解、推理、决策等特定认知任务，进而帮助人类做出更好的决策。CC代表一种全新的计算模式，是一个多种技术的综合体，包括认知助手、计算机视觉、机器学习、自然语言处理、图像识别、语音识别技术等等，每种细分技术用不同的方法解决其领域内的问题。在审计业务流程中，CC技术能够处理分析各类结构化、非结构化数据①，具备智能的风险洞察能力，能够大大减轻审计人员的脑力负担。
3.R&CA技术与RPA技术、CC技术的关系
RPA本质上是一组逻辑指令的集合，需要利用特定的指令编码去完成指定的任务，因此业务自动化的范围局限于基于规则的流程，限制了端对端的流程自动化;CC是一个为人类提供类似“智库”功能的认知系统，它打破了传统数据分析的诸多限制，不需要事先编程，能够利用大数据不断进行自我调整和改进，从而有预测、规划、调度以及流程场景重塑的能力，但CC技术并不擅长处理基于规则的、步骤重复的任务，并且在自动化实施或执行方面较为烦琐。
R&CA结合了RPA、CC和其他技术（例如大数据、物联网、移动互联网、区块链等），RPA技术下的辅助性软件机器人将逐步过渡到R&CA技术下的认知性软件机器人，R&CA认知机器人能够像人脑一样接收海量数据并不断矫正自身行为，可以实现预先规范性分析以及自动编排多任务接收，进而实现端对端的业务流程自动化。“自觉能动”是认知机器人的重要特点[4]，R&CA认知机器人更强调自动化过程的动态性、自适应性、鲁棒性和交互性，其中，动态性强调如果问题陈述模棱两可或不完整，认知机器人可通过提问或寻找其他来源输入来帮助定义问题，可以“记住”业务流程中的先前交互，并在特定时间点返回适合于特定任务的信息;自适应性强调认知机器人可通过自我学习调节参数和更新优化模型，从而随外部环境、数据、任务进行改变;鲁棒性强调认知机器人面对内部或外部扰动甚至变化时能够较好保持原有的期望状态;交互性强调认知机器人可以与云、端、人、物进行广泛的数字连接，从而使机器人更具扩展性和灵活性。
（二）相关文献回顾
已有关于R&CA技术与审计结合的相关文献尚未直接对“R&CA技术+审计”开展研究，而主要是从R&CA技术的两个关键要素RPA和CC分别探讨它们与审计的结合应用。对“R&CA+审计”的研究可以视为对“RPA+审计”和“CC+审计”研究必要的自然延伸。具体阐述如下。
1.RPA技术和审计的结合研究
已有文献关于“RPA+审计”的研究主要聚焦于两个方面：一是探索RPA在审计中的实施框架。例如，Rozario et al.[5]指出，RPA能够自动执行包括对账、控制测试以及细节测试等审计任务;Huang et al.[6]正式提出了一个RPA在审计中的实施框架。二是总结RPA在审计领域某些试点的实践经验。例如，Cohen et al.[7]探讨了RPA在员工福利计划审计实质性程序中的应用;陈琳娣[8]分享了某电信公司内部审计中RPA的实践案例。
2.CC技术和审计的结合研究
关于“CC+审计”的相关研究，有学者关注CC将对审计范围、抽样技术、取证模式、审计业务流程等方面产生的影响[9-10]，也有学者聚焦于探索各项CC技术在审计中的应用路径，主要集中在以下四个方面：（1）开发认知助手辅助审计人员风险评估。例如，Li et al.[11]所开发的LUCA模型可为审计信息检索和风险评估提供交互决策支持。（2）利用自然语言处理和人工神经网络促进审计数据采集的自动化。例如，毕秀玲等[12]指出，自然语言处理能够处理和审计相关的文本信息，避免人工检查的知识局限与漏判误判;张志恒等[13]指出，基于神经网络的审计意见预测模型预测效果良好。（3）将图像识别、语音识别应用于实质性程序。例如，徐薇等[14]指出，无人机和图像识别等技术的结合能够很好地应用于政府环境审计;何若云等[15]探索了语音识别技术在商业银行内部审计应用的可能性。（4）利用机器学习以及深度学习进行预测和分析。例如，潘琰等[16]指出，在领导干部自然资源资产离任审计中应用机器学习可以兼顾验证可预见的审计风险点及未预见的新关系;Sun[17]构建了一个通过深度学习进行信息识别的应用框架，能够在不同审计阶段向各审计程序提供判断支持。
综上所述，已有文献虽然分别探索了RPA技术、CC技术与审计的结合，但是现阶段对R&CA技术与审计结合的研究依旧匮乏，有必要在已有基础上进行更加深入的拓展研究。有鉴于此，本文接下来拟从R&CA技术与审计的耦合机理入手，系统探索R&CA技术的审计模型及其应用路径，以期提供审计自动化、智能化趨势下审计技术方法创新的新思路。
