Built Technologies 在 AWS 上构建 AI 文档智能平台，赋能房地产金融智能体

房地产金融业务的运转高度依赖文档：拨款材料、贷款协议、发票、保险凭证、验房报告等文件承载着放贷方与各方利益相关者需要审阅、校验和决策的关键信息。这些文档往往篇幅冗长、格式不一、术语专有，给传统自动化方式带来巨大挑战。Built 早期已借助 OCR 与传统机器学习搭建了 26 个抽取、拆分与分类处理器，但面对越来越复杂的业务场景，这套基于模板与字段匹配的方案在灵活性和语义理解能力上逐渐捉襟见肘。

随着公司 AI 路线图向房地产全生命周期扩展，团队需要的不再是单点抽取工具，而是一项可复用的横向 AI 能力。新的文档智能方案必须支持超过 250 种文档类型与百万级文档量，能够支撑具备上下文推理能力的智能体，而不仅仅停留在文本抽取层面。同时，金融与合规场景对准确度提出了高于 95% 置信度的硬性要求，对系统的可扩展性也提出了更高期待。

新方案的核心思路，是从“按字段抽取”转向“带上下文理解的智能体式文档处理”。传统 OCR 流程擅长识别明确标签和固定布局的字段，但在面对嵌入式表格、扫描件、法律条文、跨段落引用的贷款契约条款时常常失效。新的智能体工作流可以先识别文档类型与结构，再定位义务、财务指标、限制条款、违约触发等语义区域，推理哪些条款构成 covenants，并结构化抽取条款名称、阈值、频率、责任方与违约后果，同时返回原文引用以便人工复核。

在架构层面，Built 将方案落地于 Amazon Bedrock 与 AWS 智能文档处理加速器之上，融合 OCR、传统机器学习与大语言模型的推理能力。置信度较低的抽取结果会被自动路由至领域专家进行复核，专家的反馈又会被持续回流到模型与处理流程中，让技术团队与业务专家在同一个环境中协作迭代处理器。这种“人机协同 + 模型推理”的闭环，使文档处理从一次性工具升级为可演进的企业级能力。

业务效果方面，过去需要数日才能完成的文档处理流程被压缩到分钟级，单份超过 500 页的复杂文档也能稳定处理。文档智能能力正被封装成底层服务，向 Built 即将推出的多款智能体产品输出，覆盖施工拨款审核、贷款协议分析、保险核验、Offering Memorandum 摘要、投资组合异常识别等真实场景。

这一实践为同类高度依赖文档的行业提供了参考路径：当企业面对海量、非结构化、且语义复杂的文档时，仅靠 OCR 与模板抽取已无法满足新一代智能体产品的需求。将文档理解打造为横向 AI 能力，并与领域专家形成持续反馈闭环，是在金融、合规、法律等高精度场景中落地生成式 AI 的关键。

要点

• Built Technologies 联合 AWS 生成式 AI 创新中心与合作伙伴，基于 Amazon Bedrock 构建可扩展文档智能引擎，覆盖 250 余种文档类型。
• 传统 OCR 与模板抽取在贷款契约、保险凭证等复杂文档上能力有限，需要引入具备上下文推理能力的智能体工作流。
• 新方案将原本耗时数天的文档处理流程压缩到分钟级，并在分类与抽取环节实现高于 95% 的置信度。
• 文档智能被定位为横向 AI 底座，统一支撑施工拨款、贷款审查、保险核验、组合异常识别等多款智能体产品。
• 通过将低置信度结果路由给领域专家并回收反馈，团队形成人机协同的持续迭代闭环，提升模型与处理器的演进速度。