生成式AI在内部控制自我评估中的应用——基于自然语言生成测试底稿与异常报告摘要 .docxVIP

  • 0
  • 0
  • 约1.51万字
  • 约 20页
  • 2026-11-20 发布于北京
  • 举报

生成式AI在内部控制自我评估中的应用——基于自然语言生成测试底稿与异常报告摘要 .docx

PAGE2

生成式AI在内部控制自我评估中的应用——基于自然语言生成测试底稿与异常报告摘要

摘要

随着企业内部控制体系的日益复杂,传统的内部控制自我评估面临人工成本高昂、评估滞后与标准化不足等核心矛盾。本文旨在探讨生成式人工智能在内部控制自我评估中的理论应用,聚焦于自然语言生成测试底稿与异常报告摘要的机制建构。研究遵循“提出问题→分析问题→解决问题”的递进思路展开。

首先,本文揭示传统评估模式在海量数据下的解释力不足,提出大语言模型赋能的核心问题。其次,系统梳理国内外相关文献,厘清生成式AI与内控评估的理论脉络。进而,基于信息处理与委托代理理论,构建“历史发现—步骤生成—缺陷总结”的分析框架。核心章节深入剖析人工编写成本高昂的生成脉络与内在矛盾,揭示其本质为信息处理瓶颈。

在此基础上,本文阐释大语言模型根据历史审计发现生成测试步骤、自动总结控制缺陷的作用逻辑与边界条件,论证其降低人工编写成本的有效性。最终,提出“人机协同”的内控评估理论框架,论证其在提升评估效率与标准化水平方面的解释力。本研究为智能时代的内控评估重构提供了理论基石与实践启示。

第一章绪论

1.1研究背景

当前,企业面临的商业环境日趋复杂,内部控制自我评估作为保障组织合规与运营效率的关键机制,其重要性日益凸显。然而,在社会现实层面,内控评估的规模与复杂度呈指数级增长,传统以人工为主导的评估模式已难以应对海量

文档评论(0)

1亿VIP精品文档

相关文档