□ 廣州 陳青松 等

現(xiàn)階段我國經(jīng)濟發(fā)展面臨著三重壓力，電網(wǎng)企業(yè)在復(fù)雜嚴(yán)峻的國內(nèi)外經(jīng)濟環(huán)境下，面對更加復(fù)雜多樣且日益加劇的新風(fēng)險和新挑戰(zhàn)。作為企業(yè)風(fēng)險防控第三道防線的內(nèi)部審計需積極適應(yīng)大智移云技術(shù)環(huán)境，有效利用人工智能（AI）應(yīng)對企業(yè)風(fēng)險，構(gòu)建電網(wǎng)企業(yè)基于AI的風(fēng)險管理主動式審計體系，通過多源數(shù)據(jù)采集融合、審計業(yè)務(wù)模型工廠、審計業(yè)務(wù)知識庫、審計工具庫的智能集成，加強內(nèi)部審計對風(fēng)險的常態(tài)化監(jiān)測、智能化管理、系統(tǒng)化應(yīng)對，并以基建項目風(fēng)險管理為例進行應(yīng)用研究，取得良好成效。

一、引言

新形勢下，電網(wǎng)企業(yè)面臨的外部環(huán)境發(fā)生了深刻變化。首先，從需求收縮來看，中國經(jīng)濟進入新常態(tài)，疫情進一步影響消費，而電源電網(wǎng)發(fā)展不協(xié)調(diào)，新能源電力相對過剩，存在源網(wǎng)脫節(jié)風(fēng)險。未來的產(chǎn)業(yè)轉(zhuǎn)型方向是高技術(shù)產(chǎn)業(yè)和高附加值服務(wù)業(yè)，原有的高增長模式下的能源發(fā)展邏輯受到挑戰(zhàn)，加上“雙碳”、“雙控”等政策的提出，以新能源為主體的新型電力系統(tǒng)的建設(shè)都給電網(wǎng)企業(yè)帶來了項目投資的風(fēng)險。其次，從供給沖擊來看，外部貿(mào)易沖突等引發(fā)的貿(mào)易禁運和經(jīng)濟制裁、國際產(chǎn)業(yè)鏈?zhǔn)艿揭咔闆_擊，以及全球范圍流動性泛濫導(dǎo)致的大宗商品價格背離基本面等，導(dǎo)致工業(yè)上游煤電等傳統(tǒng)能源供給結(jié)構(gòu)性短缺，以及部分地區(qū)政府部門在“能耗雙控”約束下拉閘限電，給電網(wǎng)企業(yè)穩(wěn)增長、保障電力供應(yīng)帶來挑戰(zhàn)。再其次，從預(yù)期轉(zhuǎn)弱來看，電力需求增長面臨較大的不確定性，電網(wǎng)企業(yè)增供擴銷壓力進一步擴大，導(dǎo)致低效甚至無效投資的風(fēng)險。在這一背景下，作為企業(yè)風(fēng)險防控第三道防線的內(nèi)部審計受到越來越高的重視。2022年中國內(nèi)審協(xié)發(fā)布的《中國內(nèi)部審計協(xié)會2022年工作要點》中更是將內(nèi)部審計在應(yīng)對風(fēng)險中的地位與作用作為一項研究重點，體現(xiàn)了內(nèi)部審計在企業(yè)風(fēng)險管理中的價值。

面對復(fù)雜多變的內(nèi)外部環(huán)境時，企業(yè)管理層往往需要依賴內(nèi)部審計來揭示企業(yè)存在或潛在的經(jīng)營管理風(fēng)險，并通過提出針對性防范策略或應(yīng)對措施來化解或控制風(fēng)險發(fā)生。目前，多數(shù)企業(yè)通過對財務(wù)、生產(chǎn)、市場、投資等業(yè)務(wù)領(lǐng)域的專項審計來發(fā)現(xiàn)風(fēng)險，導(dǎo)致管理者對企業(yè)運營風(fēng)險掌握不精細(xì)、風(fēng)險管理以事后為主、信息獲取的渠道較為單一、分析主要依靠人員經(jīng)驗等，缺乏連續(xù)性和深入的介入式管理。隨著信息技術(shù)的發(fā)展，大數(shù)據(jù)與云計算技術(shù)的成熟也為人工智能（簡稱AI）的應(yīng)用提供了支撐。目前，以深度學(xué)習(xí)、機器學(xué)習(xí)為主的AI分支技術(shù)已廣泛應(yīng)用于金融、會計、審計領(lǐng)域，這也為內(nèi)部審計運用來助力企業(yè)應(yīng)對風(fēng)險挑戰(zhàn)奠定了基礎(chǔ)。因此，電網(wǎng)企業(yè)內(nèi)部審計亟需總結(jié)經(jīng)驗、順應(yīng)新形勢發(fā)展、探索應(yīng)用新技術(shù)來助力組織完善風(fēng)險管理。

