从抽样推断到全量扫描： 人工智能驱动的高校内部审计范式重构

摘要

随着我国高等教育事业快速发展，高校办学体量持续扩张，科研项目、基建采购、后勤运维等各类经济活
动愈加多元复杂，传统以抽样推断、人工复核为主导的内部审计模式，逐渐暴露出审计覆盖面有限、风险漏检概率
偏高、作业效率不足等现实短板，陷入效率瓶颈与风险敞口同步扩大的双重困境。人工智能、大语言模型、机器学
习等技术的落地应用，为高校内部审计变革提供全新技术底座，推动审计作业逻辑由“抽样推断”转向“全量扫
描”，监督模式由“事后纠偏”转向“动态预警”。本文立足高校内部审计现实业务场景，剖析当前审计工作存在的
突出矛盾，阐释人工智能赋能高校审计的内在机理与实践路径，搭建“准备—实施—报告—整改”一体化全流程智
能审计实施框架，围绕数据安全管控、算法可解释性、人机协同落地、复合型人才供给等现实堵点提出针对性应对
策略，以期为新时代高校内部审计智能化转型提供理论参考与实践思路。