Финансовый аудит с локальным ИИ

Аудит большого массива документов без выхода данных наружу: конвертация, обезличивание, RAG-анализ на локальных моделях

Проект по выявлению нецелевого использования средств корпоративной группы: массив документов (порядка 3,9 ГБ в Markdown) обрабатывается локально или на защищённых серверах. Подготовлено исследование LLM и GPU-инфраструктуры, финальный сценарий «качество–время» на одной видеокарте H200 с Qwen2.5-72B и двухуровневой эскалацией (малая модель отбирает подозрительное, большая делает точный разбор), смета и дорожная карта. Собраны инструменты конвертации в Markdown, обратимого обезличивания персональных данных и RAG-анализа на Milvus; проведён пробный анализ с итоговым отчётом.

Задача

Определить, куда, когда и зачем были потрачены деньги, и при этом не передавать конфиденциальные данные внешним сервисам.

Что внутри

• Конвертация PDF, DOCX, XLSX и др. в Markdown
• Обратимое обезличивание (Presidio, spaCy NER, Faker): ФИО, организации, телефоны, e-mail, даты, суммы, ИНН, СНИЛС, ОГРН, счета, карты, IBAN; режимы реалистичной подмены и плейсхолдеров, сдвиг дат, масштабирование сумм, карта соответствий для деобезличивания
• RAG-анализ связанных документов (договоры, счета, платёжки, письма, акты) и граф сущностей и транзакций с правилами выявления аномалий
• Режим «air-gapped» для работы без внешних API; отчёты в Markdown, JSON и Excel