二、AI在內(nèi)部審計防范化解風(fēng)險中的應(yīng)用

1.AI在審計領(lǐng)域中的應(yīng)用歷程。我國審計領(lǐng)域?qū)I最早的研究是結(jié)合金融審計提出神經(jīng)網(wǎng)絡(luò)模型，后來出現(xiàn)對專家系統(tǒng)的研究，2010年后轉(zhuǎn)向真正、全面的人工智能技術(shù)的研究。當(dāng)前主要集中在利用大數(shù)據(jù)技術(shù)，依托云計算、云儲存等平臺開展智能審計，例如：利用大數(shù)據(jù)技術(shù)構(gòu)建智能審計平臺。

2.機器學(xué)習(xí)在風(fēng)險管理中的優(yōu)勢。AI可定義為機器對人類智能的模擬。機器學(xué)習(xí)（ML）是AI的一個子領(lǐng)域，計算機模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，獲取新的知識或技能，重新組織已有的知識不斷改善自身的性能，是人工智能技術(shù)的核心。計算能力的進步促成了各種機器學(xué)習(xí)算法，例如深度學(xué)習(xí)、隨機森林、梯度提升算法（如XGBoost和LightGBM）、聚類分析（如k-means和DBSCAN）等。其中常見的程序包括回歸、分類、形成網(wǎng)絡(luò)和判別分析（聚類），都十分適用于風(fēng)險管理。德勤研究發(fā)現(xiàn)，機器學(xué)習(xí)算法在各種應(yīng)用的預(yù)測能力（例如預(yù)測違約）都優(yōu)于傳統(tǒng)審計模型。

3.基于AI的風(fēng)險管理路徑。應(yīng)用AI為審計人員提供了另外一種基于數(shù)據(jù)的風(fēng)險洞察和識別路徑，通過有監(jiān)督和無監(jiān)督機器學(xué)習(xí)模型，直接對大量審計對象數(shù)據(jù)進行分析處理，產(chǎn)出相應(yīng)的風(fēng)險預(yù)測和假設(shè)結(jié)果，從而幫助審計人員揭示隱形數(shù)據(jù)關(guān)系。如：將企業(yè)政策法規(guī)歸集、分類，利用機器學(xué)習(xí)的語義分析，將制度法規(guī)中禁止性、遵循性的重要條款識別出來，并總結(jié)審計領(lǐng)域?qū)＜业闹R和經(jīng)驗，設(shè)計相應(yīng)的人工智能專家推理算法，最終實現(xiàn)自動判斷某一個業(yè)務(wù)流程所包含的各要素是否遵循相關(guān)的政策法規(guī)要求，將不滿足制度要求的疑點數(shù)據(jù)進行可視化管理，推送審計人員、管理人員主動預(yù)警，推動審計關(guān)口前移，對發(fā)現(xiàn)問題建立動態(tài)監(jiān)督和閉環(huán)管理。

三、電網(wǎng)企業(yè)基于AI應(yīng)對風(fēng)險挑戰(zhàn)的策略

1.政策導(dǎo)向與數(shù)據(jù)驅(qū)動結(jié)合的審計規(guī)則提取。審計規(guī)則既需要基于政策法規(guī)及業(yè)務(wù)專家經(jīng)驗，自上而下構(gòu)建審計規(guī)則，也需要基于特定應(yīng)用場景的數(shù)據(jù)，自下而上提取相關(guān)的審計規(guī)則。通過機器學(xué)習(xí)海量的文本型政策法規(guī)和多種非結(jié)構(gòu)化、半結(jié)構(gòu)化應(yīng)用場景數(shù)據(jù)，進而構(gòu)建既能體現(xiàn)政策法規(guī)精神，又能適應(yīng)特定應(yīng)用審計場景的審計規(guī)則庫。

