为什么“理解文档”,正在成为下一代企业 AI 的分水岭?
文档,一直是企业数字化中最被低估、却最核心的“非结构化资产”。
合同、发票、标书、工单、制度、报告、邮件、扫描件、PDF…… 在几乎所有企业系统中,真正承载业务含义的,并不是数据库字段,而是文档本身。
过去 20 年,企业对文档的处理路径高度一致:
OCR → 规则抽取 → 人工校验 → 入库
而今天,这条路径正在被彻底重写。
一、传统 Document AI 的三大“天花板”
在进入 Agentic Document AI 之前,我们必须先承认一个事实:
绝大多数“文档识别系统”,并不理解文档。
1️⃣ OCR ≠ 理解
OCR 解决的是“看清字”,不是“理解意思”。
即便识别率达到 99%,系统依然不知道:
- 这是一份合同,还是报价单?
- “交付日期”指的是哪个条款?
- 哪一页才是最终版本?
2️⃣ 模板与规则不可扩展
传统 Document AI 的核心是:
- 固定模板
- 正则规则
- 字段位置假设
一旦遇到:
- 多版本合同
- 扫描质量差
- 表格结构变化
- 跨页语义
系统就会指数级崩溃。
3️⃣ 系统“只提取,不思考”
传统方案本质上是一个 ETL:
文档 → 字符 → 字段 → 表
它无法回答任何业务级问题:
- 这份合同是否存在风险?
- 是否违反公司制度?
- 与历史合同相比是否异常?
二、LandingAI ADE:不是“更强 OCR”,而是范式迁移
Andrew Ng 在 LandingAI ADE 中提出的,并不是一个“更准的识别模型”,而是一个全新的文档理解范式。
我们可以把 ADE 的核心理念总结为一句话:
文档不再是“输入数据”,而是 Agent 的工作对象。
ADE 背后的三个关键转变
转变一:从「字段提取」到「任务驱动理解」
传统系统问的是:
“我该从这份文档里提取哪些字段?”
Agentic Document AI 问的是:
“我现在要完成什么任务?这份文档对任务意味着什么?”
举例:
- 任务是 合同风险审查
- 任务是 费用合规判断
- 任务是 工单归类与路由
文档只是 Agent 推理过程中的一个上下文证据源。
转变二:从「一次性推理」到「多轮思考」
ADE 的核心不在 OCR,而在 Agent Loop:
- 读取文档
- 形成初步假设
- 定位关键段落
- 验证假设
- 若不确定 → 回到文档重新查证
这与人类阅读高度一致。
不是“抽字段”,而是“反复阅读、确认、推理”。
转变三:从「规则系统」到「可解释推理」
ADE 强调:
- 每一步推理可追溯
- 每个结论有证据
- Age…