行业参考 · 金融 · 其他 · 证据 E1
Multi-Agent AI for Lending Control Case Study | NashTech
这是公开报道的其他企业案例，不是 Alan 交付的项目。内容由 AI 收集整理，以原文为准。
企业遇到的问题
银行房产开发金融的 QS 报告审查高度依赖人工，格式多样、耗时 30-60 分钟/份，存在遗漏风险且难以满足监管与审计要求。
概要
United Trust Bank (UTB) 房产开发分部的 QS 报告人工审查从 30-60 分钟/份降至 5-6 分钟，改善 80-90%。NashTech 在五周内交付多智能体 PoC，核心构建四周完成，第五周处理 UTB 反馈。n8n 由 SharePoint 上传触发工作流，Gemini 抽取 PDF，Azure OpenAI 校验与汇总，MongoDB 使用模拟对账数据。UTB 已要求后续提案探索正式生产实施。
原文写明的事实
- United Trust Bank (UTB) 是英国专业银行，业务涵盖房产开发金融、过桥贷款和专业抵押贷款
- QS 报告典型人工审查需 30-60 分钟
- PoC 后 QS 报告分析时间降至 5-6 分钟，改善 80-90%
- PoC 持续五周，核心构建四周完成，第五周处理 UTB 的疑问与反馈
- 技术栈包含 Gemini AI、Azure OpenAI (GPT-4)、n8n、SharePoint Online、MongoDB(mocked)、Azure container
- n8n 由 SharePoint 上传 QS PDF 自动触发工作流
- MongoDB 对账数据为 mocked，用于模拟内部校验
- UTB 已要求后续提案探索全面生产实施
还有 1 条细节，见文末原文来源。
怎么做的
- 输入：QS PDF 上传至 SharePoint 触发工作流
- 处理：Gemini 抽取 PDF 内容，Azure OpenAI 按 UTB 规则校验并比对模拟对账数据，识别异常与风险指标，生成结构化摘要
- 数据：QS 报告、UTB 规则、模拟对账数据
- 动作：异常与风险高亮，生成统一报告存回 SharePoint 供 QS 审核
- 输出：结构化摘要报告与可审计输出，单份处理时间降至 5-6 分钟
如果你也想做：复制评估
AI 初评，供参考。具体能不能做，要看你企业的数据、流程和人。
- 难度：中（需要配置 Skill / Connector）
- 需要的能力：PDF 抽取 Skill、规则校验 Skill、异常检测 Skill
- 需要接的数据/系统：SharePoint、MongoDB、Azure OpenAI、Gemini
- 仍需人工的环节：QS 人工审核报告；异常与建议复核；规则和阈值确认
- 风险：mocked 数据无法证明真实对账；银行监管合规要求高；多模型数据安全风险
- 原文没披露的：真实对账系统未对接；生产级权限与审计未验证；异常规则需银行自己定义
可稳定做到 PDF 抽取、规则校验与摘要草稿生成；真实对账对接与生产审计需另行开发并实测。
来源
证据说明：单一交付方官方案例页，内容具体，无独立第二来源。