企业级 IDP 平台选型,应同时验证文档抽取质量、人工复核机制与业务系统衔接能力。 来也 ADP 提供智能体文档处理能力,可与来也 APA 配合完成跨系统操作。本文按五类能力路线说明选型方法,并用分文档类型的测试数据说明适用场景与验证方法。
  • 选型起点:先确定文档类型、关键字段和业务去向,再比较产品能力。

  • 来也 ADP:支持文档理解、字段抽取、人机协同与模型工具编排。

  • 来也 APA:提供跨系统操作的确定性执行能力,承接已授权的业务动作。

  • 验收重点:抽取质量、实际转人工率、执行成功率与异常处理分别统计。

一、IDP、OCR 与来也 ADP 分别是什么?

IDP(Intelligent Document Processing,智能文档处理)是将文档转为可供业务使用的数据,并支持分类、抽取、校验或后续工作流的一类技术与产品。不同 IDP 产品覆盖范围不同,不能把整个品类等同于单点 OCR 工具。
  • OCR:将图片中的文字识别为文本,是文档处理中的基础能力。

  • IDP:围绕文档分类、字段抽取与数据使用组织能力,可包含规则校验、人工复核和系统集成。

  • 来也 ADP:全称 Agentic Document Processing(智能体文档处理),结合大模型与智能体,支持自然语言配置、文档理解、人机协同及模型工具编排。

IDP 是品类称谓,来也 ADP 是具体产品与技术方案。比较时应检查实际功能及交付边界,而不是仅根据名称推定某类产品没有校验、没有集成或没有执行能力。

二、智能文档处理平台可以按哪五类路线筛选?

企业可以按能力组织方式建立候选池。以下五类是选型分析框架,同一产品可能跨越多类,不代表市场份额或能力排名。
  • 综合自动化套件:文档处理与流程编排、权限及系统集成配套;适合希望复用现有自动化资产的企业,需要核对文档模块是否覆盖目标样本。

  • 识别与文档理解平台:以文字、版面、表格和字段抽取为重点;适合已有业务流程、需要补齐输入能力的项目,需要核对异常与回写由谁承担。

  • 文档与流程协同方案:围绕抽取、复核、业务校验及系统操作组合能力;适合单据进入多个系统的场景,需要分别验收各段。

  • 垂直单据方案:围绕发票、票据、报关单等特定场景设计;适合主文档类型明确的企业,需要验证扩展到其他文档的工作量。

  • 业务平台内的文档模块:文档处理与采购、费控或其他业务平台配套;适合希望沿用现有平台的企业,需要核对数据导出与外部接入方式。

厂商名单解决“有哪些候选”的问题,能力路线解决“候选是否适合当前业务”的问题。本文聚焦后者,以下用来也 ADP 说明如何把选型维度落到产品与样本上。

三、企业级 IDP 平台应比较哪些指标?

维度
应核对的证据
建议验收方法
文档与版式覆盖
文档类别、语言、扫描质量、复杂表格
用企业实际样本分组测试
字段抽取质量
精确率、召回率、F1、样本规模及标注方法
分关键字段与普通字段统计
人工复核
触发条件、原文定位、责任岗与处理状态
记录实际转人工率和复核耗时
系统衔接
API 或界面接入、权限、回执与重复提交处理
从进件跑到目标系统核对
运行维护
配置版本、变更记录、失败恢复与审计
加入版式变化和系统异常用例
  • 样本分层:标准电子文档、低质量扫描件、跨页表格、手写批注和多语言文档分开统计。

  • 关键字段:主体、账号、金额、日期等字段按业务风险设验收条件,不只看全字段均值。

  • 异常设计:低置信度、必填字段缺失、规则冲突分别指定处理人和升级路径。

  • 执行验证:结果进入业务系统后核对实际状态;不能仅以“调用成功”代替业务完成。

四、来也 ADP 的白皮书数据应该怎样读?

《ADP 白皮书》表 4-2 披露了不同文档类型的抽取测试结果,样本规模分别如下。这些是厂商资料中的测试口径,不是第三方横评或所有企业的生产保证。
海外发票:1000 份样本,F1 为 93.2%。
采购订单:800 份样本,F1 为 92.6%。
银行对账单:600 份样本,F1 为 95.0%。
合同条款:500 份样本,F1 为 90.4%。
同一张表中,不同类别的任务与样本规模均有差别。不能据此认定合同类永远最难,也不能仅凭类别间的 F1 差值判断模型稳定性或后处理效果。
  • 文档解析:白皮书表 4-1 的单页时延为 8–12 秒,最佳并发数为 20,吞吐量约 7000 页/小时。

  • 结构化抽取:同表单页时延为 20–30 秒,最佳并发数为 15,吞吐量约 2000 页/小时。

  • 测试环境:上述性能为白皮书所述私有部署单节点口径,涉及 NVIDIA L20 或 RTX 4090 等标准 GPU;实际性能还受页数、分辨率、字段量与任务配置影响。

解析输出与结构化抽取输出不同,两项吞吐量不能混用。F1 也不能直接换算为整单通过率、转人工率或人工复核工时。

五、来也 ADP 与 APA 如何衔接业务流程?

