全国内部审计数智化转型发展研究报告解读 | 标杆实践与经验启示

▍ 报告发布

为全面掌握我国内部审计行业数智化转型现状，在审计署内部审计指导监督司指导下，中国内部审计协会与中国信息通信研究院联合开展了全国内部审计数智化转型情况调研。基于全国31个省（自治区、直辖市）及重点行业的2888份有效问卷数据，双方组织业界专家编写完成《全国内部审计数智化转型发展研究报告（2025）》，并于此前的"2025年内部审计助力中国式现代化论坛"上正式发布。

本报告的编制工作汇聚了行业多方智慧，得到了下述中央及地方单位的大力支持与深度参与（排名不分先后）：

上述单位为数据分析与报告撰写贡献了宝贵实践经验，在此致以诚挚谢意。

▍ 系列解读第四期

在前三期解读中，我们先后呈现了行业整体格局、资源瓶颈和技术应用路径。第一期介绍了"当前发展到哪一步"，第二期介绍了"为什么推进不易"，第三期介绍了"技术究竟用得怎么样"。顺着这一思路，一个更现实的问题随之出现：已经走在前面的单位，究竟是怎样把规划、数据、模型和业务真正结合起来的？

本期聚焦报告中"引领者"群体的实践经验。这里的"标杆实践"，并非对个别单位的案例展示，而是基于多个领先行业、领先单位的做法所作的归纳分析，重点梳理其在战略统筹、数据基础、场景应用、建设方式和作业模式等方面所体现出的共同特征，为更多单位提供参考。

"引领者"是报告中有明确评价标准的一类单位。建设推进的前提，是先判断自身处于哪个发展阶段。报告中的成熟度评估体系由平台建设、数据能力、模型应用、智能化水平四个维度构成。按照评估结果，成熟度得分50分及以上的为"引领者"，占样本总量4.0%；20分至50分之间的为"追赶者"，占7.8%；低于20分的为"起步者"，占88.2%。

这一划分反映的，不只是技术能力差异，也包括组织能力、资源禀赋和建设基础差异。引领者通常已具备相对完整的平台、数据和模型体系，能够在持续审计、风险预警和智能应用等方面形成稳定能力；追赶者已完成一定程度的信息化和数字化建设，具备局部试点成果，但仍存在系统不成体系、数据基础不牢、技术与业务融合不足等问题；起步者则更多停留在流程电子化甚至手工管理阶段，面临认知不足、基础薄弱、资源有限等更基础的约束。

从行业分布看，引领者主要集中在通信、保险、银行、石油石化、电力、证券等行业。这些行业普遍具备资金密集与技术密集特征，审计平台功能较为完备，数据资源较为丰富，模型应用规模化，人工智能技术应用也已有探索，整体能力处于各行业前列。与之相比，交通运输、钢铁冶金、建筑工程等行业多处于追赶阶段，而高校、医院、烟草等行业总体仍处于不同程度的起步期。

从成熟度构成看，引领者的特点并不是某一个维度单独突出，而是平台、数据、模型、智能化四个维度形成了较强的协同关系。这类单位通常已经具备较为完整的平台能力、较稳定的数据来源、一定规模的模型体系以及初步的智能化应用能力，因而能够在内部审计数智化转型中形成较为完整的发展闭环。

1. 顶层设计较早介入，是领先单位推进转型的重要前提

转型成效较好的单位，往往不是从单个系统建设起步，而是较早把内部审计数智化纳入整体规划。在一些高成熟度行业中，内部审计数智化并不是审计部门单独推动的局部建设，而是与单位整体数字化转型、监督体系建设、风险治理能力提升同步谋划。这种安排使得平台建设、数据治理、模型开发和资源配置具有了更强的统筹性，也在一定程度上减少了碎片化建设问题。

