大語言模型在企業內部審計中的實踐分析
在當前的企業環境中，內部審計面臨著數據量大、業務復雜度高等挑戰。隨著人工智能技術的發展，特別是大語言模型（LLM）的應用，企業內部審計的實踐正在經歷一場革命性的變化。以下是對大語言模型在企業內部審計中應用的深度剖析。
技術概覽與應用場景
大語言模型，以其強大的文本處理能力和深度學習算法，正在被廣泛應用于企業內部審計的多個方面：
- 審計知識智能問答：通過構建審計知識庫，大模型可以快速準確地回答審計人員的問題，提供業務知識、經驗、法規等信息。
- 審計文書智能編寫：利用大模型的文本生成能力，可以自動生成審計通知書、實施方案、取證單、底稿和報告等文書，提高審計效率。
- SQL分析模型智能生成：大模型能夠根據審計需求自動生成SQL語句，幫助審計人員進行數據分析，無需深入了解SQL語法和數據庫技術。
- 審計方案智能設計：大模型可以根據歷史審計經驗和知識庫，自動提供審計思路和數據分析方案，提升審計效率。
- 審計信息化智能教育培訓：大模型可以智能生成審計信息化教育培訓所需的測試題庫，提供個性化的課程知識分析與指導。
審計知識智能問答搜索實踐案例
在銀行的審計工作中，存在大量非結構化文本數據，涵蓋了業務數據取證分析等方面，但缺乏一個統一的管理平臺，依賴于人工經驗進行工作。圍繞文本數據治理，達觀數據為銀行審計部開展智能審計項目建設——搭建統一的搜索應用平臺，從非結構化文本數據出發，通過自然語言處理、光學字符識別等先進AI技術，可對復雜、分散存儲的多源異構數據進行文檔歸集、內容解析、比對等，同時，它還配備了強大的語義級別垂直領域搜索引擎，以便更好地管理智能化搜索，有效地解決審計工作中存在的信息庫建設、信息檢索、信息溯源等問題，從而提高提高整體審計業務能力，并向全行共享，有助于推動全行的合規建設，進而提升應用的價值。
審計業務面臨數據信息和系統架構的分散性、異構性和復雜性，深挖各類數據的價值一直是挑戰，銀行內部數據的有效利用率并不高，尤其是審計部門內部大量文本數據未形成資產。問題很多：
難點1：非結構化數據治理，數據多源異構，審計文檔多為過程性文檔，文檔類型十分多樣（PPT、Excel、Word、PDF、圖片），文字解析難度大
難點2：搭建統一搜索平臺，關鍵詞搜索召回效果不達預期，上游數據推送不穩定導致搜索數據不完整、不準確
難點3：數據不規范，知識圖譜三元組構建遇到阻礙，知識圖譜的數據更新需要保證準確性、及時性
難點4：審計知識文本和筆記較為敏感，需要設計嚴密的權限體系
達觀數據建設了智能審計知識庫項目，一是實現數萬份的多系統內部文檔、數十萬份外部監管政策文檔等海量異構數據存儲與分析。且圖片、文檔、表格解析率超95%，可實現圖片、文檔、表格中所有文字可搜，滿足一站式搜索服務；二是搜索速度快，標題和全文檢索速度為毫秒級別；三是搜索智能化，搜索服務中已上線了超數十種NLP模型算法用于增強對搜索詞的語義理解，實現了 意圖識別、模糊搜索、和搜索詞糾錯、標簽提取等功能。成為審計人員日常必不可少的內外部數據快速獲取、信息關聯 的數智平臺 。一方面為常態化內控評估與審計評價夯實技術支持，另一方面探索實現審計能力內部輸出，助力一道和二道防線的內控建設。
本案例所用達觀數據新一代大模型智能知識管理系統，它以達觀自主開發的“曹植”大語言模型為基座，堅持訓練數據與算法模型自主可控，為銀行提供了“算力+模型”的全套國產化信創方案。
該案例數據治理成果顯著，為銀行審計部門激活了大量歷史文檔并轉化為數據資產。該方案面向審計部門內部、銀行內部提供服務，被廣泛應用，可于工作全流程提升信息獲取速度，且提升50%以上。其中，智能審計知識庫項目月活部門占比率最高超80%。立足內部審計、內控合規等領域建設，接入數十萬份非結構化文件；保障跨系統對接數據的實時性、穩定性；應用數十種NLP模型；為審計項目、業務合規自查提供支持，促進業務合規穩健發展。
