审单不耗人・风险不漏网：合思 AI 重构费用审核体系
AI 审核不是把审批按钮交给机器。真正的费用审核，要同时理解单据、票据、附件、行程、合同、制度、预算、企业风险偏好和业务场景。如果 AI 只做发票识别，它只能提效一小段；如果 AI 能进入规则执行、风险分流、人工复核和反馈训练，它就会改变企业审核体系。
合思 AI 审核官网将其定位为“智能审核，人机共审新范式”，支持辅助、半自动、全自动三种审批模式；支持企业专属 AI 决策风格；支持业务主导零代码规则引擎；也通过 ROI 价值驾驶舱量化审批效率、免审率和风险拦截。
它的核心不是“替代财务”，而是重新分配审核资源：AI 处理高频、标准、可规则化判断；财务处理异常、灰区、制度优化和风险决策。
一、AI 审核为什么成为刚需
场景一：连锁零售门店高频单据
赢家时尚拥有 2000 余家销售门店，费用类型多、门店数量大、规则细。人工审核要逐张判断发票、附件、金额、合同和费用类型，长期看效率和一致性都会遇到瓶颈。
场景二：餐饮门店存在大量隐形规则
云海肴每笔费用涉及 20 余个审核点，且存在“团建费需附人数清单”等隐形制度。不同审核人理解不同，同类单据可能被不同处理。
场景三：跨国票据和多币种审核
欧马腾业务遍及 100+ 国家/地区，年处理 8234 张费控单据，还要求 5 个工作日内完成审核付款。海外票据多语言、多格式、多币种，人工核验难度高。
场景四：差旅照片和业务动作核验
好想你差旅审核需要识别照片水印、地点、时间、设备信息和产品 Logo，并与申请单行程比对。人工逐张核验耗时且容易漏。
场景五：商务招待多附件交叉比对
好想你商务招待场景中，单次报销可能涉及 42 枚发票、30 份附件，共 72 份材料。人工需要比对金额、人员、事由、消费清单、审批权限，复杂度极高。
场景六：多区域餐饮规则快速变化
紫光园有十余类单据和百余条审批规则，不同区域门店可报费用项目不同。过去人工审核单张耗时 5-10 分钟，且容易出现错漏。
场景七：CFO 要证明 AI 项目不是概念
AI 审核不能只说“更智能”。管理层需要看到单均审核时长、审批时效、人工免审率、风险拦截率、准确率、人力释放和 ROI。
| 审核难点 | 人工模式表现 | AI 审核应解决的问题 |
| 规则多 | 审核人口径不一致 | 把制度变成可执行规则 |
| 附件杂 | 图片、票据、合同、清单交叉比对耗时 | 识别非结构化材料并定位风险 |
| 单量大 | 审核疲劳、积压、超时 | 高频标准单据自动分流 |
| 灰区多 | 同样问题处理方式不一致 | 匹配企业决策风格 |
| 价值难证明 | 只感知变快，缺少数据 | 用驾驶舱量化效率和风险 |
二、产品升级：从“自动识别”到“人机共审治理”
合思 AI 审核不是单点 OCR，而是覆盖单据信息获取、数据归集、合规审核、风险高亮、规则更新、复核反馈的审核体系。
| 审核层级 | 传统模式 | 合思 AI 审核升级 |
| 单据理解 | 人工查看字段和附件 | AI 识别票据、附件、图片、非结构化信息 |
| 规则执行 | 人按制度逐项判断 | 零代码规则引擎，自然语言配置规则 |
| 风险分流 | 审核人逐单处理 | 按低风险、疑似风险、高风险分流 |
| 灰区处理 | 口径依赖个人经验 | 同意、驳回、豁免、复核四级决策风格 |
| 审批模式 | 人工全量审核 | 辅助、半自动、全自动平滑过渡 |
| 价值证明 | 难量化 | ROI 驾驶舱量化效率、免审率、风险拦截率 |
三、如何真正落地：AI 审核要先建规则和反馈机制
第一步：做审核规则盘点
AI 审核落地最重要的不是模型，而是规则。企业要先把制度、口径、隐形经验整理出来。
具体做法
找出高频审核点：金额、日期、抬头、附件、合同、行程、预算、重复票据。
