在当前的企业环境中，内部审计面临着数据量大、业务复杂度高等挑战。随着人工智能技术的发展，特别是大语言模型（LLM）的应用，企业内部审计的实践正在经历一场革命性的变化。以下是对大语言模型在企业内部审计中应用的深度剖析。
技术概览与应用场景
大语言模型，以其强大的文本处理能力和深度学习算法，正在被广泛应用于企业内部审计的多个方面：
- 审计知识智能问答：通过构建审计知识库，大模型可以快速准确地回答审计人员的问题，提供业务知识、经验、法规等信息。
- 审计文书智能编写：利用大模型的文本生成能力，可以自动生成审计通知书、实施方案、取证单、底稿和报告等文书，提高审计效率。
- SQL分析模型智能生成：大模型能够根据审计需求自动生成SQL语句，帮助审计人员进行数据分析，无需深入了解SQL语法和数据库技术。
- 审计方案智能设计：大模型可以根据历史审计经验和知识库，自动提供审计思路和数据分析方案，提升审计效率。
- 审计信息化智能教育培训：大模型可以智能生成审计信息化教育培训所需的测试题库，提供个性化的课程知识分析与指导。
审计知识智能问答搜索实践案例
在银行的审计工作中，存在大量非结构化文本数据，涵盖了业务数据取证分析等方面，但缺乏一个统一的管理平台，依赖于人工经验进行工作。围绕文本数据治理，达观数据为银行审计部开展智能审计项目建设——搭建统一的搜索应用平台，从非结构化文本数据出发，通过自然语言处理、光学字符识别等先进AI技术，可对复杂、分散存储的多源异构数据进行文档归集、内容解析、比对等，同时，它还配备了强大的语义级别垂直领域搜索引擎，以便更好地管理智能化搜索，有效地解决审计工作中存在的信息库建设、信息检索、信息溯源等问题，从而提高提高整体审计业务能力，并向全行共享，有助于推动全行的合规建设，进而提升应用的价值。
审计业务面临数据信息和系统架构的分散性、异构性和复杂性，深挖各类数据的价值一直是挑战，银行内部数据的有效利用率并不高，尤其是审计部门内部大量文本数据未形成资产。问题很多：
难点1：非结构化数据治理，数据多源异构，审计文档多为过程性文档，文档类型十分多样（PPT、Excel、Word、PDF、图片），文字解析难度大
难点2：搭建统一搜索平台，关键词搜索召回效果不达预期，上游数据推送不稳定导致搜索数据不完整、不准确
难点3：数据不规范，知识图谱三元组构建遇到阻碍，知识图谱的数据更新需要保证准确性、及时性
难点4：审计知识文本和笔记较为敏感，需要设计严密的权限体系
达观数据建设了智能审计知识库项目，一是实现数万份的多系统内部文档、数十万份外部监管政策文档等海量异构数据存储与分析。且图片、文档、表格解析率超95%，可实现图片、文档、表格中所有文字可搜，满足一站式搜索服务；二是搜索速度快，标题和全文检索速度为毫秒级别；三是搜索智能化，搜索服务中已上线了超数十种NLP模型算法用于增强对搜索词的语义理解，实现了 意图识别、模糊搜索、和搜索词纠错、标签提取等功能。成为审计人员日常必不可少的内外部数据快速获取、信息关联 的数智平台 。一方面为常态化内控评估与审计评价夯实技术支持，另一方面探索实现审计能力内部输出，助力一道和二道防线的内控建设。
本案例所用达观数据新一代大模型智能知识管理系统，它以达观自主开发的“曹植”大语言模型为基座，坚持训练数据与算法模型自主可控，为银行提供了“算力+模型”的全套国产化信创方案。
该案例数据治理成果显著，为银行审计部门激活了大量历史文档并转化为数据资产。该方案面向审计部门内部、银行内部提供服务，被广泛应用，可于工作全流程提升信息获取速度，且提升50%以上。其中，智能审计知识库项目月活部门占比率最高超80%。立足内部审计、内控合规等领域建设，接入数十万份非结构化文件；保障跨系统对接数据的实时性、稳定性；应用数十种NLP模型；为审计项目、业务合规自查提供支持，促进业务合规稳健发展。
