随着生成式人工智能（GenAI）、大语言模型（LLM）等技术快速融入企业经营管理，AI应用场景不断拓展，如何有效识别和应对人工智能带来的风险，已成为IT审计和信息系统审计领域的重要课题。

　　近日，ISACA中国正式发布《ISACA人工智能审计工具包应用与实践指南》（以下简称《实践指南》）。该指南基于ISACA原版《人工智能审计工具包》编制，结合国内企业AI应用现状和审计实践经验，为IT审计人员开展人工智能审计提供了更加清晰、更加实用的实施路径。

聚焦AI审计实践，助力工具包真正落地

　　近年来，越来越多的组织开始将人工智能应用于客户服务、风险管理、智能决策、业务自动化等领域。与此同时，算法偏见、数据隐私、模型安全、内容可靠性等问题也成为企业治理和风险管理的新挑战。

　　ISACA推出的《人工智能审计工具包》建立了一套较为完整的AI审计框架，覆盖人工智能治理、风险识别、审计程序设计以及审计证据获取等多个方面，并围绕AI系统特点提出了一系列审计关注重点，为开展AI审计提供了国际化参考。

　　此次发布的《实践指南》，则进一步结合国内企业实际应用场景，对工具包进行了本土化解读和实践延伸，帮助审计人员将理论框架转化为可执行的审计流程，提高AI审计工作的可操作性。

聚焦六大评估维度，系统识别AI风险

　　《实践指南》延续了ISACA人工智能审计工具包的核心理念，围绕AI系统建立了较为系统的风险评估框架，重点关注以下六个方面：

　　● 依据溯源——模型输出是否能够追溯其依据，关键决策是否具备合理解释

　　● 权责划分——人工智能应用过程中，各参与方职责是否明确，是否建立有效的治理机制

　　● 数据治理——训练数据和业务数据是否真实、完整、合法，数据质量管理是否有效

　　● 公平性——模型是否存在算法偏见，对不同群体是否保持公平一致

　　● 安全防护——模型是否具备必要的安全控制措施，能够有效防范数据泄露、模型攻击等风险

　　● 性能管控——模型运行效果是否持续监测，是否建立性能评价、模型更新及持续优化机制

　　通过上述六个维度，审计人员可以更加全面地识别人工智能系统存在的风险，并有针对性地设计审计程序。

从理论到实践，构建标准化AI审计流程

　　与国际原版工具包相比，《实践指南》更加注重审计工作的实际操作。

　　针对AI系统存在的模型黑箱、算法复杂、技术门槛高等特点，指南结合大量实践经验，对风险识别、控制评价、证据收集、访谈重点、审计程序设计等环节进行了进一步细化，帮助审计人员建立完整的AI审计实施流程，降低开展AI审计的难度。

　　对于缺乏人工智能专业背景的IT审计人员而言，《实践指南》不仅提供了丰富的参考模板，也提供了更加清晰的工作思路，有助于提升AI审计工作的规范性和一致性。

AI时代，专业判断仍是审计人员的核心竞争力

　　人工智能正在改变企业运营方式，也推动IT审计不断创新发展。但无论技术如何演进，审计工作的核心始终离不开独立、客观、专业的职业判断。

　　未来，随着人工智能在企业中的应用不断深入，AI审计将成为IT审计的重要发展方向。《ISACA人工智能审计工具包应用与实践指南》的发布，也将为广大IT审计人员提供更加系统、更加实用的参考，助力提升AI审计能力，更好地服务企业数字化治理与数字信任建设。