審計數(shù)據(jù)管理中應(yīng)用人工智能探析

隨著DeepSeek-R1大模型的推出，國產(chǎn)大模型推理能力、自然語言理解能力躍上了新臺階，較低的算力要求和成本使本地部署高性能大模型實現(xiàn)個性化應(yīng)用需求成為可能，也為審計數(shù)據(jù)治理現(xiàn)代化提供了動力。審計數(shù)據(jù)管理是審計數(shù)據(jù)治理中最基礎(chǔ)的部分。以人工智能助力審計數(shù)據(jù)管理，進而推動審計數(shù)據(jù)治理科學(xué)規(guī)范，可以進一步發(fā)揮數(shù)據(jù)要素價值、提升審計質(zhì)量。

審計數(shù)據(jù)管理中應(yīng)用人工智能面臨的三大難點

審計數(shù)據(jù)管理是審計機關(guān)對審計數(shù)據(jù)進行采集、歸集、清洗、入庫、使用的全流程管理、控制和運用的活動。大量高質(zhì)量的審計數(shù)據(jù)，安全的審計數(shù)據(jù)存儲方式，標(biāo)準(zhǔn)化的審計數(shù)據(jù)采集、歸集、清洗、入庫方式，以及審計機關(guān)豐富的審計方法、審計模型、審計案例、計算機語句等是高質(zhì)量審計數(shù)據(jù)管理及應(yīng)用的 基礎(chǔ)。當(dāng)前，人工智能各類算法模型層出不窮，同時算力成本極大下降，審計數(shù)據(jù)管理中應(yīng)用人工智能將深刻影響未來審計方式、審計方法，引起審計效能的重大改變。但審計數(shù)據(jù) 管理中應(yīng)用人工智能還存在以下三大難點。

一是數(shù)據(jù)基礎(chǔ)薄弱影響應(yīng)用質(zhì)效。審計數(shù)據(jù)質(zhì)量、數(shù)據(jù)共享、數(shù)據(jù)更新等方面基礎(chǔ)薄弱，會導(dǎo)致人工智能發(fā)揮作用所需的數(shù)據(jù)底座不牢。數(shù)據(jù)質(zhì)量上，高質(zhì)量數(shù)據(jù)欠缺使人工智能對行業(yè)規(guī)范與優(yōu)質(zhì)審計經(jīng)驗的學(xué)習(xí)不足，導(dǎo)致輸出結(jié)果的模糊化、幻覺化，難以適配審計場景的復(fù)雜性、精確性。缺乏高質(zhì)量數(shù)據(jù)的輸出結(jié)果，進一步增加了審計人員復(fù)核壓力，降低了審計效率。數(shù)據(jù)共享上，審計部門之間數(shù)據(jù)報送、共享通道還有待建設(shè)，不同部門之間的數(shù)據(jù)平臺存在物理阻隔、報送規(guī)則不一致，數(shù)據(jù)開放性不夠，導(dǎo)致數(shù)據(jù)流通與使用存在阻礙。不同地區(qū)的審計機關(guān)之間尚未建立完善的數(shù)據(jù)共享平臺，缺乏對審計部門間數(shù)據(jù)流轉(zhuǎn)的上級統(tǒng)籌，導(dǎo)致利用優(yōu)質(zhì)審計經(jīng)驗的渠道不暢，難以讓人工智能充分學(xué)習(xí)不同領(lǐng)域、不同特征的審計案例，打造更加全面的審計知識庫。

