来也ADP：文档处理进入智能体时代

............................................................................................................4 1.1企业流程自动化的“最后一公里”1.2 OCR和IDP的局限性与瓶颈1.3大模型和智能体：文档处理的范式转移 ...............................................................................8 2.1ADP的定义：一个新范式的诞生2.2大模型≠ADP：操作系统与应用的关系2.3ADP的三大核心特性 ........................................................................14 3.1为什么文档处理是企业智能体的理想入口？3.2从ADP到企业智能体：渐进式演进路径3.3ADP适用性自评：您的企业准备好了吗？3.4组织变革：让人与AI协作成为现实 ....................................................................................24 4.1三层架构设计4.2性能指标4.3安全合规4.4开放集成:与企业IT生态无缝融合 ..........................................................................................................30 5.1制造业：采购订单处理自动化5.2制造业：全球发票处理自动化5.3保险行业：理赔文档处理自动化5.4银行业：中小企业贷款审核自动化5.5实施风险与应对策略 ............................................................................................................................................38 6.1短期愿景(2025-2026)：成为被广泛应用的企业级智能体6.2中长期愿景（2027-2030）：搭平台、建生态——成为企业智能体的基础能力平台之一 .........................................................................................................................................................40 想象这样一个场景：某跨国制造企业的财务部门，每月需要处理来自全球数百家供应商的数千张发票。这些发票有着不同的语言和版式。十多名财务人员每天的工作就是逐一打开这些文档，找到关键信息并进行核对，然后手工录入到系统中。企业尝试过多种自动化和AI工具，面对供应商不断变化的发票模版，系统常常识别出错，反而增加了人工修正的工作量。 这不是个案。企业在自动化和AI领域投入了大量资金，却仍然在文档处理这个看似基础的环节上受阻。根据IDC研究数据，非结构化数据已占企业数据总量的80%以上，且正以60%的复合年均增长率快速膨胀。到2027年，全球数据总量将达到284.30ZB，其中非结构化数据将占到86.8%。这些非结构化数据的主要载体正是文档，合同、发票、订单、报告等。它们携带着企业运营的关键信息，却因为缺乏有效的处理手段，成为了业务流程自动化的主要瓶颈。 为什么传统技术无法满足需求？我们需要深入分析OCR和IDP各自的局限与瓶颈。 OCR（光学字符识别）技术能识别文档中的文字和位置，在标准印刷体文档上识别准确率可达90%以上。但OCR的本质局限在于：只能"识别文字"，无法"理解文档"。面对多栏排版、图文混排、无框线表格、跨页表格等复杂版式时，OCR更是无能为力。 IDP（智能文档处理）在OCR基础上引入了机器学习、NLP、规则引擎等技术，能够识别文档类型和结构，提取结构化字段。然而，当企业试图大规模推广IDP时，很快就遇到了新的瓶颈。 首先是数据标注成本高。IDP训练模型需要大量标注数据：每种文档类型需要几十份到几百份标注样本，所需的标注时间和成本都不可忽视。更糟糕的是，当文档格式变化时，需要进行大量的重新标注。部分使用IDP的企业不禁感叹："我们不是在用人工智能，而是在用'人工'支撑'智能'。" 其次是场景碎片化。企业面临的文档场景远比想象中复杂：一家企业可能有数百种文档类型，IDP的应对方式是"一个场景一个模型"，导致项目复杂度高、实施周期长、维护成本高昂。从ROI角度出发，企业往往只能将IDP应用于10-20%最高频的场景，无法覆盖到更多场景。 第三是对多语言的支持不够。对于不同的语言，IDP往往需要多个不同的模型来处理。像上一节中提到的多语言供应商发票，IDP需要针对每种语言使用一个模型，这让企业的采购成本和维护成本都大幅提升。 第四是系统割裂。为了应对不同需求，企业往往部署多套系统：OCR系统A处理票据、OCR系统B处理证件、IDP系统C处理订单、IDP系统D处理合同、这给系统的兼容、维护和升级都带来了极大的挑战。 无论是OCR还是IDP，都面临一个共同的根本性问题：它们都在"记忆"——记住某个位置有某个字段，记住某种模板对应某种提取规则；而企业需要的是"理解"——理解文档的语义，理解业务的逻辑，理解上下文的关联。就像我们不能要求一个只会背诵标准答案的学生去解决从未见过的新问题，OCR和IDP也无法应对企业多变、复杂、个性化的文档处理需求。 过去几年，几个关键的技术拐点正在汇聚，为文档处理带来范式级的转变。 视觉语言模型（VLM）的突破使得AI第一次真正具备了"看懂"复杂文档的能力。