三、机理分析与模型构建
（一）R&CA技术与审计活动的耦合机理分析
1.R&CA技术功能与审计业务流程自动化的耦合
R&CA认知机器人同时具备行动和认知学习两大功能，行动能力由RPA技术所赋予，而认知学习能力得益于CC技术的支持，两大功能密不可分，如同人类的手与大脑的关系。认知机器人运用行动能力来执行机械、重复的任务，好比审计人员用双手处理基础的工作;认知学习能力如同审计人员的大脑，可以通过大数据主动感知、学习和推理物理世界，模拟部分审计人员的专业判断能力，进而为审计决策提供更多的建议。
业务流程是把一个或多个输入转化为对顾客有价值的输出的活动，业务流程理论同样适用于审计过程，审计过程包括一系列将输入（与经济业务事项有关的认定、既定标准）转化为输出（审计结论）的审计任务，下一步审计任务的开展以上一步审计任务的完成为依托，以实现特定的价值为最终目标（满足审计委托方的需求），因此审计过程可以视为一个有机的业务流程整体，后续审计工作的开展以前续审计工作为依托，最终实现审计目标。R&CA认知机器人一方面运用认知学习能力分析、处理审计数据，并提供触发具体行动的数字化指令，进而提高了数据分析、处理阶段的自动化水平;另一方面运用行动能力实施具体步骤或动作，比如指引工作流，启动应用程序接口（API）和运行计算机指令脚本，提高了数据采集、传输阶段的自动化水平。低级别审计业务流程的结果输出是高级别审计业务流程的数据输入，因此审计业务流程的自动化处理是一个从认知学习到行动，再从行动到认知学习的循环过程，既强调行动对认知学习的服务，又强调认知学习对行动的作用。
2.R&CA技术对象与独立审计任务的耦合
R&CA技术的对象较为灵活，既可以处理具有结构化数据输入、单一结果输出、基于明确规则的流程的各项任务，又可以处理部分具有非结构化数据输入、多个不确定的结果输出、基于推理的流程的各项任务，一般称前者为结构化任务，称后者为非结构化任务。就审计活动而言，审计业务流程向下细分，可以分解为一系列相互联系的独立的审计任务，例如，Abodolmohammadi[18]将常规财务报表审计的业务流程最终划分为332项审计任务，其中39%为结构化审计任务，41%为半结构化审计任务，20%是非结构化审计任务，具体来说，实质性程序阶段的任务大多数（67%）是结构化的，审计计划和审计报告阶段的任务大多数（分别为53%和78%）是非结构化的，控制测试阶段的任务大多数（78%）是半结构化的。一般来说，审计任务的结构化程度越高，越适合自动化处理。结构化审计任务的解决有明确的客观标准，例如详细的规则和程序，只需比较少的审计职业判断或不需要审计职业判断;非结构化审计任务的特征呈现复杂和多变性，需要运用高水平的审计职业判断;半结构化审计任务介于两者之间，可能呈现出不同的结构化程度。R&CA技术可以同时利用行动能力和认知学习能力满足不同类型的审计任务的自动化需求：结构化审计任务的定义明确，R&CA认知机器人可以借助RPA技术，基于明确的、可被数字化的外部触发指令来自动执行审计任务;半结构化、非结构化审计任务具有一定的不确定性和模糊性，R&CA认知机器人有可能借助CC技术不断地“推理”“思考”，及时适应及理解非结构化数据的复杂性和不可预测性，输出经过置信度加权的结果，进而逐步实现半结构化、非结构化审计任务向结构化审计任务的转换。
3.R&CA技术理念与整合审计资源的耦合
需要强调的是，虽然R&CA认知机器人通过自身的行动和认知学习能力能够实现部分审计任务的自动化处理，但现阶段审计人员并不会因R&CA技术的发展而被淘汰，R&CA技术无法有效解决，审计人员需要发挥重要作用的情形包括：（1）R&CA技术的应用要立足于数据化、数字化的基础，现阶段审计仍处于数字化进程当中，尚存在部分审计事项难以被数据化、数字化的情况，这些信息仍然需要审计人员运用传统方式进行评价与鉴证;（2）现阶段仍处于弱人工智能时代，依靠创造力、复杂决策、情感能力的半结构化或非结构化审计任务难以完全自动化;（3）审计人员仍然需要干预R&CA认知机器人的开发、运行、优化、维护、异常处理等情况。