二是數(shù)據(jù)調(diào)用量大存在安全風(fēng)險。為提高大模型的數(shù)據(jù)治理能力，形成專業(yè)化審計知識圖譜，需開放接入多領(lǐng)域、多部門、可持續(xù)的數(shù)據(jù)接口。在數(shù)據(jù)采集與存儲過程中，對于線上傳輸各類公共或涉密數(shù)據(jù)若無精確的分類及對應(yīng)的安全舉措，將增大泄密風(fēng)險。隨著數(shù)據(jù)量增加以及數(shù)據(jù)接口對應(yīng)部門的增多，對審計數(shù)據(jù)在不同安全層級平臺之間流轉(zhuǎn)的動態(tài)保護提出了較高要求。在數(shù)據(jù)訪問過程中，面對海量可調(diào)用數(shù)據(jù)，尤其涉及跨領(lǐng)域的問題時，可能會因大模型對于模糊語義的誤判導(dǎo)致越權(quán)操作行為，不同權(quán)限下人工智能調(diào)用數(shù)據(jù)及其輸出結(jié)果分類管控的不嚴(yán)密，可能導(dǎo)致以模糊需求超越審計權(quán)限輸出數(shù)據(jù)、違規(guī)調(diào)用敏感數(shù)據(jù)、隱私數(shù)據(jù)等情況，同時隨著人工智能對于海量數(shù)據(jù)的學(xué)習(xí)，所泄密的數(shù)據(jù)內(nèi)容也將呈現(xiàn)程度多樣、數(shù)據(jù)量大等特點，造成數(shù)據(jù)安全風(fēng)險。

三是專業(yè)人才缺乏影響落地效能。當(dāng)前人工智能處于弱智能向強智能的初期發(fā)展階段，無法做到自主進行大目標(biāo)拆解，形成工作范式，對于模糊的提示詞難以給出精確的答案。為使初期階段的大模型形成審計思維，需要人工進行訓(xùn)練，并根據(jù)審計經(jīng)驗對輸出結(jié)果進行微調(diào)。同時，為減弱大模型的“黑箱”問題，需要既有審計經(jīng)驗又有人工智能技術(shù)知識的專家參與大模型的數(shù)據(jù)治理，對大模型的訓(xùn)練流程、推理輸出結(jié)果進行復(fù)核，把審計經(jīng)驗轉(zhuǎn)化為大模型推理過程中的思維鏈，將審計職業(yè)判斷轉(zhuǎn)化為大模型訓(xùn)練中的損失函數(shù)，為大模型的使用提供標(biāo)準(zhǔn)化樣板，提高大模型在審計領(lǐng)域的利用廣度和深度。目前，各級審計機關(guān)中具有人工智能專業(yè)知識的人才較為缺乏，審計人員對通用人工智能的基礎(chǔ)理論與框架，以及所需的集成計算機視覺、自然語言理解、認知推理、機器學(xué)習(xí)、多智能體等核心領(lǐng)域模型與算法知識的了解十分有限，影響人工智能在審計數(shù)據(jù)管理中的效能。

審計數(shù)據(jù)管理中應(yīng)用人工智能需聚力三個突破

圍繞元數(shù)據(jù)管理、數(shù)據(jù)質(zhì)量優(yōu)化、數(shù)據(jù)標(biāo)準(zhǔn)建設(shè)三大方面聚力突破，從而為人工智能在審計數(shù)據(jù)管理中的應(yīng)用打下基礎(chǔ)。

（一）應(yīng)用大模型提高元數(shù)據(jù)采集管理水平

1. 提升智能采集元數(shù)據(jù)水平。利用大模型對非結(jié)構(gòu)化數(shù)據(jù)的處理能力，自動采集各類文件中的圖表結(jié)構(gòu)、字段屬性等特征數(shù)據(jù)，將人工經(jīng)驗與人工智能采集進行協(xié)同，建立健全自動標(biāo)注規(guī)則，提高元數(shù)據(jù)的采集效率， 擴充審計的元數(shù)據(jù)庫。

2 . 加強元數(shù)據(jù)關(guān)聯(lián)分析。結(jié)合審計業(yè)務(wù)需求及大模型的語義理解能力，通過聚類算法將元數(shù)據(jù)進行分類，形成知識圖譜的基礎(chǔ)。同時，構(gòu)建標(biāo)準(zhǔn)化的元數(shù)據(jù)模型，明確字段定義、數(shù)據(jù)類型及關(guān)系類型，確保不同來源數(shù)據(jù)可相互操作。人工智能可通過元數(shù)據(jù)建立數(shù)據(jù)對象之間的關(guān)聯(lián)圖譜，并加強智能檢索的效率，降低多源異構(gòu)數(shù)據(jù)庫等環(huán)境下數(shù)據(jù)關(guān)聯(lián)的復(fù)雜性。

