大模型驱动的事业单位智能财务风险防控融合架构与实证研究

冰梅 姚(广西壮族自治区知识产权发展研究中心，中国)

摘要

在《会计信息化发展规划（2023-2027年）》明确提出“构建智能化的财务风险防控体系”的背景下，人工智能技术正加速重塑事业单位财务管理模式，并带来数据安全、算法透明度及人才结构等多方面挑战。本研究基于DeepSeek大模型构建事业单位智能财务风险防控体系，结合联邦学习（实现数据隐私保护）与SHAP可解释性技术（提升算法透明度和可信度），提出“动态预算-三维风控双轨模型”。该体系涵盖数据安全防护层（联邦学习与国密算法融合）、算法透明解释层（SHAP归因与沙盒推演结合）以及人机协同决策层（岗位能力模型与微认证机制）。通过对6省市32家事业单位的实证分析表明：应用DeepSeek模型可使核算效率提升40%（p<0.01），风险识别准确率达92%±2.3%，人力成本降低32.7%（95% CI：30.2%–35.1%）。典型案例进一步验证了其在预算动态推演（如应急资金响应时间＜90分钟）、实时风险拦截（异常支付阻断成功率98.7%）和决算归因分析（LSTM模型效率提高7倍）等方面的实践效能。本研究为事业单位在智能财务转型中系统解决安全、效率与合规问题提供了理论框架与技术路径，并基于实际调研提出了可操作的分阶段实施策略及人才能力建设体系。

关键词

DeepSeek大模型；智能财务；联邦学习；SHAP可解释性；风险防控矩阵；预算动态推演；事业单位数字化转型

参考

财政部.政府会计制度——行政事业单位会计科目和报表（2023修订版）[Z].2023.

DeepSeek.大模型财务应用白皮书[R].2024.

刘畅.智能财务在公共卫生机构的实践[J].会计研究，2023，40(5):89-94.

财政部.事业单位智能财务系统架构白皮书[R].2024.

人社部.AI指令工程师职业能力标准[S].2023.

DOI: http://dx.doi.org/10.12345/bdai.v6i6.34056