收益：
- 在将审计或会计问题与相关标准（BDS、TFRS/TMS、VUK）连接时，能够使用人工智能作为导航器并确认官方文本中的每个引用。
- 人工智能的标准技巧是能够识别对物质和日期产生幻觉的倾向，并与主要来源进行交叉核对。
- 能够理解标准解释和应用决策是审核员的责任，并且人工智能输出永远不会取代官方文本
审计员的工作又回到了一个永恒的问题：“这合法吗？”收入应何时确认？租赁如何核算？在什么条件下保留条款？审核程序是哪个标准要求的任务？这些问题的答案写在标准和立法中。土耳其审计师的主要参考来源有： BDS（独立审计标准 - 规范如何进行审计，与 ISA 兼容，由 POA 发布）； TFRS/TMS（土耳其财务报告标准/土耳其会计标准——规范财务报表的编制方式，与 IFRS 兼容）；以及税务方面的VUK（税务程序法）。此外，BRSA、CMB、财政和金融法规的发挥作用取决于行业。
在本单元中，我们将介绍如何使用人工智能作为标准和监管研究的导航器，以及为什么必须验证来自主要官方来源的每条引文。因为这正是人工智能最危险的地方：它倾向于发明标准数字、条款、段落和生效日期。
为什么人工智能在立法中容易产生幻觉
人工智能语言模型根据训练它的文本模式生成“可能”的句子。因为法律和技术文本符合某种模式——例如“根据 IAS 36 第 12 段……”——该模型非常擅长模仿该模式；但他不知道他是否正确地填充了模具。结果：一个不存在的商品编号、一个错误的段落、一个编造的短语“2022 年更改”流畅地出现在您面前，就像真实的一样。这被称为源幻觉，会导致审计灾难；因为基于错误参考标准而得出的结论在技术上是错误的，也是站不住脚的。
因此，黄金法则是：使用人工智能来理解主题并找出可能相关的标准；但未经官方文本确认，请勿使用任何条款、段落或日期。 AI告诉你“你应该看这里”；你不相信那些说“确实如此”的人。
安全使用人工智能
人工智能的危险使用
“这个主题属于哪个标准系列？”
“给我文章编号和全文，我写下来”
“用通俗易懂的语言向我解释这个概念”
“告诉我这篇文章在 2023 年是否会发生变化”（未确认）
“起草决策树/清单”
“引用标准，我会将其放在引号中”（未经确认）
“我应该问什么问题？”
“这当然适合我的情况。”
验证规则：三源规则
标准研究的安全工作流程是这样的：
- 导航（人工智能）。向人工智能解释该主题，询问可能相关的标准以及用通俗易懂的语言了解的概念。这是一个开始。
- 转到主要来源（官方文本）。看看YZ引用的标准的实际文本——KGK发布的官方BDS/TFRS文本、官方公报、相关机构的网站。阅读那里的文章和段落。
- 实施并记录（审核员）。您解释该标准并将其应用于您自己的案例；在工作文件中，写下你从官方来源确认的归属，而不是AI给出的归属。
注意：请勿将 AI 中引用的“标准报价”直接放入您的工作表或报告中。这句话可能是编出来的。如果您要引用，请复制文本中的图像并显示来源。
人工智能真正增加价值的地方：理解和构建
产生幻觉的风险并不意味着人工智能在立法中毫无用处；它只是限制了它的作用。人工智能确实是用简单语言解释复杂标准的加速器，列出了哪些问题解决了某个主题，绘制了决策树，并粗略地映射了不同标准之间的关系。例如，“确定租赁是融资租赁还是经营租赁时考虑什么标准？”人工智能为你提供了一个思考问题的框架；您使用官方标准验证该框架并将其应用于您的案例。如果框架正确，你就会加速；如果框架正确，你就会加速。如果有误，官方文本无论如何都会纠正你。
三个迷你箱子
案例1——正确使用。审计师不确定客户长期合同收入确认的时间。我向 AI 解释了这个主题，并询问“这属于哪个标准系列，我应该考虑哪些概念？”他问道。人工智能催生了收入确认标准和“履约义务”、“控制权转移”等概念。审计员查阅了官方标准文本，阅读了相关段落，将其应用到案例中，并在工作文件中引用了官方来源。人工智能给出方向，验证文本，审计员做出决定。