2.基于審計規(guī)則與審計對象的審計模型構(gòu)建。利用AI深度理解審計規(guī)則，自動發(fā)現(xiàn)關(guān)聯(lián)性高的變數(shù)，快速建立審計模型，針對特定審計對象的實際數(shù)據(jù)環(huán)境，構(gòu)建相關(guān)的審計數(shù)據(jù)輸入、審計規(guī)則的執(zhí)行及審計數(shù)據(jù)分析結(jié)果的呈現(xiàn)等自動化智能化執(zhí)行的審計業(yè)務(wù)流程。

3.基于審計模型與審計數(shù)據(jù)的審計疑點挖掘?；跇?gòu)建的審計規(guī)則、審計模型及特定審計場景的數(shù)據(jù)，可進行諸如程序違規(guī)、記錄瞞報、執(zhí)行低效等問題篩查和審計疑點挖掘，相關(guān)的結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)可通過多源異構(gòu)采集、非結(jié)構(gòu)化信息提取及規(guī)則和模型自動執(zhí)行，實現(xiàn)自動化智能化的智慧審計目標(biāo)。

4.基于審計疑點與審計場景的領(lǐng)域風(fēng)險監(jiān)測。通過特定審計業(yè)務(wù)場景中頻繁發(fā)生、影響重大的共性審計疑點問題的梳理，形成各業(yè)務(wù)領(lǐng)域的風(fēng)險，構(gòu)建領(lǐng)域型的風(fēng)險庫，當(dāng)相關(guān)的監(jiān)測指標(biāo)達到預(yù)警閾值時，可實現(xiàn)事前預(yù)警、事中控制的智能化風(fēng)險預(yù)警目標(biāo)。

5.基于領(lǐng)域風(fēng)險的全面持續(xù)自動跟蹤審計。通過AI技術(shù)建立定期全面掃描機制，對相關(guān)數(shù)據(jù)指標(biāo)開展定期監(jiān)測，對于可能出現(xiàn)的重大風(fēng)險問題，早發(fā)現(xiàn)，早整改，以非現(xiàn)場的方式持續(xù)跟蹤審計建議的長期落實情況，提升內(nèi)部審計防控內(nèi)部風(fēng)險的效能，提高審計結(jié)果的利用效率。

四、電網(wǎng)企業(yè)基于AI的主動式風(fēng)險管理審計體系

1.審計智能技術(shù)應(yīng)用平臺構(gòu)建。面向電網(wǎng)風(fēng)險管理的審計業(yè)務(wù)需求，基于底層的數(shù)據(jù)庫、知識庫及工具庫，構(gòu)建審計綜合服務(wù)信息網(wǎng)、審計智能技術(shù)應(yīng)用系統(tǒng)及審計單兵作業(yè)平臺，實現(xiàn)持續(xù)監(jiān)控、智慧畫像、智能分析及可視化展示的功能。要實現(xiàn)相關(guān)的智能化應(yīng)用，需要通過多源數(shù)據(jù)融合、業(yè)務(wù)模型構(gòu)建、專家知識提取及專業(yè)工具開發(fā)，形成智慧審計相關(guān)的數(shù)據(jù)庫、模型庫、知識庫及工具庫。

2.多源數(shù)據(jù)采集和融合。基于AI的電網(wǎng)企業(yè)風(fēng)險管理主動式審計系統(tǒng)貫穿風(fēng)險管理各流程，在風(fēng)險信息收集階段，通過構(gòu)建智慧審計數(shù)據(jù)集市，能夠?qū)徲嫎I(yè)務(wù)數(shù)據(jù)、各類業(yè)務(wù)支撐數(shù)據(jù)以及外部數(shù)據(jù)信息進行多源采集和融合，其中，既包括結(jié)構(gòu)化的財務(wù)、物資、營銷等結(jié)構(gòu)化數(shù)據(jù)的信息匯總，也包括報告、標(biāo)準(zhǔn)、合同等非結(jié)構(gòu)化數(shù)據(jù)的信息提取，能夠圍繞風(fēng)險管理的目標(biāo)進行有機融合多源信息數(shù)據(jù)。數(shù)據(jù)清洗是進行下一步審計的關(guān)鍵，它能有效提高審計數(shù)據(jù)的質(zhì)量，AI帶來基于聚類分析與遺傳神經(jīng)網(wǎng)絡(luò)的清洗技術(shù)以及優(yōu)先隊列算法、排序鄰居算法等對這些不同來源的數(shù)據(jù)進行清洗。再經(jīng)過轉(zhuǎn)換、集成，最后加載到數(shù)據(jù)倉庫或風(fēng)控數(shù)據(jù)集市中使用。