3. 以高質(zhì)量元數(shù)據(jù)訓(xùn)練大模型。利用高質(zhì)量標(biāo)注的元數(shù)據(jù)提高大模型訓(xùn)練數(shù)據(jù)的完整性，使大模型在學(xué)習(xí)階段自我進行案例生成與擴展，在一定程度上減少大模型訓(xùn)練所 需的樣本量。同時，專業(yè)領(lǐng)域元數(shù)據(jù)所形成的知識圖譜，可結(jié)合大模型的泛化推理能力，推動大模型的跨領(lǐng)域遷移。

（二）應(yīng)用自然語言處理等技術(shù)提升審計數(shù)據(jù)質(zhì)量

1. 建立質(zhì)量規(guī)則核驗數(shù)據(jù)真實性。利用自然語言處理技術(shù)從現(xiàn)行政策中提煉符合不同業(yè)務(wù)場景的數(shù)據(jù)質(zhì)量評估規(guī)則，結(jié)合審計人員基于專業(yè)領(lǐng)域的職業(yè)判斷，建立數(shù)據(jù)質(zhì)量規(guī)則庫，對大模型的數(shù)據(jù)質(zhì)量評估能力進行訓(xùn)練，形成定制化的數(shù)據(jù)質(zhì)量評估體系。

2. 強化復(fù)核能力提升數(shù)據(jù)質(zhì)量。通過機器學(xué)習(xí)算法，自動識別數(shù)據(jù)格式錯誤、邏輯矛盾及報送缺失等問題，提高數(shù)據(jù)審核效率。同時，在復(fù)核基礎(chǔ)上加強對已有數(shù)據(jù)的特征分析，結(jié)合數(shù)字分析工具推算出缺失值，實現(xiàn)智能填充，提升數(shù)據(jù)質(zhì)量。

3. 結(jié)合職業(yè)判斷提出數(shù)據(jù)質(zhì)量改進措施。審計人員通過對大模型產(chǎn)生的數(shù)據(jù)分析結(jié)果進行復(fù)核，對分析流程進行監(jiān)控，保證數(shù)據(jù)輸出的質(zhì)量。同時，及時反饋分析流程中出現(xiàn)的問題，對后續(xù)數(shù)據(jù)質(zhì)量提升提出改進意見和建議。

（三）構(gòu)建智能管理框架加快審計數(shù)據(jù)標(biāo)準(zhǔn)化建設(shè)

1. 對已有數(shù)據(jù)進行標(biāo)準(zhǔn)化。可構(gòu)建智能治理框架，建立“基礎(chǔ)層（通用大模型）+行業(yè)層（審計知識圖譜）+應(yīng)用層（場景化工具）”的三層技術(shù)架構(gòu)，部署數(shù)據(jù)目錄和譜系管理系統(tǒng)對已有數(shù)據(jù)進行標(biāo)準(zhǔn)化。對于審計領(lǐng)域 已有的高質(zhì)量數(shù)據(jù)，如標(biāo)志性典型性案例的審計工作底稿、可推廣的審計經(jīng)驗等，進行標(biāo)準(zhǔn)化處理后作為大模型的訓(xùn)練資料。

2. 對后續(xù)數(shù)據(jù)進行標(biāo)準(zhǔn)化。建立持續(xù)學(xué)習(xí)與自適應(yīng)機制，統(tǒng)籌公共平臺、內(nèi)部網(wǎng)絡(luò)的上傳數(shù)據(jù)標(biāo)準(zhǔn)，針對內(nèi)外部報送數(shù)據(jù)的標(biāo)準(zhǔn)化搭建跨機構(gòu)數(shù)據(jù)兼容框架，在實現(xiàn)部門間互聯(lián)互通的基礎(chǔ)上，建立自動化、全面化的標(biāo)準(zhǔn)監(jiān)測與反饋機制，將自動化與人工復(fù)核相結(jié)合，確保后續(xù)輸入的審計數(shù)據(jù)能夠被大模型識別學(xué)習(xí)與運用。

