让 AI 撰写金融文档，难在哪？

随着新一代科技革命和产业变革，企业各个环节的信息与数据都正在被快速加工、流转和处理，赋能组织管理和效率提升。而文档撰写作为企业办公中最常见的场景，鲜少有实践性的应用成果落地。其难点在于：文档自动撰写不仅面临超高的技术壁垒，还需要与业务的场景细节高度契合。

01 写作素材来源多样

「信息抽取」是文档自动撰写的第一大挑战。

在信息时代，用户在写作中搜索素材的渠道越来越繁杂，少数结构化信息存储在数据库中，可以直接调用，而大多数素材往往被储存在各类PDF、Word、网页中，以表格、图像、文字等非格式化的形式存在，这些非结构化数据需要经过人的阅读理解，整理成结构化数据，才能使计算机正确地处理分析。

然而，仅凭人的阅读理解，难以跟上信息爆炸式增长的数字时代趋势。想要实现文档自动撰写，确保前期信息收集的全面性、准确性、及时性，就必须先解决信息抽取问题，让计算机可以自动、快速、准确地识别和理解非结构化内容。

02 内容撰写形式复杂

收集到足够的写作素材后，就面临文档自动撰写的第二大挑战：如何“撰写”内容，并且将撰写好的内容放到对应的位置中？

通常，根据模版化程度不同，我们将文档分为制式文档和非制式文档。

制式文档

制式文档设置了高度固定的撰写位置和撰写内容，明确规定了在什么位置填什么关键数据，需要训练计算机做“填空题”。制式文档大多是数据量少，模版固定的表单和短文档，在实际应用中，存在文档模版管理的困难，每种文档对应的模板可能需要频繁更新，需要不断维护和训练。

在金融文档中，常见的制式文档有债券发行相关文件，如发行公告，付息公告等，整个文档的内容和格式是固定的，只需要在指定的位置填写上更新数据即可。

（制式文档的撰写：在指定的位置更新数据）

非制式文档

非制式文档的典型特征是填写位置和填写字段是不固定的，区别于制式文档，非制式文档需要在规定的目录结构下灵活填写内容，需要训练计算机做“命题作文”。非制式文档适合应用在数据量多的长文档中，符合商业中常见的文档撰写场景，但技术难度极高。

做“命题作文”是什么？以金融领域中常见的债券募集说明书为例，各个章节内必须包含的内容和格式是《公司信用类债券信息披露管理办法》明确规定的，但内容的表达方式却具有很强的灵活性和自由度。大到采用表格、图片还是文字的形式撰写，小到陈述顺序、表格横纵坐标...不同债券的规定千差万别。

在金融文档中，常见的非制式文档有ABS计划说明书、ABN募集说明书、债券募集说明书等。

（非制式文档的撰写：目录结构相同，内容千差万别）

03 AI +行业，落地困难

除了攻克复杂的 AI 技术难题，还需综合考虑产业实际需求和用户使用体验，这也是文档自动撰写落地的第三大挑战。

AI 落地，不是单纯的科研进展，而是从企业战略到业务细节的全体系问题。就像巨轮在海上行驶，纵然底部的技术引擎可以源源不断地提供动力，也要留意掌舵扬帆的每一个细节，方能安稳无虞，乘风破浪。

首先，文档自动撰写要满足业务的专业规范。信息是资本市场的核心要素，在具有”文档密集型“特点的金融领域，文档往往具有法律效力。对披露信息的真实性、完整性和准确性都有极高的要求。这种“0”误差的严苛标准，是文档自动撰写能力与业务场景需求深度融合的高难度挑战。

与此同时，也要兼顾用户的使用习惯和逻辑，使产品体验符合用户心理及行为规律，满足用户长文档在线浏览、流畅编辑、多人协作的基本需求，确保用户产品使用体验流畅连贯，一气呵成。

Glazer 金融文档智能撰写系统

早在2020年，庖丁科技深度融合自然语言处理和计算机视觉等前沿 AI 技术，推出了 Glazer 金融文档智能撰写系统，率先从金融领域实现文档自动撰写应用性突破。目前，Glazer 已经应用于中信证券、华泰证券、宁波银行、中诚信国际等多家金融机构，累计撰写上千份金融文档，累计更新200多万个数据。