审计观察 | 大型银行机构智能化审计的平台架构与技术应用

来源：审计署

当前，金融数字化转型正在向纵深推进，内部审计的信息化与数字化同步呈现深层次发展态势，审计智能化应运而生。

传统人工审计模式难以破解“审计资源有限与监督需求深化”“数据海量增长与利用能力不足”“风险隐蔽化与识别滞后性”的结构性矛盾，面对海量数据和复杂环境，能力与技术出现瓶颈式限制，影响审计监督的广度和深度。

如何依托大模型等新一代人工智能技术，赋能内部审计全流程各环节，深度构建智能化审计平台，已成为商业银行落实科技强审重要要求、破解传统审计痛点、缓解审计资源约束、全面提升审计监督效能的必然选择。

为此，一些大型银行机构持续探寻“能力技术瓶颈”的突破之道，坚持审计专业需求与技术支撑工具相结合，以审计管理、审计分析、审计监测等审计数智化技术应用平台为底座，构建智慧型审计系统。

在此基础上，进一步深度融合大模型自然语言处理、多模态分析、检索增强生成（RAG）、知识图谱等核心技术能力，构建数智驱动、人机协同、全域覆盖、安全可控的智能化审计平台，为银行业内部审计数智化转型与智能化应用提供可复制、可推广的实践样本。

下面以Y银行为例，介绍大型银行机构智能化审计的平台架构与技术应用。

基于大模型的

智能化审计平台的架构设计

Y银行内部审计部门在金融科技部门协作下，组建了审计大模型研发应用工作组，集中攻关“资料文档归集检索、海量数据分析筛查、非结构化数据解析、作业文书辅助生成”四大核心审计智能体，依托此前已经投入使用的新一代智慧型审计系统，进行智能升级和模块融合，按照“基础层—数据层—融合层—应用层”四层架构设计，打造具有大型金融机构特色的全景式智能化审计平台。

（一）核心设计理念与全景式平台搭建

新一代智慧型审计系统是银行内部审计工作高质量运转的基础载体、技术支撑和资源集合，包含审计作业、数据分析、监测预警、资源管理等核心功能，通过数字技术有机整合项目实施流程、整改跟踪流程、质量管控流程、资源管理流程，为审计项目全流程线上化、标准化、集约化、智能化，以及审计机构统一作业规范、执行闭环管控提供基本架构。

四大核心审计智能体是为审计系统配置的高能级动力引擎，以审计需求处理和项目任务执行为基本单元，引入大数据、大模型、人工智能等技术以及OCR图像识别、ASR语音识别、RPA机器人流程自动化等新型工具，以功能模块形式有机嵌入审计系统和审计流程，对资料文档、分析代码、结构化表格、标准文稿等任务对象，按照审计专业标准形成智能化输出，精准推送至各审计业务节点，贯通实现智能化审计技术在资源统筹、信息检索、线索查找、作业辅助、文书生成、复核监督等审计场景的融合应用，全面赋能审计质效提升，如图1所示。

因此，新一代智慧型审计系统为四大核心审计智能体落地部署与数据运载提供稳定可靠的底层支撑；而四大核心审计智能体以功能组件形式无缝接入新一代智慧型审计系统，助力审计系统功能发挥和业务流转更加集约、高效。二者有机整合、相互催动，共同构成了全景式智能化审计平台。智能技术补齐人工短板，审计作业事半功倍。

智能审计本质上是流程辅助而不是全盘替代，审计人员借助智能化审计技术，更加聚焦专业判断和风险洞察，形成更具价值、更有说服力的审计结果。

（二）以四层技术架构实现智能化审计平台功能

1.基础层：以具备混合检索（关键词检索+向量语义匹配）、智能文档解析、多模态数据分析、自然语言交互及自然语言生成能力的通用大模型为技术基座，保障模型基础性能，为后续场景化适配提供技术支撑，具备持续演进、迭代更新和深度拓展的技术能力。

2.数据层：构建安全、脱敏的企业级审计资料库。整合外部法规、内部制度、历史案例、业务流程资料、审计项目资料、监管资料等，完成清洗、分类、标注，为审计资料库配置制度库、问题库、案例库、方案库、处罚库、整改库、报告库、知识库等八个子库（以下简称“八库”），使其成为智能化审计专有素材，实现统一管理、高效调用、智能输出，严守数据安全与隐私保护底线。

