Finanšu audits ar lokālo AI

Liela dokumentu apjoma audits bez datu nodošanas trešajām pusēm: konvertēšana, anonimizācija, RAG analīze uz lokāliem modeļiem

Projekts korporatīvās grupas līdzekļu nelietderīgas izmantošanas atklāšanai: dokumentu masīvs (apmēram 3.9 GB Markdown formātā) tiek apstrādāts lokāli vai drošos serveros. Darba rezultātā tapa LLM un GPU infrastruktūras pētījums, galīgais scenārijs „kvalitāte pret laiku“ uz vienas H200 GPU ar Qwen2.5-72B un divlīmeņu eskalāciju (mazs modelis izvēlas aizdomīgos fragmentus, liels veic detalizēto analīzi), izmaksu novērtējums un ceļvedis. Tika izveidoti rīki konvertēšanai uz Markdown, atgriezeniskai personas datu anonimizācijai un RAG analīzei uz Milvus; veikta izmēģinājuma analīze ar noslēguma atskaiti.

Uzdevums

Noskaidrot, kur, kad un kāpēc tika iztērēta nauda, nenododot konfidenciālus datus ārējiem pakalpojumiem.

Kas iekšā

• PDF, DOCX, XLSX un citu formātu konvertēšana uz Markdown
• Atgriezeniska anonimizācija (Presidio, spaCy NER, Faker): vārdi un uzvārdi, organizācijas, tālruņa numuri, e-pasta adreses, datumi, summas, INN, SNILS, OGRN, bankas konti, kartes, IBAN; reālistiskas aizstāšanas un vietturu režīmi, datumu nobīde, summu mērogošana, atbilstības tabula deanonimizācijai
• Saistīto dokumentu (līgumi, rēķini, maksājuma uzdevumi, vēstules, izpildes akti) RAG analīze un entītiju un darījumu grafs ar anomāliju atklāšanas noteikumiem
• Air-gapped režīms darbam bez ārējiem API; atskaites Markdown, JSON un Excel formātā

Mašīntulkojums — notiek korektūra.