مدل‌های بزرگ زبانی چندحالتی می‌توانند متون، تصاویر و نمودارها را خوانده، تفسیر کرده و ترکیب کنند—از نمودارهای معماری تا اسکرین‌شات‌های پیکربندی و داشبوردهای انطباق—و آن‌ها را به شواهد آماده‌برای ممیزی تبدیل کنند. این مقاله فناوری‑پشته، یکپارچه‌سازی جریان کاری، ملاحظات امنیتی و بازگشت سرمایه واقعی استفاده از هوش مصنوعی چندحالتی برای خودکارسازی تولید شواهد بصری در پرسشنامه‌های امنیتی را بررسی می‌کند.