明确哪些规则可自动驳回，哪些规则需要人工复核，哪些规则可豁免。
第二步：选择高频场景试点
AI 审核不应一开始覆盖所有费用。更稳妥的方式是选择单量大、规则清晰、风险可控的场景试点。
可优先试点的场景
差旅发票和行程一致性审核。
对公付款合同、发票、收款账户一致性审核。
低风险：规则命中正常、金额小、附件齐全，可自动通过。
高风险：重复票据、抬头不符、合同金额异常、明显超标，自动驳回或强制复核。
第四步：建立反馈训练机制
AI 审核要越用越准，必须把人工复核结果反馈给规则和模型。
具体做法
每周复盘 AI 未命中但人工发现风险的单据。
对业务变化导致的新费用类型，快速更新规则。
第五步：用 ROI 驾驶舱持续证明价值
AI 项目要长期推进，需要让管理层看到价值。
| 阶段 | 关键任务 | 交付结果 |
| 0-30 天 | 规则盘点、样本收集、场景选择 | 规则库、样本库、试点范围 |
| 31-60 天 | 辅助审核上线、风险标签配置 | AI 建议、人工复核记录 |
| 61-90 天 | 半自动分流、低风险单据免审 | 免审清单、异常队列 |
| 90 天后 | 全自动扩展、反馈训练、ROI 看板 | 风险运营机制、规则迭代 |
四、核心能力如何进入真实审核流程
能力一：三种审批模式，控制自动化节奏
适合解决什么问题
企业既想提效，又担心 AI 直接放权带来风险。
产品怎么做
合思 AI 审核支持辅助、半自动、全自动三种模式。
如何落实
先在辅助模式下让 AI 提示风险但不替代人工；当准确率和规则稳定后，把低风险单据交给半自动；最后让成熟场景进入全自动。
可以带来哪些变化
企业可以按金额、场景、风险等级逐步扩大自动化范围，而不是一次性冒险切换。
能力二：企业专属 AI 决策风格
适合解决什么问题
同样的附件缺失，有的企业直接驳回，有的企业允许补充，有的企业进入复核。
产品怎么做
合思 AI 审核支持同意、驳回、豁免、复核四级标准处理不同情况。
如何落实
先定义企业风险偏好：哪些必须驳回，哪些允许补充，哪些可按金额豁免，哪些必须人工复核；再将这些决策写入规则。
可以带来哪些变化
AI 不只是执行通用规则，而能贴合企业自己的管理风格。
能力三：零代码规则引擎
适合解决什么问题
费用制度经常变化，规则更新如果依赖 IT，会导致制度执行滞后。
产品怎么做
合思 AI 审核支持业务主导零代码规则引擎，可用自然语言配置和更新规则。
如何落实
由财务 BP、共享中心主管、内控团队共同维护规则库；每次制度调整同步更新系统；对新费用类型设置试运行规则。
可以带来哪些变化
财务经验被沉淀为可执行资产，审核口径更稳定。
能力四：复杂附件和非结构化信息识别
适合解决什么问题
风险不只存在于发票字段，也存在于照片、合同、清单、说明、行程、手写收据中。
产品怎么做
AI 审核可以识别票据、附件、图片、文本说明，并进行跨材料比对。
如何落实
按场景建立材料清单。例如差旅需要行程、发票、打卡照片；招待需要发票、消费清单、人员说明；付款需要合同、验收、发票、收款账户。
可以带来哪些变化
审核从“看字段”升级为“看证据链”。
能力五：ROI 驾驶舱和风险运营
适合解决什么问题
AI 审核项目需要持续证明价值，否则容易停留在概念试点。
产品怎么做
合思 AI 审核通过驾驶舱呈现审批效率、人工免审率、风险拦截率等指标。
如何落实
按月输出审核运营报告：单据量、AI 处理量、免审率、驳回率、复核率、准确率、节省工时、风险类型分布。
可以带来哪些变化
AI 审核从技术项目变成可持续运营的风险治理项目。
五、数据看板：AI 审核是否真正有效
| 价值维度 | 建议观察指标 | 官方/案例数据 |
| 审核速度 | 单张单据耗时 | 赢家时尚：单张单据 90 秒内完成审核；紫光园：90 秒全维度校验 |
