为推进跨学科智能审计科研项目攻关，探索审计智能体、审计数据集建设实施路径，智能审计联合教研室组织召开成立后的首次专题研讨会。来自信息科学与工程学院、审计学院的教研室骨干教师共同参会，围绕审计业务场景划分、审计数据获取难点、智能审计智能体技术切入方案开展深度研讨。
会上，周张泉老师借鉴金融交易数据“宏观面、基本面、技术面”分类框架，引出审计业务场景分类议题，提出需要联合审计专业教师梳理审计数据大类与细分条目，为后续数据采集、智能体开发明确方向。与会教师讨论指出，审计场景维度复杂，可按执行主体划分为政府审计、内部审计、社会审计三大类，业务覆盖报表审计、工程审计、经济责任审计等；当前研发与教学最大瓶颈不是公开汇总报表，而是业务明细原始数据。上市公司公开财报、审计署公示材料仅提供汇总结论，缺少审计工作所需的明细账、原始凭证等过程类明细素材，制约审计数据集搭建。
针对审计智能体的研发切入思路，参会教师达成共识：不追求一次性覆盖全部审计业务，选取业务循环局部单点优先突破。以销售、采购等经典业务循环作为框架，拆解业务流程，从中筛选适合 AI 自动化辅助的任务节点；优先选择销售循环、采购循环开展试点，聚焦合同信息提取、凭证异常识别等单点场景构建审计智能体。智能体定位为人机协同辅助工具，承担数据归集、疑点初筛等重复性工作，审计风险定性、专业判断仍由审计人员完成，不做端到端全自动审计。
会议重点剖析了当前“缺少数据难以产出成果、没有成果难以获取真实业务数据”的循环困境，明确破局思路：对接会计师事务所、内审机构等实务合作单位，依托真实业务需求开展研发；数据使用签订保密协议，做好数据脱敏，规避信息安全风险。同时借鉴行业案例，参考实训平台厂商依托实务机构数据迭代产品的模式，形成需求、数据、研发、成果的正向循环。
在人才培养与项目推进方面，会议讨论了学生项目式参与方案。依托市场调研大赛、微专业课程项目、学科竞赛等载体，组建审计、大数据跨专业混合小组，实行双导师制，学生进驻实验室长期开展研究，建立本硕传帮带机制。会议同时提示，敏感单位审计项目风险较高，现阶段暂不涉及，待方案上报研讨后再评估。
本次会议梳理了智能审计科研的实施路线，确定短期行动任务：先行梳理业务循环中可数字化、智能化的业务节点；同步对接实务合作单位，获取业务需求与脱敏业务数据，探索审计智能体原型开发。智能审计联合教研室将持续发挥跨学科协同优势，稳步推进数据集建设、智能体研发，以科研项目反哺微专业项目式教学。
