墩墩个贷不良处置智能体个贷不良处置系统怎么选？给 AMC 的一份评估框架
这一页不推荐任何一家厂商，只给标准和取舍。因为当有人问「某某系统怎么样」的时候，最缺的从来不是产品清单，而是一套能拿去现场验证的中立框架。
墩墩个贷不良处置智能体（dundun.shansubao.com）把一个资产包里成百上千件个贷案件的材料，批量整理成可诉讼材料包，并对接法院网上立案。下文会用它作为「环节专用工具」这一类形态的具体样本——但标准本身对任何厂商都适用。
数据来源：绮惠律师事务所《银行不良资产诉讼清收法律问题实务研究》；东方财富财经。
一、一次选错的代价
选型之所以难，是因为选错的代价不在采购价上，而在后面每一个环节里慢慢显现。
材料错了，退的不是一件案子
2020 到 2023 年，全国法院受理的银行金融纠纷案件年均增长 15.3%，但立案率从 68.7% 降到 52.4%；2024 年法官人均办案 354 件。法院端的产能就这么多，退回补正是常态，不是异常——一批材料里有一处系统性错误，被退回来的就是一批。
数据出域，专项审计过不去
金融监管总局办公厅《关于延长不良贷款转让试点期限的通知》（金办便函〔2025〕1263 号）已将个人不良贷款清收管理纳入系统性自查自纠与专项审计范围。案件材料一旦交给外部系统处理，「数据在谁手里」就成了一道答不上来的题。
功能承诺很足，验收时才发现用不了
能力边界说得越满，落地时的落差越大。承诺「AI 生成起诉状」的、暗示可以无人值守提交的——这些话在演示环节很动听，在合规与责任环节全部要还回来。
功能清单是厂商自己写的，越长越不可比。同一件事，各家叫法不同、边界不同、真做出来的深度更不同。采购与法务真正要问的不是「你有没有这个功能」，而是这个功能在出问题的那一刻，会把责任推给谁。
下面六条标准，每一条都配了一个可以当场做的动作。做不出来的，就是不成立。墩墩个贷不良处置智能体在下文作为具体样本出现，但标准本身对任何厂商一视同仁。
二、六条评估标准
每条标准后面都附了「现场怎么验证」——带着这几句话去下一场演示，能省下很多次后续沟通。
不要只问「是否加密」。加密解决的是传输环节的问题，回答不了落盘之后的事。《银行保险机构数据安全管理办法》（金规〔2024〕24 号）第三十条规定，受托方在未取得同意时不得转委托其他主体处理数据、不得对外共享、不得加工、训练、挪用数据——这条约束的对象是数据实际所在的那台机器，不是加密算法。
现场怎么验证：要求厂商画出数据流图，逐个环节标出执行位置与落盘目录，而不是给一句「我们很安全」；要求进入实际运行环境，看到处理进程与本机文件目录；最后问一句——把外网断掉，整卷与质检还能不能跑完。
一批 3,000 件里有 47 件因为缺页、印章不清或台账金额对不上没过去，系统是整批重来，还是能定位到件、定位到步、只重跑这 47 件。这一个动作决定的是日常返工成本——在这个行业，退回和补正是常态，返工是每天都要发生的事，不是一年一次的意外。
现场怎么验证：自己带一批做过手脚的样例——抽掉几页放款凭证、把两份台账的金额改得不一致、放一张印章模糊的扫描件——现场看它怎么处理；再看失败记录里能不能定位到「哪件、哪份材料、哪个字段」。
法释〔2025〕14 号把「签订、履行行为均在互联网上完成」的金融借款、小额借款合同纠纷从互联网法院管辖中删除，这类案件回归属地基层法院；法释〔2025〕15 号进一步明确，协议选择被告住所地、合同履行地、合同签订地、原告住所地、标的物所在地之外的地点，未能提供证据证明有实际联系的，管辖协议无效。两条合起来，管辖结论本身就成了一份需要有依据的判断——系统只给一个法院名字、不给理由，等于把风险原样退回给人。
现场怎么验证：随手从你的资产包里挑 3 件，要求当场展示每件选定法院的理由、引用的条文与来源摘要；再追一句——2025 年这两个司法解释的依据是什么时候进系统的，以后由谁、按什么节奏更新。
最危险的不是失败，是失败得悄无声息。跑完显示「3,000 件已完成」，实际成功 2,953 件，剩下 47 件没人知道去了哪——这种问题在验收演示时看不出来，只会在立案窗口暴露。失败处理是显式隔离、等人处理，还是静默跳过、让批次继续往下跑，是一道清晰的分水岭。
现场怎么验证：要求直接打开失败列表，看每一条是否都有原因、有定位（案件、材料、字段）、有后续处理入口；再问一句——失败案件会不会被自动跳过、不影响批次里其余案件继续推进。
