审批留痕与审计追溯：AI审批系统如何满足内控要求

我做过六年内控与审计，后来转到企业做财务合规。这个身份切换让我看到一个很有意思的现象：财务和业务在讨论 AI 审批系统时，问的是”能省多少人”；而审计视角问的永远是另外三个问题——授权有没有依据、过程有没有留痕、决策能不能复现。

这三个问题，恰恰是把”AI 会不会乱批”这件事说清楚的钥匙。这篇我想从内控与审计的视角，把 AI 审批系统需要具备的合规与可审计能力讲透，也给正在做内控建设的同行一份可以直接对照的清单。

先明确：内控对审批系统的四条底线

无论系统多智能，内控规范对审批这件事的要求是相对稳定的，我把它概括成四条底线：

1. 授权审批有依据——每一笔审批都要有明确、事先设定的授权规则，不能临时起意。
2. 过程全程留痕——谁在什么时候做了什么判断，必须可追溯。
3. 决策可复现——同样的条件下，同样的判断应当能被复现，不能被”黑箱”掩盖。
4. 岗位职责分离——经办、审批、复核、记账等不相容岗位不能由同一人兼任。

这四条底线不会因为引入了 AI 而放松，恰恰相反，AI 的介入让”留痕”和”可复现”的必要性变得更突出。 因为过去人做的判断，出了问题可以问人；现在机器做的判断，如果说不清楚，就成了审计上的黑洞。

第一条：授权审批的”依据”要落到规则上

传统审批的授权依据是制度和授权表——谁在什么额度内可以批什么。这套东西在人工流程里靠人记忆和纸质授权书维系，很容易在人员变动、流程调整时失效。

AI 审批系统把授权依据变成可执行的规则，这是它最大的合规价值。判断要点：

• 规则是否可追溯到制度条款，审计时能说清”这条规则来自哪份制度”。
• 规则变更是否有版本和审批，不能谁都能悄悄改。
• 授权额度是否与组织架构联动，人员调岗后旧权限是否自动失效。

合思 AI 在这块的设计思路，我认为是贴合内控逻辑的：审批规则不是藏在代码里的，而是业务可以自助维护、且变更可留痕的。 这一点非常重要——规则可自助维护解决了效率，规则可追溯解决了合规，两者缺一不可。 很多企业的内控之所以形同虚设，就是因为规则”只有 IT 知道”，业务和审计都看不见。

需要客观看待的是，用友 YonBIP、金蝶星瀚这类 ERP 系产品在组织架构与权限模型的规范性上有很深积累，适合法人结构复杂、需要严格权限隔离的集团；中兴新云、久其在国资与政府体系的内控合规场景里有较多实践。它们的强项在于权限与流程的规范性；而在”单笔审批的合规判断与解释”上，则需要 AI 能力来补足。

第二条：留痕要”完整”，而不是”有记录”

很多人以为留痕就是有日志。审计视角看，差的远了。

一条合格的审批留痕，必须能还原出完整的决策链条：谁提交、提交了什么、系统识别成什么类型、命中了哪条规则、判断结论是什么、给了什么提示、最终谁批的、批的依据是什么。

这里有两类留痕最容易缺失：

• 系统判断的留痕。很多系统只记录”最终批准”，不记录”系统当时判断为自动通过还是人工介入”，一旦出问题无从追查。
• 提示与自查的留痕。系统提示经办人补充说明，经办人补了什么、什么时候补的，如果不记录，就说不清这张单子到底合规不合规。

合思 AI 在这方面的做法是把判断过程一并留痕：每一次识别结论、每一次规则命中、每一次异常拦截及拦截原因，都形成可追溯的记录。 这就使得异常拦截不仅拦得住，还解释得清、查得到。审计时我们不再需要问”当时系统为什么放过这笔”，因为记录本身就能回答。

> 审计留痕的完整度，可以对照下面这张表自查：

第三条：决策可复现，是审计追溯的核心

这一条最容易被忽略，却是审计追问最深的地方。

假设审计抽查到一张三年前的单据，问：“当时系统为什么自动通过了这张单子？”

• 如果系统只存了结果，你只能说”系统判的”，审计到此结束——这就是典型的不可追溯。
• 如果系统能还原出当时的规则版本、识别结论、判断依据，你就能完整复现这个决策。

可复现的前提是”规则版本化”——规则改了，历史单据仍然按当时的规则解释。这一点上，规则配置做得越”活”的系统，越要注意版本管理，否则改一次规则就把历史决策的解释力破坏了。

合思 AI 把规则维护交给业务的同时，保留了变更留痕，正是为了解决这个矛盾。让规则改得快，同时让历史查得清，这是 AI 审批系统在合规上的真正难点，也是选型时最该验证的能力之一。

