Inscribe 借助 Amazon Bedrock 构建智能体文档欺诈检测系统

金融科技公司 Inscribe 在 AWS 官方博客发文，介绍其基于 Amazon Bedrock 构建的新一代智能体（agentic）文档欺诈检测系统。该方案将单笔贷款申请的审核时间从传统人工的约 30 分钟压缩到 90 秒以内，速度提升约 20 倍，同时试图保持金融场景所需的解释性与合规性。本篇文章本质上是一篇客户案例与产品宣传稿，但其中涉及的多模型编排思路、智能体工作流设计以及若干公开统计数据，对关注 AI 在风控领域落地的从业者仍具参考价值。

背景：文档欺诈规模快速扩张

Inscribe 在其《2026 年文档欺诈状况报告》中指出，每 16 份提交至金融机构的文档中就有 1 份存在欺诈痕迹，2025 年 4 月至 12 月间 AI 生成的伪造文档数量增长了 5 倍。随着 deepfake、合成身份等新型攻击手段涌现，传统依赖人工加规则引擎的审核体系越来越难以应对。Inscribe 自 2017 年起为银行、贷款机构和金融科技公司提供 AI 文档风控服务，此次发布的智能体方案是其最新一代产品。

痛点：人工审核难以兼顾规模与质量

以一笔中型银行贷款申请为例，客户通常要提交银行流水、工资单、报税文件与身份证明等多份材料。审核员需要逐份验证真实性、跨文档交叉比对、识别 deepfake 与 AI 伪造痕迹，并对雇主、地址等信息进行外部核实。文章总结出三类挑战：

• 规模瓶颈：业务量增长需要按比例扩充审核人力，成本上升但准确率未必提升。
• 适应性不足：静态规则难以识别 deepfake、AI 伪造文档以及有组织的身份盗窃团伙。
• 一致性风险：不同审核员对类似案件可能得出不同结论，带来合规与公平性隐患。

方案：以智能体 AI 模拟专家审核流程

Inscribe 在 Amazon Bedrock 上构建的智能体系统，核心思路是「按任务选择模型」而非「一个模型包打天下」。系统接收一份文档后，会按需路由到最合适的模型，调用外部 API 进行取证核查，并行执行多项分析，最终合成一份可用于审计的风控报告，全程无需人工介入。

Amazon Bedrock 在其中承担的角色包括：

• 广泛的模型选择：可在统一 API 下使用 AI21 Labs、Anthropic、Cohere、Meta、Stability AI 等厂商的基础模型，根据任务灵活匹配。
• 无服务器弹性伸缩：可应对从凌晨低谷到白天高峰的请求波动，无需自建推理基础设施。
• 企业级安全合规：数据传输与存储均加密，通过 IAM 实现细粒度访问控制，满足金融业监管要求。
• 模型版本治理：支持在预发布环境验证新版模型后再上线，兼顾迭代速度与风控准确率。

文章原文中关于「如何为不同任务匹配模型」「Anthropic Claude 等具体模型的选型评估」「成本与延迟对比」等关键细节在抓取时被截断，完整的技术拆解有待 AWS 与 Inscribe 后续发布完整版本。从可获取的内容看，Inscribe 强调基础模型擅长理解上下文、跨文档推理并生成自然语言解释，这些能力对欺诈分析至关重要；通过协调不同模型完成各步骤，可以在更低成本下取得比单一模型更好的效果。

效果与局限性

Inscribe 表示，新系统将审核时间从约 30 分钟降至 90 秒以内，相当于约 20 倍提速。文章给出的核心数字仅有这一项，更具体的基准测试、误报率、对比实验以及不同模型组合的成本结构均未在可见片段中披露。作为一篇客户案例文，其论述侧重于业务价值与架构理念，技术复现所需的细节仍有不足；读者在引用相关数据时，建议回到 Inscribe 的《2026 年文档欺诈状况报告》原文进行交叉验证。