2. "集团统筹、分层落地"是报告中较为典型的推进方式

在通信、电力、石油石化等行业，较多领先单位采取了"集团统筹底座、下属单位结合场景落地"的推进方式。即由集团或总部层面统筹平台架构、数据标准、通用能力和建设路径，下属单位则结合本地业务特征和管理需求开展具体应用。这样的方式既有利于统一标准、整合资源，也有利于结合实际开展场景化创新。这一模式在高成熟度行业中较为常见。

3. 转型目标已经从"提高效率"逐步延伸到"改变监督方式"

较成熟单位对数智化建设的理解，已不局限于流程线上化和人工替代，而是更加重视审计监督方式本身的变化。从发展目标看，内部审计数智化正在推动审计监督范围由抽样核查向全量穿透延伸，推动监督时点由事后检查向事前预警、事中监控前移，也推动内部审计由单一监督职能向风险防控和治理赋能方向延展。可以看出，在领先单位中，数智化建设往往不只是技术建设，也与管理方式和作业模式调整同步推进。

1. 数据基础较强，是领先单位能够持续推进模型和智能化建设的重要前提

引领者与其他梯队之间的重要差异之一，在于是否具备较稳定、较持续的数据基础。很多单位在推进数智化建设时，首先完成了平台或流程的信息化，但如果缺乏数据接入和治理能力，后续的模型应用和智能化探索就难以真正展开。全行业接入率最高的数据仍是财务数据（79.4%），但引领者的优势更多体现在业务数据的持续接入和应用上。

2. 关键业务数据优先接入，是领先单位较为务实的建设路径

较成熟单位通常并不追求一开始就实现全量、全域、全系统打通，而是围绕重点领域优先推进关键业务数据接入。这些重点领域通常包括资金、采购、合同、项目、客户、交易、设备等与风险识别、业务监督关系较为密切的数据内容。数据显示，全行业采购数据接入率为45.9%，生产经营数据接入率为43.9%，销售数据接入率为32.1%。这样既有利于较快形成可用的数据底座，也有利于通过应用成效进一步推动更多数据资源整合。

3. 数据治理能力，直接影响分析结果是否可信、可复核、可持续

领先单位通常不仅重视数据接入，更重视数据治理。从实践看，统一主数据口径、清理异常和失真信息、建立元数据目录、明确字段解释、设计数据更新与校验机制，以及落实权限控制和脱敏要求，都是较成熟单位在推进数据治理时普遍涉及的重要内容。也正因如此，这些单位后续模型应用结果更容易做到可解释、可复核和可持续运行。

4. 制度化的数据获取机制，是数据能力持续运转的重要保障

超过八成(81.5%)单位已建立获取其他业务部门数据的正式协调机制，而在领先单位中，这类机制推进得更为深入。相比于项目实施过程中临时取数，一些领先单位更重视通过正式制度、接口预留和周期同步等方式，把审计数据需求前置纳入组织的数据治理框架。这表明，数据底座建设不仅是技术问题，也与跨部门协同和治理机制密切相关。

1. 场景选择比单纯追求技术工具更能决定实际应用效果

内部审计数智化建设能否取得实际成效，很大程度上取决于是否围绕真实业务问题选择了合适场景。相比于先铺设"大而全"系统再逐步寻找应用空间，领先单位更倾向于围绕高风险、高价值、数据较为可得的具体场景开展建设。也就是说，较成熟单位通常体现出"问题导向、场景牵引、技术适配"的特征。

2. 不同行业的优先场景虽有差异，但总体上都集中于重点风险领域

高成熟度行业在模型建设和应用落地方面，通常优先聚焦本行业风险集中、价值较大、数据可得性较好的业务场景。

例如，在金融行业，领先实践主要集中于信贷风险、异常交易、反洗钱、理赔反欺诈、代理人风险画像等领域；在能源及基础设施行业，重点多集中在物资采购、工程项目、招投标异常、设备管理和工程结算等方面；在通信行业，则更多围绕网络资源异常使用、收入相关风险、计费合规和运营合规等场景展开。可以看出，不同行业虽然切入点不同，但都较为重视从重点风险领域先行突破。

