当前位置: 首页 > news >正文

推荐阅读:丰田汽车金融支老师使用“数智化审计赋能平台”之体验分享

早在2023年,AI技术的兴起在各个领域都引起了广泛的关注,审计行业也不例外。我一直在思考,AI是否能够真正融入到审计工作中,提高审计工作的效率,解决我们面临的挑战。

尽管AI的潜力巨大,但我对于它在审计领域的应用仍然持谨慎的态度,这主要是因为存在两个核心问题没有被解决:推理的准确性和数据的安全性。众所周知,审计工作依赖于准确无误的结论和确凿无疑的证据,而AI恰恰是一个创造性无与伦比,但准确性和安全性却无法保障的工具。AI概率性的预测结果往往无法进行验证,而数据安全问题也随着AI技术的广泛应用而日益凸显。审计工作需要审慎和保密,这让AI与审计的关系显得这么美好,但又那么遥远。

随着时间的推移,到了2024年3月,我的看法开始有了转变。AI开源模型的增多和普及,让我看到了在私域领域开发专门针对审计行业的AI大模型的希望。我很高兴地看到,很多国内同行也在积极探索这一领域,而数字风险赋能中心(以下统称“赋能中心”)就是他们中的佼佼者,已经成功建立了针对IT审计工作服务的“数智化审计赋能平台”。

图片

我接受到赋能中心的邀请,对这个审计平台进行评测。通过一段时间的使用,我发现这个平台不仅仅是一个工具,它更是审计师的得力助手。赋能中心依靠自己丰富的资源,将审计过程中所需的各种法律法规、行业标准和最佳实践都包含在了这个平台里。这些资源的整合对于无论是新手还是老手的审计师来说都是尤其宝贵的,因为这些资源可以帮助审计师快速熟悉行业环境、监管要求和审计工作的要求。

图片

不仅如此,平台使用了AI技术对这些知识进行了智能化的整理,建立了知识库,并利用AI为审计师提供即时的问答服务,这也极大地提高了审计师学习知识的效率。

图片

图片

在另外一些方面,赋能中心利用AI技术让平台可以帮助审计师根据审计背景和目标自动生成详细且规范的审计底稿。这一功能不仅提高了底稿编制的速度,还确保了其准确性和完整性,从而让审计师能够更加专注于审计分析和判断。

图片

撰写审计报告是审计工作的最后阶段,也是传达审计发现和建议的关键环节。数智化赋能平台利用AI技术,可以根据审计背景、依据、发现自动生成结构化的审计报告。这不仅提高了报告编写的效率,还确保了报告内容的专业性和准确性。

图片

有了赋能平台AI的辅助,让审计师就像黑神话悟空中使用身外身法一样,让原本繁琐的审计工作变得轻松自如,分身有术,效率倍增。

之前我们所担心的两个问题,赋能中心的赋能平台通过采用自主研发的审计大模型,并结合通用大模型,为审计工作提供了一个可靠的准确的系统环境。这种双模型策略不仅提升了数据处理的准确性和全面性,更重要的是,私域模型的处理过程保证了企业信息的安全,保护了客户和企业的利益。当然作为审计人员,无论在使用任何平台和工具的时候,我们都要注意数据脱敏的问题。毕竟,审慎是审计师应该有的态度。

图片

我在研究的是如何建立本地的个人审计大模型,在这方面赋能中心已经走在了前面,已经建立了针对企业的审计大模型。相对于建立本地的个人审计大模型,赋能中心数智化赋能平台的优势就在于丰富的资源和完善的技术支持和服务。这使得审计师能够更加专注于审计工作本身,而不是被技术问题所困扰。

我所介绍的这些也只是这个平台众多功能中的一小部分,我推荐大家尝试这个平台,相信它能够帮助大家在保障工作质量和数据安全的前提下,提高工作效率,真正的做到一个人就是一个团队。


文稿提供:支云龙(Eric Zhi),持有CISA、CISM、CRISC、CDPSE等认证,ISACA中国北京社区志愿者,ISACA中国技术委员会委员,《风险视角下中国企业数字化转型应对指南指南》首席开发人员,《数字信任生态框架》Digital Trust Task Force成员,《ISACA个人信息保护能力成熟度评估最佳实践指南》首席开发人员,现就职于丰田汽车金融(中国)有限公司担任IT审计经理的职务。


http://www.mrgr.cn/news/48142.html

相关文章:

  • pytorch MoE(专家混合网络)的简单实现。
  • 【微信小程序】1|底部图标 | 我的咖啡店-综合实训
  • react中使用ResizeObserver来观察元素的size变化
  • STM32F407寄存器点灯
  • 麒麟V10,arm64,离线安装docker和docker-compose
  • 多个图片转换为PDF文件
  • DM原生JDBC,查询结果用Jackson序列化,字段为TEXT类型且存的json字符串时,报错“Infinite recursion“
  • HCIP--以太网交换安全(二)端口安全
  • RDD优化:缓存和checkpoint机制、数据共享(广播变量、累加器)、RDD的依赖关系、shuffle过程、并行度说明
  • Git介绍--github/gitee/gitlab使用
  • Qt 数据库,人脸识别
  • Matplotlib库
  • 6个设计师都在用的样机素材网站
  • 400行程序写一个实时操作系统RTOS(开篇)
  • Flutter技术学习
  • 大数据新视界 --大数据大厂之 ClickHouse:大数据分析领域的璀璨明星
  • ☕️从小工到专家的 Java 进阶之旅:全新的HttpClient,现代高效的网络通信利器
  • 每日OJ题_牛客_小乐乐改数字_模拟_C++_Java
  • 算法的收敛速度计算过程
  • 『网络游戏』进入游戏主城UI跳转主城【26】
  • Linux下的Makefile基本操作
  • Redis 的安装与部署(图文)
  • 中间件:SpringBoot集成Redis
  • FLBOOK一款强大的电子产品图册制作工具
  • springboot健康管理平台-计算机毕业设计源码38430
  • 【unity框架开发9】序列化字典,场景,vector,color,Quaternion