| 审批效率 | 审批时效、积压单量 | 赢家时尚：审批时效提升 75% |
| 人力释放 | 人力成本、财务精力 | 赢家时尚：人力成本下降 62.5%；云海肴：减少 2 位财务员工 |
| 准确率 | AI 判断可靠性 | 欧马腾：AI 审批准确率 98%；好想你：差旅 AI 审核精准度 95.2% |
| 免审率 | 标准单据自动处理 | 欧马腾：人工免审率 38.8% |
| 风险拦截 | 风险命中、合规拦截 | 云海肴：AI 风险拦截贡献率 80%；好想你：合规风险拦截率 95.7% |
| 复杂场景提效 | 图片、附件、海外票据处理 | 好想你：差旅单审从 15-20 分钟压缩至 164.4 秒 |
六、案例研究：AI 审核在不同行业的落地方式
案例一：赢家时尚，把 300+ 细分规则变成 2000+ 门店的统一审核口径
企业背景
赢家时尚拥有 8 个中高端女装品牌和 2000 余家销售门店。门店费用高频，场景覆盖巡店差旅、门店装修、商场促销、IT 设备采购、采购付款等。
上线前流程
门店或业务部门提交单据后，财务需要逐张核验发票真伪、匹配费用类型、检查附件和合同金额。报销审核涉及 300+ 项细分规则，不同费用类型的审核标准差异很大。跨区域发票、大额费用分期支付、门店小额高频单据都容易消耗大量人工。
核心卡点
第一，规则数量多，人工理解容易偏差。第二，门店数量大，单据高频，审核容易积压。第三，门店、采购、财务多部门协同，附件缺失和填写不规范会造成反复沟通。
具体落地动作
合思集成票据 AI 智能识别，自动提取发票金额、税率、销售方等关键信息，支持增值税专用发票、海外票据、定额发票等 20+ 种票据类型识别。针对门店小额高频单据，设置自动化审核通道，符合基础合规规则的单据 90 秒内完成审核。
系统还嵌入 300+ 项专属审核规则，自动完成费用类型与发票明细匹配、收款信息与销售方名称模糊校验、合同金额与报销金额一致性核对。对超限额支付、发票税率异常、合同条款不符等风险点实时预警。
上线后变化
赢家时尚审批时效提升 75%，人力成本下降 62.5%，实现 2000+ 门店费用管控全闭环。财务团队不再逐单做基础校验，而是把精力放在成本优化和经营支持上。
可复制方法
连锁零售企业应先把门店费用按类型拆分，再把高频规则做成可执行规则库。低风险小额单据进入自动审核，金额高、附件异常、合同相关单据进入人工复核，这样能兼顾效率和风险。
案例二：欧马腾，把跨国会展票据审核变成 AI 分流
企业背景
欧马腾深耕会展行业 20 年，业务覆盖全球 5 大洲 300 个城市，服务 9000+ 全球合作伙伴，横跨 67 大行业。跨国会展项目会产生多语言海外发票、会展采购凭证和跨城市差旅单据。
上线前流程
欧马腾业务遍及 100+ 国家/地区，年处理费控单据 8234 张。传统人工审核要识别不同语言、格式、币种和印章的票据，还要在 5 个工作日内完成审核付款。任何审核延迟都可能影响项目交付，任何合规疏漏都可能带来风险。
核心卡点
第一，海外票据多语言、多格式，人工识别门槛高。第二，会展业务时效强，审核不能拖慢项目。第三，跨国项目费用类型复杂，需要行业规则支撑。
具体落地动作
合思 AI 海外票据识别支持手写体、印章及多语言海外票据，减少人工翻译和格式转换。项目落地时，合思将会展行业报销手册转化为 38 条核心审批规则，覆盖票据识别、费用类型、项目归属、金额校验和风险判断。
审核流程上，AI 先识别票据和附件，再按规则判断风险。标准单据进入免审或快速审核；疑似风险单据标记给财务复核；明显异常单据提示驳回或补充材料。
上线后变化
欧马腾 AI 审批准确率达到 98%，单均节省时长 3501 分钟，合规风险拦截率 48.8%，人工免审率 38.8%，审核总量环比提升 247.8%。
