AI代理问得比人类审计师更深,却无法独立签字:KPMG百余代理首次完成全流程审计实验

KPMG在英国一家富时250公司的真实审计中并行部署逾100个AI代理,这是四大会计师事务所首次将AI代理贯穿审计全流程。结果出乎意料:AI在多个环节提问深度超越人类审计师,但在法规匹配任务上失败并需人工介入,最终法定签字仍由合伙人担责。这份来自真实业务场景的第一份边界数据,为当前企业AI代理落地划出了一条清

2026年11月18日,毕马威(KPMG)宣布完成四大会计师事务所史上首次AI代理全流程真实审计:逾100个AI代理贯穿英国一家富时250上市公司年度审计的每一个阶段。该项目内部称为"Project Exponential",与真实审计团队并行运行,AI代理自主收集分析数据、起草结论并提出后续建议。毕马威英国审计主管Cath Burnet表示,AI在多个环节"能挖得比常规审计团队深得多",甚至提出"比审计师更好的问题"。最终法定审计意见仍由常规团队出具并由合伙人签字,AI结论未用于批准正式财务账目。

项目全程仅记录一例失败:AI代理无法完成法规文件与公司文件的匹配,需要人工介入。该任务要求理解法规意图、判断适用范围并识别例外条款,指向AI在语义理解与上下文推理上的边界。这类解释性工作在审计中占比很高。

毕马威整套系统在四个月内完成构建,由两名合伙人、一名董事、高级经理和初级员工共同开发。系统提供完整可见性与可追溯性,将每个代理与文件的交互记录到字符和时间戳粒度。

AI"问得更好"的结构性原因

传统审计依赖抽样,审计师受时间和人力限制,每日精读文件数量有限。AI代理可在同等时间内遍历全量数据,对每一笔交易和附注进行系统性检索,识别抽样中大概率遗漏的异常模式并提出问题。这源于AI的覆盖半径,而非智能程度更高。

数据质量:比AI能力更早触底的瓶颈

Cath Burnet表示,该技术尚未准备好支撑数千次审计,因为"很少有公司的数据足够干净,能让AI代理可靠地工作"。毕马威计划先扩展至多达20个更大规模审计,再考虑向客户推广。审计原材料包括分类账、合同、银行对账单和内控记录,这些数据常跨系统、格式不统一且存在历史遗留问题。AI代理自主工作需要结构化程度高、定义清晰的数据环境,而这在多数企业真实IT状况下尚未满足。当前制约规模化的瓶颈是客户侧数据治理成熟度,而非模型能力。

监管层的信号:两天前发出,直指独立性

Project Exponential结果公布于11月18日,两天前英国审计监管机构财务报告委员会(FRC)发布关于审计师使用AI时维护独立性的指导意见。AI的全量分析能力可能发现大量原本不在法定审计范围内的"异常",若用于向客户推销咨询服务则构成独立性威胁。传统抽样天然限制此类发现数量,AI全量覆盖撤除了这一限制。FRC警告AI可能产生"倾向于证实"的偏差,且传统独立性保障措施在AI环境下不一定有效。

收费结构的悬念

毕马威确认存在"明确的节省时间机会",但拒绝说明是否会降低客户费用。毕马威国际已向自身审计师主张"AI应降低成本"并争取到更低费用。作为外部审计服务提供方,它尚未说明是否将同一逻辑用于客户定价。审计定价长期与人力工时挂钩,AI代理压缩人力需求后,收费依据面临重构压力。

判断:这是一条被量化的红线,不是一次炫技

Project Exponential是第一份来自真实业务场景的全流程AI代理审计边界数据,覆盖100+个代理、一家富时250公司、完整审计周期及一次有据可查的失败。这份数据显示三点:AI代理在数量覆盖上已超越人类,全量遍历与异常识别有实际证据支撑;AI代理在解释性法规推理上仍有缺口;制度性障碍不低于技术性障碍,数据质量、监管独立性规则和收费模式决定了能否从20个审计扩展至2000个。当前AI代理商业落地状况是:在某些维度优于人类,在另一些维度尚未准备好,最难解决的问题往往不在模型中。