Inscribe 用 Amazon Bedrock 构建智能体系统，90 秒内检测文档欺诈，效率提升 20 倍

一句话看懂

Inscribe 用 Amazon Bedrock 构建智能体系统，90 秒内检测金融文档欺诈，效率提升 20 倍，同时满足合规要求。

详细发生了什么

金融文档欺诈正以惊人速度增长：每 16 份文档中就有 1 份存在欺诈，AI 生成的伪造文档在 2025 年 4 月至 12 月间增长了 5 倍。传统人工审核每份申请需要 30 分钟，且难以应对深度伪造和 AI 生成的虚假材料。

Inscribe 自 2017 年起专注 AI 文档欺诈检测，近期利用 Amazon Bedrock 构建了智能体 AI 系统。该系统像资深欺诈分析师一样跨文档推理，能在 90 秒内完成检测，速度提升 20 倍，同时保持金融监管所需的准确性和可解释性。

核心架构是“多模型协作”：不依赖单一模型，而是为不同任务选择最合适的模型。例如，Anthropic Claude Haiku 4.5 用于文档解析和字段提取等高频操作，成本降低 40%；Meta Llama 3.1 70B 和 Llama 4 用于交易数据提取，在性能相当的前提下降低成本；Anthropic Claude Sonnet 4 和 4.5 作为协调层，负责跨文档欺诈分析、多步推理和生成审计报告。

中文圈视角

这套方案对国内金融科技和风控领域有直接参考价值。

1. 国内用户能用吗？ Amazon Bedrock 目前在中国大陆无法直接访问，但类似思路可借助国内云服务实现。阿里云、华为云、百度智能云均提供类似 Bedrock 的模型托管服务，支持调用通义千问、文心一言、GLM 等国产模型。Inscribe 的“多模型按任务选型”策略同样适用——例如用轻量模型处理 OCR 和字段提取，用强推理模型做交叉验证。

2. 国产平替与对比 国内已有类似产品：蚂蚁集团的“蚁盾”风控系统、腾讯云的“慧眼”文档核验、以及多家初创公司（如合合信息）的 AI 文档检测。但 Inscribe 的智能体架构更具前瞻性——它不只是单点检测，而是模拟分析师的全流程推理。国内厂商可借鉴其“模型编排”思路，而非堆砌单一模型。

3. 对中文用户的具体场景 银行信贷审核、保险理赔、在线身份认证（KYC）是直接受益场景。例如，用户提交的银行流水、收入证明、身份证件可被系统在 90 秒内交叉验证，大幅缩短放贷时间。但需注意：中文文档的 OCR 和语义理解仍需专门优化，直接套用英文模型效果会打折扣。

4. 监管与合规 国内金融监管要求风控系统具备可解释性和审计能力。Inscribe 的“审计就绪报告”功能值得借鉴——系统自动生成每一步推理记录，满足《个人信息保护法》和《数据安全法》对数据处理透明度的要求。

几条值得记住的细节

欺诈率：每 16 份金融文档中就有 1 份存在欺诈，AI 伪造文档半年增长 5 倍。
速度提升：从人工 30 分钟缩短至 90 秒，效率提升 20 倍。
模型选型：Claude Haiku 4.5 用于高频任务，成本降低 40%；Llama 用于交易提取，性能相当但更便宜；Claude Sonnet 负责复杂推理。
架构特点：智能体系统可自动调用 web 搜索验证雇主信息，跨文档交叉比对，生成审计报告。
基础设施：Amazon Bedrock 提供 serverless 伸缩、企业级加密和模型版本管理，支持灰度发布。

一句话总结

Inscribe 的智能体架构证明：多模型协作比单一模型更高效，国内金融风控可借鉴其“按任务选模型”思路。