目前，我国人工智能、大模型技术在生成式人工智能领域已经实现了文本、图像、音频、视频等内容的自主研发及智能生成，为各行业人工智能的应用提供了更多的机遇。审计行业在信息化建设过程中，应紧跟计算机技术发展的脚步，深入研究人工智能、大模型技术在审计中的应用，基于自身算力资源，利用大模型技术对海量的审计数据进行训练和深度预学习，助力提高审计数据分析的精准度，助力提升审计人员“能查”的能力。 云南省审计厅在《云南省审计信息化建设质效提升三年行动方案（2023～2025年）》中，提出“积极推动人工智能（AI）、云计算、大数据等新一代信息技术与审计业务深度融合，积极探索构建全覆盖的数据采集、强大的运算能力、丰富的数据分析模型”的愿景；并派出调研组前往相关机关单位、研究所、高校、企业进行学习调研，深入分析云南审计信息化建设的需求，探索新一代计算机技术在审计中的应用前景及其潜在优势，提出推进云南审计信息化建设的下一步思路。 云南审计信息化建设现状及存在的问题 目前，云南省审计机关大数据审计主要依靠审计人员编写脚本对数据库数据进行关联分析，但由于技术门槛较高，审计业务与大数据审计“两张皮”的问题一直存在。且部分数据分析工作不能很好地嵌入审计业务思维，数据分析得出的疑点数据精准度不高，甚至形成误导，使得审计组花费大量的审计资源来核实这些疑点，影响了审计质效。近年来，随着计算机技术的发展，大数据审计已发展到利用人工智能技术，对非结构化知识进行抽取、结构化与半结构化数据转化、多源知识融合等，利用图数据库等技术实现复杂关系网分析，深度挖掘数据，这些技术在审计实践中已取得了明显成效。而云南省审计机关在这方面的专业人才较少，进展较缓。由于这些技术对计算机知识要求高，大面积引进、培养相关人才又不现实，因此，建设“全面、高效、智能、安全、易用”的大数据审计平台，让一般审计业务人员也能进行数据分析，使数据分析“普及化”，是下一步信息化建设的重要任务。 对人工智能的探索及收获 （一）有效的数据治理是前提 要想用好数据，必须从数据采集、标准化、授权、使用和清理等方面做好数据治理，并利用人工智能和大模型技术实现审计数据的有效利用。一方面，需要着手构建统一的数据规划及数据标准，对各类审计数据的采集、转换、清洗及入库等环节实施全面的数据监控，确保审计数据采集的真实性、准确性和完整性。另一方面，需要应用大模型语言对各类入库的审计数据进行数据整合，即根据数据的来源及勾稽关系整合数据，提高数据之间的关联性及穿透性。 （二）数据安全可靠是保障 人工智能和大模型可实现数据的全行业穿透、关联和生成，突破了传统的数据加密、权限管理、身份验证等技术手段。为保障审计数据的安全，防止数据泄露和滥用，在审计信息化建设中，需要深入研究人工智能、大模型在保障数据安全中的应用。特别是要预先考虑黑客攻击、网络病毒等安全风险因素可能导致的数据泄露、非法篡改等问题，提前研发涉及保护个人隐私及商业秘密等的辅助工具。 （三）行业的持续审计成为可能 在审计数据得到有效治理后，人工智能及大模型的应用，可以让“跑数据”在某些领域代替“跑现场”，对被审计单位的数据进行实时分析和监控，及时发现异常数据和潜在问题，从根本上解决审计资源不充足、数据分析不经常、风险揭示不及时的问题，以“智脑”代替“人脑”，以“耗电”代替“费腿”，通过持续性数据分析，审计人员只需对高可疑度的审计疑点进行现场核实取证，切实提升审计监督质效。 （四）风险实时预警成为常态 通过人工智能的应用，审计人员可以更好地了解审计对象，有效识别审计风险。如人工智能可以对重点审计对象的特定数据进行适时分析，帮助审计人员及时发现异常交易和潜在的舞弊行为，并推送预警信号。根据风险预警，对于行业性、系统性风险，审计机关可以在年度审计项目中予以立项，开展专项审计或审计调查；对于点状风险，审计机关可以交由审计组在审计项目中予以关注。 （五）底层数据将实现自动化审计 人工智能可以自动化地审查和比对各种法规、制度、合同等文件，对审计对象进行合规性审计，提高审计对象的合规性水平。审计数据通过融合治理后形成较好的数据生态，审计人员可通过人工智能技术，按照审计流程对一些重复性的工作开展自动审计，包括自动抽取、整理、分析和比对数据，自动完成一些重复性的审计工作，提高审计质量和效率，节省出来的人力可以更多地关注资金、项目的绩效，研究并提出更高层次的审计建议。 （六）审计报告能够机器生成和审查 类似ChatGPT的人工智能或者大模型已经在自然语言智能化处理方面取得了显著效果。借鉴ChatGPT的应用经验，在审计工作中，可以研究人工智能在审计报告生成和审查中的应用。让大模型预学习审计报告的格式、范例，根据要素法自动生成审计报告，并对其中的数据进行智能分析和审查，帮助审计人员更快速、准确地完成报告撰写和审查工作。 （七）审计经验将得以完整传承 人工智能重要的技术基础之一是算法，目前与ChatGPT类似的人工智能应用的算法已经比较成熟，完全可以进行自学习。因此，结合审计工作可以研究如何让大模型学习掌握审计专家的审计经验及知识。大模型通过在多位专家之间的学习、比对、积累，成为超越大部分审计人员的“复合型专家”，将大模型培养成随时在线、永不疲倦的“共享式导师”，实现审计经验在审计人员之间更为完整甚至有所萃取的代际传递。
