企業在推動數位轉型時，常面臨「文件山」的挑戰。儘管現有的智慧文件處理（IDP）技術已相當成熟，但要讓機器準確從非結構化文件中擷取資訊，前提是必須先定義好「Schema」（架構）。例如：發票需要抓取日期與總額、合約需要抓取簽署人與期限。然而，當企業面對成千上萬份格式不明、甚至連類別都未知的歷史文件時，光是手動分類與建立架構就得耗費龐大的人力成本與時間，這也成了許多 IDP 專案在初期難以向管理階層證明其價值的關鍵原因。
針對這個痛點，AWS 在其開源的 IDP Accelerator 解決方案中，新增了「多文件探索」功能。這項技術的核心在於將自動化導入「預處理」階段。首先，系統利用視覺嵌入（Visual Embeddings）技術，像人類肉眼一樣根據文件的排版與格式特徵，將外觀相似的文件自動分群。接著，再透過 AI 代理人（Agents）深度分析這些聚類，自動辨識出應該擷取的關鍵欄位，並直接生成 IDP Accelerator 所需的組態設定檔。這種從「未知文件」到「結構化架構」的自動化流程，讓過去需要數週的準備工作縮短至數小時內即可完成。
對產業而言，這項技術的影響在於極大化了資料的變現速度。過去受限於處理成本，許多企業只能選擇性地數位化部分文件，而現在則能以更低廉的成本，將累積數十年的非結構化資產轉化為可供決策分析的數位數據。此外，這套方案基於無伺服器（Serverless）架構，企業不需要維護複雜的基礎設施即可擴展處理量，對於追求營運效率的金融、法律與製造業來說，具備極高的實用性。
這項發展之所以值得關注，是因為它標誌著人工智慧應用正從單純的「辨識」演進為「自動決策」。過去我們關注的是 OCR 辨識得準不準，現在焦點則轉向了「AI 能否幫我決定哪些資料重要」。在大數據時代，自動化的 Schema 生成是打通資料孤島的關鍵鑰匙。這不僅解決了技術上的瑣碎勞動，更讓企業能將珍貴的研發資源集中在後端的數據洞察上。當技術門檻因 AI 工具的自我進化而降低，智慧化辦公將不再是大企業的專利，而是所有企業都能觸及的轉型基石。