收益：
- 能够理解审计结果的结构（情况、标准、原因、影响、建议）并使用人工智能生成审计结果草案和管理信函
- 能够理解审计意见类型和报告语言，并利用人工智能准备清晰、基于证据的草案文本
- 能够理解意见决定和报告内容属于审计师，人工智能只是加速语言和结构
审计的所有工作最终都集中在一个地方：报告。无论是独立审计师的意见（对财务报表是否真实和公平的确信）、内部审计报告，还是管理信函（报告内部控制缺陷并向管理层提出建议的信函），审计的价值取决于读者理解审计并采取行动的能力。如果一个好的考官考得很好，但写得不好，他的工作价值就会损失一半。这就是人工智能在加速语言、结构和一致性方面提供强大帮助的地方。但让我们从一开始就划清界限：报告中的意见、描述和结论都是审计师的； AI只是加速表达和骨骼。
在本单元中，我们将重点关注两件事：剖析可靠的审计结果以及如何使用人工智能起草审计结果；以及审计师意见的类型和报告语言的微妙之处。
对发现的剖析：DKNEÖ
有效的审计结果由五个要素组成；你可以用缩写来记住它们——DKNEÖ：
- 情况（发现了什么）：以数字形式观察到的事实。 “有 12 笔付款没有经过二次确认；总金额为 340,000 土耳其里拉。”
- 标准（违反了哪些规则）：违反了哪些政策、标准或控制期望。 “对于超过 50,000 里拉的付款，公司收购程序需要双重批准。”
- Why（根本原因）：为什么会发生这种情况？ “审批工作流程的结构允许对紧急付款进行单一审批。”
- 影响（后果/风险）：为什么这很重要？ “未经授权或错误付款的风险；内部控制薄弱。”
- 建议（做什么）：具体、可行的解决方案。 “立即付款例外应该被取消，或者稍后必须接受强制的第二次批准。”
这种结构使调查结果既令人信服又公平：它提出了什么、根据什么规则、为什么、结果如何以及如何解决。人工智能非常擅长将你的原始发现融入这五个标题中。但每个标题的内容必须有证据；特别是必须验证“条件”编号和“标准”参考（如果标准是标准，则适用先前单元的确认规则）。
提示：撰写调查结果时请注意语气。审计结果针对的是流程和控制，而不是人。写“审批控制设计不充分”而不是“会计经理粗心”。指示人工智能“使用建设性的、面向过程的语言，而不是指责性的”。
审计意见的类型：语言的分量
独立审计报告的核心是意见，有四种基本类型。在将它们打印到人工智能之前，审核员会决定哪种视图合适；这是一个判断，而不是语言选择：
意见类型
当
含义
正面意见
无重大错误
表格准确、真实
有限的积极（有条件）意见
重大但不常见的错误/限制
“除此之外”是正确的。
负面意见
重要且常见的错误
表格不准确且不现实
避免发表意见
收集的证据不足，普遍存在不确定性
无法评论
视图类型的选择是审计中最重要的判断，永远不会留给人工智能。当你做出决定后，AI可以以标准格式起草相关意见段落的语言；但这是审计师根据证据决定给出哪种意见。同样，兴趣点和关键审计问题等部分的内容可以委托给审计员，而语言则可以委托给人工智能。
管理信：建设性、行动导向
管理层信函收集了不影响审计意见但管理层应了解的内部控制缺陷和改进建议。一份好的管理信函会展示 DKNEÖ 结构中的每个项目，根据其重要性对其进行排名，并包含切合实际的建议。只要您提供内容和重要性，人工智能就可以非常有效地将您杂乱的现场笔记变成有组织的、有优先顺序的管理信函。
三个迷你箱子
案例 1——强化薄弱的发现。一位审计员的原始注释是：“有些付款未获批准，请修复。”这既不令人信服，也不可行。审核员将经过验证的数字和标准提供给 AI，并将其打印在 DKNEÖ 结构中。结果：“12 笔付款（总计 340,000 TL）中没有程序要求的第二次批准；为什么紧急付款异常；未经授权付款的影响风险；建议取消异常。”同样的发现现在已变成管理层可以采取行动的文本。内容是审计员的，结构是人工智能的。
