在信贷尽调与贷后核查中，客户提交的银行流水、发票、合同往往格式各异，人工对账既慢又容易漏项。金融AI实验室本期实验围绕一个具体问题展开：把多源凭证对齐到同一笔交易上，并标出不一致项。
做法是先结构化、再勾稽。流水按日期、金额、对手方、摘要抽取字段；发票与合同只保留金额、主体、时间三类锚点。随后以金额加时间窗生成候选匹配，用对手方名称的模糊相似度做二次排序，最终由模型输出“匹配/存疑/不匹配”三档结论，存疑项统一流转至人工复核，不直接进入审批结论。
要点：
- 进展：在1200份脱敏样本上，三档结论的自动匹配准确率约91%，存疑项占比14%，主要集中在跨行T+1到账与摘要字段缺失的场景。
- 下一步：接入反洗钱可疑交易规则，把“对账不一致”与“资金快进快出”两类信号合并评估，并补齐字段级审计留痕，便于回溯每一次判定依据。
评论