案例 2——假物质陷阱。团队成员问 AI：“哪篇文章包含配置要求？”他问道； YZ给出了非常明确的参考，例如“TMS 37 paragraph 14/b, 2022 revision”。团队成员直接将其写在工作表上。在质量审查过程中，发现该表格中不存在“2022年修订版”和“14/b”子条款；参考文献已更正。教训：表面清晰的归因并不是正确的归因；需要确认。
案例 3 — 复制报价。一位审计员向AI“全文”索要一个标准条款放入报告中，并直接将这句话放在引号中。句子很流畅，但与官方文本的措辞并不完全相同；意义发生了转变。负责人对比官方文本就看出了差异。教训：标准报价仅从官方来源复制。
弱提示/强提示
弱提示：
写下有关配置的标准的确切文章和编号，我会将其放入我的工作表中。
问题：直接向人工智能请求“资源”。项目编号和文本可以随意组合并输入文件，无需验证。
强力提示：
您的角色：您是独立审计师的研究助理。你会给我方向；我会核实官方文本。假设您不确定项目编号、段落和日期，并指出我每次都需要确认。主题：客户是否应该认识到因过去事件而产生的可能责任的准备金，或在脚注中将其披露为“或有负债”？任务：1) 用通俗易懂的语言解释该主题属于哪些标准系列，以及哪些基本概念（责任的定义、概率、可靠测量等）具有决定性。2) 概述我需要提出的问题的决策树草案，以便做出决定。3) 不要将任何文章编号、段落或日期作为最终信息；注意“从官方文本确认”。4）不要在引号中引用标准文本；我将从官方渠道获取它。
这种需求之所以强烈，是因为它将人工智能锚定在导航员的角色上，禁止引用和条款捏造，并将决定权留给决策树和审计员。
常见错误
- 将人工智能误认为是一种资源。在未确认货号、段落、日期的情况下使用。
- 复制编造的报价。将人工智能引用的“标准文本”放入报告中，就好像它是官方文本一样。
- “看起来很清楚”的谬论。参考文献越具体，被认为越可靠；而特殊性则隐藏着捏造。
- 未能验证生效日期。依赖“那年就变了”之类的说法而没有得到证实；立法不断更新。
- 盲目地将其应用到案例中。应用人工智能的一般解释，而不质疑业务的具体条件。
提示：当你向 AI 提出一个标准问题时，让它在答案中包含以下两个问题：“我应该从哪个官方来源确认此信息？”以及“这种归因错误的可能性有多大？”这会给你自己和人工智能带来确认。
总之
标准和监管研究是人工智能增加最大价值但也是最危险的领域。价值：用简单的语言解释复杂的主题，指导相关标准，生成决策树和问题列表。危险：发明项目编号、段落和日期（来源幻觉）。规则：人工智能是一个寻路者，而不是一个来源。确认 POA 发布的官方 BDS/TFRS 文本和相关立法中的每条参考文献；仅从官方来源复制报价；审核员进行解释和应用。人工智能输出永远不会取代官方文本。
应用任务
选择一个会计/审计问题（例如租赁的分类、是否应计提拨备）。通过上述强大的提示模式，向AI询问（1）相关标准族，（2）定义概念，（3）决策树大纲；禁止捏造项目/日期。然后找到AI所指向的标准的官方文本，自己阅读相关条款，注意AI的框架是否正确。列出差异。
清单
- [ ] 我使用AI作为测向仪；我没有计算文章/段落/日期的来源。
- [ ] 我把“编造归属，注明需确认，请勿引用”的规则放在提示中。
- [ ] 我找到并阅读了YZ指出的标准的官方文本（KGK/官方公报）。
- [ ] 我在工作文件中只写了我从官方来源确认的出处。
- [ ] 我从官方来源核实了生效日期和当前版本。
- [ ] 我将该标准解释并应用到了我自己的案例中。
- [ ] 我只是复制了官方文本中使用的引文并引用了来源。