人机协同劳动形态是人工智能时代的主要劳动形态[19]，智能时代到来前，审计决策的质量主要依赖审计人员的专业判断能力。R&CA认知机器人一方面减少了审计人员在手动和重复性任务上所花费的时间，另一方面可以不断地基于大数据、算法进行分析和学习，通过反复试错来实现自身智能化程度的不断提高，从而可能辅助审计人员做出相应决策，因此体现出“人机共生”的理念，即强调认知机器人与审计人员共同协作、优势互补。审计人员可以从繁杂的工作流程中解脱，工作的重心逐渐转移到那些现阶段难以被自动化的审计任务。除此之外，审计人员将拥有更多的时间进行新兴技术以及专业知识的培训学习，不仅可以提高自身研究和实践新兴技术的能力，还可以培养自身审计嗅觉灵敏度，锻炼敏锐的洞察力。审计人员与R&CA认知机器人相辅相成，优化了审计资源的配置和整合，审计资源得以被集中于风险更高的领域，从而提高其利用效率和效果。
（二）“人机协同”的R&CA技术审计模型构建
基于“人机共生”的理念，可以构建基于R&CA技术的审计模型。图1展示了财务报表审计情境下的风险导向审计模型，将整个审计流程分为审计计划及风险评估、控制测试（如需要）、实质性程序、审计报告等阶段，呈现出“人机协同”的特征。在该模型下，审计任务被划分为可自动化和不可自动化两部分，不可自动化审计任务的处理因审计事项难以被数据化或需要较高职业判断水平等原因暂时无法应用R&CA技术，必须依赖审计人员的专业胜任能力;可自动化审计任务的处理由R&CA认知机器人和审计人员合作完成。具体来说，一方面，结构化任务的自动化处理主要依赖RPA技术，而半结构化、非结构化任务可以借助CC技术向结构化任务的方向转化;另一方面，审计人员并未完全被排除在自动化范围外，仍然需要负责日常维护、处理異常情况、提供专业判断等。可以看出，越需要运用高水平审计职业判断的任务，审计人员的参与程度就越高，对于结构化审计任务，审计人员仅需要汇总运行反馈，并针对自动化过程中的异常情况进行干预，但是对于半结构化或非结构化审计任务，审计人员仍需要运用较多的职业判断以做出决策。当然，需要明确的是，R&CA技术可以广泛应用于包括财务报表审计在内的各类审计情境，其核心理念和基本思路具有普遍适用性。
四、R&CA技术在审计中的应用路径与案例分析
（一）R&CA技术在审计中的应用路径
立足于R&CA技术审计模型，笔者梳理了R&CA技术在审计中应用的三个实施步骤：（1）原有审计业务流程诊断与优化;（2）独立审计任务的自动化处理;（3）基于R&CA技术审计业务流程再造，具体分析如下。
1.原有审计业务流程诊断与优化
审计人员首先应当基于审计实践现状对当前业务流程开展系统性的梳理，通过对审计业务流程和子流程进行建模和分析，全面掌握业务流程现状。然后，审计人员应当根据自身对自动化的需求考虑是否调整原有流程的顺序或组成部分，优化审计工作流程，使流程更具连贯性和效率性。诊断并优化原有审计业务流程的目的是为了全面了解现阶段审计业务流程的结构和性质，为应用R&CA技术奠定基础。若忽略以上两个环节，将来应用R&CA技术时可能会出现新流程中存在效率阻碍点的情形。基于优化后的审计业务流程，审计人员可以将其细分为若干项独立的审计任务，并将独立的审计任务归为结构化、半结构化、非结构化三类。
2.独立审计任务的自动化处理
在充分了解审计业务流程结构和性质的基础上，审计人员可以从各项独立的审计任务入手应用R&CA技术。针对不同类型的审计任务，要匹配合适的R&CA功能或工具。R&CA认知机器人的行动能力适用于结构化审计任务的自动化处理，例如，RPA相关工具可以实现审计证据自动化、持续采集以及审计工作底稿初步填写、审计项目管理、文档初步审阅等。对于半结构化、非结构化审计任务，可利用认知机器人的认知学习能力尝试结构化转换，辅助审计人员的工作。例如，应用CC中的自然语言处理、图像识别、语音识别等技术能够辅助审计人员进行合同、图片、语音检查等半结构化审计任务的处理;又如，在审计风险评估这一非结构化任务中，利用认知助手可提高审计人员对审计风险的洞察能力。
3.基于R&CA技术的审计业务流程再造
审计人员针对各项审计任务确定R&CA技术的应用逻辑后，应当将独立的审计任务进行串联，形成一个有机整体，从而确定新的基于R&CA技术的审计业务流程。以财务报表审计的审计计划及风险评估阶段为例，假设以下三项任务在之前“独立审计任务自动化处理”步骤已经完成：（1）通过RPA实现资料、文档内容的自动化编排;（2）通过自然语言处理技术实现文件的自动化分析;（3）通过认知助手辅助审计人员评估审计风险。接下来就可以将这些独立审计任务串联：首先将由RPA编排的文件发送到自然语言处理程序，从这些文件提取关键信息;然后将关键信息转发给认知助手，并向审计人员提供有关客户风险水平的建议;最后审计人员在认知工具的辅助下识别、评估客户的审计风险水平，后续还可以将相关结果输入至控制测试阶段，如此流程持续进行，直到完成审计项目。总的来说，随着R&CA技术的不断发展，未来审计人员的角色定位将从审计证据的采集、处理、分析者转变为主要负责评估审计业务流程的组成环节[20]。
