智能审单怎么做？智能体自动校验材料完整性与金额逻辑
财务共享中心的审单台上，每天都堆着这样的单据：一张差旅报销单贴了七张发票，其中两张日期对不上；一笔采购付款的合同金额是 48 万，发票却开了 52 万；一份费用申请缺了验收单，却在流程里一路绿灯跑到了终审。审核员平均每单只有几十秒的判断时间，眼睛在附件和金额栏之间来回扫，漏看、错看几乎是必然。
据 IDC 等机构的研究，企业财务共享中心中超过六成的人力仍消耗在单据审核、发票核对这类规则明确却高度重复的工作上，而人工审核的差错率与人员流动率高度正相关。这正是“智能审单”被反复讨论的原因。但智能审单到底怎么做？智能体自动校验材料完整性与金额逻辑，靠的是什么机制？本文从业务拆解到落地路径，把这套方法讲清楚。
一、先想清楚：智能审单到底在审什么
很多企业上智能审单，第一步就走偏了——直接把 OCR 识别当成了智能审单。识别只是“看得见”，审核是“看得懂、判得准”。真正需要智能体接手的，是审核员的两个核心动作。
- 材料完整性校验：这笔业务按规定应该附哪些材料？合同、发票、验收单、审批单、比价记录、银行回单，一样都不能少，且份数、页数、签章都要对得上。
- 金额逻辑校验：单据与单据之间的数字能不能互相印证？单价乘数量是否等于明细金额，明细汇总是否等于合计，含税与不含税换算是否匹配税率，发票金额是否超出合同金额或预算余额。
传统 RPA 只能按固定坐标点抓取字段，规则一变就失效；单一 OCR 只能识别票面文字，无法判断“这张发票该不该出现在这笔业务里”。某电力集团曾统计，其业务类型超过 120 种，单一业务类型下就包含十余种审核规则，下辖 4 省 188 家分子机构执行标准还不统一，年单据审核量超过 25 万笔——这种复杂度，靠人工堆人和简单脚本都无法解决。
二、材料完整性校验：不只是“有没有”，更是“对不对”
2.1 建立“业务类型—必备材料”映射关系
完整性校验的前提，是把企业的制度语言翻译成机器能执行的清单。做法是把每一类业务（差旅报销、采购结算、工程结算、资金支付等）对应的必备附件、可选附件、失效条件逐一梳理，形成结构化的材料矩阵。
- 明确每类单据的必备项清单，例如采购付款必须有合同、发票、入库单/验收单三件套；
- 明确条件项，例如金额超过一定阈值时必须附加比价记录或招标文件；
- 明确失效条件，例如发票日期早于合同签订日期、验收单签字人与审批人重合等。
2.2 让智能体做“位置级”的缺失定位
完整性校验不能只输出一句“材料不全”，而要精确到缺哪一份、缺哪一页、缺哪个签章。这要求智能体具备多模态理解能力：既能识别 PDF、扫描件、照片等不同载体，也能判断印章是否存在、手写签名是否可辨、表格是否被截断。
在实在Agent的实践中，这一步通常由“大模型 + 小模型”协同完成：OCR 小模型负责稳定的版式识别与字段定位，大模型负责理解附件语义与业务归属，二者交叉验证，避免“识别到了但归错了类”的问题。
三、金额逻辑校验：让单据之间互相“说话”
3.1 四类金额逻辑规则
金额逻辑是审单中最容易出错、也最适合自动化的部分。可以归纳为四类规则：
- 内部一致性规则：数量 × 单价 = 明细金额，明细金额汇总 = 合计金额，大写金额 = 小写金额，含税金额与税率、税额三者互相咬合。
- 跨单据勾稽规则：发票金额 ≤ 合同金额，累计付款金额 ≤ 合同总额，入库数量 ≤ 订单数量，报销明细与发票明细逐项对应。
- 制度标准规则：差旅住宿标准按职级与城市分档，业务招待费按人均限额，超标部分自动高亮并生成打回理由。
- 时间与状态规则：发票日期落在合同有效期内，报销日期晚于费用发生日期，同一发票号不重复出现，避免重复报销。
3.2 关键在“规则可执行”，而非“规则可阅读”
很多企业的审核制度写在 PDF 里，几百页文档，审核员都记不全，更别说让系统执行。真正可行的路径是：上传制度文本，由大模型解析并生成代码级审核规则，再由规则引擎执行校验——规则以代码形式运行，不依赖大模型现场推理，从机制上规避了“幻觉”导致的误判。
3.3 交叉验证解决“单点不可靠”问题
- 大模型（LLM/VL）泛化理解能力强，能处理没见过的新单据类型，但存在幻觉风险；
- 小模型（NLP/OCR）处理稳定、几乎不产生幻觉，但需要标注训练、覆盖范围有限；
- 两者交叉验证：大模型抽取的结果与小模型识别的结果相互比对，不一致时转人工复核，一致时直接进入规则引擎校验。
四、落地路径：智能体自动校验的五步工作流
把上述能力串起来，就是一条可复制的落地路径。下面这套流程在财务共享中心场景中已被反复验证。
4.1 第一步：规则智能管理与制度解析
上传企业内部制度、报销标准、审批权限表，由大模型解析生成结构化规则库。公共规则（多流程适用）与私有规则（单流程专属）分层管理，便于后续维护。
4.2 第二步：业务端提单与附件归集
