■ 陈泓明

　　住户收支数据审核常面临着“精准”与“效率”的双重挑战，笔者结合工作实际和AI大模型运用实践，就AI大模型在住户收支调查数据审核中的应用谈几点思考。

　　从实践中来看，统计云平台审核公式虽能覆盖大部分错误，但仍有部分细节需要人工细致核查，例如特殊编码的逻辑校验、某些编码对应的“数量”必须是整数等方面的规范性检查，这些都需要在平台外进行二次审核以提升记账质量。对此，笔者以为，可以利用AI大模型强大的自然语言处理和代码生成能力，将住户收支数据审核要点转化为可在WPS上运行的JS宏程序，实现审核智能化、自动化。AI程序严格遵循预设规则，避免了人工操作中可能出现的筛选条件错误、列匹配偏差等问题，提升审核效率。

　　一是明确核心需求，生成基础代码。首先要让AI大模型（以DeepSeek为例）理解审核要点，将审核要点转化为清晰的编程指令，明确输入输出格式、筛选条件、数据处理逻辑。以“数量不能有小数点”这一典型规则为例，首先需要明确输入条件：筛选“账页”文件H列中的特定编码（如121144、123011等数十个编码），在筛选结果中进一步检查I列数量是否包含小数点，最终将符合条件的数据提取并存储到新工作表，同时保留A、D、E、F、G、H、I、O等指定列信息。向DeepSeek输入明确的编程需求后，模型输出初步的JS宏代码。若首次运行时程序报错，可将错误提示直接反馈给AI，模型结合上下文迅速定位问题，调整代码逻辑。

　　二是优化完善功能，构建标准流程。在调试通过后提出优化需求，如将宏名称改为“XSD”，重命名结果工作表为“数量不能有小数点”，仅保留指定列数据等。AI根据这些指令逐步调整代码，例如通过数组索引（keepColumns）精准提取目标列数据，确保输出结果符合业务格式要求。通过在代码中加入Application.ScreenUpdating=false（禁用屏幕更新）、Application.Calculation=-4135（手动计算模式）等设置，大幅减少程序运行时的资源消耗，将单表审核时间从手动操作的数十分钟缩短至数秒，显著提升批量处理效率。构建“需求描述、代码生成、调试反馈、迭代优化”的标准化流程，根据业务细节（如列保留、表名修改等）持续优化代码，直至完全满足审核场景需求。

　　三是拓展审核场景，建立共享资源。以往需掌握数据透视表、VLOOKUP、宏命令等多项技能的审核工作，现在通过简单的AI对话即可实现。即使是软件操作基础较弱的人员，只需描述审核需求，即可获得可直接运行的程序，显著降低了技术使用门槛，因此可将AI大模型应用于更多的审核规则，实现智能审核的应用拓展和实时更新。还可将常用审核场景的AI生成代码整理成模板库，供业务人员共享使用，降低重复开发成本。

　　(作者单位：国家统计局梧州调查队)