3.融合层：聚焦大型商业银行内部审计领域，以通用大模型为基础，深度融合审计的业务逻辑、工作范式、专业术语等，进行针对性微调，形成适配审计专业语境、贴合审计作业习惯的审计专用大模型，围绕审计专业性和权威性，积累专用语料，丰富训练素材，支撑审计规则判断，提供场景适配、稳定可控、专业可靠的核心能力保障。

4.应用层：将四大核心审计智能体以功能模块的形式嵌入新一代智慧型审计系统，与现有审计流程实现完全整合和无缝衔接，在符合专业逻辑的前提下，革新审计作业的输入和输出方式，促进审计人员在保持职业判断的前提下，大幅提升各环节作业生成效率，确保数智化转型与审计步骤执行全过程绑定。

审计智能体的运行机制与成效验证

（一）资料文档归集检索智能体：打通知识壁垒，全流程知识赋能

如图2所示，该智能体重点破解传统资料检索存在的语义理解不足、跨库联动不畅、检索精准度不高与作业效率偏低等痛点。

依托大模型自然语言交互、智能文档解析、混合检索等核心能力，可实现多类型审计资料高效检索，并根据审计发现智能匹配推荐法规制度，形成审前资料智能归集、审中精准匹配制度依据与关联风险、审后自动沉淀审计成果的全流程支撑体系，为审计项目全周期开展智能化信息服务提供保障。

构建思路：统筹搭建企业级审计资料库，整体由八库构成。系统梳理整合内外部法规制度、业务流程资料及各类审计项目资料，经数据清洗、分类规整与标准化标注后，形成审计资料库基础底库数据。同时，建立健全审计资料库管理规范，构建资料入库、调用、归档、退出全流程动态管控机制：结合审计项目实施进度同步完成业务资料与审计成果实时归集入库；定期开展资料库内容盘点与有效性评估，及时清理废止、失效及过时资料，持续保障库内数据的时效性、准确性与完整性，为审计智能体运行与业务场景落地夯实底层数据基础。

智能体整体采用精细化切片解析、混合检索匹配、知识图谱增强的技术架构。

首先，精细化切片解析在保留表格、业务字段、文本段落等信息单元完整性的基础上，完整留存文档标题层级与上下文关联关系，确保拆解后仍维持原有结构逻辑与语义连贯性。

其次，采用“关键词检索+向量语义匹配”的混合检索模式，并依托企业级审计知识图谱，落地Agentic RAG、Graph RAG技术应用，可在复杂业务场景下开展关联逻辑推理，精准推送与审计问题、审计需求相匹配的制度条款、监管规定、关联风险点及同类审计案例，为审计人员问题定性、原因剖析与专业研判提供参考思路与延伸依据。解析或检索后的信息数据可直接导入下一审计环节以供使用。

成效验证：资料文档归集检索智能体全面融入审计工作全流程，为各阶段提供智能支持，实现赋能审计全流程，有效提升审计效率与质量。一期上线后，Y银行已累计使用4574次，整体检索准确率为75%，审计专业知识核心内容检索准确率为81%，制度查找模块达91%，显著提升审计人员对于审计资料的检索效率，审计效能大幅提升。

（二）海量数据分析筛查智能体：降低专业门槛，扩大数据分析参与范围与深度

如图3所示，该智能体聚焦传统数据分析“找表难、建模难、门槛高”等突出痛点，依托RAG检索技术与提示词工程，具备模型智能推荐、数据表智能匹配、SQL代码自动生成及语法智能纠错等核心功能。面向不同专业基础的审计人员提供差异化赋能，推动数据分析能力全员普及，并深度嵌入审前调研、风险评估、审计实施、报告撰写及整改跟踪全业务环节。

构建思路：全面梳理存量审计模型资源，搭建覆盖各业务条线、多类风险场景的标准化审计模型库。同步制定SQL模型编写规范，统一编码规则、命名标准、注释范式、安全管控及性能优化要求，实现审计模型开发、迭代复用与维护管理的全流程标准化。在此基础上，通过梳理数据血缘，完成数万项数据字典规整及字段关联关系搭建，明确各字段业务口径、数据来源、归属系统与内在关联逻辑，为审计建模智能体夯实底层数据与模型基础。

