內部審計涉及眾多文本資料，包括相對方信息、相關法律法規等，在傳統審查相關業務的合法、合規性的過程中，需要花費大量時間搜集、查閱和整理文本資料。智慧審計則利用自然語言處理技術使繁瑣的文本處理過程智能化，使計算機自動完成文本資料處理并提示潛在風險，實現更高效、更智能、更標準化的內部審計。

1.形態

語言是表達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）使計算機擁有處理人類語言的能力，讓計算機能夠理解并使用人類的語言。自然語言處理的應用包羅萬象：“機器翻譯”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觀點和態度的正負面性；“智能問答”能夠用于智能語音客服，讓機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鍵信息并標準化；“文本分類”可以將文檔資料進行歸類整理；“語言生成”發揮計算機理解人類語言的能力，自動生成文章摘要。德勤端腦智能自然語言處理模塊就是基于此智能技術開發的。銀行業內審項目在配備端腦后，可以分析大量的文本并提取關鍵信息、實現系統化檢索風險點、進一步地實現高效智慧審計。

2.招式

隨著銀行業的迅猛發展，銀行積累了海量結構化和非結構化數據，這為內審工作帶來了巨大的挑戰，尤其對于需要人工查閱的非結構化數據，例如合同、內部公文制度以及人行和銀監會發文等。在海量、復雜非結構數據背景下，傳統的審查方式意味著大量的人工查閱工作，效率低下。同時，傳統內審形式還存在一定的局限性，一是存在盲區，例如人工審查過程中存在知識局限及漏判誤判等人為差錯，二是人工無法做到對全量信息進行查閱。

針對傳統審查方式的短板，德勤智慧審計利用端腦智能自然語言處理模塊提出了解決方案。應用此模塊后的智慧審計可以處理海量的非結構文本數據，提高了處理多數據源的審查分析能力，端腦智能自然語言處理模塊在內審過程中，可以替代人工做繁雜的文本閱讀和重要信息提取等工作。由計算機替代人工后，可以實現對相關材料的全量核查。更進一步的，端腦智能自然語言處理模塊借助強大的機器學習、深度學習算法通過模型訓練，可以實現風險點的自動識別。自然語言處理技術在銀行業智慧審計中具有深遠意義，端腦智能自然語言處理模塊將發揮極大的價值。

3.實戰

在某銀行的內審實踐中，首先利用RPA監控監管機構發文，RPA技術定期檢索并采集各監管機構的最新發文，例如中國人民銀行辦公廳發文《關于加強小額支付系統集中代收付業務管理有關事項的通知》、《中國人民銀行關于加強支付結算管理防范電信網絡新型違法犯罪有關事項的通知》等。RPA將節省人工檢索耗時，同時可以避免漏檢、更新不及時等現象。

接下來NLP歸類整理文本資料、挖掘審查要點，NLP對于最新發文應用自動摘要算法拆分文本、提取核心內容，形成包含標題及核心內容簡練報告，實現文檔歸類。這一過程為審閱人員做了初步整理工作，簡化了大量而繁復的閱讀過程，可以讓審閱人員快速抓住重點，工作效率得到顯著提高。我們以代收付業務管理發文為例，這一過程將首先利用NLP得到發文第一條中主要內容：

經過以上步驟，已經實現自動化更新發文、自動化歸納審核要點，再經過人工干預整理出審查要點，為進一步NLP智能判別做準備。最后，在NLP智能判別中，我們以代收付業務管理發文第一條規定為例，目標是審查小額支付系統的集中代收付業務是否符合監管要求（僅用于公用事業類和公益類機構），具體過程及結果如下：

在上述NLP智能判別實例中，第一步為內部信息提取，利用NLP可以自動批量的提取合同文檔中的所需文本內容，得到合同相對方基本信息，包括名稱和協議合作內容；第二步為外部信息提取，利用爬蟲及NLP技術得到結構化文檔，包括相對方對應的工商許可經營范圍；第三步為利用語言模型算法來對上兩步得到的初步數據進行模型判斷，得到所審查合同對應條款的簽訂是否符合相關規定，抓取出高風險合同。

融入了自然語言處理的智慧審計實現了內審過程的系統化、擴大了內審的范圍，同時也極大地提高了內審效率。案例中涉及包括大量合同、法律法規、相對方信息等非結構化文本材料，不同于傳統內審中的抽樣，利用自然語言處理技術可以自動化處理非結構文本信息，系統化、自動化地檢索整理審查要點，使內審人員從繁重的大量閱讀、審閱工作中解放出來。同時，利用語言模型可以識別出不符合目標條款、發文的高風險案例，為內審人員進行初步篩查，使他們可以集中關注高風險案例并進行深入跟蹤，實現高效率的內審工作。端腦智能自然語言處理模塊技術，為銀行業在多數據源結構的內審工作上提供了高度支持。