3. 對數(shù)據(jù)調(diào)用進行標(biāo)準(zhǔn)化。鑒于審計對數(shù)據(jù)精確性的高要求，在審計人員層面，要對大模型運用的提示詞、參數(shù)調(diào)整等進行規(guī)范，確保提問流程及輸出結(jié)果標(biāo)準(zhǔn)化。在大模型運行層面，建立動態(tài)化的標(biāo)準(zhǔn)差異識別系統(tǒng)，構(gòu)建支持多模態(tài)數(shù)據(jù)映射的標(biāo)準(zhǔn)適配器，基于最新相關(guān)法律法規(guī)、審計業(yè)務(wù)要求，針對性調(diào)整數(shù)據(jù)調(diào)用的標(biāo)準(zhǔn)。

審計數(shù)據(jù)管理中應(yīng)用人工智能的場景

在三大聚力突破的基礎(chǔ)上，充分釋放審計數(shù)據(jù)管理效能，進一步促使審計數(shù)據(jù)管理在審前階段、審計實施階段、審計成果階段三大應(yīng)用場景中發(fā)揮作用。

（一）在審前階段輔助數(shù)據(jù)準(zhǔn)備工作

1. 智能化數(shù)據(jù)處理。審計人員可通過人工智能的圖像識別、音頻識別技術(shù)，解析被審計單位關(guān)鍵文件中涉及的關(guān)鍵條款，將非結(jié)構(gòu)化數(shù)據(jù)智能轉(zhuǎn)換，自動提取特征字段轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)，結(jié)合其他結(jié)構(gòu)化數(shù)據(jù)信息形成 被審計單位知識管理庫。還可通過人工智能技術(shù)，預(yù)設(shè)接口自動抓取被審計單位多系統(tǒng)數(shù)據(jù)（如政務(wù)系統(tǒng)、財務(wù)系統(tǒng)等），智能識別冗余字段并剔除無效數(shù)據(jù)，直達核心數(shù)據(jù)。

2. 智能化風(fēng)險提示。通過人工智能技術(shù)，審計人員可調(diào)用數(shù)據(jù)庫，可視化展現(xiàn)被審計單位的運行模式及決策流程等，生成被審計單位畫像，直觀展示被審計單位的主要業(yè)務(wù)進展情況及可能存在的關(guān)聯(lián)風(fēng)險點，提前作出研判，確定審計范圍。同時，人工智能可基于內(nèi)部數(shù)據(jù)的風(fēng)險提示，分析被審計單位業(yè)務(wù)數(shù)據(jù)的周期性規(guī)律，預(yù)測重點領(lǐng)域風(fēng)險，還可參考以往審計查出的問題，構(gòu)建相似項目審計中發(fā)現(xiàn)的違規(guī)案例圖譜，自動匹配當(dāng)前項目中的相似特征，對審計人員進行風(fēng)險提示。

（二）在審計實施階段輔助數(shù)據(jù)分析工作

1. 人工智能輔助取數(shù)。審計人員可通過相應(yīng)提示詞讓大模型生成可運用于數(shù)據(jù)庫取數(shù)的代碼文本，降低取數(shù)門檻，按照審計人員需求以相應(yīng)的圖表字段進行呈現(xiàn)。可基于權(quán)限調(diào)用，對取數(shù)流程實施精準(zhǔn)的權(quán)限控制，保證數(shù)據(jù)安全。采取不同權(quán)限審計人員對應(yīng)不同的數(shù)據(jù)脫敏策略，保存抓取數(shù)據(jù)過程日志，確保取數(shù)的可追溯性。

