內(nèi)部審計(jì)涉及眾多文本資料，包括相對(duì)方信息、相關(guān)法律法規(guī)等，在傳統(tǒng)審查相關(guān)業(yè)務(wù)的合法、合規(guī)性的過程中，需要花費(fèi)大量時(shí)間搜集、查閱和整理文本資料。智慧審計(jì)則利用自然語言處理技術(shù)使繁瑣的文本處理過程智能化，使計(jì)算機(jī)自動(dòng)完成文本資料處理并提示潛在風(fēng)險(xiǎn)，實(shí)現(xiàn)更高效、更智能、更標(biāo)準(zhǔn)化的內(nèi)部審計(jì)。

1.形態(tài)

語言是表達(dá)人的想法以及人與人之間交流的工具，自然語言處理（Natural Language Processing，NLP）使計(jì)算機(jī)擁有處理人類語言的能力，讓計(jì)算機(jī)能夠理解并使用人類的語言。自然語言處理的應(yīng)用包羅萬象：“機(jī)器翻譯”讓世界變成真正意義上的地球村，沒有語言的屏障；“情感分析”能夠判斷出一段文字所表達(dá)觀點(diǎn)和態(tài)度的正負(fù)面性；“智能問答”能夠用于智能語音客服，讓機(jī)器人回答客戶提出的各種問題；“信息提取”能提取文本中包含的關(guān)鍵信息并標(biāo)準(zhǔn)化；“文本分類”可以將文檔資料進(jìn)行歸類整理；“語言生成”發(fā)揮計(jì)算機(jī)理解人類語言的能力，自動(dòng)生成文章摘要。德勤端腦智能自然語言處理模塊就是基于此智能技術(shù)開發(fā)的。銀行業(yè)內(nèi)審項(xiàng)目在配備端腦后，可以分析大量的文本并提取關(guān)鍵信息、實(shí)現(xiàn)系統(tǒng)化檢索風(fēng)險(xiǎn)點(diǎn)、進(jìn)一步地實(shí)現(xiàn)高效智慧審計(jì)。

2.招式

隨著銀行業(yè)的迅猛發(fā)展，銀行積累了海量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，這為內(nèi)審工作帶來了巨大的挑戰(zhàn)，尤其對(duì)于需要人工查閱的非結(jié)構(gòu)化數(shù)據(jù)，例如合同、內(nèi)部公文制度以及人行和銀監(jiān)會(huì)發(fā)文等。在海量、復(fù)雜非結(jié)構(gòu)數(shù)據(jù)背景下，傳統(tǒng)的審查方式意味著大量的人工查閱工作，效率低下。同時(shí)，傳統(tǒng)內(nèi)審形式還存在一定的局限性，一是存在盲區(qū)，例如人工審查過程中存在知識(shí)局限及漏判誤判等人為差錯(cuò)，二是人工無法做到對(duì)全量信息進(jìn)行查閱。

針對(duì)傳統(tǒng)審查方式的短板，德勤智慧審計(jì)利用端腦智能自然語言處理模塊提出了解決方案。應(yīng)用此模塊后的智慧審計(jì)可以處理海量的非結(jié)構(gòu)文本數(shù)據(jù)，提高了處理多數(shù)據(jù)源的審查分析能力，端腦智能自然語言處理模塊在內(nèi)審過程中，可以替代人工做繁雜的文本閱讀和重要信息提取等工作。由計(jì)算機(jī)替代人工后，可以實(shí)現(xiàn)對(duì)相關(guān)材料的全量核查。更進(jìn)一步的，端腦智能自然語言處理模塊借助強(qiáng)大的機(jī)器學(xué)習(xí)、深度學(xué)習(xí)算法通過模型訓(xùn)練，可以實(shí)現(xiàn)風(fēng)險(xiǎn)點(diǎn)的自動(dòng)識(shí)別。自然語言處理技術(shù)在銀行業(yè)智慧審計(jì)中具有深遠(yuǎn)意義，端腦智能自然語言處理模塊將發(fā)揮極大的價(jià)值。

3.實(shí)戰(zhàn)

