随着人工智能技术的飞速发展，大语言模型已成为推动各行业数字化转型的重要引擎。2022年ChatGPT的横空出世标志着大语言模型技术进入成熟应用阶段，以DeepSeek、文心一言、通义千问为代表的国产大模型迅速发展，在中文理解和专业领域应用方面展现出独特优势。当前，在审计工作中，大模型应用也越来越广泛。

一、大语言模型在审计中的创新应用

（一）对大量文字内容的归纳分析。在审计实务中，非结构化数据的智能处理已成为数字化转型的关键挑战。审计报告及其揭示的问题作为核心工作成果，具有信息密度高但结构松散的特点，传统基于Office软件的人工处理方法存在显著局限性，可以利用大语言模型直接读取长篇论文或报告，提取其中主要内容，也可以将大量审计报告投喂给大语言模型，让其对问题进行分类、汇总、分析、总结，或者让其针对某一类型的多份审计报告进行综述，撰写一份综合审计报告。

（二）图片类资料的输入与运用。审计工作中涉及的纸质文档和图像资料因其非结构化特征，往往成为数据处理中的难点。随着多模态大语言模型技术的发展，审计工作获得了突破性的技术支撑。例如让大语言模型对工程建设领域的各类设计图进行扫描识别，让其通过图纸上的线条、标注等内容，来对设计图进行审核，完成人工难以实现的工作，筛查新的审计疑点，找准审计重点。

（三）大数据审计代码的编写。大语言模型普遍拥有比较优秀的编写代码的能力，审计人员经常使用的SQLServer、Oracle数据库语句、Python编程语言等，大语言模型都能写出成熟代码，可以直接让大语言模型给出可以执行的创建视图或修改表格的语句，极大地提升代码编写效率，也能写出超出审计人员能力水平的代码。部分大语言模型支持对xls、txt等常见文件格式的上传与识别，可对数据进行筛选与分析，写出执行代码，也可给审计人员提供疑点。

二、审计工作应用大语言模型面临的机遇及挑战

（一）应用大语言模型面临的机遇。一是提高审计质量。原先分散在各个业务系统和部门的数据孤岛，通过大语言模型的智能化处理能力得以有效联通，这种跨系统、跨平台的数据整合，突破了样本代表性的局限，不仅实现了信息资源的无缝衔接，还构建了全景式的审计视角，使审计人员能够基于完整、一致的数据基础做出更为精准的专业判断，降低了因抽样偏差导致的审计误判。二是提升审计效率。大语言模型凭借其高效的数据处理能力、自动化识别异常数据的能力和生成可视化报告的能力等，大大提高了审计工作的效率。卓越的多源数据处理能力，能够同时解析结构化财务数据和非结构化业务文档，快速提炼关键信息，可以将复杂的数据关系和分析结果通过动态图表和交互式看板直观呈现，使审计发现能够快速转化为决策依据，持续提升审计团队的整体效能。三是促进审计增值。大语言模型通过分析海量数据，能生成全面的风险评估报告，识别被审计单位在财务、运营、合规等领域的潜在风险，并进行量化评估，将分散的审计发现转化为系统性风险预警，使审计职能从基础核查向价值创造升级，审计部门从“发现问题”的后端角色，转变为“预防风险”的战略伙伴，实现了审计价值的范式转换，推动审计工作更具预见性和前瞻性。

（二）应用大语言模型面对的挑战。一是复合型人才短缺。由于大语言模型技术处于快速发展阶段，其算法架构、数据处理及模型优化均具有较高的复杂性，需要既精通人工智能技术，又具备扎实会计与审计专业背景的复合型人才参与开发维护，然而，当前相当一部分审计人员专业能力不足制约了大语言模型在审计领域的深度应用。二是数据安全风险。审计过程中涉及的财务数据、内部文件、审计程序以及相关法律法规均属于敏感信息。许多审计单位使用互联网公开的大语言模型辅助审计分析，但这些通用模型通常不具备足够的数据隔离和加密机制，如果未采取严格的访问控制、数据脱敏或私有化部署措施，隐私数据可能被上传至第三方服务器，面临泄露或滥用的风险。处理好信息安全问题，有效把控数据信息泄露风险是应用大语言模型亟待解决的问题。

三、审计工作应用大语言模型的发展路径

（一）加强数字审计人才培养。在数字化转型背景下，审计机关亟需建立与智能化审计相适应的人才培养体系，制定与数字化审计相匹配的专业知识体系和能力评价标准，将数据分析、机器学习、自然语言处理等技术能力纳入审计人员的核心胜任要求。创新人才培养模式，推动产学研深度融合，与高校合作开设“智慧审计”方向的专业课程，联合培养具备会计、审计、数据科学和计算机技术复合背景的专门人才，提升审计人员对新技术的应用能力。

（二）部署本地大语言模型。将大语言模型部署在单位内网环境，与现有金审三期管理系统、财务系统等实现数据对接，构建完整的智慧审计系统。梳理历年审计报告、问题清单、整改案例等资料，本地大模型通过对这些专有数据的学习训练，可在风险识别、异常检测、合规检查等方面提供精准支持。既能满足数据保密要求，又可充分利用内部积累的审计案例、风险清单等内容。对于必须使用在线服务的场景，还应严格执行数据脱敏处理流程。

（三）完善制度规范与风险防控。制定《大语言模型审计应用指引》，规定模型不得用于审计结论最终判定、涉密数据处理等场景，明确人工复核的必查项，确保“机器分析+人工判断”的协同模式。构建合规审查机制，模型训练数据需经过合规性审查，剔除涉密、侵权内容；输出结果需验证法规依据的时效性和准确性，如通过对接“国家法规数据库”自动校验模型引用的法条有效性。大语言模型技术为审计工作带来技术革新的同时，也在数据安全、知识产权保护等方面带来新的风险与挑战，需要审慎应对。明确大语言模型在审计应用中的边界和限制，真正发挥大语言模型技术在提升审计效能方面的积极作用。

（来源：山东省审计厅）