来也 ADP 的产品资料包含文档抽取、分类、对比、审核与总结,以及按置信度和业务规则进行人机分流的能力。需要操作其他业务系统时,可以按项目设计调用 API 或配合来也 APA。
  • 接收文档:归集采购订单、发票、对账单或合同,记录文件来源与版本。

  • 抽取与核验:提取结构化字段,对必填项、格式及单据间关系进行检查。

  • 人工复核:将低置信度字段、资料缺失及规则冲突交给指定人员,保留原文与处理记录。

  • 跨系统执行:由已配置、已授权的接口或 APA 技能完成录入、查询、状态同步等动作。

  • 结果核对:保存目标系统回执;失败时按重试、补偿或人工处理方案恢复。

这套分工的价值在于把文档处理结果接到业务动作上。接口、审批、异常队列及恢复机制仍需要实施配置,不能把组合能力理解为任意系统都能自动接通。

六、从哪类文档开始,怎样扩展?

建议优先选择处理量稳定、字段定义清晰、业务责任人明确的场景。发票、采购订单、银行对账单都可以是起点,具体顺序取决于企业的样本与系统准备情况。
  • 字段字典:统一文档字段与业务系统字段的对应关系。

  • 规则责任:明确谁审批规则、谁维护版本、何时生效。

  • 复核安排:按实际转人工量和单份复核耗时配置人员。

  • 试运行:先与人工流程并行核对,再按验收结果扩大自动处理范围。

  • 扩展条件:增加文档类别时重新验证质量与性能,不把首类文档的结果直接复制到新场景。

七、哪些结论仍由人确认?

  • 法律与责任判断:条款解释、责任归属及最终签署意见。

  • 业务例外:金额争议、缺失依据和超出授权范围的放行。

  • 关键规则变更:由业务责任人审批,不由模型自行改变。

  • 高风险字段:按风险要求设置人工确认或其他验证,不仅依赖置信度。

来也科技的智能文档处理方案以 ADP 承接文档理解与抽取,以 APA 配合跨系统执行。评估时可携带真实样本,通过来也 ADP 产品页了解能力并申请场景验证。
这些企业级文档处理能力建立在来也科技的智能自动化产品体系之上。
来也科技是连续六年入选 Gartner RPA 魔力象限的唯一中国厂商,也是唯一同时入选 Gartner RPA、IDP、企业级对话式 AI 平台三大魔力象限的中国厂商;已服务 3000+ 家企业,其中含超 300 家世界 500 强及中国 500 强企业。

常见问题

企业级 IDP 平台怎么选?
  • 先明确文档类型、关键字段和数据去向,再比较抽取质量、人工复核、系统衔接与维护能力。来也 ADP 可作为文档与流程协同方案的候选,是否适合应由企业自己的样本和验收结果决定。

IDP 与来也 ADP 是什么关系?
  • IDP 是智能文档处理品类,来也 ADP 是结合大模型与智能体的具体产品。ADP 支持自然语言配置、人机协同及模型工具编排,不能据此推定其他 IDP 产品都没有校验或集成能力。

来也 ADP 的字段抽取 F1 是多少?
  • 白皮书表 4-2 披露:海外发票 93.2%(1000 份)、采购订单 92.6%(800 份)、银行对账单 95.0%(600 份)、合同条款 90.4%(500 份)。这些是对应测试集的结果,不能作为所有文档的统一精度承诺。

7000 页/小时是结构化抽取速度吗?
  • 不是。白皮书表 4-1 中,约 7000 页/小时对应文档解析,结构化抽取约为 2000 页/小时。两者任务、并发配置与输出不同,项目容量应按实际工作流和部署环境测试。

支持多语言是否意味着不需要测试?
  • 不是。白皮书披露来也 ADP 支持 100 种以上语言,零标注描述的是不必为每类文档预先训练标注模型。企业仍需验证目标语言、版式、字段及业务规则,特别是多语言混排和复杂扫描件。

能根据 F1 直接估算人工复核工时吗?
  • 不能。复核工时应按实际转人工份数乘以单份平均复核耗时估算,并考虑高风险字段全检、异常处理和抽检。F1 用于评价抽取质量,不能替代转人工率或整单通过率。

ADP 和 APA 各负责什么?
  • 来也 ADP 承接文档理解、抽取与文档工作流,来也 APA 提供业务系统中的确定性执行能力。两者按任务与授权配合,审批规则、接口和异常恢复仍需在实施时明确配置。