3.審計業(yè)務(wù)模型工廠構(gòu)建。傳統(tǒng)的審計模型是對數(shù)據(jù)庫中的數(shù)據(jù)按照制定的規(guī)則進行篩查的數(shù)據(jù)分析模型，規(guī)則固定不變。AI為審計人員提供了另外一種建模路徑，通過AI算法理解語言、操作步驟、經(jīng)驗等，由機器學(xué)習(xí)自動生成新的規(guī)則，實現(xiàn)從審計模型到審計算法的轉(zhuǎn)變。通過多維財務(wù)及業(yè)務(wù)指標(biāo)數(shù)據(jù)的無監(jiān)督、半監(jiān)督或監(jiān)督機器學(xué)習(xí)，挖掘相關(guān)指標(biāo)變量間的關(guān)聯(lián)性條件依賴性規(guī)則，實現(xiàn)自下而上的審計業(yè)務(wù)規(guī)則自動提取，進而既能夠豐富專業(yè)人員基于經(jīng)驗的審計規(guī)則構(gòu)建，又能夠?qū)崿F(xiàn)符合實際數(shù)據(jù)場景的審計規(guī)則構(gòu)建。相關(guān)的審計規(guī)則可對大量審計對象數(shù)據(jù)直接進行分析處理，得出相應(yīng)的假設(shè)和預(yù)測結(jié)果，豐富與補充了數(shù)據(jù)審計模型，而不是過去的從風(fēng)險事件出發(fā)進行數(shù)據(jù)建模。通過審計模型工廠，并基于審計模型架構(gòu)標(biāo)準(zhǔn)，構(gòu)建營銷域、財務(wù)域、資產(chǎn)域及綜合域的審計模型，并能夠圍繞風(fēng)險管理目標(biāo)，實現(xiàn)對相關(guān)審計模型的自動化智能化管理。

4.審計業(yè)務(wù)知識庫構(gòu)建。通過調(diào)研審計業(yè)務(wù)專家、電網(wǎng)行業(yè)業(yè)務(wù)專家及數(shù)據(jù)分析技術(shù)專家，構(gòu)建契合電網(wǎng)企業(yè)智慧審計風(fēng)險管理的法律法規(guī)庫、審計風(fēng)險庫、審計問題庫及審計成果庫等審計業(yè)務(wù)相關(guān)的知識庫，并對知識庫中實體、對象建立邏輯映射、內(nèi)容勾稽關(guān)系，形成知識圖譜，優(yōu)化傳統(tǒng)信息檢索和查詢方式。

5.風(fēng)險管理應(yīng)用。AI主動式審計平臺構(gòu)建了營銷、財務(wù)、資產(chǎn)及綜合等領(lǐng)域的風(fēng)險預(yù)警防線，以智能調(diào)度、精準(zhǔn)掃描、智慧預(yù)警和多維提醒的方式，針對重點業(yè)務(wù)領(lǐng)域的風(fēng)險情況，即時、主動地推送、展示給審計人員和風(fēng)險發(fā)生部門專責(zé)，可通過主動式審計平臺開展遠程核實，自動下發(fā)到風(fēng)險發(fā)生部門，提示風(fēng)險事項，并督促整改；重點業(yè)務(wù)領(lǐng)域頻發(fā)、多發(fā)風(fēng)險則智能提供審計項目計劃，支撐開展專項審計項目；對于正在開展審計項目的被審單位則可直接將風(fēng)險推動到單兵審計裝備，支撐現(xiàn)場審計，開展現(xiàn)場核實取證，以此來降低風(fēng)險。

五、基于AI的主動式審計應(yīng)用——以基建項目風(fēng)險管理為例

1.基建項目概述。2022年，南方電網(wǎng)固定資產(chǎn)投產(chǎn)計劃超過1200億元，截至2022年2月底，南方電網(wǎng)固定資產(chǎn)投資達107.29億元，其中電力基建工程項目投資91.22億元，同比增長40%。電力工程建設(shè)項目一般建設(shè)周期較長，電力基建的專業(yè)性也較高。電網(wǎng)企業(yè)基建項目的建設(shè)過程中存在大量的資金流動，這就需要重視基建項目的風(fēng)險管理工作，以確保電網(wǎng)企業(yè)小型基建項目資金使用的科學(xué)性和合理性。