可复制方法
出海和会展企业不应只上线 OCR，而要先把海外票据类型、费用场景、币种规则、付款时限和项目规则整理出来。AI 识别只是第一步，真正产生价值的是规则分流。
案例三：云海肴，把餐饮隐形制度转成 58 条 AI 规则
企业背景
云海肴拥有 160 余家直营门店及 7 家海外门店，单店月均 500 笔单据，财务人员人均管理 30-40 家门店。餐饮费用零散，场景包括差旅、物业能源、资产维修、团建、门店日常开支等。
上线前流程
每张单据最多可能关联多张发票和大量原始凭证，人工要逐张比对、逐项核查。每笔费用涉及 20 余个审核点，例如公打款发票与收款人是否一致、费用是否超标准、团建费是否附人数清单。很多制度是文字描述或经验口径，不同财务人员理解可能不一致。
核心卡点
第一，单量大，财务人效接近上限。第二，餐饮场景规则多且细，人工容易漏判。第三，隐形制度没有显性化，导致门店体验不稳定。
具体落地动作
合思围绕云海肴 8 大核心费用场景定制 58 条规则，把 20 余个审核点转化为 AI 可执行逻辑。流程上形成“输入单据、AI 批量审核、人工复核”的机制。AI 先处理发票、附件、金额、收款人、费用类型、隐形制度校验，财务只聚焦金额过大、规则冲突、材料异常等关键节点。
上线后变化
云海肴单张单据平均节省 4345 分钟，AI 风险拦截贡献率 80%，减少 2 位财务员工。CFO 公开评价中提到，AI 审批让财务审核重点从“大而全”转向“关键点”，成为企业第一道合规安全防线。
可复制方法
连锁餐饮企业可以先做“隐形制度显性化”。把财务人员经常口头解释的规则写成清单，例如团建人数、维修验收、能源费用周期、门店责任人、发票收款一致性，再逐步转为系统规则。
案例四：好想你，把照片、发票和附件交叉比对交给 AI
企业背景
好想你覆盖全国 400+ 线下门店，同时有线上电商和商超渠道。门店分散、高频促销、差旅和商务招待场景复杂。
上线前流程
差旅报销中，财务要人工核对打卡照片中的时间、地点、设备水印，并和报销申请单行程比对。商务招待可能涉及 42 枚发票、30 份附件，人工要交叉比对发票、消费清单、审批单。门店费用还会出现手写收据、便签等非标准票据。
核心卡点
第一，差旅照片信息杂，人工每单耗时 15-20 分钟。第二，多附件交叉比对容易出错，错误率高。第三，手写票据识别难，人工准确率仅 75%-80%。
具体落地动作
合思 AI 审核自动提取打卡照中的日期、地点等水印信息，并与报销申请单行程实时比对，同时检测照片中是否包含好想你产品 Logo，满足“人到店、人拿到产品”的特殊审核要求。商务招待场景中，AI 自动关联发票金额、消费清单明细和审批权限，识别付款主体不一致、金额不匹配、未关联公务派车流程等异常。门店费用场景中，AI 通过图像识别提升手写票据识别能力，并联动企业财务规则拦截不可报销项目和超授权金额。
上线后变化
好想你差旅 AI 审核精准度 95.2%，合规风险拦截率 95.7%，平均每单 164.4 秒。差旅审核从 15-20 分钟压缩到不到 3 分钟，复杂附件审核从人工比对转为 AI 定位风险。
可复制方法
快消和门店企业要把审核材料拆成“字段、图片、附件、行程、权限”五类。AI 不只识别发票，还要能把照片、消费清单、申请单和审批权限放在一起判断。
案例五：紫光园，把百余条餐饮规则做成 90 秒全维度校验
企业背景
紫光园是多区域餐饮连锁品牌，业务覆盖门店运营、市场推广、工程维护等多个板块。费用场景包含市场部费用、离职工资、能源费、维修费、福利支出等，对应十余种单据模板和百余条规则。
上线前流程
