传统审计项目中，审计人员高度依赖个人经验识别跨科目、跨年度的隐蔽审计疑点，经验不足的新人往往很难发现数据之间隐藏的逻辑关联，直接影响审计质量的稳定性。广东中煜会计师事务所基于近十年积累的海量审计项目知识库，构建出专属审计知识图谱，并配套研发智能疑点推理引擎，将分散的审计规则、历史案例、行业特性转化为可计算的关联关系，实现了隐蔽审计疑点的自动化智能推理，疑点识别的覆盖率较传统人工模式提升63%，新入职审计人员的上手周期缩短40%。
广东中煜会计师事务所技术团队首先完成了审计领域知识图谱的本体建模，将审计场景下的核心实体划分为企业主体、会计科目、凭证记录、交易对象、审计准则、风险案例六大类，梳理出超过120万条实体之间的关联关系，比如“应收账款”与“主营业务收入”的勾稽关系、“异常关联方交易”与“虚增营业收入”的因果关系、“存货周转率远低于行业均值”与“存货跌价准备计提不足”的推导关系。团队对事务所成立以来的所有历史审计项目档案进行结构化拆解，将沉淀的700余个项目中的审计疑点、问题定性、调整方案全部转化为图谱中的实体与关联边，最终构建出总规模超过320万条三元组的审计专属知识图谱，为后续的智能推理打下了坚实基础。
智能疑点推理引擎采用基于规则的符号推理与基于图神经网络的表示学习双引擎架构，兼顾推理结果的可解释性与隐性风险的识别能力。符号推理引擎将审计准则、审计程序中的明确规则转化为图谱推理规则，比如当引擎识别到“企业应收账款余额大幅增长，但同期营业收入同比下滑、应收账款周转率远低于行业平均水平”这一组实体关联关系时，就会自动触发推理规则，生成“应收账款坏账准备计提不足，可能存在收入虚增后挂账无法收回”的审计疑点，同时自动关联对应的审计准则条款，直接给出后续需要执行的进一步审计程序建议。
图神经网络推理引擎则依托知识图谱中海量的历史风险案例进行训练，能够识别传统明确规则无法覆盖的隐性异常关联。比如引擎可以通过图谱中的交易关系网络，发现多个原本在工商信息中无关联的企业，与被审计企业之间存在多条路径的隐蔽资金往来，自动识别出传统人工筛查极易遗漏的隐性关联方；还可以通过分析三年以上的跨年度数据关联，发现企业通过连续多个会计年度分步操纵利润的长期舞弊模式，这类跨周期、跨实体的隐蔽风险，在传统审计模式下往往很难被提前识别。
在多个上市公司专项核查、拟IPO企业前期财务规范服务项目中，这套审计知识图谱与智能疑点推理引擎都发挥了关键作用，成功识别出多起经验丰富的注册会计师都容易遗漏的隐蔽舞弊风险点，帮助客户提前完成财务规范调整，有效规避了后续的审计风险。广东中煜会计师事务所通过知识图谱技术在审计领域的落地，将分散的个体审计经验转化为了可复用、可迭代的团队数字化能力，从技术层面实现了审计质量的标准化、一致性管控。
