Мултимодалните големи езикови модели (LLM) могат да четат, интерпретират и синтезират визуални артефакти — схеми, екранни снимки, табла за съответствие — превръщайки ги в готови за одит доказателства. Тази статия обяснява технологичния стект, интеграцията в процесите, съображенията за сигурност и реалната възвръщаемост при използването на мултимодален AI за автоматизирано генериране на визуални доказателства за въпросници за сигурност.