100 個 AI 代理查完一家上市公司的帳,正式意見仍用人工那份
AI 上線前先和現有團隊並跑一輪,比對差在哪,再決定交多少。
AI 導入不是一次切換,而是一輪比對。
我看到的重點不是 AI 查得比人好,而是它不算數
KPMG 今年用超過 100 個 AI 代理,對一家英國 FTSE 250 上市公司的財報做了一次實驗性審計,和一般的人工審計同時進行。
代理不是只做一個小任務。蒐集資料、分析、記錄工作、提出下一步、草擬結論與觀察,審計的每個階段都有它。
一位審計合夥人簽核了這次實驗。但 KPMG 正式核准這家公司財報時,沒有依賴實驗結果。
這不是對 AI 沒信心,而是一個很精準的安排:讓 AI 跑完整一輪,再讓它的結果不算數。為什麼要這樣安排?因為並跑的目的不是證明誰強,是量出差距。
所以該問的不是「AI 能不能查帳」,而是「在什麼條件下,它的結果才可以算數」。
並跑的價值,是同時看見兩種差異
第一種差異是 AI 多看到的。KPMG 英國審計負責人說,有幾個地方 AI「挖得深很多」,有時問了「更好的問題」。
第二種是 AI 做不到、要人補的。有一個代理沒能把一套法規和公司的文件對上,最後由審計人員接手。
兩種都要記下來。只記第一種你會高估,只記第二種你會低估;要決定交多少,你需要兩邊的清單。
人在這套流程裡沒有離場,而是換了位置:設定代理的目標、提供公司業務與過去審計的資訊、檢查它的工作、挑戰它的結論。
你現在的團隊裡,誰負責挑戰 AI 的結論?
真正卡住的常常不是模型,是資料
KPMG 的負責人也說了兩件沒那麼好聽的事:技術還沒辦法規模化到上千件審計;有些公司的資料不夠乾淨,代理沒辦法有效運作。
這套系統花了 4 個月建成。負責人說團隊的「形狀和大小」和傳統審計團隊不同,但人的參與仍然「關鍵」。
我不是說每個流程都得先投四個月——這是一家大型事務所的實驗規模,不是你下一季的待辦。
但資料這一關躲不掉。上線前先確認資料能不能用,比上線後解釋它為什麼亂答便宜得多。
還有一件容易被跳過的事:那套系統會記錄代理和文件的每一次互動,細到單一字元和時間戳。出了問題,查得到它每一步做了什麼。
你的下一輪並跑,要先定好比對什麼
挑一個流程,讓 AI 和現有團隊同時做一輪,正式結果仍然用原本那份。
比對的項目要在開跑前就定好:AI 漏掉的、AI 多抓到的、必須由人補的地方。
比完才有資格決定下一步交多少。KPMG 的下一步,是擴大到最多 20 件較大型的審計,之後才可能提供給客戶。
從執行者變成操盤手,差別就在這裡。執行者問 AI 做得好不好,操盤手問自己要交多少、憑什麼敢交。
下次有人提案要上一套 AI,先問自己:這一輪並跑要比對哪幾件事?正式結果還是不是用原本那份?
你交出去的不是工作,是判斷的權限。