人工智能技術在證券公司內部審計中的應用研究

[摘要]近年來，人工智能（AI）技術的迅猛發展在傳統行業中也展現出變革潛力，推動著證券公司內部審計與前沿AI技術的融合。本文圍繞大語言模型等AI技術在審計數智化轉型中的作用，分析其實踐場景，提出應對技術挑戰的措施，旨在推動審計技術升級，為構建智能化的審計新模式提供理論支持與實踐參考。

[關鍵字]內部審計" " 人工智能" "大語言模型" "證券公司

習近平總書記在主持中共中央政治局第十一次集體學習時系統闡述了“新質生產力”的內涵及其主要特征，強調科技創新是發展新質生產力的核心要素。隨著人工智能（AI）技術的迅猛發展，從智能制造到金融科技等眾多領域均展現出巨大的勢能和潛力。在此背景下，證券公司內部審計與前沿AI技術融合創新，已成為審計賦能新質生產力發展的必然趨勢，也為審計服務證券業務發展提供了有力保障。

一、AI技術應用于審計數智化轉型的現實意義

（一）AI技術概述

AI技術是一種模擬人類智能的技術。在過去幾十年里，得益于計算能力的提高、算法的進步以及海量數據的積累，AI技術取得了迅猛發展。AI的核心能力包括自動化、智能化的數據處理和決策。具體來說，AI中的機器學習能夠通過海量歷史數據進行訓練，在不同情境中自動調整和優化模型，以獲得更優的決策結果；深度學習則進一步提升了AI在處理圖像、語言等非結構化數據的能力，大大擴展了其應用場景；自然語言處理（NLP）使得AI可以理解、處理和生成人類語言，為審計等資料密集型職業提供了新的解決方案。

（二）AI技術在審計數智化中應用的現實意義

傳統的證券公司內部審計工作通常涉及大量復雜的任務，審計人員不僅需要具備深厚的證券、財務、法律等知識，還需處理交易數據、客戶信息、管理數據等海量數據，以確保各環節的準確性與合規性。然而，審計方法主要依賴于人工操作，效率低下且容易出錯，尤其是在面對每日增長的太字節（TB）級別的證券數據和日益復雜的法規環境時，審計工作面臨諸多挑戰。AI技術的崛起為應對這些問題提供了強有力的工具。例如，大語言模型可以根據證券業務特征和風險情況生成定制化的審計報告；檢索增強生成（RAG）技術能夠實時檢索并整合最新的業務和管理數據，確保審計過程中的合規性；機器人流程自動化（RPA）技術則能夠執行基于規則的重復性任務，減少審計人員在數據收集與處理階段的工作負擔。AI技術的這些優勢能夠顯著提高審計效率、提升審計發現、降低操作風險，也能為審計人員提供智能化的決策支持。

二、AI技術在證券公司內部審計中的應用研究

本文將重點探討AI技術在證券公司內部審計的三大核心應用：大語言模型、檢索增強生成（RAG）和機器人流程自動化（RPA），以及介紹三大核心技術在證券公司內部審計中具體的應用場景。

（一）大語言模型的應用

大語言模型（Large Language Model）是一類通過大量文本數據進行訓練的深度學習模型，其能夠理解自然語言并生成文本，因而可以勝任多種自然語言處理任務，如文本分類、問答、對話等。自ChatGPT-3.5問世以來，大語言模型的性能持續更迭優化，在審計領域也展現了廣泛的應用潛力。

利用大語言模型的文本生成能力，審計人員可以根據需求生成定制化的文本內容。同時，借助其多輪對話能力，用戶可以與模型進行持續的互動與優化，從而逐步生成符合要求的文本。在編寫審計報告時，內部審計人員可以提供審計底稿、報告模板及關鍵要點，大語言模型便可基于這些信息生成相應的報告草稿，從而顯著提升工作效率。

