机器人流程自动化（RPA）是一套使用软件的业务流程，它利用人工智能的各种变体来执行重复或可通过软件算法学习的任务。从历史上看，RPA最初是一种“数据刮取”形式，它从固定格式的输出（如屏幕或纸张打印输出）获取数据。机器人软件已发展成为一种增强的图形可视化软件以及底层数据收集技术。随着数据收集功能的增强，软件的逻辑主要是解决重复性活动，如跟踪、匹配和担保。随后添加了一层对软件学习智能以及对例外、异常和以隐藏规则为基础的分析。

如今，RPA已应用于银行、抵押贷款申请流程、销售、光学字符识别（OCR）和数据提取等通用大数据应用，并越来越多地应用于审计。普华永道（PricewaterhouseCoopers）2017年的一篇文章估计，全球45%的劳动力任务可以自动化，2019年11月，德勤（Deloitte）披露，其在财务审计过程中广泛使用RPA。2017年至2019年对RPA的快速应用不仅表明技术与需求之间近乎完美的匹配，它还表明，投资回报的论点已得到充分证明。

RPA在审计中的应用与许多智能软件应用程序类似，它是一个分层框架，从数据收集（一项简单、重复的任务）开始，以可视化的可交付成果（一项不断变化的智能任务）结束：

· 基于规则的活动是在收集数据后可以进行的匹配、担保和跟踪。例如，一旦通过OCR或从分类账中提取某种形式获得了一组发票和交货报告，基于规则的软件就可以在两者之间创建一个匹配集，而无需人工进行匹配。该软件还可以编程为尝试将多个交付与单个发票匹配（反之亦然），方法是从基础纸质文档中获取交付日期等详细信息，或假设某个接近的日期。当然，对于使用可扩展标记语言（extensible markup language, XML）或其业务衍生格式可扩展业务报告语言（extensible business reporting language, XBRL）的实体，OCR的相关性较小，直接数据提取将减少底层流程和随后基于规则的应用程序中的错误。

· 审计人员行动的样本选择是RPA可以提供的顶级可操作阶段之一：通过创建明确的规则，或对担保、跟踪或匹配设置例外，可以为人员交互的介入提供一组风险排序的例外。担保、跟踪和匹配是简单的RPA重复任务，它们要么产生完美的结果，要么产生不完美的结果（有例外）。这些例外情况可以由人工在手动业务流程中执行，也可以由审计师执行。此阶段适合于通过创建隐式规则进行审核，隐式规则也可以是审核过程，因为它可以确定数据集的预期行为，然后查找异常。根据其性质，例外情况可以是内部控制的崩溃，也可以是对具体交易进行实质性测试的基础。例如，隐式规则“将日记账分录的时间戳调整为其声称调整的期限后的20天”；这个例外是有道理的。月末结账通常发生在月末后三周左右。但是，如果调整日记账分录出现的时间明显晚于20天，那么审计师可能会对这些隐含规则的例外情况表示怀疑，并选出这些例外情况供审计团队进行额外分析。

· 决策者的可视化交付源于决策者对静态历史数据、未修改数据或在分析过程中快速变化的数据的可视化。可视化的可交付成果可以叠加到RPA中，例如，提供基于风险的可视化，以协助审计过程。例如，颜色、形状和体积可以帮助审计团队确定错报风险增加的区域，以及审计程序已解决此类风险的区域。RPA算法可以学习固定资产审计等与收入审计不同的问题。一旦算法知道如何辨别哪些隐含规则和例外更容易受到风险的影响，它就可以提供一个更智能、更专注的可交付成果供审计师审查。例如，对于大多数财务审计来说，收入夸大和提前确认是一种持续的风险。如果派生了10条隐式规则并具有一个恒定的规则类，RPA可能能够根据过去的审核响应对它们进行排序。如果通过调整日记账分录的收入延迟记账例外情况的隐含规则得到了审计师的一致关注，则RPA将学会最大限度地提高其在这方面的努力。审计师通常不会对由于发票金额较大而出现的舍入错误表示怀疑，所以相对来说，RPA对这方面的错误更加敏感。