新上线1个月前0 投票
理光如何基于AWS构建可扩展的智能文档处理解决方案
理光（Ricoh）作为全球技术领导者，每月需为医疗保健客户处理数十万份关键文档，包括保险理赔、申诉和临床记录。然而，传统依赖定制化手动工程的模式严重限制了其扩展能力——每个新客户都需要专门的工程师进行独特的开发、调优和集成测试，部署周期长达数周，且成果无法跨客户复用。
面对预期七倍增长的文档处理量，理光决定彻底革新其文档处理流程。他们选择了AWS GenAI智能文档处理（IDP）加速器作为基础，构建了一个标准化、多租户的解决方案。
核心挑战：合规性与敏捷性的平衡
理光的解决方案不仅要实现自动化，更要满足医疗行业严苛的合规标准，包括 HITRUST、HIPAA 和 SOC II。这些标准通常与快速的AI创新相矛盾：
- 数据共享限制：合规框架限制了可用于模型训练的数据共享。
- 安全控制要求：严格的安全控制可能阻碍迭代式AI开发和部署所需的敏捷性。
理光将克服这一矛盾作为首要任务。
解决方案架构：基于AWS的标准化框架
理光利用Amazon Bedrock提供的基础模型（FMs），结合无服务器架构和标准化框架，构建了一个可重复、可复用的处理框架。该框架的核心优势在于：
大幅提升效率：
- 将新客户的上线时间从数周缩短至数天。
- 将每次部署所需的工程工时减少了超过90%。
显著增强处理能力：
- 为需要复杂文档拆分的新AI密集型工作流提升了处理容量。
- 预计处理能力将增长七倍，达到每月超过70,000份文档。
实现规模化服务：
- 将文档处理从一个定制工程的瓶颈，转变为一个可扩展、可重复的服务。
- 通过标准化框架，避免了为每个客户重复进行自定义提示工程、模型微调和集成测试。
行业启示
理光的案例为所有处理海量文档的企业提供了一个清晰的蓝图。它证明了，通过结合生成式AI、无服务器架构和标准化框架，企业能够：
- 突破文档处理的扩展限制。
- 在满足最高合规标准的同时，实现快速的AI创新和部署。
- 将原本沉重、定制化的成本中心，转化为高效、可复用的核心竞争力。
这不仅是理光自身工作流的转型，更是为整个行业展示了如何利用云和AI技术，将复杂的文档处理挑战转化为可规模化运营的智能服务。