该智能体以混合检索与提示词工程为技术底座，依托存量审计模型库、全量数据字典及字段关联资源，形成多项智能化能力：可依据审计业务场景和风险主题智能匹配审计模型；基于元数据与数据血缘自动推荐业务数据表及关键字段；结合建模规范与审计资料库提供建模思路、语法参考等辅助支撑；内嵌代码编写标准，可自动识别并修正SQL语法错误；同时能够参照存量模型与标准化模板，按需生成合规可用的SQL语句。在分层赋能层面，可为零基础审计人员精准推荐适配模型并自动生成简易SQL语句；协助初级审计人员快速排查代码语法问题；助力资深审计人员实现数据字段智能定位与代码高效调优，有效降低数据分析技术门槛，提升审计建模整体效率。SQL代码脚本及数据分析结果可直接导入下一审计环节以供使用。

成效验证：Y银行于2025年6月上线该智能体后，累计使用7121次，参与SQL编程的审计人员较上半年新增170人，其中85人在智能体辅助下完成首次编程，占新增人数50%。智能体帮助审计人员突破能力瓶颈，打破技术壁垒，拓展数据分析参与范围，进一步提升审计数据分析效率。

（三）非结构化数据解析智能体：延伸审计边界，实现全类型数据挖掘

如图4所示，该智能体聚焦现场检查中非结构化数据核查覆盖面不足、人工作业效率低等痛点，依托大模型多模态数据分析与自然语言交互能力，实现图像、音频类非结构化数据的智能识别与自动解析，有效拓宽审计监督范围，显著提升审前准备与审计实施阶段的作业质效。

构建思路：依托历史审计实践经验，系统梳理现场检查高频涉及的非结构化数据类型，明确各类数据的解析维度、要素提取内容及核查研判逻辑，归纳制定图像分类标准、图像关键要素提取规则与音频风险识别敏感词库，搭建专业化专家规则库。

智能体以外挂专家规则库为支撑，融合多模态文件解析与深度语义推理能力，可对图像、音频资料进行智能甄别，精准标记违规疑点，并自动输出标准化结构化核查表单与精细化分析报告。

其中，图像识别可自动提取发票、不动产证明等材料的核心要素，同步校验资料完整性与合规性；音频识别构建“语音转录—说话人区分—敏感词检索—智能总结研判”全流程处理体系，将会议录音、客户投诉等音频资料转为文本信息，精准挖掘其中误导性表述、违规暗示等隐蔽风险线索。解析的结构化表单及分析报告可直接导入下一审计环节以供使用。

成效验证：目前，Y银行应用该智能体已完成454.76万个非结构化数据的解析处理，核心文件识别准确率超92%，整体达84%以上。非结构化数据的高效结构化转化，助力审计人员深挖隐藏性、关联性风险线索，推动非现场审计能力大幅跃升，审计监督实现从“结构化数据”向“全类型数据”全覆盖。

（四）作业文书辅助生成智能体：规范文书撰写，提升信息沟通及成果质效

如图5所示，该智能体针对审计文书撰写“专业要求高、格式规范严、人工易疏漏”的现实痛点，坚持人机协同、人为主导的设计原则，充分运用大模型自然语言处理能力，并依托企业级审计资料库，实现文本润色纠错、格式自动校验、内容辅助生成等功能，全面对接审计业务全流程，支持风险评估、审计方案、工作底稿、取证确认、审计报告等多类文书智能化辅助编制。

构建思路：系统梳理历年各类审计文书样本，搭建专业词库、格式规范规则库与标准化模板库；同时，结合不同文书类型及审计业务场景，定制适配提示词体系，为审计文书智能生成夯实业务底座。

智能体采用“规则模型初筛+大模型语义复核”双层校验机制：首先依托内置专业词库与格式规则库，通过正则表达式匹配预置校验标准，对文书文字表述、章节结构、段落排版及制式规范进行自动化扫描与合规检测；其次利用大模型深度语义理解、逻辑辨析与专业语境适配能力，开展全文智能复核，对专业术语使用、语句逻辑架构、行文表述措辞进行智能甄别与自动纠错，从格式规范、表述严谨、逻辑完整等维度，保障审计文书编制的标准化、规范化与专业权威性。辅助生成的审计作业文书可直接导入下一审计环节以供使用。

