Finansiel revision med lokal AI

Revision af en stor mængde dokumenter uden at data forlader huset: konvertering, anonymisering, RAG-analyse på lokale modeller

Et projekt til at opdage misbrug af en virksomhedskoncerns midler: et dokumentkorpus (omkring 3,9 GB i Markdown) behandles lokalt eller på sikre servere. Arbejdet frembragte en undersøgelse af LLM’er og GPU-infrastruktur, et endeligt scenarie »kvalitet kontra tid« på en enkelt H200-GPU med Qwen2.5-72B og totrins eskalering (en lille model udpeger mistænkelige poster, en stor foretager den detaljerede analyse), et omkostningsoverslag og en køreplan. Der blev bygget værktøjer til konvertering til Markdown, reversibel anonymisering af personoplysninger og RAG-analyse på Milvus; en prøveanalyse blev gennemført med en afsluttende rapport.

Opgaven

At fastslå, hvor, hvornår og hvorfor pengene blev brugt, uden at videregive fortrolige data til eksterne tjenester.

Hvad der er med

• Konvertering af PDF, DOCX, XLSX og andre formater til Markdown
• Reversibel anonymisering (Presidio, spaCy NER, Faker): fulde navne, organisationer, telefonnumre, e-mails, datoer, beløb, INN, SNILS, OGRN, bankkonti, kort, IBAN; tilstande med realistisk erstatning og pladsholdere, datoforskydning, beløbsskalering, en mappingtabel til de-anonymisering
• RAG-analyse af beslægtede dokumenter (kontrakter, fakturaer, betalingsordrer, breve, attester for udført arbejde) og en graf over entiteter og transaktioner med regler for afvigelsesdetektion
• En air-gapped tilstand til arbejde uden eksterne API’er; rapporter i Markdown, JSON og Excel

Maskinoversættelse — bliver gennemgået.