3. 报告所反映的重点，不只是模型数量，而是模型是否真正进入日常流程

引领者群体中的模型建设通常已达到一定规模，模型数量往往在100个以上，并实现了常态化运行和线索输出。

但从多个行业实践看，更值得关注的并不是模型数量本身，而是这些模型是否已嵌入日常监测、项目分析、疑点识别和整改反馈等具体流程。换言之，真正形成能力的，不是"建了多少模型"，而是模型是否能够稳定服务于业务判断和监督闭环。调研显示，在“引领者”单位中，52.4% 的单位反馈其模型能“大量”或“较多”地帮助审计人员精准发现问题线索

4. 模型建设在领先单位中通常呈现出持续迭代和经验沉淀的特征

较成熟单位并没有把模型视为一次性建设成果，而是把它作为持续运营的能力资产。例如在保险行业中，约64%的公司已建立模型全生命周期管理体系。一般而言，这类单位往往先从规则模型起步，随后在应用中不断调整阈值、补充逻辑，并逐步拓展到组合分析、关联分析、统计分析甚至机器学习等方式。其结果，是审计人员的经验、风险特征和判断逻辑被不断沉淀下来，逐步形成更稳定的风险识别体系。

1. "本单位与第三方合作开发"是报告中最常见的平台建设方式

在平台建设方式上，"本单位与第三方合作开发"占比最高，达到43.3%，高于完全自主开发(28.7%)和完全由第三方开发(28.1%)。

这一结构性特征表明，内部审计数智化建设既有较强的技术依赖性，也有较强的业务专业性和保密性，因此单纯完全外包或完全自研都面临现实约束，合作共建成为较多单位的选择。

2. 领先单位更重视把业务逻辑和知识资产留在内部

较成熟的做法通常是由内部审计团队主导需求、规则和成效验证，由外部技术团队承担架构、开发和工程化落地。在这样的分工下，核心业务逻辑和知识资产更多保留在内部，而技术能力则作为实现效率和工程支撑的补充。这一做法说明，建设方式的重点不只在于"系统能否建成"，也在于后续是否具备持续优化和能力沉淀的条件。

3. 分阶段推进，是较符合实际的一种建设节奏

较成功的单位通常不是一开始就铺开"大而全"的系统，而是更强调分阶段推进。一般而言，会先实现基础作业管理和流程线上化，再逐步建设重点领域数据能力，在此基础上推进高价值场景模型化应用，之后再向智能辅助和协同监督等更高阶方向拓展。这样的节奏既有利于控制风险，也有利于形成阶段性成果。

1. 持续监测正在成为项目审计的重要补充

领先单位并没有把平台和模型停留在"辅助工具"层面，而是在推动审计作业方式本身发生变化。其中一个较为突出的变化，就是从单纯依赖项目驱动，逐步转向"项目实施与持续监测并行"。在这种模式下，平台和模型不仅服务于单个项目，更承担对关键指标、重点对象和异常行为的日常扫描与预警功能，从而使风险发现时点前移。以电力行业为例，75%的领先企业已开展“持续监控审计”，常态化应用“无感审计”等新型模式，显著提升了审计效率与风险识别的灵敏度。

2. "远程分析+现场核查"正在成为更有效的工作组合

在数据基础较好的单位中，大量前期分析工作已经前移到远程阶段完成。包括异常筛查、数据交叉验证、风险画像等内容，都可以在非现场条件下率先开展。这样一来，现场审计不再承担广泛排查的主要功能，而更多围绕已识别疑点和重点事项开展定向核实。这种变化表明审计资源配置正在由"广泛铺开"向"聚焦重点"转变。