在某銀行的內(nèi)審實(shí)踐中，首先利用RPA監(jiān)控監(jiān)管機(jī)構(gòu)發(fā)文，RPA技術(shù)定期檢索并采集各監(jiān)管機(jī)構(gòu)的最新發(fā)文，例如中國人民銀行辦公廳發(fā)文《關(guān)于加強(qiáng)小額支付系統(tǒng)集中代收付業(yè)務(wù)管理有關(guān)事項(xiàng)的通知》、《中國人民銀行關(guān)于加強(qiáng)支付結(jié)算管理防范電信網(wǎng)絡(luò)新型違法犯罪有關(guān)事項(xiàng)的通知》等。RPA將節(jié)省人工檢索耗時(shí)，同時(shí)可以避免漏檢、更新不及時(shí)等現(xiàn)象。

接下來NLP歸類整理文本資料、挖掘?qū)彶橐c(diǎn)，NLP對(duì)于最新發(fā)文應(yīng)用自動(dòng)摘要算法拆分文本、提取核心內(nèi)容，形成包含標(biāo)題及核心內(nèi)容簡(jiǎn)練報(bào)告，實(shí)現(xiàn)文檔歸類。這一過程為審閱人員做了初步整理工作，簡(jiǎn)化了大量而繁復(fù)的閱讀過程，可以讓審閱人員快速抓住重點(diǎn)，工作效率得到顯著提高。我們以代收付業(yè)務(wù)管理發(fā)文為例，這一過程將首先利用NLP得到發(fā)文第一條中主要內(nèi)容：

經(jīng)過以上步驟，已經(jīng)實(shí)現(xiàn)自動(dòng)化更新發(fā)文、自動(dòng)化歸納審核要點(diǎn)，再經(jīng)過人工干預(yù)整理出審查要點(diǎn)，為進(jìn)一步NLP智能判別做準(zhǔn)備。最后，在NLP智能判別中，我們以代收付業(yè)務(wù)管理發(fā)文第一條規(guī)定為例，目標(biāo)是審查小額支付系統(tǒng)的集中代收付業(yè)務(wù)是否符合監(jiān)管要求（僅用于公用事業(yè)類和公益類機(jī)構(gòu)），具體過程及結(jié)果如下：

在上述NLP智能判別實(shí)例中，第一步為內(nèi)部信息提取，利用NLP可以自動(dòng)批量的提取合同文檔中的所需文本內(nèi)容，得到合同相對(duì)方基本信息，包括名稱和協(xié)議合作內(nèi)容；第二步為外部信息提取，利用爬蟲及NLP技術(shù)得到結(jié)構(gòu)化文檔，包括相對(duì)方對(duì)應(yīng)的工商許可經(jīng)營范圍；第三步為利用語言模型算法來對(duì)上兩步得到的初步數(shù)據(jù)進(jìn)行模型判斷，得到所審查合同對(duì)應(yīng)條款的簽訂是否符合相關(guān)規(guī)定，抓取出高風(fēng)險(xiǎn)合同。

融入了自然語言處理的智慧審計(jì)實(shí)現(xiàn)了內(nèi)審過程的系統(tǒng)化、擴(kuò)大了內(nèi)審的范圍，同時(shí)也極大地提高了內(nèi)審效率。案例中涉及包括大量合同、法律法規(guī)、相對(duì)方信息等非結(jié)構(gòu)化文本材料，不同于傳統(tǒng)內(nèi)審中的抽樣，利用自然語言處理技術(shù)可以自動(dòng)化處理非結(jié)構(gòu)文本信息，系統(tǒng)化、自動(dòng)化地檢索整理審查要點(diǎn)，使內(nèi)審人員從繁重的大量閱讀、審閱工作中解放出來。同時(shí)，利用語言模型可以識(shí)別出不符合目標(biāo)條款、發(fā)文的高風(fēng)險(xiǎn)案例，為內(nèi)審人員進(jìn)行初步篩查，使他們可以集中關(guān)注高風(fēng)險(xiǎn)案例并進(jìn)行深入跟蹤，實(shí)現(xiàn)高效率的內(nèi)審工作。端腦智能自然語言處理模塊技術(shù)，為銀行業(yè)在多數(shù)據(jù)源結(jié)構(gòu)的內(nèi)審工作上提供了高度支持。