基于 Ragify 的智能体信贷流水线：俄罗斯前五大银行之一的试点经验

俄罗斯前五大银行之一正在试点一条智能体信贷流水线，其构建基础是 Ragify ——RESTART AI Platform 的组成产品。我们不披露银行名称；本文既不包含其内部数据，也不包含试点结果。试点仍在进行中，本文介绍的是工程层面：需要构建什么以及原因。

这是法人信贷的典型任务。每笔申请都会收到一个企业文件包：设立文件、会计和税务报表、银行账户流水、与买方的合同、担保人及关联公司的文件。通常为二三十个文件，其中部分为扫描件。随后，信贷经理对照清单核查文件是否齐全，分析师手动将指标转入计算表格，在不同文件之间核对相同数值，按信贷政策进行检查并撰写结论，然后为信贷委员会编制信贷表格。

由此产生了信贷部门负责人熟悉的问题：

• 手动录入一个文件包需要数小时，在此期间交易一直在排队等待分析师处理；
• 相同的检查，不同分析师执行方式各异；
• 偏离规程的情况——数字取自其他文件、经委员会决议突破标准——在流转到信贷表格的过程中丢失；
• “谁、基于什么依据、更改了什么”的历史要从往来邮件中拼凑。

为信贷业务单独开展的 AI 项目需要从零构建集成、数据保护、角色模型和日志。下一个项目——采购或合同审查——的成本几乎与第一个相当。我们选择了另一条道路：基于 Ragify 构建流水线，流程通过配置来描述。

核心架构原则：决策由确定性引擎按照银行方法论计算。语言模型从文件中提取数据、引用规则并撰写草稿。交易决策由员工和银行引擎做出。

对银行而言，这意味着流程变更的速度与规程变更同步：方法论专家可自行修改标准，无需排队等待开发。而经网络安全部门批准的环境、角色模型和脱敏规则随后也可供其他流程使用。

平台按照银行方法论计算指标：营业额、买方和供应商集中度、现有贷款、费用和利润、现金流预测以及最高建议贷款金额。每个指标的得出方式都清晰可见；如果计算缺少某些数据，也能立即看出。分析师可以向智能体提出“假设”问题——在不同期限或利率下金额会如何变化——智能体将按同一方法论重新计算，而不更改申请。

分析师结论由评级、业务特征、优势与劣势以及风险组成。部分章节由智能体起草，分析师修改，人的修改不会被下一版草稿覆盖。结论和信贷表格按银行的 Word 和 Excel 模板生成。

申请阶段、期限和流转按钮同样通过设置定义。队列按顺序分配申请；在设定天数后申请被标记为“紧急”，超过期限后标记为“逾期”，这些事件会触发通知和智能体。

以下是在测试文件包上获得的参考值。这些并非试点结果：基于具体银行的文件，数据将在试点中进一步确认。

对我们来说，最后一点比速度更重要：信贷表格不会带着空白单元格或取自错误文件的数字提交给委员会——生成后，平台会自行列出这些位置。

试点采用影子模式。流水线与分析师并行处理真实申请，并逐笔将流水线的结论与人工决策进行比较。在此模式下，流水线不影响银行的决策。

在这种模式下，成功标准和阈值在启动前与银行商定。银行需要提供流程负责人、方法论专家和用于比对结果的分析师，提供方法论、标准以及结论和信贷表格模板，并在银行环境中为平台和本地模型提供服务器。

试点仍在进行中。本文不提供试点结果——仅提供测试文件包上的参考值。