目前電網(wǎng)企業(yè)的基建項目風(fēng)險管理存在諸多問題，例如在項目前期階段無法精確識別可能存在的風(fēng)險、在項目執(zhí)行階段對項目風(fēng)險無法實時監(jiān)測和預(yù)警、無法支撐對項目預(yù)算執(zhí)行規(guī)范性的在線審查等。存在這些問題的原因主要有三點：一是未能充分挖掘數(shù)據(jù)信息，綜合分析欠缺，缺乏對機器學(xué)習(xí)、AI等智能分析技術(shù)的應(yīng)用。二是未能充分利用項目全過程業(yè)務(wù)大數(shù)據(jù)，實現(xiàn)對項目全過程業(yè)務(wù)和風(fēng)險的在線分析和監(jiān)測。三是信息系統(tǒng)功能尚需完善，業(yè)財數(shù)據(jù)價值有待深度挖掘，尤其是在綜合財務(wù)分析和風(fēng)險預(yù)警方面有待進一步加強。

2.基于AI的基建項目風(fēng)險管理主動式審計。通過本文所構(gòu)建的基于AI的主動式審計平臺，能夠?qū)崿F(xiàn)對多源數(shù)據(jù)的采集和融合，并形成知識庫、模型庫與工具庫，從而對基建項目相關(guān)風(fēng)險自動識別、預(yù)警以及應(yīng)對。首先，對于數(shù)據(jù)來說，通過OCR技術(shù)對包含基建項目相關(guān)資料數(shù)據(jù)的合同、文件等自動提取，并對接可能提供有用信息的財務(wù)系統(tǒng)、資產(chǎn)級管理系統(tǒng)等，通過優(yōu)先隊列、排列鄰居等算法對獲取到的數(shù)據(jù)進行智能清洗，最終輸入數(shù)據(jù)集市以備使用。其次，利用AI的機器學(xué)習(xí)對以前年度的審計經(jīng)驗進行學(xué)習(xí)，如基建項目管理制度、法律法規(guī)庫、歷史審計問題庫等，對相關(guān)的審計規(guī)則進行自動提取。再其次，利用AI深度理解審計規(guī)則，形成一系列電力基建項目審計模型，實現(xiàn)可自動獲取、對比分析數(shù)據(jù)并輸出疑點結(jié)果的審計模型，并在審計業(yè)務(wù)知識庫、審計工具庫等的支持下，實現(xiàn)對基建項目中風(fēng)險的常態(tài)化監(jiān)測、智能化預(yù)警、系統(tǒng)化應(yīng)對。下面以項目超概算風(fēng)險應(yīng)對為例，介紹AI機器學(xué)習(xí)在提取出審計規(guī)則后構(gòu)建起的具體審計模型與運用成果。

基建項目造價應(yīng)遵循全過程管理、分階段控制原則。AI通過機器學(xué)習(xí)政策法規(guī)自動識別出估算是基建項目總投資最高限額，沒有特殊原因不得突破，為應(yīng)對項目超概算風(fēng)險，在自動提取審計規(guī)則后，主動式審計平臺運行步驟如下。

步驟一：基建項目相關(guān)數(shù)據(jù)收集。利用OCR識別合同、施工圖等非結(jié)構(gòu)化數(shù)據(jù)；利用爬蟲技術(shù)爬取物資信息價數(shù)據(jù)；利用數(shù)據(jù)中心獲取結(jié)構(gòu)化資產(chǎn)業(yè)務(wù)數(shù)據(jù)。

步驟二：數(shù)據(jù)準(zhǔn)備。為機器學(xué)習(xí)準(zhǔn)備特定的數(shù)據(jù)格式，融合算法和數(shù)據(jù)源生產(chǎn)標(biāo)準(zhǔn)數(shù)據(jù)格式，重點關(guān)注算法相關(guān)的目標(biāo)變量和特征值的數(shù)據(jù)類型，格式必須符合要求。根據(jù)項目超概算判斷規(guī)則、各類物資超概算判斷規(guī)則、各類物資結(jié)算價異常判斷規(guī)則進行聚類、關(guān)聯(lián)等分析，形成數(shù)據(jù)集或模型，確保數(shù)據(jù)集中沒有垃圾數(shù)據(jù)。

