Презентация на проект

1.

Большие языковые
модели (LLM) для
аудита
поиск в отчетах компаний
ошибок и противоречий

2.

Актуальность применения
LLM в аудите
Современный аудит требует обработки огромных
объемов отчетов. LLM способны снизить время
анализа с месяцев до минут, повышая точность и
эффективность процесса.
2

3.

Научные исследования и тенденции применения LLM в аудите
В 2025 году также были проведены
исследования показывают
повышение эффективности и
планирования аудита, однако
юридические и этические аспекты
требуют дополнительного
изучения.
В 2025 году выпущен AuditBench
— тестовый набор для оценки
LLM в финансовом аудите с
целью стандартизации качества
моделей.
В 2024 году появились идеи
роботизации аудита с помощью
LLM, что позволяет
автоматизировать проверку
данных и документов.
3

4.

Практическая значимость и актуальность проекта
Проект позволит (а) для аудиторов: сократить
время и повысить точность аудита в
государственных и крупных компаниях, и
контролировать качество результатов аудита, (б)
для компаний: контролировать качество
отчетности.
Использование оркестра LLM улучшает
выявление ошибок, уменьшает ложные
срабатывания.
4

5.

Цель: С помощью оркестра LLM за 1 минуту найти ошибки и противоречия в отчетах
заданной компании, госкорпорации, или органа государственной власти за выбранные года.
Задачи проекта:
Разработать эффективные промпты,
выявляющие несоответствия между целями и
результатами, а также между отчетами за разные
годы.
Приобрести Pro-версии нейросетей для
повышения надежности и качества анализа
текстовых данных.
Обеспечить совместную работу сервисов через
VPN для бесперебойной интеграции глубинных
моделей.
Интегрировать модели DeepSeek, GigaСhat и
ChatGPT через Python и объединить результаты
по значимости и уверенности ответов.
5

6.

Основные этапы работы над проектом
Изучение литературы и
подготовка
Исследованы научные статьи и
существующие практики
использования LLM в финансовом
аудите.
Сентябрь 2025
Анализ и формулировка целей
Определены задачи, выбран объект
исследования и методы применения
LLM для аудита.
Сентябрь 2025
Интеграция моделей и
настройка VPN
Обеспечена совместная работа
LLM через программную среду с
использованием VPN.
Октябрь-Ноябрь 2025
Разработка и отладка
промптов
Тестирование и анализ
результатов
Созданы шаблоны запросов для
выявления различных видов
несоответствий в отчетах.
Октябрь 2025
Проведено тестирование на
реальных данных с экспертной
оценкой аудитором и
подготовкой выводов.
Декабрь-Январь 2025
6

7.

Оборудование и техническая реализация проекта
Используемые модели и интеграция
В проекте будут применяться Pro-версии LLM: DeepSeek,
GigaСhat и ChatGPT, интегрируемые через Python-скрипты
для эффективного взаимодействия моделей.
Оркестрация и обеспечение работы
VPN используется для параллельно работы GigaСhat и
ChatGPT без конфликтов. Оркестратор агрегирует данные,
ранжируя ошибки по значимости и уверенному выявлению.
7