考核说明
- 题目数
- 35
- 考核时间
- 60 分钟
- 及格线
- 75 分
- 建议经验
- 白带（AI基础）水平及审计与内部控制实务经验
所有题目均为五选一，在 OMR 答题卡上填涂。多选题和正误判断题以方框内选项组合的形式出题，排序题和匹配题以排列形式出题。判断型题目（L3）每题 3 分，其余每题 2 分；原始分换算为百分制后评定为 1~9 等级。
考核领域
1. 审计计划、范围与AI清单20%
2. 控制设计与运行有效性20%
3. 证据收集、测试与抽样25%
4. 模型与数据风险验证20%
5. 报告与后续整改15%
比例以专项考核为准。修炼和模拟考核的领域构成可能不同。
考核什么
- 建立AI使用现状清单，并基于风险确定审计范围
- 评估AI相关控制措施的设计与运行有效性
- 收集AI系统证据，设计抽样与测试方案
- 验证模型与数据风险（准确性、偏见、变更管理）
- 报告审计结果并跟踪后续整改
适合人群
- 将AI系统纳入审计范围的内部审计与外部审计人员
- 设计与检查AI控制措施的风险与合规人员
- 接收AI治理报告的审计委员会支持团队
不涵盖财务报表审计全流程与审计意见出具，以及直接开发和微调模型的工作。
领域详情
领域 1. 审计计划、范围与AI清单
- 知识：AI使用现状清单（Inventory）、基于风险确定审计范围、影子AI识别、法规与标准映射（《人工智能基本法》、NIST AI RMF、ISO/IEC 42001）、审计业务类型（鉴证与咨询）及客观性、利用专家工作与以往审计结果
- 技能：找出AI清单中的遗漏、根据风险确定审计对象与深度
领域 2. 控制设计与运行有效性
- 知识：人工复核控制与形式化审批、访问与变更管理控制、供应商管理控制与服务组织报告、自动控制与基线、设计评估与运行评估的区别
- 技能：区分控制设计缺陷与运行异常、选择能够发现形式化人工复核的测试方法
领域 3. 证据收集、测试与抽样
- 知识：证据的适当性与充分性、抽样方法与样本量、日志与可重现性、公司生成信息的准确性与完整性、AI生成证据（被审计单位的AI摘要、审计人员使用的AI工具）的可靠性
- 技能：针对审计目标设计抽样方案、利用AI输出日志重新执行控制运行
领域 4. 模型与数据风险验证
- 知识：准确率与错误率指标及基线、偏见与分群体表现、数据来源与质量、模型变更、漂移与重新验证
- 技能：用证据验证模型性能声称、判断变更后需要重新验证的情形
领域 5. 报告与后续整改
- 知识：审计发现的标准、现状、原因与影响、风险等级与优先级、管理层应对措施与整改期限、后续审计
- 技能：将审计发现连同依据编写为报告、通过证据核实后续整改措施的完成情况