步驟三：AI訓(xùn)練。根據(jù)AI機器學(xué)習(xí)算法，執(zhí)行審計規(guī)則訓(xùn)練，將前兩步得到的格式化數(shù)據(jù)輸入到機器學(xué)習(xí)算法模塊，從中抽取結(jié)算金額大于概算金額則為異常情況、結(jié)算價格遠超信息價的異常等信息，方便后續(xù)步驟使用。

步驟四：測試算法。將實際使用機器學(xué)習(xí)得到的異常信息進行驗證，確保得出的疑點數(shù)據(jù)確認(rèn)是問題風(fēng)險。對于監(jiān)督學(xué)習(xí)，已知用于評估算法的目標(biāo)變量值，對于非監(jiān)督學(xué)習(xí)，則用到交叉驗證等手段來檢驗算法的成功率。無論何種情形，如果算法的輸出結(jié)果不滿意，則執(zhí)行退回操作，改正并加以測試。

步驟五：風(fēng)險輸出。將機器學(xué)習(xí)算法固化的主動式智能審計平臺，根據(jù)智能調(diào)度策略，執(zhí)行實際任務(wù)，并將風(fēng)險信息主動推送到審計人員、風(fēng)險發(fā)生業(yè)務(wù)管理部門專責(zé)以及責(zé)任單位，如果遇到新的問題，則重復(fù)執(zhí)行上述的步驟。實際應(yīng)用中，項目的概算書中會提供各種物資的概算，而這些物資的結(jié)算金額則能在項目的結(jié)算書中獲取。

3.基于AI的主動式審計的應(yīng)用成效。電網(wǎng)企業(yè)基建項目風(fēng)險管理涉及數(shù)據(jù)眾多，僅憑人力將難以實現(xiàn)全覆蓋審計。而跨系統(tǒng)的多源數(shù)據(jù)獲取與對比，也給目前大多數(shù)省公司半自動化半手工的審計方式帶來了挑戰(zhàn)。AI技術(shù)的應(yīng)用使得多源數(shù)據(jù)的自動采集、分析、結(jié)果輸出成為了現(xiàn)實，也為電網(wǎng)基建項目全過程風(fēng)險監(jiān)控，自動識別、預(yù)警提供了技術(shù)支撐。對于南方電網(wǎng)A省公司的基建項目，在前期工作階段，輸出前期項目儲備庫項目未經(jīng)規(guī)劃、前期費超范圍列支等疑點數(shù)據(jù)264個；在招投標(biāo)階段，輸出合同主要專用條款與招標(biāo)文件不符、達到招標(biāo)規(guī)模未招標(biāo)等疑點數(shù)據(jù)166個；在設(shè)計階段，輸出基建項目可研未執(zhí)行標(biāo)準(zhǔn)設(shè)計和典型造價等疑點數(shù)據(jù)279個；在實施階段，輸出未按期完成竣工驗收、工程竣工后仍發(fā)生領(lǐng)料等疑點數(shù)據(jù)169個。對發(fā)現(xiàn)的基建領(lǐng)域的878個疑點數(shù)據(jù)，按照業(yè)務(wù)風(fēng)險對其中15個高風(fēng)險問題，主動式審計平臺將問題推送至審計人員，進行核實。對于發(fā)現(xiàn)的48個中風(fēng)險問題，推送業(yè)務(wù)管理部門進行風(fēng)險提示，核實后反饋準(zhǔn)確性。對于815條低風(fēng)險問題，下發(fā)責(zé)任單位核實反饋。

六、結(jié)語

當(dāng)前我國經(jīng)濟發(fā)展面臨著三重壓力，內(nèi)部審計應(yīng)正確分析新風(fēng)險和新挑戰(zhàn)，科學(xué)把握新時代賦予的新職責(zé)和新使命，運用AI實現(xiàn)企業(yè)全域主動式智能風(fēng)控，充分發(fā)揮風(fēng)險管理的建設(shè)性和預(yù)防性作用，推進和落實好國家關(guān)于防范和化解重大風(fēng)險的政策和措施，并幫助組織強化治理和管理，提升應(yīng)對風(fēng)險的能力和水平，促進我國經(jīng)濟高質(zhì)量發(fā)展。