（二）R&CA技术应用于银行内部审计的案例分析
在新兴技术的驱动下，越来越多的商业银行开启了数字化转型之门，R&CA技术为银行内部审计数字化转型赋予了高效的自动化处理能力。A银行是一家城市商业银行，近年来在银保监会信息科技监管评级中处于同类银行领先水平，接下来笔者以A银行“双录”合规性审计为例，探讨R&CA技術在商业银行内部审计中应用的可能性。
1.传统“双录”合规性审计
银保监会为切实加强行为监管，维护银行业消费者合法权益，明确要求商业银行实施专区“双录”，即设立销售专区并在销售专区内装配电子系统，对自有理财产品及代销产品销售过程同步录音录像。面对外部监管压力，A商业银行需要定期对该行“双录”情况开展合规性审计，即由内部审计人员对录音录像业务的范围、内容、标准、流程等是否遵循该银行内部“双录规程”进行鉴证，以监督银行理财销售活动，防范“飞单”“存单变保单”等行为风险和监管风险。在“双录”合规性审计的开展过程中，A银行内部审计人员需要定期对所有销售人员录音录像记录进行检查，并形成检查记录，对于未按要求实施录音录像、存在不合规销售行为的人员和机构，将视情况启动问责程序。在传统人工检查的方式下，内部审计人员需要亲自登录该行“双录”系统，抽取理财销售活动等录音录像全程人工查看，耗费大量时间成本，还有可能因为长时间观看录音录像产生疲劳而忽略一些重要的问题线索。
2.运用R&CA技术对“双录”合规性审计的流程改进
A银行内部审计人员根据该行“双录规程”，梳理需要重点检查的内容，归纳出两项关键风险控制点：一是销售人员应当向客户推介匹配其风险承受能力的产品，内部审计人员应当判断销售人员是否存在不当营销的行为;二是销售人员应当按相应销售话术②进行“双录”，内审人员应当判断销售人员是否存在违规承诺或夸大收益的行为。A银行内部审计部门基于R&CA技术自主研发了一款审计工具（认知机器人），能够辅助审计人员对“双录”进行语音识别及审计取证，具体应用如下。
（1）对原“双录”合规性审计业务流程进行初步诊断
通过对传统“双录”合规性审计实践的梳理，归纳出原“双录”审计业务流程主要包括三项任务。任务1：内部审计人员登录“双录”系统;任务2：内部审计人员随机提取一段时间一定数量的“双录”视频;任务3：内部审计人员判断所提取的“双录”视频是否存在风险点。鉴于该流程较为连贯和清晰，因此无需再对其进行优化。
（2）独立审计任务的自动化处理
审计人员将上述任务1、任务2归类为结构化审计任务;将任务3归类为半结构化审计任务。针对任务1，认知机器人发挥其行动能力，借助RPA技术自动登录该行“双录”系统;针对任务2，认知机器人同样发挥行动能力，借助RPA技术自动提取该行“双录”系统中的某特定时间段内特定数量的“双录”视频;针对任务3，认知机器人首先利用其认知学习能力，借助语音识别技术对“双录”视频进行自动视频分析，进而转换成相应的事件文字描述。之后认知机器人再次利用RPA工具，对文本自动进行关键字匹配，匹配正则表达式（Regular Expression）条件为“风险|承诺|收益|保证|利率|利息”，即通过正则表达式搜索出现过风险、承诺、收益、保证、利率、利息等字样的语音文本文件。内部审计人员需要对筛选出的含有相关违规字样的文本文件进行查看，并做进一步分析，以发现是否存在关键风险点。
（3）基于R&CA技术的审计业务流程再造
借助R&CA技术对独立的审计任务进行自动化处理之后，审计人员将任务1到任务3整合串联成一个完整的有机体，即完成了基于R&CA技术的审计业务流程再造。可以看出，R&CA技术能够将传统计算机辅助审计技术无法涉及的语音等非结构化数据纳入审计范围，与传统审计模式下靠人工查看录音录像视频获得审计证据相比，可以极大地缩短审计取证时间。在这个过程中，审计人员需要对筛选出的含有相关违规字样的文本文件进行查看并做进一步分析，审计人员的职业判断与R&CA技术协同发挥作用，可以大大提高“双录”合规性审计的效率效果。
五、R&CA技术在审计中应用的优势和风险
（一）R&CA技术在审计中应用的优势
1.提高审计效率