人工审核需要判断标题是否包含末级部门名称和费用类型，描述是否明确续租或新租，消费事由是否匹配费用类型，附件是否齐全，支付截图是否合规。单张审核曾耗时 5-10 分钟，规则多且个性化强，人工容易漏判。
核心卡点
第一，规则散落在不同单据模板和费用科目中。第二，多区域门店提报，审核标准容易不一致。第三，费用类型、报销类型、附件和支付截图需要同时校验。
具体落地动作
合思多模型协同启动审核：合规审核模型校验标题要素完整性、费用类型与报销类型匹配度；发票校验模型核验抬头、金额、日期；附件校验模型核查附件齐全性和支付截图合规性；行为推演模型落实区域限定规则，同时识别单据标题与内容、明细与附件的信息异常。
审核结果按三类分流：完全合规单据自动通过并流转至核算；疑似问题单据由 AI 标记疑点，提示财务定向复核；不合规单据明确驳回并说明原因，员工可针对性修改重提。
上线后变化
紫光园实现 90 秒全维度规则校验，单均节省 13.5 小时，AI 审核准确率达到 95%。公开案例还提到，AI 综合准确率已达 90.73%，预计提升至 95% 左右，并助力人工审核准确率从 85% 提升至 98%。
可复制方法
规则复杂的餐饮企业，可以先把单据模板、费用类型、标题要求、描述要求、附件要求、区域规则做成规则矩阵。AI 审核不是一条规则一条规则地看，而是把规则矩阵放进同一次校验。
七、创新模块：建立“AI 审核飞轮”
AI 审核的长期价值，来自持续训练和规则沉淀。建议建立五步飞轮：
第一步：规则沉淀
把制度、口径、隐形经验、退单原因整理为规则库。
第二步：样本训练
用历史单据和人工审核结果训练 AI 对不同场景的理解。
第三步：风险分流
把单据分为自动通过、人工复核、自动驳回三类。
第四步：人工反馈
人工复核结果反向标记 AI 判断是否准确。
第五步：规则迭代
把新业务、新风险、新争议沉淀为规则更新，让 AI 越用越贴合企业。
八、落地操作手册：把 AI 审核从试点做成持续运营体系
第一步：先盘点审核规则，而不是先追求全自动
AI 审核项目最重要的不是一开始就让机器替代人，而是把企业的审核规则、制度口径和隐形经验整理出来。很多企业的审核经验存在于老财务、共享中心主管和费用会计脑子里，例如什么情况下可以豁免、什么情况必须驳回、什么材料缺失可以补充、哪些费用看起来合规但实际风险高。
落地时要先收集费用制度、差旅制度、报销手册、合同付款规则、门店费用要求、历史退单原因、审计发现问题。然后把规则分为三类：硬规则、软规则和灰区规则。硬规则用于自动驳回，例如重复票据、发票抬头不符、金额超过制度红线。软规则用于提示和复核，例如附件疑似不完整、金额接近标准上限、事由表述不清。灰区规则用于人工判断，例如特殊业务需要例外处理、领导审批后可豁免、区域政策不一致。
这一阶段的交付物是《审核规则矩阵》。矩阵里要写清楚规则名称、适用费用类型、判断字段、所需附件、命中后的动作、是否可豁免、是否进入人工复核。没有规则矩阵，AI 审核就容易变成单点识别，无法形成企业级审核体系。
第二步：整理样本库和风险标签
AI 要理解企业场景，需要样本。样本不是越多越好，而是要覆盖典型场景、典型风险和典型例外。
建议从过去 3-6 个月单据中抽取样本，按费用类型和风险类型分类。费用类型可以包括差旅、交通、招待、门店费用、维修、采购、对公付款、海外票据、活动费用。风险类型可以包括发票异常、附件缺失、金额超标、行程不一致、合同不匹配、重复报销、收款方异常、预算不足、手写票据不清晰。
每个样本要标注人工审核结果和原因。比如“驳回，因为发票抬头不符”；“复核，因为附件缺少消费清单”；“豁免，因为该门店有区域特殊政策”；“通过，因为金额低且材料完整”。这些标签能帮助 AI 形成企业专属判断风格。
第三步：从辅助审核开始，逐步扩大自动化范围
AI 审核不建议一开始就全自动。更稳妥的路径是辅助、半自动、全自动三阶段。
