韩国Deep Learning公布下半年路线图：全面转向“实干型AI”

| 内外经济TV = Ju Hyeon-ung |

面向公共及企业领域的视觉智能AI解决方案企业韩国Deep Learning（代表 Gim Ji-hyeon）宣布了下半年路线图，计划将文档AI解决方案“Deep Agent”扩展为能够执行实际业务的AI Worker。

此次路线图的核心在于，将原本仅限于从文档中提取文字和信息的传统以OCR为中心的自动化，扩展到业务判断、审批以及企业系统执行的层面。

以往，每当企业增加新的文档或业务时，都需要构建单独的OCR系统并验证识别率。韩国Deep Learning将转向一种新模式，即将经过验证的模型和业务标准作为运营资产进行存储，并将其重新应用于其他部门和业务中。

其核心基础是“VLM Ops”。在特定业务中使用的AI模型、提示词（Prompt）、信息提取模式以及质量标准等，都将累积在VLM Ops中。当增加新业务时，无需从头开始开发系统，只需调整和验证必要的项目即可进行应用。

此外，公司还将提供让客户能够直接应对文档格式或提取项目变更的功能。计划通过支持客户在VLM Ops中直接设置和调优所需项目，减轻客户在构建完成后因键值（Key-Value）等内容变更而向开发商请求维护的负担。

韩国Deep Learning还将文档AI的评估标准从识别率中心扩大到“无需人工干预率”和“业务完成率”中心。其方针是不仅衡量准确读取文档的水平，还要衡量在无需人工确认的情况下，实际业务处理到了哪一步，以此作为自动化成果的衡量标准。

存储在VLM Ops中的模型和业务标准将连接到智能体工作流（Agent Workflow）。该工作流将文档分类、信息提取、文档间交叉验证、业务判断、负责人审批以及后续系统执行整合为一个完整的流程。

对于置信度达到一定标准的正常案件，Deep Agent将直接处理后续程序。只有信息不明或需要单独判断的异常案件才会传递给负责人进行审核。

经过审核和批准的结果将与企业现有的业务系统联动，包括ERP、CRM、电子文档管理系统（EDMS）以及机器人流程自动化（RPA）等。同时，AI的判断依据、审批及审核历史、系统执行结果也将一并存储，以便用于审计和内部控制。

为了减少AI的错误判断，公司还将强化验证结构。通过使用OCR和解析器识别文字和文档结构，利用视觉语言模型（VLM）分析上下文和业务含义，随后将提取结果与原文位置进行比对。

偏离既定格式或置信度较低的结果将被与正常案件分离。这是为了减少因证据不足的信息在未经额外确认的情况下被输入到后续系统中的情况。

韩国Deep Learning目前正将Deep Agent应用于韩国某卡行的加盟店新设及变更审核业务。该系统可自动分类加入/变更申请书、营业执照、银行账户复印件、登记事项全部证明书等，并对各文档的主要信息进行交叉验证。

对于正常案件，系统会自动处理个人信息脱敏及与审核系统的联动，仅将需要额外确认的案件交给负责人审核。在该业务中验证过的模型和业务标准将存储在VLM Ops中，以便应用于其他加盟店的审核业务。

韩国Deep Learning将这一发展方向提出了“3 Zero AI Worker战略”。该战略由减少重复学习和设置的“Zero Training”、利用原文和验证规则减少错误判断的“Zero Hallucination”，以及不再对正常案件进行全量检查而是仅确认异常案件的“Zero Review”组成。

Gim表示：“我们将摆脱每增加新文档或业务就重新构建OCR的模式，将经过验证的AI和业务标准扩展到整个企业。本次路线图的目标是减少重复构建和审核的成本，并构建出AI能够实际完成业务的结构。”