它能够理解文档的视觉结构（版式、表格、图表），识别多种语言，理解跨页、多栏等复杂 排版，有效过滤印章、水印等干扰因素，支持无框线表格识别。大语言模型（LLM）则展现出惊人的通用能力，它们在海量文本上预训练，具备对世界知识、语言结构的通用理解，能够进行推理和逻辑判断，无需针对性训练即可胜任多种文档处理任务。智能体（Agent）技术的工程化落地，则使得大模型能力能够真正转化为可用产品，通过智能体的任务规划、工具调用、多轮推理能力，可以处理复杂的端到端文档处理流程。 这 些 技术 的 融合 催生 了一 种 全新 的 文档 处理 范式-智能 体 文档 处 理（AgenticDocument Processing，ADP）。ADP是基于大模型和智能体技术的新一代文档处理解决方案，它不再是需要配置模板或标注样本的"工具"，而是能够理解业务需求、自主规划执行的"智能体"。传统的文档处理系统是"工具"：用户需要明确告诉系统"怎么做"（How）。而ADP是"智能体"（Agent）：用户只需告诉系统"做什么"（What），系统能够自主理解、规划和执行。以发票处理场景为例：传统IDP方式需要为每种海外发票类型准备标注样本，训练多个模型识别不同供应商的发票格式，配置规则来提取金额、税率、商品明细等字段，供应商更换发票模板时重复上述流程。而在ADP智能体方式下，用户只需用自然语言描述需求："提取这批海外发票中的供应商、金额、税额和商品明细"，系统就能自动识别文档类型和语言，提取所需信息，新格式出现时无需任何配置调整。 根据Gartner预测，全球智能文档处理市场规模将从2024年的约20亿美元增长到2029年的52亿美元，年复合增长率接近29%。目前全球已有超过100家供应商进入IDP市场，但企业真正需要的不是"更好的OCR"或"更智能的IDP"，而是能够真正理解文档、端到端自动化的新一代解决方案——这正是ADP的价值所在。 本章小结： 文档处理正在经历一次范式转移——从基于规则的模板识别，到基于样本的模型训练，再到基于大模型的智能理解。传统的OCR和IDP技术都面临"从记忆到理解"的鸿沟：它们只能记住模板和规则，无法真正理解文档语义和业务逻辑。ADP的出现，标志着文档处理进入了智能体时代：AI不再是需要被精心训练和配置的工具，而是能够理解业务、自主学习、协作执行的智能体。这不仅是技术的进步，更是企业自动化能力的跨越。当文档这个"最后一公里"被打通，企业的端到端自动化才能真正实现。 什么是ADP？ ADP（Agentic Document Processing，智能体文档处理）是基于大语言模型和视觉语言模型，结合智能体技术，实现文档端到端自动化处理的新一代平台。 这个定义包含三个关键要素： ADP代表了文档处理领域的两个根本性转变。第一个转变是从识别到理解。OCR和IDP的方式是识别字符、提取字段、输出数据，这是一种机械式处理；而ADP的方式是理解语义、理解业务、自主执行，这是一种智能化处理。第二个转变是从工具到智能体。传统系统是被动响应的工具，需要大量的人工标注和反复的模型训练；而ADP是主动理解的智能体，能够基于目标去自主完成任务。 大模型提供的通用理解能力是ADP的基础，但光有这个基础还不够。理解大模型和ADP的关系，最好的类比是操作系统与应用的关系：大模型是底层的"理解引擎"，ADP是构建在其上的"应用系统"。 大模型的三个根本性局限 第一，大模型没有记忆，每次生成都靠输入指令驱动。大模型本质上是无状态的（stateless），它不会记住之前处理过什么文档、提取过什么信息、遇到过什么异常。企业文档处理的现实是：今天处理100张A供应商的发票，明天处理100张B供应商的发票，后天又来了C供应商的新格式。如果直接使用大模型，每次都需要给它不同的指令，这种"健忘症"使得大模型无法胜任需要上下文延续的企业应用场景。 第二，大模型本身不能持续学习和优化。大模型的能力在训练完成后就固定了，它无法从实际业务中学习和改进。当企业使用大模型处理文档时，即使发现某些字段总是提取错误、某些格式总是识别不准，大模型也无法自动优化。人工反馈和修正的数据无法被系统吸收，每次处理都是"从零开始"。这意味着只用大模型处理文档无法形成"越用越好"的数据飞轮效应。 第三，大模型无法处理多步骤复杂任务。真实的文档处理往往需要多个步骤：先对文档进行分类，再读取文档的内容，然后从中提取和业务相关的信息，接着进行计算与核验，最后执行业务动作。大模型擅长单次推理，但无法准确可靠的执行这样的多步骤工作流，这种"单打独斗"的特性使得大模型无法胜任复杂的端到端业务流程。 这三个根本性局限决定了：企业不能直接使用大模型来处理文档，而需要在大模型之上构建应用层。ADP正是这样一个应用系统，它不仅利用大模型的理解能力，更在此基础上补足了记忆、学习和编排能力，将"理解引擎"转化为"可用产品"。 那么，ADP究竟如何补足大模型的这三个局限？它的核心特性是什么？我们在下一节详细展开。 传统IDP需要为每种文档类型准备大量标注样本，而ADP实现了零样本学习：用自然语言描述需求，如"提取这批发票中的供应商名称、发票号、商品明细和总金额"，即刻生效，无需训练等待，即使供应商更换文档模板也无需重新配置。 ADP支持100+种语言，包括简繁中文、英语、日语、欧洲多国语言、东南亚多国语言等，一套系统自动处理多种语言，多语言混合文档也能正确处理。这种多语言支持能力对于跨国企业和跨境业务场景至关重要。 ADP的泛化能力体现在多个维度：格式泛化，支持对段落、多栏、表格等各种格式的解析；场景泛化，在少量样本上适配的能力可以迁移到未见过的样本上；任务泛化，不仅能提取信息，还能胜任分类、对比、审核、总结等多种任务。 ADP的独特优势在于通过人机协同形成数据飞轮，让系统越用越聪明，让文档处理效果持续提升。ADP的人机协同可同时基于置信度与业务规则，判断是否需要人工介入，实现智能分流。具