AI企业管理应用案例

浪潮海岳合同智审提效90%,错误率压到5%

大众日报11月14日报道,浪潮数字企业自研海岳大模型把语义理解与企业审核规则结合,合同审核效率提升至少90%、错误率控制在5%以内、风险识别率超95%(企业自测)。本文拆清三个数字的口径与中小企业可复制条件。

2026-11-15 16:22:45 · 主编:刘立永

浪潮数字企业自研的海岳大模型,把合同审核嵌进了企业经营管理流程。《大众日报》2026 年 11 月 14 日「垂域大模型看山东」报道:该应用审核效率提升至少 90%、错误率控制在 5% 以内、风险识别率超 95%(企业自测口径)。

一、通用模型看得懂条款,却不懂企业规矩

报道里的问题不是「AI 会不会读合同」,而是「会不会按本企业制度判」。一份合同涉及付款、验收、违约责任、保密、知识产权,不同类型审核重点不同,同一类合同在不同企业还各有管理要求。通用大模型能理解文字含义,却未必了解一家企业的业务,更难以直接按内部制度作出判断。更现实的限制是数据:合同属私有数据,可用于训练的高质量样本有限。浪潮海岳首席科学家路宽在同一篇报道中说,经营管理涉及大量内部数据、业务规则和审批程序,模型既要理解需求,也要知道数据从哪来、业务按什么规则处理。

二、改法:合成训练样本,再让规则管住边界

据《大众日报》11 月 14 日报道,做法分三步。一是补样本:从有限真实审核样本出发,用「可信数据合成+LLM 矩阵驱动扩增」构建训练集,由多款旗舰与开源模型组成「评审团」交叉验证、难度分级,精选中高难度样本作核心语料。第二步立规矩:采用「双模智审」,把大模型的语义理解能力与企业预设的审核规则结合,企业可对违约责任、付款、验收等条款配置专属规则和风险等级。第三步做迭代:引入场景化强化学习,从条款理解是否准确、合同类型是否匹配、上下文逻辑是否一致、是否符合规定四个维度评价输出。同一报道还提到,财务管理侧把大模型与企业管理软件结合,管理者可用自然语言直接查询经营数据,省去先定统计口径、再查报表汇总的环节。

三、三个数字是三个维度,别读成「准确率 95%」

「提升至少 90%」是审核效率的相对下限,「5% 以内」是错误率,「超 95%」是风险识别率——分别属于耗时、误判、漏检三种口径,既不能相加,也不能把风险识别率写成「审核准确率」。三个数字均由研发方在报道中披露,属企业自测口径,报道未给出样本量、合同类型分布、基线工时与测试集构成,也未见第三方测评或客户方独立验证。另有一处口径差异:一份报纸版面的文字识别结果显示「错误率控制在 3% 以内、风险识别率超 90%」,与多家网络转载的 5%、95% 不一致,引用前须核对原报。海岳大模型已通过国家网信办算法与生成式 AI 服务双备案、团队参与编制 7 项智能体互联国家标准,但备案与标准属资质,不等于对上述数字的验证。

四、山东中小企业可照用的三条判断标准

第一,选场景挑「条款类型稳定、审核规则写得出来」的一类合同起步,比如采购框架协议或标准销售合同,别一上来覆盖全部合同类型。第二,验收先记人工基线:单份合同平均审核时长、漏检条款数、误判退回数,与系统并行跑四到八周,用同一批样本对比,并要求每条风险提示能回链到具体条款与规则、保留人工终审——把「规则负责边界、模型负责理解」写进验收单。第三,避开两类坑:制度本身没成文、历史合同没归档,模型就没有可学的样本;也别用厂商自测准确率代替自家样本的实测值。

这几条前置工作,正是用友、金蝶、管家婆一类 ERP 与财务实施里最基础的主数据整理、单据流程梳理和账实核对。我们在山东做实施的体会是:先把客商、合同、付款条件这套底账理成唯一口径,AI 才有可校验的对象;底账不清,模型只会把不一致的条款更快地判过去。

参考来源:
1. 《大众日报》「垂域大模型看山东」《办公室来了「全能员工」》(微信转载),2026-11-14,http://mp.weixin.qq.com/s?__biz=MzIxNDUyMTg2Ng==&mid=2247627844&idx=2&sn=2ab042cfca5e86a721b8b083b27f7777
2. 澎湃新闻(同源转载),2026-11-14,https://www.thepaper.cn/newsDetail_forward_34477304
3. 腾讯新闻(同源转载),2026-11-14,https://news.qq.com/rain/a/20261114A06FO500