在法律與專業諮詢領域中，財務報表對帳（Financial-statement tie-out）一直是一項極其枯燥且耗時的任務。這項工作的核心在於核對草案帳目中的每一個數字，確保其與試算表（Trial Balance）、合併計畫表（Consolidation Schedule）以及前一年度的帳目完全一致。對於法律專業人員而言，這種重複性的核對工作往往需要耗費整個夜晚甚至數天時間，且由於涉及大量細碎的數字，人工審核極易出現疏漏。
為了改善這個痛點，法律科技新創公司 Legora 開發了一套專為法律與專業工作設計的代理操作系統（Agentic Operating System）。這類系統不同於一般的聊天機器人，它能將複雜的端到端工作流程自動化，讓法律工程師能根據客戶的實際操作方式，將合約審查、法律研究等流程整合進系統中。近期，Legora 透過導入 OpenAI 的 GPT-6 Astra 模型，將這種自動化能力延伸到了極其複雜的財務對帳場景。
核心技術實踐與運作方式
Legora 的核心目標是利用 GPT-6 Astra 構建一個能處理大規模複雜財務上下文的 AI 代理（Agent）。在實際的應用案例中，該代理能夠在單次運行中同時處理 41 份文件，並在短短幾分鐘內完成原本需要數天才能完工的對帳任務。
其運作邏輯在於，AI 代理會逐一檢查每一個餘額是否與其支持計畫表相符，一旦發現金額不一致（Breaks in the amounts），系統會立即將其標記出來，並詳細記錄每一次的檢查過程。這意味著 AI 並非直接給出一個最終結果，而是提供一份極其詳盡的紀錄，讓法律專業人員能針對每一個行項目和數字進行快速且精準的複核。
這種設計體現了人機協作的關鍵概念：由 AI 處理枯燥且重複的窮舉比對工作，而將最終的判斷權與決策權保留給法律專家。這種人機協作（Human-in-the-loop）的模式，使得 Legora 能夠將其平台能力從法律領域擴展到審計、稅務、合規以及風險管理等對準確性要求極高的專業領域。
效能提升與量化結果
為了驗證 GPT-6 Astra 的實際成效，Legora 使用了其開發的代理推理基準測試（Legora Benchmark for Agentic Reasoning，簡稱 BAR）。這套基準測試是基於真實世界的法律任務案例所設計，旨在衡量 AI 在處理端到端複雜法律任務時的推理能力。
根據 Legora 公布的數據，GPT-6 Astra 在財務報表工作流中的表現比前一代模型提升了近 40%。雖然在 BAR 的所有綜合任務中，平均提升幅度約為 3%，但在特定的財務對帳任務上，其準確性、完整性與可靠性有顯著的飛躍。
在一次壓力測試中，Legora 在帳目中故意植入了四個錯誤，其中包含一個隱藏在收入附註中、金額高達 50 萬英鎊的缺口。結果顯示，GPT-6 Astra 成功找出了所有四個錯誤，且在保留前一代模型正確檢查項目的基礎上，額外完成了約 50 項檢查。這證明了新模型在處理海量文檔輸入（Ingestion）以及消化複雜資訊方面的處理能力已大幅增強。
實務意義與限制
這次技術實踐的意義在於，它將 AI 的角色從簡單的文字生成轉向了精密的數據驗證。對於專業服務業而言，最擔心的往往是 AI 的幻覺或遺漏，而 Legora 透過提供詳盡的檢查紀錄，讓審核過程變得透明且可追溯。
然而，這類系統的限制在於它依然高度依賴法律專家的最後把關。AI 雖然能高效地發現數字不符，但無法理解數字背後複雜的商業邏輯或法律爭議。因此，AI 代理在目前的定位是提供一個更完整、更快速的初步審查（First Pass），而非取代專業人士的法律判斷。
總結來說，GPT-6 Astra 的強大處理能力讓 Legora 能將原本碎片化的財務核對流程轉化為高效的自動化工作流，大幅降低了人力成本並提升了審核的可靠性，為專業服務領域的數位轉型提供了具體的實踐路徑。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。