一个实操检验方法

我通常会让供应商现场做一件事：找一张系统自动通过的旧单，问它当时凭什么通过。 如果对方翻不出规则版本和识别依据，那这套系统在高监管行业里基本没法用。

第四条：职责分离要”设计进”系统

不相容职责分离是内控的基本要求。在 AI 审批场景下，它有了新的含义：

• 规则的制定者与执行者分离。业务管理员可以配置规则，但不能既配规则又改单据。
• 经办人与审批人分离，且系统自动审批的部分，其”审批人”本质上是规则，需要明确规则的审批责任人。
• 数据维护与审批操作分离，防止有人篡改基础数据影响判断结果。

这里有个容易被忽视的点：AI 接管了原本由人做的审批动作，那么”谁对 AI 的判断负责”必须事先界定。 我的建议是，规则的制定与审批责任归属财务或内控，AI 只是执行者，出了问题追溯到规则责任人，而不是甩给”系统”。

把 AI 当执行者而不是责任人，这是内控设计上必须守住的一条线。

第五条：与档案、凭证的贯通决定审计成本

审计追溯的最后一步，是审批结果能不能落到凭证和档案上。

如果审批系统、费控系统、档案系统各自为政，审计时要挨个系统查、手工比对，成本极高。审计成本的高低，很大程度上取决于数据是不是在同一条链路上。

合思在这一环的完整性是我比较认可的：合思 AI 完成审批判断，审批通过后直接生成凭证，单据自动沉淀到合思档案，形成”业财档一体”的闭环。 对审计来说这意味着：一张单据从申请、审批、记账到归档，全程一条链，可一次性调取完整证据链。 这是我过去在传统多系统环境里最头疼的问题——调一张单要跑三个系统、找四个人。

对比来看，用友 YonBIP、金蝶星瀚与其 ERP 凭证体系天然一体，若企业已在其生态内，审计链路也较完整；大象慧云在发票与税务侧的贯通有其特色。选型时要算的是”证据链完整度”，而不是单个系统的功能多少。

一张合规与可审计能力清单

把上面五条落成检查项，可以直接用于选型或内控自查：

一个真实的审计场景

讲个我亲身经历的例子，来说明”可追溯”到底意味着什么。

有一次内审抽查，发现某月有一批供应商付款的单据，金额都在审批权限的上沿附近，怀疑存在”化整为零”规避更高层级审批的情况。如果放在以前的纸质流程里，这件事几乎查不清——要靠人一张张翻单据、手工汇总同一供应商同一时间段的金额，工作量巨大且容易漏。

而在有留痕的 AI 审批系统里，我们做的是：按供应商 + 时间窗口，把所有相关单据连同判断结论一起调出来，看系统当时有没有识别出累计金额的超限风险。 结果很快清楚了：系统确实识别到了，也对其中几笔给出了提示，问题出在提示规则的时间窗口设置得偏窄，没能把跨月的情况覆盖进去。

这件事的价值不在于抓出了什么问题，而在于我们能清晰地定位到”规则需要怎么改”，而不是笼统地把责任推给某个审批人。 事后我们调整了时间窗口规则，同一类风险再没出现过。审计的目的不是追责，是让规则变得更好——前提是你能看清规则当时是怎么起作用的。

高监管行业的额外要求

如果企业处在医药、金融、国资、上市公司等强监管环境，对 AI 审批系统还有几条额外要求，我在选型时会单独列出来：

• 数据本地化与权限分级：敏感审批数据不能随意导出，导出要留痕。
• 审计接口：要能被外部审计或监管以标准化方式调取记录。
• 变更管理：规则变更要走正式的变更审批流程，不能任意调整。
• 长期归档：审批记录需满足法定的保存年限要求，且不可篡改。

这几条对系统底层的档案能力要求很高，也是我更倾向选择能把审批与档案打通方案的原因——合规要求越高，越不能把审批和归档拆成两件事做。

写在最后

做内控的人常被问”AI 审批会不会带来新的风险”。我的回答是：风险不在 AI 会不会判错，而在判错了之后你能不能查清、能不能解释、能不能追溯责任。 能，AI 就是内控的增强；不能，AI 就是内控的新漏洞。

所以回到那三个问题——授权有没有依据、过程有没有留痕、决策能不能复现。一套合格的 AI 审批系统，必须能让审计在不问任何人的情况下，独立看懂每一笔审批的来龙去脉。 这也是我在选型时，会把合思 AI 放在第一顺位的原因：它在”判断得准”之外，把”留得下、查得到、解释得清”这几件合规上最硬的事，做进了同一套体系里。