证券公司的柜面业务是服务客户、保障合规运营的基础环节，其核心之一在于对客户提交的各类申请材料进行准确合规的审核。该环节的处理效率与质量，直接影响客户的业务体验、公司的运营成本及合规风险控制。

回顾其发展历程，可以清晰看到从高度依赖人工到逐步迈向智能化的演进路径。

从人工到智能，证券柜面业务审核跨越式升级

丨阶段1：分散式网点审核

证券公司的柜面审核工作以分散模式在各营业部独立进行。各营业部设有柜员或后台审核人员，负责接收客户资料，进行身份核验、资料录入与复核。

由于审核工作分散在各地，总公司难以对审核标准进行统一的管理和监督，不同网点、不同审核员之间容易出现标准不一的情况，当业务量增大时，客户等待时间长，员工工作负荷大。

丨阶段2：集中运营

为了解决分散模式下的管理和效率问题，各大证券公司开始陆续建立集中运营中心或集中审核部门，前端营业部负责接收并扫描客户资料，将影像件上传至后台系统，由总部专业团队统一审核。

集中化作业使得审核流程和标准得以统一，公司可以实施标准化的操作规程，并有效提升了风险控制的水平，处理效率也随之提升。但其核心仍依赖人工审核，人力成本高企、处理规模受限的问题依旧存在。

丨阶段3：OCR识别辅助审核

随着OCR技术的成熟，将审核带入了人机协作的阶段。系统能够自动识别并提取影像资料中的关键信息，并预填至业务系统。审核人员的工作重心从繁重的键盘录入转变为信息核对。

这一阶段主要问题体现在两个方面:

第一，OCR对于版式固定的卡证识别效果极佳，但是识别非标准化文档时，比如开户申请表、风险揭示书、授权委托书等，识别效果就会大打折扣。想要实现对新文档版式高精度抽取，需要针对这个版式进行单独的开发和模型训练，成本高，周期长，难以快速响应业务需求的变化。

第二，证券审核中包含大量复杂的规则匹配和交叉验证工作。比如，需要确认授权委托书中的被授权人与业务申请表中的经办人是否为同一人；需要检查某项决议的签署日期是否在有效期内。这些都需要审核人员具备专业的业务知识进行逻辑判断，大部分核心的审核工作依然需要由人工来完成。

丨阶段4：大模型智能审核方案

以大语言模型（LLM）为代表的人工智能技术，凭借其强大的泛化理解和逻辑推理能力，为构建新一代的智能审核体系提供了可能。

这一阶段的核心进步，在于审核系统拥有“智能大脑”。它能实现对任意非标材料“开箱即用”式的信息提取；更重要的是，还能深度理解证券业务的复杂逻辑，自动完成以往最耗时的人工交叉验证工作。

DeepIDP赋能柜面业务，开启AI智能审核新常态

易道博识推出的智能文档处理平台（简称DeepIDP），正是这一阶段技术的具体应用。

丨端到端的文档处理流程

机构开户等需要批量上传影像资料的场景中，业务人员只需将客户提供的文件上传，DeepIDP即可对影像进行智能分拣和精准归类，自动识别出哪些是营业执照，哪些是法人身份证，哪些是授权委托书，整个过程无需人工干预。

丨强泛化能力，实现非标文档精准抽取

借助大模型强大的泛化能力，仅需输出提示词即可实现非标文档的精准抽取，开箱即用，无需定制开发，可快速响应新业务需求。而且大小模型协同架构，可根据任务的复杂度和需求，自动调度最合适的模型进行处理。

丨审核规则智能处理，自然语言配置规则

DeepIDP可借助大模型推理能力，对复杂业务资料审核项智能分析。

传统审核系统的规则调整通常需要IT部门进行代码修改，响应周期长。在智能审核中，业务人员可以用自然语言描述审核要点。

例如“自然人代理开户时，授权委托书上的代理人与身份证信息必须一致，授权有效期需在申请日期之前”，传统系统需规则串联+日期比对，大模型可直接从文档语义判断代理关系与有效期逻辑。

当新的监管要求下发时，企业可以在数小时内完成审核规则的线上更新，确保业务的持续合规，有效规避潜在的合规风险。