作為一種審計的常規手段，大數據審計旨在提升審計覆蓋率和審計效率，通常需要對審計任務數據庫中的數據進行歸納整理并分析。結構化查詢語言（SQL）是處理這些數據的常用分析工具，但由于SQL技術的使用通常需要一些編程知識，這限制了部分審計人員的操作能力。而大語言模型具備代碼生成的功能，可根據用戶的自然語言描述生成各種編程語言的代碼和腳本，當然也可以生成SQL語句。借助這一功能，即使審計人員不具備編程經驗，也能通過自然語言描述審計思路，使用大模型生成SQL語句并執行，從而獲取到所需的分析結果，這顯著降低了審計數據分析的技術門檻。

在企業內部審計實踐中應用大語言模型前，數據和語料庫的對齊是確保模型有效性的關鍵工作。數據對齊的核心目的是將模型的預訓練數據集與企業所需的審計數據融合，提升模型在特定專業領域內的表現力。為實現這種對齊，企業通常可以采用領域特定的微調（Fine-tuning）和數據集融合等策略。領域特定的微調是指在企業內部審計數據上對模型進行額外訓練，使其能夠捕捉并應用審計領域特有的術語和文本風格，技術上這一過程通常涉及對模型參數權重的調整。這類微調借鑒了遷移學習的思想，即模型先在大規模的通用數據集上進行預訓練，再在專門的審計數據集上進一步訓練。數據集融合則是將企業內部審計數據與廣泛的通用數據結合，可以增強模型對多樣文本類型和不同領域知識的理解，這一過程涉及審計數據和通用數據的篩選、清洗及合并。通過領域微調與數據集融合等專業AI技術的應用，企業能夠確保大語言模型在內部審計任務中的高效和精確，從而在專業領域內實現更加深入的數據分析和洞察。詳細的審計領域大模型訓練流程參見圖1。

經過一系列審計領域數據的訓練，大模型能夠快速識別和提取文本中的關鍵信息，如重要的關鍵詞、核心內容或特定的細節信息。審計人員可借助這一能力快速閱讀大量文檔，并聚焦于關鍵信息。例如，在證券公司內部審計中，財富條線的經濟責任審計數量占比最多。內審人員通常需要查閱財富管理委員會及其下屬眾多營業部的工作計劃、年度總結、決策記錄等文檔，旨在識別重要任務、關鍵決策和重大風險，這類工作往往需要耗費大量時間。大語言模型擁有文本提煉的能力，能批量處理這些文檔，快速總結出核心內容并給出初步分析。使用大模型能夠生成財富條線決策層的決策清單、討論的風險事項、高頻出現的重點工作，為深入審計提供重要參考。這一技術提升了審計人員對復雜數據和信息的處理能力，提高了效率。其他一些可能的審計大模型應用參見表1。

（二）檢索增強生成（RAG）

大語言模型在處理高度專業領域時可能存在一定局限，如生成不正確信息或生成“幻覺”內容，緩解這些局限的一種方法是檢索增強生成（RAG）。它通過結合大型語言模型的生成能力與外部數據的實時檢索，顯著提升了工作效率和準確性，在審計領域展現了較大的應用潛力。首先，RAG能夠依托于一個龐大的數據庫，結構化存儲審計人員所需的文檔。在內部審計中，RAG可與證券公司內部數據系統連接，預先處理大量數據并存入數據庫，幫助審計人員實現快速、精準的檢索。此外，審計人員還需處理諸如合同、財務報告和交易記錄等非結構化數據，RAG也能快速處理這些不同格式的文件，如圖片和表格，并從中檢索出所需信息。RAG的核心依賴于大語言模型，其賦予了RAG強大的自然語言處理能力。在審計過程中，RAG可以根據審計人員提出的問題或關鍵詞，提供實時的語言交互支持，從而可以快速獲取所需的審計信息，在確保數據準確性與合規性的同時也極大地提高了工作效率。詳細的RAG工作流程參見圖2。

