AI-system · finans, internrevision och utredning av otillbörliga utgifter
Finansiell granskning med lokal AI
REKA Group · 2025 · AI-system · Python, Microsoft Presidio
Granskning av en stor mängd dokument utan att data lämnar huset: konvertering, anonymisering, RAG-analys på lokala modeller
Ett projekt för att upptäcka missbruk av en företagskoncerns medel: ett dokumentkorpus (omkring 3,9 GB i Markdown) bearbetas lokalt eller på säkra servrar. Arbetet gav en studie av LLM:er och GPU-infrastruktur, ett slutligt scenario ”kvalitet kontra tid” på en enda H200-GPU med Qwen2.5-72B och tvåstegseskalering (en liten modell pekar ut misstänkta poster, en stor gör den detaljerade analysen), en kostnadsuppskattning och en färdplan. Verktyg byggdes för konvertering till Markdown, reversibel anonymisering av personuppgifter och RAG-analys på Milvus; en provanalys genomfördes med en slutrapport.
Uppdraget
Att fastställa var, när och varför pengarna spenderades, utan att lämna ut konfidentiella data till externa tjänster.
Vad som ingår
- Konvertering av PDF, DOCX, XLSX och andra format till Markdown
- Reversibel anonymisering (Presidio, spaCy NER, Faker): fullständiga namn, organisationer, telefonnummer, e-postadresser, datum, belopp, INN, SNILS, OGRN, bankkonton, kort, IBAN; lägen med realistisk ersättning och platshållare, datumförskjutning, beloppsskalning, en mappningstabell för avanonymisering
- RAG-analys av relaterade dokument (avtal, fakturor, betalningsorder, brev, intyg om utfört arbete) och en graf över entiteter och transaktioner med regler för avvikelsedetektering
- Ett air-gapped-läge för arbete utan externa API:er; rapporter i Markdown, JSON och Excel
Maskinöversättning — granskas.