核验成本：如何在航运业中建立对人工智能成果的信任

五分之一的海事专业人员每周需耗费超过五小时核查人工智能生成的结果。部分关键核查诚然不可或缺，但其余冗余工作亟需削减以提升运营效率。

由亚纳尼·亚格纳穆蒂

产品与战略增长高级副总裁

“数十年来，航运业一直将‘经验’视为每天傍晚下班离岗并在40年后退休的个人资产。而 CP Optimiser 让我们有机会将这些宝贵经验转化为可扩展的 AI 驱动基础设施，使初级人员从入职第一天起就能运用资深专家的专业知识，大幅提升运营效率。”

托马斯·斯蒂恩霍姆 (Thomas Stjernholm)

Tomini Chartering 商业总经理

“校验成本”（Verification Tax）是指海事专业人员在依据人工智能（AI）生成的工作成果采取行动之前，对其进行核查所耗费的时间与精力。根据Thetius与Marcura于2026年发布的联合调研，55%的海事专业人员每周需花费一小时或更多时间来核查或修正AI输出结果，更有五分之一的受访者每周耗时超过五小时。

部分核查有助于保障决策安全，应当予以保留；其余则源于对系统的不确定性。随着AI在实践中逐步验证自身实力——依托经人工核实的权威数据构建、按具体任务逐项测试、并根据最终用户的实际使用进行纠错——这种不确定性带来的核查成本将逐步下降，进而显著释放运营效率。

核心数据洞察（Thetius与Marcura，《赢得信任：AI在海事领域的应用》，2026年）

55%的受访者每周耗费一小时或更多时间核对或修正AI输出结果
57%的受访者在五分制评估中对AI输出成果的信任度处于中等水平
26%的受访者在核查时“经常”或“几乎总是”发现错误
47%的受访者表示，一旦某项输出被证实可靠，便会大幅减少甚至停止核查
仅8%的受访者认为所在机构在AI应用方面已达到成熟且具备规范治理能力的水平

何为“校验成本”？

校验成本是指核查AI生成内容所付出的一切代价：包括复核操作本身、在生成结果与原始单证之间来回比对、核查支撑依据以及纠偏修正。我们与Thetius联合发布的调研报告《赢得信任：AI在海事领域的应用》中，首次提出了这一概念。

多年来，Marcura始终利用AI深度解析各类海事单证。所有客户最初关注的始终是两个核心问题：其准确率究竟如何？是否能直接可靠地融入我们现有的业务流程？在此类问题得到充分印证前，业务人员不得不进行全面核查——而这种核查便构成了校验成本。本报告将其划分为两大维度：基于决策重要性的必要核查，以及由不确定性引发的冗余核查。

为何需要复核AI生成内容？哪些核查应当予以保留？

根据行业实践经验，人工核查AI主要出于两大动因。但其中仅有一种应当逐步被淘汰。

必要核查（Warranted checking）旨在为关键决策筑牢防线。凡是错误可能改变租船合同条款立场、制裁合规判定或挂靠港安排的业务环节，严谨细致的复核不可或缺。我们的调研数据表明，70%的海事专业人士在依据AI建议作出重大商业决策前必经人工复核，80%要求明确商业决策的具体责任人。这一风控层级必须始终保留。

冗余核查（Residual checking）则源自不确定性——即对技术信任不足，或对系统生成结论的数据链条缺乏透明度。当被问及若某项输出被证实完全可靠后复核习惯会如何转变时，47%的受访者表示将大幅精简或彻底取消核查。这正是可以通过提升运营效率予以压缩的成本空间，其决定因素在于对数据输出的信任度，而非决策体量的大小。

	必要核查	冗余核查
核心驱动因素	决策失误可能带来的重大后果	对输出结果是否准确缺乏确信度
典型业务场景	租船合同（CP）条款审查；制裁筛查合规判定	重复核验系统已多次准确判定的港口限制规范
应对策略	持续保留，实现规范化流程，明确最终签署审批责任人	依托已验证的数据源、透明的测试流程及系统自学习纠偏机制逐步将其降低

