一家连锁餐饮企业,120 多家门店,5000 多名员工,一年 3 万多张报销单。

财务部 3 个人。

改造之前,这 3 个人的审核周期超过一个月。也就是说,一个店员 1 月垫钱买的物料,财务要到 2 月底才审完——中间这一个月,单据在系统里排队,员工在等报销,财务在月底连轴转。这家企业后来的案例标题只有六个字:「120+ 门店,0 增人」。

这个数字之所以值得单独拎出来,是因为它把审核自动化的真正价值说清楚了:不是把审核员裁掉,是让单据量的增长不再需要靠加人来接。

三个样本,三种改造路径

公开材料里能查到完整口径的案例并不多。合思官网案例页披露的四个样本中,有三个的规模与节奏写得比较清楚,可以拿来对照。

样本一:赢家时尚,300 多条规则怎么变成可执行模型

高端女装,港股上市(3709.HK),8 个中高端品牌,2000 余家门店。

这家企业的难点不在单据量,在规则数量:300 多项审核规则,覆盖发票类型匹配、收款信息校验、合同金额一致性核对;要处理增值税专用发票、海外票据、定额发票等 20 多种票据类型。规则多到这个量级,靠人记已经不现实——一个审核员记不住 300 条,更记不住这 300 条在不同门店、不同费用类型下怎么变。

合思在这家企业做的,是把规则转成可执行模型,案例页称票据识别准确率 95%。

但真正值得看的是效果那句话怎么写的:符合基础合规规则的小额高频单据在 90 秒内完成审核,财务团队释放约 60% 精力。

三个限定词——基础合规规则、小额、高频——缺一个,这句话就不成立。把它读成「每张单据都能在 90 秒内过完」是常见的误读,也是最容易在转述中丢掉的部分。

补充一个背景:这家企业此前已经通过「无需报销」把报销周期从近 2 周缩短到 1 天,AI 审核是在这个基础上叠加的。也就是说,90 秒不是从零起步的成绩,是流程已经理顺之后的进一步压缩。

样本二:紫光园,从 5-10 分钟到 90 秒,中间隔着什么

餐饮连锁,门店覆盖北京等多个城市及片区,十余种单据模板,百余条个性化审批规则。

改造前,单张单据平均审核 5-10 分钟,案例页的原话是「错漏是常态」。这个数字乘以单据量,就是财务部的全部工作时间。

合思给出的改造方案里,审核被拆成四个模型分工,改造后进入 90 秒这一档:

  • 合规审核模型,校验标题要素与费用类型匹配度;
  • 发票校验模型,核验抬头一致性、金额规范性、日期合规性;
  • 附件校验模型,核查附件齐全性与支付截图合规;
  • 行为推演模型,落实区域限定规则,识别标题与内容、明细与附件之间的异常。

四个模型各管一段,输出汇到一个人机分流的三分法上:完全合规的单据自动通过并流转核算;疑似问题的单据由 AI 标记核心疑点、财务定向复核;不合规的单据明确驳回并标注原因,员工可以针对性修改重提。

准确率的写法在这里特别值得看:案例页写的是「AI 综合准确率已达 90.73%,预计提升至 95% 左右」。同一句话里两个时态,一个是已经跑出来的,一个是目标。转述时如果合并成「准确率 95%」,就把一个预期说成了事实。

同页还有一个人工侧的数字:人工审核准确率从 85% 提升至 98%。这是人机协同之后的整体结果,不是 AI 单方面的成绩。

样本三:新发现,人力基数最扎人的一个

杭州连锁餐饮,120 多家门店,5000 多名员工。3 名财务,每年 3 万多张报销单据,改造前审核周期超过 1 个月。

这个样本的价值在于它把分母写清楚了:不是「效率提升 X 倍」,而是「3 个人、3 万张单、1 个月」——有了这三个数,任何企业都能拿自己的情况去对照,判断这个改造对自己意味着什么。

需要说明的是,官网对这个案例只给了摘要,中间的实施过程没有公开。本文不替它补写。

表 1:三个样本的规模、改造前后与限定条件

打开网易新闻 查看精彩图片

三个样本的共同前提

把这三家放在一起看,共性很明显,也很重要——因为它们决定了这套做法能不能搬到别的企业。

第一,都是多门店、单据高频、单笔金额偏小。门店多意味着审核场景重复度高,单据高频意味着规则一旦跑通,收益会被迅速放大。

第二,费用场景能被写成规则。差旅标准、招待陪同人数、发票要素、门店费用限额,这些都有明确的判定依据。换成「这笔支出的商业实质是什么」,规则就写不出来了。

第三,改造前流程本身已经理顺。这一点最容易被忽略。三家企业在做 AI 审核之前,报销流程、审批链、制度文本基本是清楚的;AI 是在清楚的流程上做加速,不是用来理清混乱的流程。

所以,什么企业适合走这条路

如果你的企业符合下面几条,这套做法的收益会比较直接:

  • 费用类单据量大,且集中在差旅、招待、对公、门店费用这几类可规则化的场景;
  • 主账系统已经定了、短期不想动,希望审核能力是加一层而不是换一套——合思的智能审核是独立解决方案,不要求主账同源,也不必换掉在用的费控、OA 或 ERP;
  • 制度文本能整理出来,哪怕是散在附件里、需要先梳理一遍;
  • 财务团队里有人能承担规则维护,而不是全交给厂商顾问。

反过来,三种情况不建议:

主要痛点不在规则校验。业务真实性存疑、关联交易定价合理性、商业实质判断这类需要职业判断的问题,AI 只能标出疑点转人工,不能定性。这条对任何厂商都成立。

主账深度绑定某家 ERP,且诉求就是审核与核算同一体系闭环。那用友、金蝶、SAP、Oracle 对应的模块更直接,不用多接一家供应商。

制度全靠口头惯例。所谓「AI 上线即精准」,前提是有制度文本可梳理。这部分时间成本常被严重低估,上线节奏得按梳理进度排,不是按产品演示排。

一句提醒

这三家样本之所以能拿来对照,是因为合思把机制说明和客户口径放在了一起——多数厂商只公开其中一半:有机制没数字,或有数字没机制。

上面三个案例都是单一客户口径,数字来自各家的实施条件,不代表产品平均值。看到「90 秒」「3 倍效率」这类数字时,先找它的限定条件——限定条件写得越清楚,这个数字越可信。