證券公司的柜面業務是服務客戶、保障合規運營的基礎環節，其核心之一在于對客戶提交的各類申請材料進行準確合規的審核。該環節的處理效率與質量，直接影響客戶的業務體驗、公司的運營成本及合規風險控制。

回顧其發展歷程，可以清晰看到從高度依賴人工到逐步邁向智能化的演進路徑。

從人工到智能，證券柜面業務審核跨越式升級

丨階段1：分散式網點審核

證券公司的柜面審核工作以分散模式在各營業部獨立進行。各營業部設有柜員或后臺審核人員，負責接收客戶資料，進行身份核驗、資料錄入與復核。

由于審核工作分散在各地，總公司難以對審核標準進行統一的管理和監督，不同網點、不同審核員之間容易出現標準不一的情況，當業務量增大時，客戶等待時間長，員工工作負荷大。

丨階段2：集中運營

為了解決分散模式下的管理和效率問題，各大證券公司開始陸續建立集中運營中心或集中審核部門，前端營業部負責接收并掃描客戶資料，將影像件上傳至后臺系統，由總部專業團隊統一審核。

集中化作業使得審核流程和標準得以統一，公司可以實施標準化的操作規程，并有效提升了風險控制的水平，處理效率也隨之提升。但其核心仍依賴人工審核，人力成本高企、處理規模受限的問題依舊存在。

丨階段3：OCR識別輔助審核

隨著OCR技術的成熟，將審核帶入了人機協作的階段。系統能夠自動識別并提取影像資料中的關鍵信息，并預填至業務系統。審核人員的工作重心從繁重的鍵盤錄入轉變為信息核對。

這一階段主要問題體現在兩個方面:

第一，OCR對于版式固定的卡證識別效果極佳，但是識別非標準化文檔時，比如開戶申請表、風險揭示書、授權委托書等，識別效果就會大打折扣。想要實現對新文檔版式高精度抽取，需要針對這個版式進行單獨的開發和模型訓練，成本高，周期長，難以快速響應業務需求的變化。

第二，證券審核中包含大量復雜的規則匹配和交叉驗證工作。比如，需要確認授權委托書中的被授權人與業務申請表中的經辦人是否為同一人；需要檢查某項決議的簽署日期是否在有效期內。這些都需要審核人員具備專業的業務知識進行邏輯判斷，大部分核心的審核工作依然需要由人工來完成。

丨階段4：大模型智能審核方案

以大語言模型（LLM）為代表的人工智能技術，憑借其強大的泛化理解和邏輯推理能力，為構建新一代的智能審核體系提供了可能。

這一階段的核心進步，在于審核系統擁有“智能大腦”。它能實現對任意非標材料“開箱即用”式的信息提取；更重要的是，還能深度理解證券業務的復雜邏輯，自動完成以往最耗時的人工交叉驗證工作。

DeepIDP賦能柜面業務，開啟AI智能審核新常態

易道博識推出的智能文檔處理平臺（簡稱DeepIDP），正是這一階段技術的具體應用。

丨端到端的文檔處理流程

機構開戶等需要批量上傳影像資料的場景中，業務人員只需將客戶提供的文件上傳，DeepIDP即可對影像進行智能分揀和精準歸類，自動識別出哪些是營業執照，哪些是法人身份證，哪些是授權委托書，整個過程無需人工干預。

丨強泛化能力，實現非標文檔精準抽取

借助大模型強大的泛化能力，僅需輸出提示詞即可實現非標文檔的精準抽取，開箱即用，無需定制開發，可快速響應新業務需求。而且大小模型協同架構，可根據任務的復雜度和需求，自動調度最合適的模型進行處理。

丨審核規則智能處理，自然語言配置規則

DeepIDP可借助大模型推理能力，對復雜業務資料審核項智能分析。

傳統審核系統的規則調整通常需要IT部門進行代碼修改，響應周期長。在智能審核中，業務人員可以用自然語言描述審核要點。

例如“自然人代理開戶時，授權委托書上的代理人與身份證信息必須一致，授權有效期需在申請日期之前”，傳統系統需規則串聯+日期比對，大模型可直接從文檔語義判斷代理關系與有效期邏輯。

當新的監管要求下發時，企業可以在數小時內完成審核規則的線上更新，確保業務的持續合規，有效規避潛在的合規風險。