AI 案例库 · 行业研究
摩根大通 COIN 合同解析
摩根大通 2017 年上线的 COIN 系统用机器学习解析商业贷款协议，把原需约 36 万小时人工的年度审阅工作压缩到秒级。
**行业研究条目，不是 Moments 的客户案例。**本页整理的是公开报道中的第三方 AI 应用，用于参考与对比。Moments 自己交付的项目在「客户案例」栏目，见本页底部链接。
一句话
摩根大通用机器学习解析商业贷款协议，把律师与信贷人员每年约 36 万小时的合同审阅工作变成秒级完成。
背景
商业贷款协议条款结构相似但表述千差万别，人工审阅耗时、成本高、且容易因疲劳产生不一致。摩根大通每年处理约 12,000 份此类协议。
做法
COIN（Contract Intelligence）用机器学习从合同文本中抽取关键条款与属性，替代人工逐条阅读比对。系统于 2017 年初投入使用。
公开披露的结果
| 指标 | 报道口径 |
|---|---|
| 年度节省的人工时长 | 约 360,000 小时 |
| 年处理合同量 | 约 12,000 份 |
| 处理时间 | 秒级 |
| 错误率 | 报道称低于人工 |
来源：Bloomberg，2017 年 2 月 28 日报道。
值得注意的边界
- 这是 2017 年、大模型出现之前的案例，技术路线是专用机器学习模型而非通用 LLM。它证明的是「结构化文档抽取值得自动化」，不是「LLM 能干这个」。
- “360,000 小时”是节省的人工时长折算，不等同于成本节省额，也不等同于裁员规模。
- 适用前提：文档类型单一、条款结构可枚举、历史标注数据充足。合同类型杂乱的中小企业不能直接对标这个投入产出比。