财务报表 OCR 识别
多格式报表智能提取，直投企业与子基金月报进入同一张口径表，原始凭证与置信度随行留存。
- 多格式报表提取
- 字段级抽检
主张
能否当场验证，决定这个 AI 场景我们接不接
报表上的数字能不能与原件对上、风险指标是否按定义触发、敏感操作有没有留下记录、工时有没有被真实记录——这四类任务存在客观答案，模型跑一次就能量化收益，也能量化错误。反之，「哪家企业值得投」没有当天可验证的答案，把模型放进去，只是把不确定的判断伪装成系统输出。
因此我们的智能体不做对话框，只做流程节点：输入是既有凭证，输出是带原始凭证与置信度的结构化字段，人在节点末尾签结论。
立场
为什么不做「AI 替人投决」
两个原因，都不是技术上的。第一是可验证性：投决结论的正确性要在数年后的退出里才显形，模型却要在当天给出一个看似确定的分数，这种反馈周期无法支撑任何验收，也无法证明它比人工更好。第二是责任归属：投资决策由投决委员与制度承担后果，把判断交给模型等于取消责任主体，一旦发生争议，机构拿不出一份能被追溯的决策依据。
我们压缩的是取证、核对与核算的时间——这三件事本来就占掉投决成员大部分准备工作。判断、否决与签字仍然由人完成，系统只保证他们看到的是同一份口径下的事实。
三条不可协商的工程约束
写进合同与验收方式，不是产品说明里的形容词。
- 每条模型输出保留原始凭证与置信度
- 任一智能体可由贵方权限停用，流程照常走完
- 预警与研判结论可回溯到触发的指标定义
- 内网部署下模型在客户环境内运行，不产生对外数据出口
- 抽检样本与判定标准由业务方事先确认
从场景筛选到可停用，五步交付
顺序不可颠倒：基准集没有业务确认之前，任何准确率数字都不成立。
场景筛选：只接有客观答案的任务
对照断点清单，按「能否当场判定对错」筛选环节。产出：场景清单与不接的理由，供内部评审直接引用。
建立基准集与判定标准
由业务方从真实凭证中标注样本，约定字段级判定口径与抽检比例。产出：基准集与判定规则，签字后冻结。
在客户环境内接通模型
公有云、私有云、内网三种运行位置对应三套接入方式；内网场景下模型与客户数据同处一个网络边界内。产出：接入拓扑与出网策略确认单。
抽检验收与误差清单
按基准集抽检，逐条列出误判样本与原因，明确哪些误差需人工复核、哪些可放行。产出：抽检准确率报告与误差清单。
停用开关与流程回归
每个智能体独立开关，关闭后原流程回落到人工节点并仍可完整走完。产出：停用回归记录，验收当天现场演示一次。
交付物、典型周期与验收方式
4–10 周为标准区间，自合同工作分解结构确认之日起算；场景数量与凭证格式复杂度决定区间位置，不承诺「两周内上线全部智能体」。
| 交付物 | 典型周期 | 验收方式 |
|---|---|---|
| 场景清单与不接入范围说明 | 4–10 周内 | 业务方确认每个场景存在客观判定标准 |
| 标注基准集与判定规则 | 4–10 周内 | 样本由业务方标注并签字冻结 |
| 财务报表 OCR 字段抽取 | 4–10 周内 | 按凭证逐字段抽检，错误样本进误差清单 |
| 风险指标预警与研判留痕 | 4–10 周内 | 18 项指标按定义重算，触发与复核结论可回溯 |
| 桌面行为留痕与敏感操作告警 | 4–10 周内 | 抽样回放操作链路，记录完整可导出 |
| 项目工时归集与成本口径 | 4–10 周内 | 与人工记录并行比对一个周期 |
| 智能体停用开关与回归记录 | 上线前 | 现场关闭任一智能体，流程仍完整走完 |
指标从哪来
智能体判断的是字典里的口径
风险模型的每一项预警都指向数据字典中的字段与公式。口径变更走治理流程，模型不会私下形成第二套定义——这是 AI 结论能被风控与审计接受的前提。
- 预警项对应字典字段
- 口径变更需重跑基准集
- 公式版本随结论留存
四类落地场景
只做这四类，与公开披露的口径一致
场景名称与官网「AI 场景」公开口径一致，全部嵌入既有流程节点，产出可复核的结构化字段。
风险模型智能判断
自定义风险指标评估，18 项预警指标逐日重算，触发、复核与结论全链路留痕。
- 自定义指标
- 18 项预警
桌面行为智能管理
敏感操作监控防范，为投资与类金融业务提供可回放的合规留痕，权限与告警规则由贵方设定。
- 敏感操作告警
- 操作链路回放
项目工时智能管理
自动记录并归集成本，让投决与尽调的人力投入第一次进入可测算口径。
- 自动记录
- 成本归集
接入位置与运行环境
智能体挂在既有节点上，不新增一条平行流程；运行位置随平台部署形态确定。
DealFlow 项目池附件尽调与投决材料包被投企业月报 / 年报子基金报送模板风险监控系统AI 桌面行为管理系统VDR 数据库文档公有云 / 私有云 / 内网三态
成效参照
四类场景上线后分别看什么
报表抽取看抽检准确率与误差清单；指标研判看预警命中复核；行为留痕看操作链路能否完整回放；工时归集看与人工记录并行比对一个周期。这四条与客户成效页的验收口径同源。
看验收口径与场景写在明处
这项能力不适合谁
希望模型给出「该不该投」结论的机构：我们不提供，也会在评审会上明确拒绝写入范围。需要 AI 替代人工复核以满足岗位编制的场景：智能体只压缩取证时间，签字责任仍然需要岗位承担。
凭证与报表尚未电子化、且短期内不打算入字典的机构，也建议先做数据治理：OCR 读不到不存在的原件，风险研判也算不出没有定义的指标。
智能体上线前会被问到的问题
AI 智能体投管系统会不会替我们做投资决策？
不会。我们的范围止于取证、核对、指标重算与留痕；投决结论由委员与制度承担。原因写在立场上：投决的对错无法当天验证，且责任主体不能被系统替代。
内网部署时，模型会把数据传出去吗？
内网场景下 OCR 与指标研判在贵方环境内运行，不产生对外数据出口，接入拓扑与出网策略在验收单上列明。是否启用任一智能体由贵方权限控制。
识别错了谁负责？
误判由抽检与误差清单暴露，放行与人工复核边界事先约定；每条输出保留原始凭证与置信度，因此任何一笔结论都能回溯到源文件与判定规则。
我们想停用某个智能体，流程会断吗？
不会。每个智能体独立开关，关闭后该节点回落到人工，流程仍可完整走完。停用回归记录是上线前的必做演示。
18 项风险指标可以按我们的制度改吗？
可以。自定义风险指标评估本身就是场景之一：新增或修改指标先进数据字典、定公式与阈值，模型按新定义重算，历史结论保留当时版本。
工时自动归集会不会变成对员工的监控？
它记录的是项目投入与成本口径，范围与可见层级由贵方权限决定，与桌面行为管理属于两个独立模块，可分别开通或停用。
下一步
先带三份真实凭证来
一份月报、一份子基金报送表、一段操作记录。我们当场判定哪些环节存在客观答案、哪些不该交给模型，并给出 4–10 周的区间建议。