سیستم هوش مصنوعی · مالی، حسابرسی داخلی و بررسی هزینه‌کرد نامتعارف
حسابرسی مالی با هوش مصنوعی محلی
REKA Group · 2025 · سیستم هوش مصنوعی · Python, Microsoft Presidio
ممیزی حجم زیادی از اسناد بدون خروج داده‌ها: تبدیل، ناشناس‌سازی، تحلیل RAG روی مدل‌های محلی
پروژه‌ای برای کشف سوءاستفاده از وجوه یک گروه شرکتی: مجموعه‌ای از اسناد (حدود 3.9 GB به قالب Markdown) به‌صورت محلی یا روی سرورهای امن پردازش می‌شود. حاصل کار: مطالعه LLMها و زیرساخت GPU، سناریوی نهایی «کیفیت در برابر زمان» روی یک GPU از نوع H200 با Qwen2.5-72B و ارجاع دوپله‌ای (مدل کوچک موارد مشکوک را جدا می‌کند و مدل بزرگ تحلیل تفصیلی را انجام می‌دهد)، برآورد هزینه و نقشه راه. ابزارهایی برای تبدیل به Markdown، ناشناس‌سازی برگشت‌پذیر داده‌های شخصی و تحلیل RAG روی Milvus ساخته شد؛ یک تحلیل آزمایشی با گزارش نهایی انجام شد.
مسئله
تعیین اینکه پول کجا، کی و چرا خرج شده، بدون سپردن داده‌های محرمانه به سرویس‌های بیرونی.
آنچه درون آن است
- تبدیل PDF، DOCX، XLSX و قالب‌های دیگر به Markdown
- ناشناس‌سازی برگشت‌پذیر (Presidio، spaCy NER، Faker): نام کامل، سازمان‌ها، شماره تلفن‌ها، ایمیل‌ها، تاریخ‌ها، مبالغ، INN، SNILS، OGRN، حساب‌های بانکی، کارت‌ها، IBAN؛ حالت‌های جایگزینی واقع‌نما و نگه‌دار، جابه‌جایی تاریخ‌ها، مقیاس‌دهی مبالغ، جدول نگاشت برای ناشناس‌زدایی
- تحلیل RAG اسناد مرتبط (قراردادها، فاکتورها، دستور پرداخت‌ها، نامه‌ها، صورت‌جلسه‌های تحویل کار) و گراف موجودیت‌ها و تراکنش‌ها با قواعد تشخیص ناهنجاری
- حالت air-gapped برای کار بدون API بیرونی؛ گزارش‌ها در Markdown، JSON و Excel
ترجمه ماشینی — در حال بازبینی.