成效验证：Y银行上线该智能体后，文本校验准确率达76%，内置审计文本专用润色能力，适配多种文档；基于30余个真实项目测试，报告初稿合格率为72%。消保审计报告辅助生成功能上线后，撰写效率提升超50%，文书规范性、引用精准性显著提升，复核成本大幅降低。

多智能体联合运作深度分析：

智能审计工作流

（一）传统审计流程存在难以克服的典型问题

1.审前调研不充分，审计靶向性不足。对审计对象经营特点、业务结构、风险状况分析不够全面深入，导致审计方向不准、重点不够突出。以一级分行经济责任审计为例，项目本应全面梳理被审计对象业务现状、历史检查发现，精准识别薄弱环节与问题高发领域，进而明确审计方向与核查重点。但实践中，部分审计组对不同机构、不同业务套用相同的审计方案和重点，缺乏差异化谋划与针对性安排，造成审计聚焦不足、整体成效受限。

2.风险评估能力偏弱，数据挖掘不深不透。风险评估环节专业数据分析力量不足，具备数据库脚本开发能力的人员储备有限，面对海量业务数据仍依赖人工经验判断，数据筛查效率不高，风险线索发现数量少、穿透性不足，难以支撑审计实施精准锁定疑点。

3.审计实施深度不足，问题排查覆盖面有限。现场核查多以单点问题查证为主，缺少举一反三、由点及面的延伸分析，同类同质问题排查不充分、覆盖不到位，难以全面客观反映审计对象整体风险水平，结论代表性与说服力不足。

4.报告撰写质量不稳，文书规范性不足。审计文书普遍存在文字表述不够严谨、逻辑链条不够完整、格式体例不够统一、制度条款引用不够精准等问题，直接影响其专业性、规范性与权威性。如在分支机构经济责任审计报告中，出现问题定性口语化、未引用最新制度规定、未深入揭示体制机制类根源等情况，一定程度上削弱了审计报告的严谨性与公信力。

（二）多智能体联合赋能重构审计工作流

四大核心审计智能体依托大模型技术构建，天然具备协同运行机理，能够对传统审计作业流程实施系统性重构、全链条赋能，精准破解前述四个方面的突出困难与积弊，通过聚合式变化、交错式辅助，技术流与审计流动态整合，形成智能审计流，全面助推审计质效提档升级，如图6所示。

在审前调研环节，审计人员运用海量数据分析筛查智能体，构建被审计单位机构画像与业务画像，精准刻画业务特征；通过非结构化数据解析智能体，自动拆解审计对象各类非结构化经营分析资料；依托资料文档归集检索智能体，高效开展经营发展情况梳理及历史问题复盘研判，快速锁定问题高发领域；借助作业文书辅助生成智能体，结合机构特点与风险特征智能确定审计重点，自动生成高质量项目预研材料，为精准实施审计筑牢前期基础，有效破解审前准备不充分，审计靶向性不足等问题。

在风险评估环节，审计人员通过海量数据分析筛查智能体，实现审计模型智能推荐、SQL代码自动生成及语法智能纠错，大幅降低数据分析技术门槛，助力普通审计人员便捷开展专业化数据研判工作。以某线上贷款产品审计为例，在风险评估阶段，审计人员依托海量数据分析智能体对客户资质、授信审批、用信还款、账户流水等多维度数据开展全量穿透筛查，及时发现部分客户贷款资金向同一关联方集中划转的异常特征，并通过作业文书辅助生成智能体，自动生成现场核查线索清单和推荐核查方法。进入审计实施环节后，审计组基于上述方法开展批量定向核查，最终查实多名客户在中介协助下通过虚构资质、包装材料等方式违规套取信贷资金的问题线索，实现风险早识别、早预警，有效防范信贷风险，破解风险评估能力偏弱，数据挖掘不深不透的问题。