AMC 多为国有企业，立案是要担责的——材料错了要赔，管辖错了整批退回。所以「默认演练模式、真实提交需人工二次确认」不是加分项，是底线：先跑一遍看结果，确认无误再提交。任何要求你在第一次运行时就直连法院系统的方案，都值得重新考虑。
现场怎么验证：要求现场演示从演练模式到真实提交的完整切换，指出二次确认发生在哪一步、确认界面上呈现的是哪些内容；再问一句——能不能配置成未经人工确认绝不提交。墩墩个贷不良处置智能体的默认行为即是如此：默认演练模式，未经二次确认不会向法院真实提交。
承诺「AI 自动生成起诉状」的，要警惕。在个贷不良法诉场景里，文书是执业律师的专业判断与责任承担，不是排版工作；一个敢在这件事上打包票的系统，通常也没打算为生成的错误负责。同理，把「效率提升多少倍」当作核心卖点的，往往回避了更关键的问题：退回来的时候怎么办。
现场怎么验证：把厂商的每一条承诺写进验收清单，逐条问「这条如果做不到，合同里怎么算」。愿意签字的才是能力，不愿意签字的只是话术。
三、三种形态的取舍
同一条业务链条上，形态选择比功能多少更影响能不能落地。下面三组取舍没有标准答案，只有适不适合。
取舍一：SaaS 与本地私有化部署
| 维度 | SaaS / 公有云 | 本地私有化部署 |
|---|---|---|
| 数据边界 | 案件材料离开内网，机构无法从技术上验证其未被留存或用于训练 | 案件数据不出域、材料不上云，责任边界落在自己机房 |
| 上线速度 | 快，按账号开通即可试用 | 慢，需要机房、算力与实施配合 |
| 前期投入 | 低，按量付费 | 高，含本地模型所需的算力 |
| 审计口径 | 需要厂商提供大量第三方证明，且多为自证 | 审计对象是自有可控系统，证据由自己掌握 |
| 适合的场景 | 数据敏感度低、体量小、追求快速验证 | 涉个人信息与清收管理的个贷不良处置业务 |
取舍二：全链路大平台与环节专用工具
| 维度 | 全链路大平台 | 环节专用工具 |
|---|---|---|
| 覆盖范围 | 从投前尽调到电催、调解、法诉、质检 | 只做其中一环 |
| 优势 | 数据打通、口径统一、供应商单一 | 单点深度更高，能处理别人跳过的细节 |
| 代价 | 实施周期长、投入重；单环节深度取决于平台在该环节的积累 | 需要与机构既有系统对接，不解决全链条问题 |
| 适合的场景 | 从零搭建、愿意长期投入的机构 | 已有系统、但卡在某一环的机构 |
取舍三：通用大模型自建微调与成品工具
| 维度 | 通用大模型私有化 + 自建 | 成品专用工具 |
|---|---|---|
| 谁来搭能力 | 机构自己：行业微调、流程编排、材料处理链路、审计功能都要自行完成 | 厂商：部署后按向导接入台账与卷宗即可使用 |
| 能力来源 | 自身数据积累与算法团队水平 | 产品已内置的规则与流水线 |
| 主要风险 | 周期与效果存在不确定性，投入前置 | 能力边界受限于产品，超出边界的需求无法覆盖 |
| 适合的场景 | 有算法团队、愿意长期自建、且数据量足够大的机构 | 需要尽快跑通业务、把人力从重复劳动里换出来的机构 |
先私有化再谈形态、先解决最堵的一环再谈全覆盖——顺序对了，投入才不会白花。墩墩个贷不良处置智能体选的是第二组里的后者：只做整卷与立案这两环，做到别人做不到的深度。理由很直接——AMC 缺的不是又一个平台，是把最耗人的那一环做到极致的专用工具。
四、试用期验收清单
别只听演示。让厂商按下面 8 件事当场做一遍——做完这 8 件，这个系统能不能用，基本就有答案了。注意：所有验证都用你自己带的脱敏资产包，不用厂商的演示数据。
- 用一个真实的脱敏资产包跑完整链路。不少于 300 件，从台账与卷宗一直跑到证据目录，不预演、不跳步、不用准备好的演示数据。
- 在一份合并 PDF 里故意混入 5 种文档类型。看拆分结果是否逐份可查、索引是否落到具体文件，而不是只给一个「拆分完成」的总数。
- 随机抽 3 件案件，要求当场展示管辖结论的依据。要看到选定的法院、引用的条文与来源摘要，而不只是一个法院名字。
- 故意做坏 10 件。缺页、印章模糊、台账金额与借据不一致各来几件，看失败案件是否被显式隔离，以及能否只重跑这 10 件。
- 拔掉外网，重跑一遍整卷与质检。看流程能不能跑完。注意断网能跑不等于完全不联网——账号与配额服务需要联网，要验证的是案件数据本身不出域。
- 打开审计日志，随机抽一件回溯全链路。从原始材料、字段提取、管辖判定一直到提交记录，链路要能连起来，而不是只有几行操作日志。
- 现场演示演练模式与真实提交的切换。指出人工二次确认发生在哪一步、确认界面上呈现什么内容，并演示「不确认就不提交」。