2 . 多模態(tài)數(shù)據(jù)分析。大模型可通過對特征數(shù)據(jù)的融合實現(xiàn)多模態(tài)數(shù)據(jù)的協(xié)同分析，并根據(jù)審計人員的提示詞，調(diào)用不同數(shù)據(jù)庫內(nèi)容輸出數(shù)據(jù)分析代碼，針對代碼展示數(shù)據(jù)分析的思維鏈，輔助審計人員進行大數(shù)據(jù)分析。審計人員可將新獲得的數(shù)據(jù)結(jié)合大模型中的已有數(shù)據(jù)進行交叉檢驗，分析數(shù)據(jù)間的關(guān)聯(lián)性與風(fēng)險點。

3. 證據(jù)鏈智能論證。根據(jù)發(fā)現(xiàn)的問題以及挖掘問題中調(diào)用的數(shù)據(jù)，人工智能通過結(jié)合審計經(jīng)驗知識庫，自動鏈接合同、審批單、銀行流水等材料，形成完整的違規(guī)證據(jù)鏈與證據(jù)關(guān)聯(lián)圖譜。通過人工智能交叉核驗不同證據(jù)源，基于審計法規(guī)知識庫、審計問題知識庫及邏輯推理，比對證據(jù)之間的數(shù)據(jù)差異并提示問題，自動識別矛盾點。此外，還可進行證據(jù)效力評級。根據(jù)證據(jù)類型，結(jié)合法規(guī)知識庫要求，通過人工智能自動標(biāo)注證明力等級，輔助判斷問題定性依據(jù)是否充分。

4 . 輔助生成審計工作底稿。審計人員可授權(quán)人工智能在本地化部署的審計數(shù)據(jù)庫中調(diào)用審計實施過程中獲取的數(shù)據(jù)資料，基于發(fā)現(xiàn)的問題點、佐證材料及發(fā)現(xiàn)問題的流程日志，將問題描述與相關(guān)數(shù)據(jù)按照上下文的銜接順序，自動填入固定模板，形成邏輯性較強的審計工作底稿，并匹配相應(yīng)附件。還可通過人工智能調(diào)用審計法規(guī)知識庫，對輸入的審計問題自動匹配相關(guān)法規(guī)并具體到對應(yīng)條款，提高法規(guī)自動匹配性。

（三）在審計成果階段輔助數(shù)據(jù)整理工作

1. 挖掘高價值問題。通過人工智能自動提煉報告核心數(shù)據(jù)，對發(fā)現(xiàn)的問題、涉及的金額等進行歸類并生成報告摘要。在此基礎(chǔ)上，結(jié)合審計人員的政治研判，引用政策知識庫的政策目標(biāo)、審計項目的知識圖譜、審計對象的資金流向，形成多維度、可視化的審計成果展示，以多維度數(shù)據(jù)分析助力問題挖掘。

2. 生成有益經(jīng)驗。基于審計過程中審計人員與人工智能的互動記錄、數(shù)據(jù)調(diào)用接口 的操作日志等資料，人工智能可實現(xiàn)對審計全流程的實時記錄，并通過自然語言生成邏輯性和可操作性強的審計流程總結(jié)，助力生成優(yōu)質(zhì)經(jīng)驗，供審計人員參考、助力審計流 程優(yōu)化，也可作為新訓(xùn)練素材對大模型進行反哺，提高推理能力。

3. 個性化問題洞察。通過人工智能可加強個性行為分析。如在對領(lǐng)導(dǎo)干部開展經(jīng)濟責(zé)任審計中，通過對審計對象的歷史決策等數(shù)據(jù)進行分析，建立管理人員決策特征模型， 檢測審計對象的異常偏好，預(yù)測其在下一任期崗位的行為模式，提示相關(guān)風(fēng)險點。同時，通過調(diào)用被審計單位知識庫，對被審計單位的決策鏈條、資金鏈條、人員責(zé)任劃分等進行可視化展示，在有關(guān)邏輯鏈上進行問題歸因，為審計整改提供參考。

作者：蘭健 張斌 陳科宇

單位：浙江省審計廳 浙江省審計科研所

來源：審計觀察微信公眾號

編輯：孫哲

目前190000+人已關(guān)注我們，您還等什么？