核心觀點

OpenAI 的案例研究指出，法律與專業服務平台 Legora 以 GPT-6 Astra 執行財務報表「勾稽」（tie-out）：將草擬財報逐項比對試算表、合併明細與前一年帳目，確認每一筆金額能否相互對應。此類工作原本可能耗費一個晚上甚至數天；Legora 表示，代理人在一次執行中於數分鐘內讀完 41 份文件、記錄每項核對結果，並找出預先植入的 4 個錯誤。

重點不是讓模型替簽核人做財務或法律判斷，而是把「逐項找資料、對數字、留下查核軌跡」這段高耗時的第一輪工作交給代理。專業人員仍需判斷差異是否合理、是否需要更正，以及能否對外定稿。這個分工與 財務團隊 × Codex：五大財務文件自動化場景 的方向一致：AI 加速資料組裝與例外浮現，人類保留脈絡判讀與責任。

技術亮點：把完整性變成可審閱的輸出

Legora 將這個流程放在其 Legora Benchmark for Agentic Reasoning（BAR）評估中。依該公司自述，GPT-6 Astra 相較前一代模型，在此財報工作流的表現提升接近 40%；跨 BAR 全部任務的平均改善則約 3%。兩個數字不能直接當作跨產品的通用基準，因為它們由案例方的內部評估定義；但它們指出一個較可操作的能力邊界：代理可同時處理大量異質文件，逐筆回填「查了什麼、對到什麼、哪裡不一致」。

案例中特別提到一筆藏在營收附註中的 50 萬英鎊缺口。價值不只在抓到異常，而是讓每個餘額都有對應的支持性文件與核對紀錄。對受監管或可稽核的流程而言，沒有可回溯證據的「看似正確」遠遠不夠；可追蹤的核對清單才讓專家能有效覆核、抽查與承擔最終責任。

實務意義：先選規則清楚、可驗證的窄流程

這個案例適合應用在審計、稅務、法遵與風險管理等工作，但導入時應先把任務限定為「比對與例外報告」，而不是直接授權模型改帳或做合規結論。可先定義三層控制：第一，明確指定可讀取的來源與版本；第二，以金額、科目、期間等確定性規則驗證；第三，讓具資格的人員審核每個例外與最後輸出。

這與 自改善稅務代理：Codex eval 迴圈將準確率從 25% 提升至 97% 的經驗互補：前者示範高文件量下的完整勾稽，後者強調把實務修正轉成可重複執行的評估。兩者共同說明，可靠的專業代理不是只追求一次回答更像人，而是必須留下可測試、可覆核、可持續改善的工作軌跡。

導入判讀

Legora 的案例可作為「人類在迴路中」的務實模板：把大量核對交給代理，將專家的注意力集中在高風險差異與最終判斷。評估成效時，除了速度與錯誤發現率，還應追蹤例外的誤報／漏報、人工覆核時間、查核紀錄完整度，以及更正後是否產生回歸錯誤。AI 可以把 41 份文件變成一份待審清單；但那份清單是否足以支持專業決策，仍要由流程設計與人類責任來保證。

相關連結

反向連結

以下頁面引用了本頁：