从2024年1月至5月，根据银行间交易商协会发布的统计数据，按照中长期承销额排序，前20大主承销商的产品发行如下图。相比2023年上半年，单家最高增加了约203只产品，平均每家机构新增发行约76只产品。

（图片来源：交易商协会公开信息）

发行产品数量不断增加，随之带来同样海量的文档审核工作。同样，一个高效的债券发行文档审核系统，可以帮助机构加快新产品的推出与发行。

银行债务融资工作注册文件通常需要4个步骤，尽职调查（尽调压实责任）、编写募集说明书（编写+内核）、制作注册材料（编制发行配套文件）、上报注册材料（向交易商协会报送发行材料）。举例，募集说明书现有的审核流程通常为：

由此可见，在银行间债券主承业务中，由于文档数据分散、上下核对繁琐、审核标准松紧程度不一，人工审核易错，往往需要花费较长时间进行审核，且投入的人力成本较高，负责审核的业务人员，无法实现更高产出，投入更有价值的工作中。

随着数字化转型浪潮的推进，以及金融机构的技术发展需要，虽然已经存在一些自动化文档审核系统，但一些实际核查需求，依然没有被很好地解决。

如果主承机构内部没有形成主动的专家知识沉淀机制，当发生人员调动时容易造成专家知识丢失的情况。当审核标准更新时，主承机构往往也无法迅速、全面地更新标准审核内容。

从单份材料的名称、数值等信息核查，到多份材料中关联的名称、数值的核查。债券文档 AI 核查系统对银行债券发行规范中的募集说明书、法律意见书、财务报告、评级报告等多种文档进行智能核查，完全依靠人工审核的方式已经被逐渐淘汰。

鉴于机构对主动沉淀知识和繁复文档审核的功能需求，我们提出相应解决方案：建立一套债券发行文档智能核查系统，以提高核查准确率、扩宽核查类型、彰显金融业务的强专业性，为债务融资工具提供发行质控能力，提高主承机构在投行领域的影响力。

针对债券文档的数据来源特点和现阶段的常用文件类型，接入数据。基于金融领域的强专业性和知识密集的特点，对文档的版面、篇章结构、表格等进行专业的智能化解析。关注表格（有框、无框）的特殊性，进一步分析相关数值并提取、定位，再根据逻辑规则等进行核查，最终给出判定结果。

在大模型时代构建智能文档核查系统，其实也是在构建独属于企业/机构内部的业务专家系统，基于大模型、自然语言处理（NLP）、提示工程等技术，赋能内部知识管理和快速建模，让智能核查系统保持“知识更新”和“快速迭代”的能力。

目前相对成熟的智能核查系统，至少可以在以下四大需求场景解决专业核查问题：

场景：发行实质性错误核查。

根据监管机构要求自动进行合规规则审核，降低发行合规风险，统一核查标准。基于业务规则需求和专业知识，将核查结果控制在目标范围内。

场景：错误自动统计，细分错误类型自动分析。

自动统计细分项目的错误、正确数量，根据统计结果进行错误原因侧重点分析。为机构内部知识系统，沉淀业务知识。

场景：根据操作习惯，多种方式呈现“错误”。

结合使用场景导出带批注的文件，并基于业务人员操作便利需求，支持在线可视化等展示方式。结合NLP技术，进一步优化系统的使用体验和便利程度。

场景：查阅该份文档核查过的规则。

分析上传文档特性后，选择不同的核查规则进行核查，支持搜索适用规则。灵活机动的动态展示方式，在实现人机协同友好的同时，基于大模型构建业务专家系统，让核查规则的选择更简单。