在审计实施环节，审计人员运用非结构化数据解析智能体，对图像、音频等非结构化资料实现批量解析与结构化转换，同步开展合规关键词识别与风险校验，显著拓宽监督边界、提升核查质效。同时，审计人员可结合海量数据分析智能体自动完成典型问题的举一反三和由点及面延伸排查，并借助资料文档归集检索智能体和作业文书辅助生成智能体，自动完成问题对应制度依据的查找和审计确认单的初稿生成，最终由人工审核确定形成终版确认单，下发被审计对象，完成审计核查。如在信用卡分期外包电话营销审计中，针对话术违规、侵害客户知情权与自主选择权等突出风险，运用非结构化数据解析智能体和海量数据分析筛查智能体对海量营销录音开展自动化解析和筛查。经大模型初筛与人工复核，线索转换率超70%；整体筛查周期由传统人工模式30个工作日压缩至2个工作日，作业效率显著提升，有效破解审计实施深度不足、问题排查覆盖面有限的问题。

在报告撰写环节，审计人员可通过资料文档归集检索智能体，快速调取同类历史报告，借鉴成熟撰写框架与表述范式；依托作业文书辅助生成智能体，基于标准化模板智能完成内容填充、问题定性、评价表述与整改建议提炼，并自动对文字逻辑、格式规范、制度引用准确性进行全面检测，智能提示问题与修改建议，高效生成结构完整、表述规范、依据充分的报告初稿。如需延伸核查、深挖根源，还可调用海量数据分析筛查智能体进一步拓展查证维度、深挖问题实质，确保疑点查深查透、事实形成完整闭环，切实保障文书规范性与审计成果质量，有效破解报告撰写质量不稳、文书规范性不足的问题。

四大智能体协同应用后，内部审计工作实现三大转变：

一是审计效率从“慢节奏”向“高效率”转变，制度收集、文书撰写、数据分析等基础工作耗时明显缩短；

二是审计覆盖面从“抽样核查”向“全量覆盖”转变，实现全类型数据挖掘、业务全流程全方位监督；

三是审计人员从“事务性操作”向“价值化分析”转变，审计人员聚焦高价值工作，内部审计的风险防控与价值创造能力显著提升。

大模型审计应用中的问题与对策

（一）数据质量与数据治理存在短板

企业级审计资料库虽已构建，但部分历史数据存在标准不统一、信息点缺失、更新不及时等问题，部分业务系统的数据对接存在壁垒，开展数据清洗和标注的人工成本较高，数据治理机制直接影响数据挖掘价值和处理效能。

解决对策：落实数据驱动审计思维，构建审计数据全生命周期治理机制。一是建立数据质量管控标准，明确数据采集、清洗、标注、更新规范流程，专人负责审计资料库日常维护与更新，确保数据准确、完整；二是打通业务系统数据壁垒，实现审计数据统一归集共享，构建标准化数据接口，降低对接成本，加强算力保障，提高分析效能。

（二）AI幻觉风险带来结果准确性困扰

AI幻觉是大模型技术应用中的固有问题，源自数据概率的推算缺陷，在语义规则不够完善、约束机制不够健全的情况下，容易导致输出内容与实际情况不符，误导审计实施，如不加以抑制和防范，将影响审计结果准确性和专业性。

解决对策：以“技术创新+人工复核”为核心，构建全流程AI幻觉防控机制。一是持续优化大模型微调策略和约束规则，融合RAG技术，确保模型输出内容均可溯源至企业级审计资料库；二是完善提示词工程，根据不同审计场景制定精细化提示词，提升专业完整性、输出精准性；三是强化人工复核把关，明确大模型输出结果的复核流程与标准，确保审计权威性与严谨性。

（三）数据安全与隐私保护存在盲区

审计数据包含银行核心业务数据与个人隐私信息，审计智能体的任务执行实际是对审计数据的加工处理和输入输出，安全的数据运行与数据管理是审计工作的重要前提，数据安全与隐私保护是大模型应用的核心底线。

解决对策：坚持安全可控原则，构建全维度、全流程的数据安全管控机制。一是持续强化数据脱敏加密，对核心业务数据、个人隐私信息采用多重脱敏技术、封闭运行技术；二是建立精细化权限管控流程，根据岗位、业务范围、审计项目划分数据访问与模型操作权限；三是强化技术安全防护，在平台部署防火墙、入侵检测等设备，对数据传输、模型训练、智能体应用等环节实时监控，及时处置安全风险。

作者：徐佩利、张爱平、王可瑞、任芝慧、赵宇烁

单位：中国邮政储蓄银行