什么是 IDP 的 due diligence，为什么它很重要？
Source: Dev.to
Introduction
尽职调查是对投资或协议进行审查的调查过程，用于核实事实并做出明智决策。良好的尽职调查可以降低风险，保护决策者免受代价高昂的错误影响。
随着每月都有新的智能文档处理（IDP）供应商出现，技术每季度迭代一次，分析竞争激烈的市场并判断某个解决方案是否适合企业的能力已成为一项极其有价值的技能。分析师目前追踪超过 450 家 IDP 进入者——同比增长 15%——这凸显了对严谨决策和软件选型专业知识的需求。
- 62 % 的 IDP 系统现在涉及外部用户。
- 66 % 的新 IDP 项目是为了替换之前的 IDP 系统而启动的。
- 概念验证（PoC）评估对于在签约前验证 AI 的准确性、集成性和安全性至关重要。
Why are there so many IDP solutions?
传统上，智能捕获服务于后台工作流，如邮件室自动化、应付/应收发票处理和审计准备——这些活动主要处理结构化和半结构化文档。机器学习（ML）和自然语言处理（NLP）的进步扩展了处理非结构化文档的能力，使焦点转向面向行业的前台功能。
如今，超过 60 % 的 IDP 用例支持外部用户创建、访问或共享非结构化文档/数据的流程，包括：
- 客户服务
- 员工入职
- 合同与协议分析
- 索赔受理
- 许可证和许可审批
鉴于 90 % 的企业数据是非结构化的，数据质量和数量对企业 GenAI 结果产生巨大影响，推动了对 IDP 解决方案的更高需求。该市场以 15 % 的年增长率扩张，全球 456 家公司 提供独立的 IDP 产品或功能（Deep Analysis）。
在这些供应商之间进行区分具有挑战性，因为产品宣传往往相似。识别红旗可以帮助过滤不太合适的解决方案。
Common red flags to watch for
- 未经证实的准确率声明 – 声称“99 %”或“近乎完美”准确率却没有证据的说法具有误导性。请索要样本文档和验证结果。
- 不明确的数据政策 – 数据隐私仍是首要关注点。要明确谁提供训练数据以及数据如何处理。
- 按消耗或代币计费 – 无上限模型可能导致预算超支；代币计费难以预测。约 88 % 的受访 IDP 采购者更倾向于固定价格模型。
- 将人工在环（HITL）作为增销 – 对准确性要求高的工作流需要 HITL 验证。将其视为可选附加项的供应商可能提供不完整的解决方案。
- 与实际情况不符的精美演示 – 演示通常为特定场景精心挑选。请进行 PoC，以评估在真实文档集上的表现。
GenAI hype and its impact
GenAI 广告在 IDP 采购决策中影响巨大。超过 66 % 的新 IDP 项目是为了替换缺乏承诺的 GenAI 能力的旧系统而启动的。截至 2025 年初，超过 80 % 的 IDP 供应商 宣传 GenAI 功能，有时甚至将其定位为主要差异化点——尽管真正驱动成功结果的是数据质量，而非 GenAI。
虽然大语言模型在零样本/少样本学习和摘要方面表现出色，判别式机器学习在大规模原始数据提取和成本控制方面仍然更具优势。
Due diligence framework
使用以下清单——依据分析师标准——评估 IDP 供应商并避免常见陷阱：
-
用途匹配
- 该解决方案是否专为我们的重点用例而构建？
-
技术能力
- 它能否使用现代 ML/NLP 处理多种文档类型？
-
数据安全
- 是否可以验证数据加密、访问控制以及明确的“我的数据不用于训练”政策？
-
部署与定价
- 平台是否易于部署和维护？
- 定价模型是否可预测、透明，并具备防止意外费用激增的保障措施？
- 供应商是提供单一解决方案还是整个平台？
-
供应商可信度
- 供应商是否展示了创新历史并拥有清晰的产品路线图？
-
模型透明度
- 我们能否看到置信度分数并追踪模型版本？
- 供应商是否提供文档全程可视化——从上传、存储到后处理的每一步？
Practical advice
智能文档处理已趋于成熟，但市场竞争激烈，供应商水平参差不齐。应优先考虑：
- 案例研究胜于演示 – 实际成果比精美演示更具说服力。
- 可衡量的 ROI – 关注可量化的收益，而非模糊的 GenAI 承诺。
- 数据质量与模型透明度 – 要求供应商演示其模型工作原理以及性能随时间的维持方式。
在 AI 无处不在的时代，保持适度怀疑是一种美德。
Sources
- Deep Analysis – The IDP field continues to expand
- AIIM – Market Momentum Index IDP Survey 2025
- Deep Analysis – Intelligent Document Processing Market Analysis 2025‑2028