业务人员在系统中提交单据并上传附件，智能体自动判断附件类型，与业务类型匹配，缺失项即时提示补传，把问题拦在源头。
4.3 第三步：智能识别与信息抽取
结合 OCR 小模型与大模型，完成单据分类、字段抽取、印章识别、手写体识别、表格结构还原。抽取规则可自动生成：上传业务关联单据样本，即可批量生成抽取规则，大幅降低实施成本。
4.4 第四步：深度校验与系统穿透查询
规则引擎执行完整性校验与金额逻辑校验，同时通过接口穿透查询 ERP、合同系统、供应商主数据，核验合同金额、预算余额、供应商资质等外部信息。这一步是“审得准”的关键——只看单据本身，很多问题看不出来。
4.5 第五步：结论生成与人工确认
合规单据自动通过，违规单据高亮标出问题项并生成打回原因，人工只需复核存疑部分。实在Agent可以模拟人工登录审核系统，作为 AI 审核节点直接完成操作，也可以通过标准 openAPI 与现有 ERP 集成，不改动原有系统架构。
五、准确率从哪来：三个容易被忽略的机制
5.1 持续学习闭环
人工复核时修改的每一处判断，都是训练素材。系统采集错误案例、提取关键特征、建立学习素材库，定期优化算法模型，让智能体越用越准。
5.2 全链路日志审计
每一单的识别结果、命中的规则、判定依据、人工干预记录都要留痕并可生成审计文件。这不仅是合规要求，也是问题定位和规则迭代的基础。
5.3 权限与服务管理
基于 RBAC 模型做权限隔离，支持分子机构个性化配置，解决集团型企业“一套系统、多套标准”的矛盾。
六、效果参考：三个脱敏场景的实践数据
- 某大型电力集团：业务类型 120 余种、下辖 4 省 188 家分子机构、年审单量超 25 万笔。采用“大模型+小模型”双轨制智能审单，覆盖 92 类核心业务场景，初审替代率达 66%，人工负荷降低超 60%，审核准确率提升至 99.2%，项目投入 10 个月即收回成本。
- 某电商企业财务共享中心：审单团队 27 人，日均单量 3000 笔，覆盖 54 个流程场景，梳理出 1268 条审批规则。上线后 AI 审单平均每单 8 秒，日均单据 6 个半小时内完成，上线六个月初审完成率 89.3%，人工二次复核仅需 3 人，人工成本下降 88.9%，效率提升约 33 倍。
- 某企业报销合规审核：针对报销制度繁杂、多单据逐字比对耗时的问题，通过大模型抽取多模态信息、外挂知识库匹配职级对应的交通住宿标准，违规单据自动高亮超标项并生成打回原因，合规盲区明显收窄。
七、实施建议：少走弯路的四个提醒
- 不要一次性全量上线：先选规则清晰、单量大的 3—5 类业务做试点，跑通后再横向扩展。
- 规则要分层治理：公共规则统一维护，机构私有规则单独配置，避免“一改全乱”。
- 保留人工兜底通道：初期人机协同，人工复核比例随准确率提升逐步下调，而不是一步到位取消人工。
- 把审计留痕当作硬需求：从第一天就要求全链路可追溯，否则后期合规检查会付出更大代价。
智能审单的价值，不在于替代多少人，而在于把审核员从“逐字比对”的机械劳动中解放出来，转向异常判断与风险洞察。材料完整性与金额逻辑这两件事，规则明确、重复度高、容错率低，恰恰是智能体最擅长的战场。通过“大模型理解 + 小模型稳定 + 规则引擎执行”的组合，企业可以在不重构现有系统的前提下，把审单准确率和处理效率同时拉上一个台阶。对于年审单量过万的企业而言，这套投入通常在一年内即可看到明确回报。
常见问题解答
Q1：智能审单会完全取代人工审核吗？
短期内不会，也不需要。更现实的形态是人机协同：智能体承担材料完整性、金额逻辑这类规则明确的校验，人工聚焦异常单据、特殊业务和风险判断。多数企业的实践是初审自动化率做到 70%—90%，保留少量复核岗位。
Q2：大模型会产生“幻觉”，导致审单判错怎么办？
关键在于不让大模型直接“下结论”。可行的做法是由大模型解析制度、生成代码级审核规则，实际校验由规则引擎执行，抽取结果注入代码规则，无需大模型现场推理即可完成审核；同时用 OCR/NLP 小模型与大模型交叉验证，结果不一致时自动转人工。
Q3：我们的报销制度和审批规则经常变，维护成本会不会很高？
规则库支持分层管理，公共规则与流程私有规则分开维护。制度文本更新后，可重新上传由大模型解析生成新规则，人工只需确认差异项，不必逐条手写配置。
Q4：和老 ERP、财务系统怎么对接？
通常有两条路径：一是通过标准 openAPI 与 ERP、合同、供应商系统集成，实现数据穿透查询；二是由 RPA 模拟人工登录审核系统，作为 AI 审核节点完成操作。前者更彻底，后者上线更快，可根据系统开放程度选择。
Q5：上线周期和投入产出怎么评估？
试点场景一般在数周到两个月内可跑通，全量推广视业务类型数量而定。评估 ROI 建议看三个指标：初审替代率、单均处理时长、人工复核比例。以年审单量 10 万笔以上的企业测算，人力成本节约通常在一年内可覆盖投入。