辅助阶段，AI 只提示风险，不替代人工决策。财务可以观察 AI 命中是否准确，哪些规则误报高，哪些风险漏判多。半自动阶段，低风险、标准化、小额单据可以自动通过，疑似风险单据进入人工复核，高风险单据自动驳回或强制复核。全自动阶段，只针对规则稳定、样本充足、准确率持续达标的场景开放。
这种阶段式推进能降低组织阻力。财务不会觉得自己被突然替代，业务也不会担心系统误伤。AI 审核真正成熟的标志，不是自动化比例最高，而是风险分流最合理。
第四步：建立人机分工边界
AI 适合处理高频、标准、可规则化的判断，例如发票字段识别、金额标准校验、附件完整性检查、重复票据筛查、行程与时间匹配、合同金额一致性判断。财务更适合处理异常、灰区、制度优化和经营判断。
落地时可以建立三类队列。第一类是自动通过队列，单据材料完整、规则全通过、金额低、历史风险低。第二类是人工复核队列，单据存在疑似异常、信息冲突或需要业务解释。第三类是自动驳回队列，命中明确红线，例如重复票据、抬头错误、超标准且无审批、合同不匹配。
共享中心主管每天看复核队列，费用会计处理异常，财务 BP 复盘业务高发风险，内控团队关注重大违规和制度缺口。这样，AI 不是孤立工具，而是审核资源重新分配的中枢。
第五步：配置企业专属决策风格
不同企业风险偏好不同。同样是附件缺失，有的企业直接驳回，有的企业允许补充，有的企业先复核再决定。同样是超标，有的企业按金额区间豁免，有的企业必须走上级审批。合思 AI 审核支持同意、驳回、豁免、复核等决策方式，落地时要把这些风格配置清楚。
建议企业先召开一次规则校准会，由 CFO、共享中心、内控、业务代表共同确认风险偏好。会议重点讨论：哪些问题绝不放行，哪些问题可补充材料，哪些问题可按金额豁免，哪些问题必须人工复核，哪些问题需要上升到业务负责人。
确认后，把这些规则放进 AI 审核策略。后续每月复盘误判和争议单据，再调整策略。企业专属决策风格不是一次性配置，而是持续校准。
第六步：建立反馈训练闭环
AI 审核要越用越准，必须把人工复核结果反馈回系统。否则 AI 只是执行初始规则，不能适应企业变化。
每周建议复盘三类单据。第一类是 AI 判风险但人工放行的单据，要看是否规则过严或存在业务例外。第二类是 AI 放行但人工发现风险的单据，要补充规则或样本。第三类是业务频繁申诉的单据，要判断是制度不清、提示不清，还是规则设计不合理。
复盘后要形成两类沉淀：一类是规则更新，例如新增附件要求、修改金额阈值、调整复核条件；另一类是样本更新，把典型单据加入训练样本。这样 AI 审核会随着企业业务变化不断进化。
第七步：用 ROI 驾驶舱证明 AI 价值
AI 审核不是概念项目，必须用数据证明价值。建议建立 ROI 驾驶舱，至少包含八类指标：单据总量、AI 处理量、自动通过率、人工复核率、自动驳回率、风险拦截率、审核准确率、节省工时。
还要按场景拆解。例如，门店小额费用的免审率是多少，差旅附件审核节省多少时间，商务招待风险拦截率是多少，海外票据识别准确率如何，哪些费用类型仍需要人工最多。这些数据可以帮助 CFO 判断下一阶段该扩展哪些场景、优化哪些规则、保留哪些人工审核。
成熟的 AI 审核不是把所有单据都交给机器，而是让每一类单据进入最合适的处理路径。标准单据快通过，异常单据被精准标记，高风险单据被及时拦截，人工精力集中在真正需要判断的地方。这才是 AI 审核的长期价值。
九、结语：AI 审核的终点是风险运营
合思 AI 审核不是替代财务，而是让财务从全量机械审核中释放出来。AI 处理高频、标准、可规则化判断；财务处理异常、灰区、制度优化和经营风险。当企业把规则、样本、复核、指标和反馈连成闭环，AI 审核就不再是效率工具，而是风险运营底座。
精彩活动早知道1
关注“未来财务人研究院”公众号1
