#automation
Automatiseringstechnieken en tools voor workflows in financiële dataprocessing
Alleen Qwen3.5-9B overleeft 80% van EnterpriseArena's 132-maandelijkse CFO-runs; GPT-5.4 en DeepSeek-V3.1 halen 0%. Gemiste ledger-reconciliatie veroorzaakt dit.
WildToolBench vindt geen LLM boven 15% sessienauwkeurigheid op 1.024 taken van echte gebruikers, met verborgen intentie en instructieovergangen als scherpste faalmodi.
JSONSchemaBench vindt dat dekking instort van 86% bij eenvoudige schema's naar 3% bij complexe, dus LLM-gestructureerde output kan stilzwijgend niet-conforme JSON uitzenden.
FinMCP-Bench scoort de beste van zes LLM's op slechts 3,08% exacte match op 613 echte MCP-financiële taken, een 20×-instorting van single-tool naar multi-turn gebruik.
FinTrace toont dat frontier-LLM's de juiste financiële tools kiezen (F1 ~0,9) maar slechts 3,23/5 scoren op het gebruik van de resultaten, de stap die write-back-agents breekt.
FinToolBench vindt intentie-mismatch boven 50% bij elke geteste LLM, dus agressief tools aanroepen betekent niet betere antwoorden op financiële taken.
OmniEval scoort de beste RAG-systemen op 36% numerieke nauwkeurigheid over 5 financiële taaktypes, dus grootboek-agents hebben validatie nodig vóór het schrijven van boekingen.
Positiebias aftrekken van LLM-attentiegewichten herstelt tot 15 punten RAG-nauwkeurigheid wanneer bewijs midden in de context staat, wat finance-agent-pijplijnen helpt.
ReDAct stelt uit van een klein naar een groot model alleen wanneer perplexity onzekerheid signaleert: 64% lagere kosten bij gelijke nauwkeurigheid voor agents.
OpenHands' CodeAct-agent scoort 26% op SWE-Bench Lite en toont wat AI-agents vandaag betrouwbaar doen. Financie-automatisering moet nauw afgebakend beginnen, niet autonoom.
TableMaster behaalt 78,13% op WikiTQ met GPT-4o-mini, 13 punten boven Chain-of-Table, via table-of-focus plus adaptief redeneren voor agents op Beancount-grootboeken.
GPT-4 bereikt 74,1 gemiddelde AUROC op ODDS zero-shot, dicht bij de 75,5 ECOD-baseline, maar faalt op data met hoge variantie. Ledger-auditing is nog niet opgelost.
