
这件事今天是怎么做的
一份签证材料是一摞纸:护照、申请表、在职证明、银行流水、行程单、照片。有人逐份打开、阅读、把那几个固定的值录入系统,再把这些值彼此核对、并对照目的国的要求核对一遍。同样三个动作,一年重复数千次,每一次都带着截止日期。
出问题的方式并不戏剧化:护照号里颠倒了一位数字;或者某份证明在出行窗口内提前两周到期,直到申请被退回才有人发现。
模型承担什么,不承担什么
视觉模型承担阅读与录入——最耗时间、也最容易产生颠倒错漏的机械部分。规则引擎承担核对,因为这些校验本来就是算术比模型做得更好的事:证件号校验位、有效期与出行日期的关系、表格所填与护照所载是否一致。
低于置信度阈值的内容进入复核队列,原图与抽取值并排呈现,处理它是看一眼的事,而不需要重新打开整个卷宗。
为什么是内嵌,而不是外挂
识别不是一个员工需要另外打开的工具。它运行在企业本来就在使用的 CRM 与工作流之内——与客户档案、款项、案件状态在同一处。这就是「模型被真正使用」和「模型被演示」之间的区别。后端、后台、App 与小程序都由我们自建,因此 AI 与业务系统之间没有接缝。
开工前我们会说明的一点
「覆盖三个国家」这件事比听起来更重要。每个目的地有自己的材料清单、自己的日期书写习惯、以及自己对「材料是否充分」的判定。大部分工程量不在模型上,而在于把这些差异表达成运营团队看得懂、也能自行修改的规则,不必每次都来找我们。
下一个行业
税务与财务