AI News HubLIVE
站內改寫2 分鐘閱讀

Built Technologies在AWS上構建AI驅動文件智慧解決方案,為房地產金融代理提供支援

Built Technologies與AWS生成式AI創新中心、AND Digital及AWS賬戶團隊合作,建立了可擴充套件的AI文件處理引擎,能夠對複雜房地產金融文件進行分類、拆分、提取、評估和推理。該引擎將原本需要數天的工作流程縮短至數分鐘,支援數百種文件型別,併為技術團隊和行業專家提供構建和改進文件處理器的共享環境。

來源AWS Machine Learning Blog作者: Dipanshu Jain

房地產金融行業嚴重依賴文件處理,但這一過程往往高度手動且複雜,影響大規模關鍵業務決策。Built Technologies作為房地產金融軟體提供商,管理著超過5000億美元的房地產專案。該公司最近在Amazon Bedrock和AWS智慧文件處理(IDP)加速器上部署了一款AI驅動的文件處理引擎,該引擎如今成為整個房地產生命週期中代理產品的基礎。

房地產金融涉及大量的文件型別,包括撥款包、貸款協議、發票、保險證書、檢查報告等。這些文件通常篇幅長、格式不一、領域特定性強,傳統自動化方法難以有效處理。對於Built來說,文件智慧不僅是後臺工具,更是一種水平AI能力,為新一代代理產品提供基礎,涵蓋施工撥款稽核、貸款協議分析、保險驗證、投資備忘錄總結及投資組合例外識別等場景。

為了實現這一目標,Built與AWS生成式AI創新中心(GenAIIC)、AWS合作伙伴AND Digital以及AWS賬戶團隊合作,共同建立了可擴充套件的AI文件處理引擎。該解決方案能夠對複雜房地產金融文件進行分類、拆分、提取、評估和推理,將原本需要數天的工作流程縮短至數分鐘,支援數百種文件型別,併為技術團隊和行業專家提供用於構建和改進文件處理器的共享環境。

Built面臨多項挑戰:文件型別超過250種,單個文件可超過500頁;文件結構複雜且不一致,包含巢狀表格、掃描頁面、自定義佈局和非標準術語;資訊提取依賴上下文,重要資訊常隱含於多個部分或以領域特定語言表達;同時,分類和提取工作流需達到95%以上的置信度以支援生產使用。傳統的OCR和機器學習方法在結構化文件上有效,但無法處理需要判斷、上下文或領域推理的任務。例如,貸款協議中的契約條款往往以法律語言散佈在各處,而非簡單標籤化。

Built採用代理式文件工作流,從簡單的文本提取轉向文件理解。系統能夠識別相關部分、推理定義和義務、區分要求和例外,並提供結構化輸出和支援證據。該解決方案使用AWS Step Functions編排的多階段流水線,包括OCR、分類與拆分、提取、評估及規則驗證等階段。每個階段由獨立的AWS Lambda函式驅動。例如,一份150頁的商業施工撥款包作為單一PDF上傳後,系統會透過EventBridge事件觸發佇列,DynamoDB管理跟蹤和併發,Step Functions按順序執行各階段。提取階段透過Map狀態並行處理分類後的各個部分,從而將總處理時間限制在最長單個部分的時長,而非所有部分之和。

AND Digital構建了基於React的自定義使用者介面,透過Amazon Cognito認證,提供文件上傳、處理器管理、模式定義、提取結果審查、版本比較和置信度評分等功能。該介面同時面向技術使用者和業務專家,支援協作改進。

Built的新文件智慧解決方案作為水平能力設計,首個生產用例聚焦商業施工貸款撥款包,但可複用於多種代理產品,包括撥款稽核代理、貸款協議代理、保險代理、承銷代理、資產管理代理和合規代理。每個代理都依賴於相同的基礎能力:將非結構化、不一致、高容量的文件轉化為結構化、驗證過、可解釋的情報。透過將文件處理作為共享解決方案能力,Built能夠加速AI路線圖,無需為每個產品重建提取流水線。