首先，R&CA认知机器人能够不间断且快速处理大量重复工作，辅助审计人员决策，取代部分重复、机械的审计工作，减轻了审计人员劳动强度。其次，R&CA认知机器人通过重构审计业务流程，自动执行命令，可以排除原审计业务流程中的效率阻碍点，审计自动化水平将进一步提高。最后，借助R&CA认知机器人可以加快审计数据采集、分析和传输速度，优化审计业务流程，利用获取的大量实时数据更加迅捷地得到审计结论，降低审计延迟。
2.保障审计质量
应用R&CA认知机器人能够在一定程度上提高审计质量，原因在于：第一，人工操作有时容易导致较高的出错率，例如在审计人员出现倦怠情绪时，可能会遗漏一些重要信息，相比之下，机器人不会受到负面情绪的干扰，可令操作无差别化，一定程度上消除了输出的不一致性，保障了审计质量。第二，R&CA认知机器人能够满足动态性、自适应性、鲁棒性、交互性的自动化需求，通过分析所获取的海量数据能够辅助审计人员做出更科学的决策。
3.降低审计成本，优化资源配置
R&CA认知机器人上线前，大量简单重复的工作往往需要投入较多的审计资源去处理，而认知机器人上线后，绝大部分结构化、重复性高的审计任务将被自动化处理，审计的人工成本大大降低;同时，R&CA认知机器人的应用可能改变传统的审计人员结构，更多的审计人员有机会从事高附加值的审计工作，审计资源被集中于风险更高的领域，实现资源的优化配置。
（二）R&CA技术在审计中应用的风险
1.R&CA认知机器人可靠性风险
R&CA认知机器人可能无法处理异常事件，由于认知机器人执行的操作无差别，任何错误都可能在审计业务流程中变成系统性和扩散性的问题，因此，审计人员有必要通过模拟机器人的输入和预期输出，测试R&CA认知机器人的可靠性。此外，R&CA认知机器人利用认知学习能力预测未来趋势，其结果输出依赖于算法模型和数据输入，容易产生算法偏見，即数据和算法模型并不具有绝对客观性，审计数据收集和算法设计“映射”了开发人员和设计人员的主观理念，机器人所辅助的审计决策可能反映了审计数据、算法中持续存在的歧视。
2.过度依赖风险
应用R&CA技术可能会导致审计人员过度依赖认知机器人，出现审计人员自身职业判断能力下滑的现象，而这可能会最终影响审计质量。同时，R&CA认知机器人不断学习的过程可视为一个“黑箱”，因此，对审计失误进行问责时将陷入两难境地，即如何区分失误究竟是源于R&CA认知机器人还是审计人员。为了克服过度依赖软件机器人等潜在问题，有必要在审计人员专业培训过程中强调保持审计职业怀疑精神及职业判断能力的重要性。
3.商业秘密泄露等安全风险
R&CA认知机器人在审计中的应用涉及到数字化审计证据的收集与评价，例如审计人员往往需要收集被审计单位的机密信息，包括员工社保账号、工资薪酬数据、专利开发合同条款等等，这可能会涉及商业秘密泄露等安全问题。此外，在新兴技术的影响下，R&CA认知机器人自身的安全性也面临巨大挑战，包括黑客入侵等，也涉及网络堵塞、系统崩溃等情况。这些安全问题可能会带来高昂的成本，包括审计人员声誉受损和潜在的诉讼成本等。因此，审计人员有必要采取适当的措施，密切监控和预防网络安全漏洞，并在发生漏洞时评估潜在成本，做出科学应对。
六、结语
本文探索了R&CA技术在审计中的应用。放眼未来，随着R&CA技术的不断发展，认知机器人的功能有望不断得到完善，由机器属性进一步向人的属性转化，审计自动化的适用范围也会不断扩大。当然，本文侧重于探索在审计领域应用R&CA技术的可行性与应用路径，虽然初步勾勒了一个应用框架，但尚未对R&CA技术在审计中应用所涉及的具体环节进行全面阐述。在实践应用中，尚需要在本文所抽象的框架基础上，结合特定审计目标，制定切实可行的审计操作指南。
【参考文献】
[1] 陈骏，时现.审计全覆盖驱动下的审计技术方法创新研究[J].审计研究，2018（5）：22-29.
[2] IEEE Corporate Advisory Group.IEEE guide for terms and concepts in intelligent process automation[M].IEEE，New York City，2017.
[3] ZORZI M，ZANELLA A，TESTOLIN A，et al.Cognition-based networks：A new perspective on network optimization using learning and distributed intelligence[J].IEEE Access，2015，3：1512-1530.
