传统审计模式下，风险筛查出的大量疑点线索需要审计人员逐一人工核实，其中近60%的疑点属于规则触发的合理非异常情况，大量重复的核验工作消耗了项目组大量精力，也拖慢了审计项目的整体进度。广东中煜会计师事务所依托沉淀的近千个审计项目的历史疑点数据库，研发出审计AI辅助疑点深度分析系统，通过大语言模型微调与审计领域知识图谱的深度融合，自动完成疑点的初筛、归因与延伸分析，将无效疑点的人工核验工作量降低72%，疑点线索的最终核实转化率提升至63%。
这套系统的核心底座是基于开源大模型完成的审计领域定向微调版本，中煜将事务所近3年的合规审计工作底稿、典型风险案例、行业监管规则全部转化为训练语料，对大模型进行多轮定向训练，让模型充分掌握不同行业的财务核算规则、常见违规问题特征、审计程序执行标准，完全规避通用大模型在专业审计场景中容易出现的规则错误、结论偏差等问题。同时系统搭建了覆盖2100余个审计实体节点的领域知识图谱，把财务科目、政策文件、违规类型、审计证据要求等不同维度的信息全部关联打通，让AI模型可以基于完整的知识网络完成疑点的深度推理分析，而非简单的关键词匹配。
当风险预警引擎输出一批原始疑点线索后，AI辅助分析系统会自动接入对应的全量关联数据，首先对疑点进行第一轮自动核验：结合知识图谱中的规则库判断该疑点是否存在合理的例外场景，自动排除掉“预算调整已完成正式审批”“往来款挂账有完整的合同支撑”等合规类无效疑点，直接输出疑点初筛结论。对于保留的高价值疑点，系统会自动完成归因分析，标注出该疑点对应的潜在违规类型、相关政策依据、需要补充获取的审计证据清单，甚至自动生成对应的疑点核查工作底稿初稿，审计人员只需要按照指引补充核验证据即可，无需从零开始梳理分析思路。
在实际项目应用中，这套系统展现出了极强的实用价值。在某区县的教育系统经费专项审计项目中，风险预警引擎最初筛查出427条原始疑点线索，AI辅助分析系统在1小时内就完成了全量疑点的深度分析，自动排除掉312条合规无效疑点，仅向项目组推送115条高价值待核实线索，最终核实的违规问题数量反而比传统人工全量核验模式多出9条，项目组在疑点核验环节投入的工时直接减少近70%。目前中煜仍在持续将新的审计项目案例输入训练库，不断优化AI模型的分析准确率，后续还将实现AI自动生成审计疑点核实报告、自动匹配同类历史案例参考等进阶功能，进一步释放审计人员的生产力，让注册会计师可以将更多精力投入到高价值的专业判断环节。
