财务是最谨慎的部门,也是最容易被 AI 吸引的部门,因为重复劳动多。但财务的错误代价高,适用边界必须划得很清楚。
哪些环节适合用?
四类:票据信息提取、报销单初审、对账差异初筛、报表数据整理。
这四类的共同点:规则明确、可校验、错误可回退。提取错了能复核,初审错了能改,不影响最终账务。
哪些环节不适合?
三类:记账凭证生成、税务申报、资金划付。
这三类的共同点是:错误不可逆、责任明确、监管要求高。让模型直接产出最终结果,风险不可接受。
可以做的是辅助:生成草稿,人审核后提交。模型不碰最终提交动作。
票据提取的准确率能到什么水平?
标准发票的字段提取,做得好的能到很高。但真实场景的问题不在标准票,在非标票:手写票、模糊拍照、褶皱、多票混贴。
所以评估要按真实票据样本做,不要用干净的测试集。
报销初审该怎么设计?
建议做成规则引擎加模型判断的混合。硬规则(超标、缺附件、重复报销)用规则引擎,模糊判断(事由合理性)用模型。
纯模型的做法不稳定,纯规则的做法覆盖不全。混合是务实的方案。
对账差异怎么初筛?
让模型做三件事:找出金额不匹配的记录、归类差异类型、给出可能原因。
不要让它直接调账。调账是不可逆操作,必须人来。
数据安全怎么保证?
四个要求。第一,敏感字段脱敏后再给模型。第二,不把完整财务数据传到外部服务。第三,保留完整的操作日志。第四,定期做权限复查。
第一条最实用。把账号、身份证号、银行卡号脱敏,能大幅降低风险。
怎么说服财务部门用?
不要从效率讲,从风险讲。讲清楚三件事:哪些环节用它、错了怎么回退、责任怎么划分。
财务最怕的是责任不清。把责任边界写清楚,比讲多少效率提升都有用。
最后该记住什么?
财务场景的 AI 应用,节奏一定慢。慢不是保守,是因为错误的代价结构不同。
先做辅助,跑一年,再谈自动化。这个顺序反了,很容易出大事。
去论坛讨论
前往 ziyuanagi.com 论坛 参与讨论