與傳統的AI模型相比，RAG不只擁有大模型的預訓練數據，還能從外部知識庫檢索最新的相關數據，確保生成內容包含實時更新的審計資料，如最新的監管政策、財務數據或市場趨勢等。傳統AI模型因其訓練數據的時效性限制，容易因信息過時而無法準確使用，或者需要頻繁重新訓練，而RAG的動態數據訪問能力能夠有效克服這一局限，確保生成的審計報告與當前法律要求保持一致。在證券行業中，法規時常變動，RAG的這一優勢顯得尤為關鍵，它能夠減少信息滯后帶來的風險。而在風險評估與異常檢測方面，通過從多種來源獲取最新的企業財務記錄、法規數據庫和市場數據，RAG能夠為審計人員提供實時的風險評估報告。它能夠迅速識別與行業標準不符的交易或可能違反最新法規的業務活動，幫助審計人員迅速定位潛在的風險點。

RAG在提高審計效率和準確性方面具有顯著優勢，但其有效性仍依賴于高質量的外部數據源和強大的技術支持。為了確保RAG系統能夠持續提供準確的檢索結果，證券企業還需要建立和維護一個高效的向量數據庫，用于存儲和檢索文本嵌入。此外，RAG在處理復雜數據時可能需要采用特定的數據切分方法，部分數據還需人工標注和處理，這在技術實現上存在一定挑戰。盡管如此，RAG依然為業務類型豐富且復雜的證券公司內部審計工作提供了智能化、數據驅動的工具，能夠通過提升風險評估能力、合規性分析水平和動態精準報告生成，助力于審計揭示風險。

（三）機器人流程自動化（RPA）

機器人流程自動化（RPA）技術是一種通過軟件配置于系統中的自動化工具，能夠依據預設的業務規則和工作流，執行大量高頻、重復性的操作任務，同時實現與多個系統或應用程序的界面層交互，完成跨系統的數據處理和操作。作為一種基礎的自動化技術，RPA具備多項顯著優勢。首先，RPA以非侵入性方式實現自動化操作，僅在系統的表示層上執行，不干擾被審計單位的底層信息系統結構或業務邏輯。其次，RPA是一種高度用戶友好的自動化工具，操作人員無需深入的IT或編程知識即可上手操作。此外，RPA能夠高效實現業務流程的自動化和審計任務的自動串聯，通過將分散的、獨立的業務節點無縫連接，構建端到端的流程自動化方案，提升審計操作的整體效率。

RPA在審計領域中已有許多成熟應用，并彰顯出卓越效能，尤其是在數據自動化采集方面。證券公司內部審計中，RPA能夠依據預定規則從CIF（客戶信息系統）、交易系統、財務系統、投行底稿系統、OA等眾多平臺自動抓取審計所需數據，并直接將結果錄入審計底稿，內審人員僅需耗費極少時間檢查由RPA生成的底稿，有效規避了人工重復提取數據所引發的低效與錯誤。這種自動化的數據采集能力，大幅降低了審計人員與被審計部門的溝通成本，進而全身心投入更具策略性與分析性的工作當中。另外，通過與OCR（光學字符識別）等技術相融合，RPA還能處理諸如開戶資料、雙錄視頻、上市申請書、決策會議紀要、招股說明書等非結構化信息，RPA能夠依照預設的審計規則持續抓取審計證據，這種自動化搜集審計證據不僅縮短了審計周期，還提升了報告的準確性與及時性。在投資銀行業務審計中，RPA助力審計團隊將單個審計證據的獲取時間從40分鐘銳減至30秒以內，文檔編制時間縮減到原來的1/3，審計效率與效能得到顯著提升。此外，RPA還能夠持續自動化監測系統變化，及時向內審人員發出系統更新可能導致數據問題的提醒，在信息技術管理審計中發揮靈活高效作用。

RPA技術從2014至2015年之間開始興起，隨著近年來AI技術的進步，現在將RPA技術與大語言模型等新興技術相結合是切實可行的數智化發展趨勢。這種結合為AI審計工作帶來互補性優勢：RPA技術通過預設編碼執行特定任務，適用于高度重復、規則明確的流程自動化，但其業務范圍受限于既定規則，缺乏預測、規劃和深層次分析的認知能力。而大語言模型等AI技術則為RPA提供了認知和分析層面的支持，具備自我迭代、自我學習和自我優化的能力。通過持續接收海量數據，AI增強了審計軟件的知識儲備，并可基于數據案例進行規范性分析，從而能夠改進、優化操作流程。同時，獲得最新AI能力支持的RPA技術可以具備多任務編排和處理能力，使審計流程真正實現端對端的流程自動化。