3. 整改跟踪和风险反馈，正在成为平台功能的重要组成部分

数智化带来的变化，不仅体现在问题发现环节，也越来越体现在整改跟踪和风险反馈环节。一些领先实践已经将整改责任跟踪、整改结果验证、共性问题归集分析、规则反馈和风险反馈纳入平台功能体系。与此同时，部分单位正在推进协同监督平台建设，并愿意与纪检、巡视、风控、合规等部门共享整改结果、疑点线索、模型和方法。调研显示，49.2%的受访单位已明确表示未来会考虑规划建设协同监督平台，其中71.4%的内部审计机构愿意共享问题整改结果、66.2%的机构愿意共享疑点线索、66.0%的机构愿意共享审计作业管理平台、54.2%的机构愿意共享审计模型和方法。这说明，内部审计数智化产生的能力，正逐步向更广的监督治理体系延伸。

1. 不必追求一步到位，但需先把目标和边界想清楚

标杆实践带来的首要启示，是转型不一定要从"大投入""大平台"起步，但必须从清晰的目标和边界起步。对于多数单位而言，资源、人才和时间都有限，全面铺开往往并不现实。但即便采取渐进式策略，也必须先明确：数智化建设主要解决什么问题，先抓哪些场景，平台、数据和模型分别推进到什么程度，哪些能力内部建设，哪些能力外部协同。否则，后续建设就容易陷入低效循环。

2. 数据标准和协同机制，应当早于复杂应用部署

标杆单位的实践表明，真正影响后续扩展能力的，往往不是系统功能本身，而是数据口径、接口规则、权限机制和跨部门协同关系。这些问题如果在建设初期没有处理好，后续即便增加更多工具和模型，也往往难以形成稳定能力。因此，对多数单位而言，尽早把数据标准和协同机制纳入建设范围，通常比追逐复杂技术更重要。

3. 模型价值应当以实际应用效果来衡量

模型建设不是简单的"数量竞赛"，而应更多关注其实际成效。模型是否经常被使用，是否稳定发现有效疑点，审计人员是否愿意用、会使用，发现的问题是否能够核实并转化为整改，这些指标比"模型总数"更能反映建设质量。真正有价值的模型，必须最终进入审计流程，而不是停留在技术成果展示阶段。

4. 数智化建设的最终目的，是提升审计价值，而不是增加新的负担

标杆单位之所以能够走得更深，根本原因在于其建设始终围绕审计监督需求展开。如果平台越来越复杂，模型越来越多，但审计人员使用困难、线索价值不高、流程反而更加繁琐，那么这种建设就偏离了数智化转型的初衷。换言之，数智化建设必须始终服务于监督能力提升和治理价值释放，而不能成为新的形式主义负担。从驱动因素看，37.9%的单位将"内部审计机构自身发展需要"作为转型首要动力，29.2%的单位转型动力源于"单位管理层部署"，这表明内部价值认同是持续投入的根本保障。

结 语

标杆实践表明，内部审计数智化转型的先发优势，并不是某一次集中投入或某一项技术突破带来的，而是在正确方向上的持续积累形成的。这些领先单位之所以能够走在前面，首先在于其较早取得了战略层面的统一认知和组织授权，其次在于其持续夯实了数据基础，为模型和应用提供了可信底座，再次在于其围绕真实痛点选择了高价值场景，并通过合理的建设机制把规则、经验和知识逐步沉淀下来，最终带动作业方式和监督价值的深层变化。

这些经验最重要的意义，不在于告诉行业"应当照搬什么"，而在于揭示了"应当怎样思考和推进"。对于多数仍处于起步期和追赶期的单位而言，与其问"引领者用了什么系统、什么模型"，不如进一步追问：它们的战略共识是如何形成的，数据是如何打通的，场景是如何选出来的，能力又是如何一步步沉淀下来的。理解这些问题背后的方法，比简单复制某个系统界面或某项技术配置，更有现实价值。

NEXT EPISODE

下期预告：《分类施策行动指南》

不同规模、不同阶段的单位，在资源禀赋和现实约束上差异显著，转型路径不可能完全一样。下期将结合报告建议，围绕"引领者""追赶者""起步者"三类单位，进一步梳理更具针对性、可对标、可操作的发展思路与行动重点，敬请关注。