[4] 孙富春.智能机器人的认知与学习[J].机器人，2019，41（5）：561.
[5] ROZARIO A M，VASARHELYI M A.How robotic process automation is transforming accounting and auditing[J].The CPA Journal，2018，88（6）：46-49.
[6] HUANG F，VASARHELYI M A.Applying robotic process automation（RPA） in auditing：A framework[J].International Journal of Accounting Information Systems，2019，35：100433.
[7] COHEN M，ROZARIO A.Exploring the use of robotic process automation（RPA） in substantive audit Procedures[J].The CPA Journal，2019，89（7）：49-53.
[8] 陈琳娣.机器人流程自动化在内部审计中的应用实践[J].中国内部审计，2019（4）：41-43.
[9] ISSA H，SUN T，VASARHELYI M A.Research ideas for artificial intelligence in auditing：the formalization of audit and workforce supplementation[J].Journal of Emerging Technologies in Accounting，2016，13（2）：1-20.
[10] 刘杰，廖捷，董海云.人工智能与审计变革[J].财会通讯，2019（13）：19-25.
[11] LI Q，VASARHELYI M.Developing a cognitive assistant for the audit plan brainstorming session[J].The International Journal of Digital Accounting Research，2018，18（24）：119-140.
[12] 毕秀玲，陈帅.科技新时代下的“审计智能+”建设[J].审计研究，2019（6）：13-21.
[13] 张志恒，李丹，李瑜.基于邻域粗糙集神经网络的审计意见预测模型研究[J].重庆理工大学学报（社会科学），2017，31（8）：37-43.
[14] 徐薇，陈鑫.生态文明建设战略背景下的政府环境审计发展路径研究[J].审计研究，2018（6）：3-9.
[15] 何若云，杨■天，杨琦，等.语音识别技术在智能审计中的运用初探[J].中国内部审计，2020（1）：34-40.
[16] 潘琰，朱灵子.领导干部自然资源资产离任审计的大数据审计模式探析[J].审计研究，2019（6）：37-43，69.
[17] SUN T.Applying deep learning to audit procedures：An illustrative framework[J].Accounting Horizons，2019，33（3）：89-109.
[18] ABDOLMOHAMMADI M J.A Comprehensive taxonomy of audit task structure，professional rank and decision aids for behavioral research[J].Behavioral Research in Accounting，1990，11：51.
[19] 田思路，刘兆光.人工智能时代劳动形态的演变与法律选择[J].社会科学战线，2019（2）：212-221，282.
[20] MOFFITT K C，ROZARIO A M，VASARHELYI M A.Robotic process automation for auditing[J].Journal of Emerging Technologies in Accounting，2018，15（1）：1-10.