三、AI技術在證券公司內部審計中面臨的挑戰

為了確保人工智能技術在審計中的成功應用，必須全面識別并應對其中的多重挑戰。首先，在數據采集、處理和分析過程中，數據安全與隱私保護始終是核心問題。審計涉及證券公司大量客戶、資產和交易信息，因而需要構建健全的數據安全管理體系，配備先進的技術防護措施，以確保數據的完整性與保密性。其次，審計業務通常跨越多個部門和領域，高效的跨部門協作與信息共享機制至關重要，要實現AI審計的全面落地，防止潛在的數據泄露與濫用風險，審計部門需要按照《生成式人工智能服務管理暫行辦法》等規定，確保將合規性始終貫穿于AI技術使用的每個環節。第三，隨著人工智能技術的持續發展，新興算法和模型不斷涌現，若想持續保持AI在審計中的先進性，需要內審部門緊跟技術趨勢，定期升級和優化審計工具，以應對快速變化的技術環境。

此外，審計數智化的發展并不能完全取代審計人員，這主要基于以下三點。首先，新興AI技術仍在高速發展，技術的不確定性可能帶來尚未預知的風險，審計人員需協調應對各種異常情況，以確保審計系統的穩定。其次，智能審計雖能替代部分常規操作，但缺乏人類獨有的判斷力、創造力等復雜認知能力，在一些復雜情境中仍需依賴審計人員過往的經驗。最后，審計工作通常涉及多方主體的溝通交流，只有通過人際互動才能深入挖掘審計證據背后的行為動機，洞察更深層次風險。AI審計系統更應作為傳統審計工作的輔助工具，以確保審計結論的全面性和可靠性。

四、結束語

審計人員與AI技術的協同合作將成為應對復雜審計任務的重要方式，這也對審計人員的專業素養提出了更高要求。審計人員不僅要與時俱進，積極學習并掌握最新的AI技術，如大語言模型的提示詞編寫、檢索增強生成（RAG）技術等，以提升在數據分析、風險識別中AI技術的應用能力，同時也需不斷積累專業經驗，鞏固審計知識基礎，提高自身的專業判斷能力。這樣的復合型技能組合將使審計人員在數字化環境中發揮出更大的價值。

展望未來，人工智能技術與審計業務的深度融合將是職業發展的必然趨勢。通過持續的技術研發與創新，提升審計人員的技術素養，審計工作將能夠有效應對數字化轉型過程中的各種挑戰。此外，制定與完善相關的法律法規框架與合理的風險控制措施，將推動AI技術在審計工作中的深層次應用，不僅能夠提升審計效率和準確性，而且能夠為金融行業守住不發生系統性風險提供堅實保障。未來，我們有理由期待更多具備創新性的AI技術在審計領域的廣泛推廣，為智能審計的發展開辟更為廣闊的前景，并以此來促進防范化解各類金融風險，增強證券業務、資本市場發展的韌性。

主要參考文獻

[1]陳波.人工智能技術的發展對審計工作影響的思考[J].財會研究， 2020（8）：69-72

[2]程皖川.人工智能對審計行業的影響及對策研究[J].西部經濟管理論壇， 2021，32（1）：62-66

[3]梁美儀.基于“AI+RPA”雙技術架構的審計邏輯路徑及框架構建[J].商業會計， 2022（1）：29-33

[4]梅素儀.大數據技術對審計工作的影響研究[J].財會學習， 2023（24）：104-106

[5]田挺.通用語言大模型技術在審計領域應用場景探索[J].審計月刊， 2023（12）：16-20

（作者單位：東吳證券股份有限公司，郵政編碼：215000，電子郵箱：maxwell510@126.com）