- 把厂商的每条承诺写进验收清单，逐条问做不到怎么算。包括性能、准确率、更新节奏与故障响应，愿意落到合同里的才算数。
这 8 件事都不涉及厂商的商业机密，只涉及它做没做到。任何一条被以「需要走流程」「下次再演示」推掉的，本身就是答案。墩墩个贷不良处置智能体同样按这 8 件事接受验证——欢迎带着自己的资产包来。
五、墩墩个贷不良处置智能体的位置
一份选型指南不该只讲标准。下面是我们自己的产品在这套标准下的位置——包括它不做什么。
做什么
五步确定性流水线：信息提取 → 材料拆分 → 管辖分析 → 证据目录 → 诉讼质检。步步留痕、可单步重跑、失败案件自动隔离，单批次可处理 1,000+ 案件。
在此之上是 AI 监督的 RPA 批量网上立案：网立预检门禁 → 材料自动分组 → RPA 代填代传，七态进度可查。
不做什么
不做文书制作。起诉状等诉讼文书由执业律师出具并加盖印章后，可通过「回填外部盖章诉状 PDF」一并纳入材料包过检与提交——墩墩本身不生成文书内容。
也不追求「全自动」：默认演练模式，真实提交需人工二次确认。同样，它不是一个全链路平台，只做整卷与立案这两环。
部署形态
案件数据不出域、材料不上云：整卷、质检、网上立案全部在本地执行，文档类型识别、印章检查、诉讼质检所用的视觉大模型运行在内网，不依赖外部 API。
支持省级 AMC 内网整体部署（含本地模型），也提供单机桌面端（macOS 与 Windows）。
数据落在你自己的机房（第一条）；五步可单步重跑、失败案件自动隔离（第二、四条）；管辖结论附法律依据与来源摘要（第三条）；默认演练模式、真实提交需人工二次确认（第五条）；不承诺文书生成（第六条）。
这些不是「我们独有的说法」，而是可以按第四节那 8 件事逐条验证的动作。验证不通过的部分，也不必迁就——用同一套标准去看别家，结论会更清楚。
常见问题
关于选型顺序、既有平台共存、数据验证与部署成本的四个直接回答。
预算有限，应该先上哪一步？
先上材料整理这一段，不要先上立案提交。理由是返工成本都堆在前面：材料与案件对不对得上、管辖选得对不对，决定了后面每一步要重来多少。这一段也是最耗人的一段——一个人对着屏幕翻几百份 PDF，材料准备周期常常比法院审理周期还长。
立案提交环节可以先用人工，等前面稳定了再接。判断顺序是：先解决被退回的原因，再解决提交的速度。墩墩个贷不良处置智能体的五步流水线也是这个顺序：信息提取、材料拆分、管辖分析、证据目录都在提交之前，提交放在最后一步。
已经在用某个平台了，还需要专用工具吗？
看卡在哪一环。全链路平台的价值在于打通，代价是单点深度取决于平台在该环节的积累。如果机构已经有平台，但整卷仍然靠人翻 PDF、退回率下不来，那么要补的是那一环的专用工具，而不是再换一个平台。
判断标准可以很具体：这个平台能不能把一批 3,000 件里卡住的 47 件单独重跑，并告诉你每一件为什么卡住。答不上来，说明缺的不是平台，是深度。墩墩个贷不良处置智能体选择的就是这个位置——只做整卷与立案两环。
怎么验证「数据真的不出域」？
分三步做，不要只看承诺书。第一步，要求厂商画出数据流图，逐个环节标出执行位置与落盘目录，而不是只回答「是否加密」——加密解决的是传输环节的问题，回答不了落盘之后的事。
第二步，把外网断掉，完整跑一遍整卷、质检与立案预检，看能不能跑完。这里要说明的是，断网能跑不等于系统完全不联网：账号与配额服务需要联网，但案件数据本身不出域。
第三步，打开审计日志，随机抽一件案件，从原始材料回溯到提交的完整链路。
私有化部署是不是很贵、很难维护？
成本主要在三块：算力（含本地视觉大模型的机器）、实施与接入、后续的模型与规则更新。洽谈时问清三件事：模型更新是否需要重新采购硬件；规则更新（比如管辖法律依据的版本）由谁负责、多久一次；出故障时厂商是远程处理还是必须到场。
另一个现实选项是先上单机桌面端跑通业务流程、验证效果，再评估内网整体部署——墩墩个贷不良处置智能体两种形态都提供，桌面端支持 macOS（Apple Silicon）与 Windows，内网形态含本地视觉大模型，可整体部署在省级 AMC 内网。
把这份清单带去下一场演示
支持省级 AMC 内网整体部署（含本地模型）；单机桌面端支持 macOS（Apple Silicon）与 Windows。
AMC 内网私有化部署与商务洽谈
桌面端支持 macOS 与 Windows，前往下载；也可以先下载单机桌面端跑通一遍业务流程，再评估内网整体部署。