案例 2——将意见留给人工智能的危险。一名团队成员告诉人工智能“写一段审计意见”，尽管它发现了重大错报；人工智能默认生成积极（干净）的意见文本。团队成员不加质疑就将其放入草稿中。该负责人提醒，检测到的错误至少需要有保留意见。教训：意见类型是基于证据的审计师的决定；人工智能默认的乐观文本从来不被认为是自动的。
案例 3 — 夸大/指责性语言。审计员告诉人工智能“认真写下”调查结果；人工智能产生了严厉的、没有证据支持的陈述，例如“严重虐待”和“不可接受的疏忽”。这种语言既不公平又存在法律风险。审计员软化了文本并将其与证据和过程联系起来。教训：报告的语言应该与证据的分量相称；审计员平衡人工智能的戏剧性语言。
弱提示/强提示
弱提示：
为本次审计撰写报告并提出您的意见。
问题：没有内容，意见决定权留给人工智能。人工智能要么产生一个空白模板，要么产生一个没有证据的虚构“意见”。
强力提示：
您的角色：您是独立审计师的报告助理。我决定意见的类型和调查结果的内容；您将组织结构和语言。不要添加我的内容中不存在的任何发现、数字或结果。我对调查结果的原始记录（已验证）： - 状态：12 笔供应商付款（总计 340,000 土耳其里拉）没有获得第二次批准。 - 标准：公司采购程序艺术。 ——内部控制设计薄弱。 - 建议：应取消紧急例外，或者稍后进行强制二次批准。任务： 1) 以 DKNEÖ（情况-标准-原因-效果-建议）结构，采用建设性和面向过程（不是指责人）的语言，与管理信函相适应。 2) 请勿使用没有证据支持的粗暴言论（不当行为、意图）；除非我这么说，否则不要暗示作弊。3）建议“中”作为重要性级别，但我会给出最终评级；用一句话写出你的理由。
这种需求很强烈，因为审核员提供内容，要求 DKNEÖ 结构，强加面向过程和测量的语言，将意见/重要性决定留给审核员，并禁止捏造。
常见错误
- 将视觉类型留给人工智能。将基于证据的审计师判断简化为语言问题。
- 要求提供无内容的报告。告诉人工智能“写报告”而不给出原始调查结果；产生错误的发现。
- 夸张/指责性语言。沉重的陈述超出了证据；不公正和法律风险。
- 不完整地构建发现。没有标准、没有影响力地说“有问题”；那就没有说服力了。
- 忽视重要性。以相同的分量呈现每项发现并分散读者的注意力。
注意：该报告是向公众或管理层发布的正式文件。不要按原样发送AI草稿；用证据、语气和专业判断来过滤每个句子。您支持报告中的每一个陈述。
总之
报告是审计的展示，AI语言有力地加速了结构和一致性：将分散的笔记组织成DKNEÖ结构，对管理信函进行优先级排序，起草标准意见段落。但审计师意见的类型、调查结果的重要性以及每项陈述的证据支持都取决于审计师。审计员会平衡人工智能默认的乐观或戏剧性语言；控制器提供内容。签署审计员支持报告中的每句话。
应用任务
在 DKNEÖ 的五个标题下写下已确认（或假设）发现的原始注释。有了上面强大的提示模式，让AI用管理信语言编辑；设定以流程为导向的基调和“不捏造”的规则。然后阅读文本并检查（1）每个主题是否基于证据，（2）语言经过衡量，以及（3）建议是否可行。还要编写一个需要四种视图类型之一的场景，并在段落中说明选择该视图的原因。
清单
- [ ] 我在 DKNEÖ（情况-标准-原因-效果-建议）结构中确定了这一发现。
- [ ]“状态”编号和“标准”参考已验证；取决于证据。
- [ ] 语言是面向过程的、有度量的；它不会使人入罪，也不会超越证据。
- [ ]该提案具体、适用。
- [ ] 我决定意见的类型及其重要性；我没有把它留给人工智能。
- [ ] 我平衡了人工智能默认的乐观/戏剧性语言和我的控制判断。
- [ ] 我逐行阅读了最终文本；我支持每一个声明。