在平面上铺开的杂志，上面印有船舶图案，以及一本题为《应对新金融现状》的书籍，彰显对全新财务环境的精准把控。

了解行业领军者如何降低核验成本，提升运营效率

立即获取 Marcura 携手 Thetius 联合发布的最新人工智能权威报告，洞悉数据前沿，赋能运营效率

获取报告

如何切实减少人工核验工作量？

当用户能够清楚看到系统判断正确的内容及其推导逻辑时，信任感便会油然而生。实现这一点需要依托三个核心要素，而非单纯为了追求AI技术而应用AI。

经人工验证的高质量数据。所谓更优质的数据，是指在具体业务场景中可追溯且值得信赖的数据，而目前大多数海事领域的人工智能恰恰缺乏这种数据基础。在去年的调研中，一位受访者一针见血地指出：“基于低质数据的AI，不过是更聪明、更快速的愚蠢产物”（Beyond the Hype, Thetius and Marcura, 2025）。Marcura的AI绝非套用于海事领域的通用工具，而是专为海事专业术语、合同结构和行业流程量身训练的模型，犹如一位专修特定业务领域的学徒；并且，用于训练每个客户模型的数据均严格隔离在客户专属的实例中。

基于客户真实业务进行测试并保持持续评测的模型。单一的准确率指标说明不了太多问题：一个系统可能非常擅长提取日期，但在解析合同履约义务方面却远不够可靠，因此必须按具体任务评估其性能。当客户对我们的准确度提出质疑时，我们从不空谈争辩，而是与客户一同进行实测。在Marcura，我们针对具体业务用例，基于最终用户提供的真实业务数据构建评估指标体系，并持续运行这些测试，以直观展示准确率如何随时间推移不断提升。

反哺系统优化的修正机制，与人工把关的决策底线。当审核人员对输出结果进行修正时，这一修正应当沉淀并反馈到评估体系中，而非随着编辑完成就此淹没。系统输出的每一项结果都必须能溯源至原始依据，并在存在不确定性时予以明确提示——因为无法合理解释的答案，在业务中也是无法辩护的。我从不建议客户一味追求全自动化。对于我们交付的每一个模型，我的要求都是：必须理解其运行的业务场景、坚持人工最终把关，并且能够对其推导逻辑自圆其说。在此我还需重申给报告撰写者的一点警示：切勿用AI完全替代专业业务直觉与肌肉记忆，执行审核的人员仍须具备甄别何为优质答案的专业能力。

建立信任的关键要素	落地实践	供应商质询关键问题
经人工验证且可追溯的数据。	系统可精准显示答案引自哪份文件的哪一行。	该答案的原始来源是什么？我能否直接查看溯源？
按具体任务呈现的可视化准确率。	基于您的实际业务案例进行测试验证，并通过仪表盘直观展现。	系统在该特定任务中的准确率如何？你们是如何验证的？
能够指导后续输出的修正机制	系统通过吸收人工修正持续自主学习，使人工干预与修正率逐步下降	我的修正数据会如何被系统处理和应用？
人机协同闭环（Human-in-the-loop）	明确责任归属；在关键信息缺失时自动触发升级机制	由谁负责最终审批确认？在何种情况下会触发流程升级？

如何量化“复核税（Verification Tax）”？

目前大多数企业尚不具备此项能力。“我们缺乏基准数据，”Seaspan 业务转型负责人 Rajesh Gopinathan 在接受本报告调研时表示。量化评估必须覆盖“人机协同”的全流程：5 分钟的复核对于内部摘要而言耗时过长，但对于合同条款建议又远远不够，因此单凭复核时长无法说明问题。

核心评估指标	核心价值与业务影响
单项产出的复核耗时、升级上报延迟，以及寻找佐证或修正下游错误的成本。	揭示显性与隐性复核成本
输出结果的修正比例，以及记录有原因的人工干预/覆盖操作	比率过高通常反映出底层数据、信息检索或应用场景存在缺陷
完整的人机协同工作流程是否优于原有作业流程	评估承担复核成本是否具备投资回报率的决定性检验

实践中的具体应用表现如何？

租船合同（Charter Party）审查即属于典型的必要复核环节，但借助 AI 可以大幅简化流程。租约确立了企业的合同权利与风险敞口，因此无论使用何种工具，人工复核都必不可少。真正改变的是工时投入的分配逻辑。需要决策的关键条款往往夹杂在数十页的标准表述与沿用条款之中。

CP Optimiser 能够解析航次租船合同与定期租船合同，提取核心条款，评估单项风险，并对歧义、缺失或非标准表述进行智能预警，从而使审核人员将宝贵的工时集中在风险标记条款上，由专业人员专注把控最终裁量权。

一份散货航次租约的预警案例充分印证了这一模式：该滞期费条款要求在 90 天内提交“所有支持性文件”，但未对文件范围作出明确界定。遗漏单份事实记录（Statement of Facts）就可能导致整笔滞期费债权超过诉讼时效。解决方案是在订立前收紧条款定义。决策权由审核人员掌握，而系统则确保相关条款准确无误地呈现在他们面前。