Thread de meng shao (@shao__meng)

[Recomendação de código aberto] LoanLens AI – Um sistema multiagente para processamento inteligente de empréstimos e detecção de fraudes, baseado em @LandingAI e AWS Bedrock, e o projeto vencedor do Hackathon de IA Financeira da Landing AI. O projeto visa solucionar os principais problemas dos processos tradicionais de aprovação de empréstimos: os analistas de crédito frequentemente gastam horas revisando manualmente extratos bancários, comprovantes de pagamento, documentos de identidade, declarações de imposto de renda e históricos de crédito, resultando em processos lentos, inconsistentes e propensos a fraudes. O LoanLens AI automatiza todo o processo por meio de um fluxo de trabalho de IA multiagente, possibilitando decisões de crédito eficientes e transparentes. Funções principais e fluxo de trabalho do projeto A LoanLens AI desenvolveu um sistema inteligente completo que abrange processamento de documentos, extração de dados, avaliação de riscos e detecção de fraudes. Um fluxo de trabalho simplificado é o seguinte: • Ingestão de documentos: Suporta múltiplos formatos (como PDF e imagens digitalizadas) e importa automaticamente os arquivos do usuário. • Extração Inteligente: Utilizando tecnologias de Extração de Documentos Agentes e Detecção de Objetos Agentes, extrai campos estruturados (como valor e data), caixas delimitadoras (para rastreamento visual) e texto não estruturado (para verificação semântica) de documentos, e gera dados em formato JSON. Cálculo de métricas do mutuário: Gera automaticamente indicadores-chave de desempenho, incluindo relação dívida/renda, liquidez, estabilidade de renda, consistência de endereço e pontuação de risco geral. • Pontuação e Decisões: Um mecanismo de pontuação baseado em regras claras categoriza as solicitações como “aprovadas”, “em alerta” ou “rejeitadas”. • Detecção de fraudes: Detecta anomalias como discrepâncias salariais, alterações de layout, falsificação de texto e identidades inconsistentes. • Interface de revisão: fornece aos revisores humanos resumos, sobreposições visuais e uma interface de bate-papo baseada em RAG (Radio Attendant-Agg) que suporta consultas em linguagem natural. Endereço de código aberto: