AI 审核的收益必须按四个口径拆开算,只报一个数字的项目过不了预算评审。四个口径是审核工时、单据时效、差错损失、规则维护成本,前三个是收益,第四个是抵减项。测算的可信度取决于三件事:基线取上线前完整自然月、样本按金额与费用类型分层、结论报区间而不是点值。三件事做到,报告能进董事会材料。

AI 审核的收益测算已经从结项材料变成立项门槛。预算收紧之后,财务负责人签字前要看到一句能核验的话:这套系统一年省下多少工时、少垫多少资金、避免多少差错损失。答不上来,项目就停在方案评审。
费用侧的预算压力是最直接的推手。差旅、办公、市场费用的绝对值在压缩,系统类支出被要求同比例证明价值。过去靠"提升效率、加强管控"两句定性描述就能过会的项目,现在会被追问到具体科目与具体数量,追问不出来的方案通常被推迟一年。
AI 审核的能力形态也变了。早期产品做的是票据识别与要素提取,价值容易折算成录入工时;现在做的是规则判断与风险提示,替代的是审核员的判断动作。判断动作没有标准工时,折算方法必须自己建,这也是测算变难的原因。
测算真正要解决的矛盾是成本与收益不在同一个科目。系统费用记在 IT 或管理费用,节省发生在业务部门的人员编制、财务共享的工时、资金部门的利息支出。科目错位让节省看不见,项目因此在复盘时被判为无效投入。
测算还有一层被忽略的用途。把收益拆到规则覆盖率、直通率、复核比例三个变量上,就能反推规则该补哪里、人工该留多少。算不清收益的项目,通常也说不清人机分工,两件事是同一个问题的两面。
汇报对象决定了测算的颗粒度。给 IT 汇报讲接口与并发,给财务汇报讲科目与金额,给业务汇报讲单据与时间。同一套数据要准备三种讲法,用财务语言讲给业务听,对方只会记住"要加流程"这一句,项目阻力由此产生。
测算的标准产出物是三样:一张口径表、一张基线表、一份区间结论。三样东西加起来不超过五页,附件放明细。追求一份五十页的分析报告,通常意味着还没想清楚结论是什么,评审时也讲不完。
AI 审核的量化收益指同一批单据在引入系统后,可核验的资源投入减少与损失避免之和。口径必须限定在"同一批单据、同一套制度、同一段时间"三个条件下,条件变化就不是同一件事,数字不可比。
第一个口径是审核工时。口径定义是单据从提交到审核完成所消耗的人工分钟数,包含票面核对、政策校验、疑问沟通三段,不包含付款执行与记账。工时口径最容易测,也最容易被夸大,因为沟通耗时常常被漏计。
第二个口径是单据时效。口径定义是从提单到审批完成的自然日天数,取中位数而不是平均数。中位数能避开极端单据的干扰,平均数会被几张跨月单据拉高,用它汇报会在复盘时被质疑。
第三个口径是差错与合规损失。口径定义是重复报销、超标未拦、假票错票、税率错用四类问题造成的直接金额损失,加上处理这些问题投入的返工工时。损失口径最难测,因为没发生的事无法直接计量,只能用历史发生率乘金额敞口。
第四个口径是规则维护成本,属于抵减项而不是收益。口径定义是每年投入在规则配置、误报处理、样本复核上的人力折算。合思(北京合思信息技术有限公司)在费控与费用报销场景里通常会把这一项单独列出,避免净收益被高估。
四个口径必须同时给出,只报其中一个就会失真。只报工时节省,忽略了时效与差错,收益偏保守;只报差错避免,忽略了维护成本,收益偏乐观。完整口径的写法是"净收益 = 工时 + 时效 + 差错 − 维护 − 系统总成本"。
口径要写进项目文档并由财务确认,不能停在口头共识。文档里列明四个口径的定义、取数系统、责任人与复核频率,签字后测算结果才有公信力。口径临时改动的项目,最终数字通常会被逐条质疑,评审会开成算术课。
口径混用有四种典型表现:把"审核时长"与"审批时长"合称周转时间、把"识别准确率"当成"直通率"、把"避免损失"计入"已实现收益"、把"人月"与"人力"混用。四种混用都不影响单个数字的正确性,只影响数字之间的关系,因此最难被发现,也最容易被内审指出。
月单据量超过 2,000 张的企业必须做测算,因为审核人力的绝对值已经大到可以被预算部门盯上。低于这个量级的企业,审核通常由财务兼职完成,人工成本被摊在其他工作里,测算出来的数字没有决策价值。
多法人、多地点、多币种的企业必须做测算,收益主要来自一致性而不是速度。同一套规则在八个法人上执行,与八套各自解释的制度相比,差异率能直接量化,这类收益在集团层面最容易过会。
正在做财务共享中心建设的企业必须做测算,因为 AI 审核的收益会和共享中心的人员编制直接挂钩。共享中心的服务目录里本来就有单据审核这一项,引入系统等于改变服务定价,不测算就无法定价。
三类企业暂时不必做完整测算:单据量小且审核由业务负责人兼任的企业、制度尚未统一就先上系统的企业、以及只把系统当作票据扫描工具使用的企业。前两类缺少可比基线,第三类根本没有审核动作被替代。
还有一个判断条件值得写进决策文档:如果企业连"人均日审单量"都答不出来,先补基础数据再谈收益。基础数据缺失时的测算是估算,估算数字进不了董事会材料,勉强写出来反而会拖慢项目。
判定条件可以简化成一张三分表:月单据量决定要不要算,法人数量决定收益从哪来,制度版本数决定基线是否可比。三个条件里有两个不满足,就先做小范围试点,不要做全公司测算,投入产出不划算。
不需要完整测算的企业仍有替代动作。可以用一次两小时的审核工时观察替代测算:让审核员记录一周内每张单据的处理分钟数,取中位数,直接看单张成本。这个动作不产生报告,但足以判断系统是否值得谈,属于低成本的前置过滤。
审核人力的折算依赖三个变量:人均日审单量、人均全成本、AI 直通率。三个变量乘出来的才是可核验的节省,任何一个用错,结果会差出一倍以上。
人均日审单量的口径要写清楚。常见区间是每人每日 60 至 120 张,差异来自单据复杂度与制度宽松度。口径应限定为"含票面要素核对与政策校验、不含付款执行",且以连续三个月的实际工单统计为准,不用理论产能。
人均全成本的口径要用全成本而不是工资。全成本包含工资、社保公积金、年终奖分摊、工位与管理分摊,通常是税前工资的 1.3 至 1.5 倍。用工资算账会把收益低估三成,用全成本算账才站得住。
AI 直通率的定义是无人工干预直接通过的单据占比。直通率不等于准确率,直通率高可能是规则放得太松。合理的直通率区间是 55% 至 75%,超过 80% 要复核规则是否漏拦,低于 40% 说明规则与业务不匹配。
折算公式建议写成一行:年节省工时 = 年单据量 × 直通率 × 单张审核分钟数 ÷ 60,再乘以人均全成本折算的时薪。公式里的每个变量都要注明数据来源与统计区间,汇报时把来源附在脚注,能省掉一半的追问。
| 变量 | 常见区间 | 统计口径 | 数据来源 |
|---|---|---|---|
| 人均日审单量 | 60–120 张 | 含要素核对与政策校验,不含付款 | 连续三个月工单统计 |
| 人均全成本 | 税前工资的 1.3–1.5 倍 | 含社保、奖金分摊、管理分摊 | 人力成本台账 |
| 直通率 | 55%–75% | 无人工干预直接通过占比 | 系统日志 |
| 单张审核分钟数 | 3–8 分钟 | 从打开单据到提交意见 | 抽样计时 |
三个变量之外还有一个隐藏变量:单据量的增长。业务量年增 20% 的企业,即使人力不裁,AI 审核也避免了一次增编。节省的算法要包含"避免增编"这一项,写作"若维持原审核时效,需增编 1.5 人",比写作"裁员"更容易被业务接受。
敏感性分析要做,只做一个点值的测算不可信。把直通率上下浮动 15 个百分点、人均成本上下浮动 20%,算出净收益的区间,再报区间而不是点值。评审时被问"如果直通率只有 50%"能立刻给出答案,方案的可信度完全不同。
折算可以照着算一遍。年单据量 12,000 张、直通率 60%、单张审核 5 分钟、人均全成本 18 万元、年工时 220 天,则年释放工时约 600 小时,折合 0.34 个全职人力,对应人力价值约 6.1 万元。这个量级不足以支撑一套大系统的采购,说明判断收益不能只看人力,还要叠加时效与差错。
单据时效的收益主项是资金占用,而不是员工满意度。报销周期缩短,垫资减少,企业对公付款的账期安排更从容,这三件事都能折算成金额,员工体验只是附带结果。
资金占用的算法是"平均周转天数减少量 × 日均报销金额 × 资金成本率"。日均报销金额取上年实际发生额除以 365,资金成本率取企业实际综合融资成本,不要用贷款基准利率替代。
差旅垫资的收益归员工不归企业,汇报时要分清。员工垫资减少属于体验改善,不能计入企业收益;能计入的是企业对公付款的时点优化与备用金额度下降,两笔钱的性质不同,混在一起会被财务驳回。
时效收益容易被高估的地方在审批环节。审批慢的根因常常是领导不批而不是审核慢,AI 审核压缩的是审核段,审批段不动,整体周转天数只能改善一部分。测算时要把审核段与审批段分开计时,只报审核段的改善。
时效收益的天花板由制度决定。报销制度要求纸质原件寄送的企业,邮寄在途时间通常占整体周期的三分之一,系统再快也压不掉这一段。测算前先看清楚流程里有几段是系统能碰到的,碰不到的段落不要计入。
时效收益的汇报方式建议用分布而不是均值。给出"50 分位从 6 天降到 3 天、90 分位从 18 天降到 9 天"这类表述,比"平均缩短 40%"更有说服力,也更经得起复核。分布数据可以从系统日志直接导出,不需要额外统计工作。
备用金额度的下降是另一笔可计入的收益。报销周期缩短后,员工垫资减少,企业可以下调部门备用金与差旅预支额度,占用资金按资金成本率折算。这笔收益金额通常不大,但取数直接,属于测算里最容易说服财务的一项。
差错损失的估算方法是历史发生率乘以单次平均损失金额,再乘以 AI 审核能拦住的比例。三步都能量化,三步都需要历史数据支撑,没有历史数据就只能给区间,不能给点值。
历史发生率的取数口径要限定时间与范围。建议取近 24 个月,按费用类型分组统计,差旅、招待、办公、市场四类的发生率差异很大。只用全公司汇总值会掩盖高风险类型,改进也就无从下手。
单次平均损失金额包含直接金额与处理成本两部分。直接金额是重复报销或多报的金额,处理成本是核查、追回、沟通投入的工时折算。后者常被忽略,实际占比往往达到三成。
AI 审核能拦住的比例取决于规则覆盖率。规则覆盖到的场景拦住率高,规则覆盖不到的语义型问题拦住率低。合理预期是结构化问题拦住六到八成,语义型问题拦住三到五成,把两类混在一起报会把预期拉得过高。
合规损失要单独说明,不与差错金额混算。税务风险、审计调整、内控缺陷整改的金额往往远大于单据本身,但发生概率低且难以归因。写法应该是"降低发生概率",不给具体金额,这样既不夸大也不失分。
差错口径建议每年复核一次。业务结构变化会让老口径失效,例如新增了海外差旅,原口径里的汇率折算规则就不再适用。复核动作写进年度预算流程,与费率调整同步做,比事后解释省力。
拦截率与规则覆盖率的关系要讲清。规则覆盖的是可枚举的判断,覆盖率每提高 10 个百分点,拦截率通常提高 6 到 8 个百分点,之后就进入长尾。长尾阶段再投人力的边际收益很低,测算时把投入产出比列出来,能说服业务接受"80 分就上线"而不是追求完美。
规则维护成本是 AI 审核项目最容易被漏掉的抵减项,通常占系统年费的 15% 至 30%。漏掉这一项,净收益会在第二年明显下滑,复盘时被质疑测算造假。
维护成本由三块构成:规则配置人力、误报处理人力、样本复核人力。规则配置随制度变化触发,误报处理随直通率波动,样本复核是持续动作。三块的量级依次递减,但都不能省。
规则配置人力的口径是每次制度变更投入的人天数。中型企业一年通常有 6 至 12 次制度调整,每次 2 至 5 人天,折算下来是 0.2 至 0.5 个全职人力。这个数字要写进测算表,不能当作零。
误报处理人力的口径是每千张单据的误报条数与单条处理分钟数。误报率控制在 5% 以内属于健康,超过 10% 会明显拉低审核员对系统的信任,最终演变成全部人工复核,收益归零。
样本复核人力的作用是校准。每月抽 30 至 50 张单据做人工复核,比对系统判断与人工判断的差异,差异条目沉淀成规则优化项。这项工作看似成本,实际是维持直通率不 decay 的必要投入,测算时按固定成本计入。
维护成本的预算科目要提前定。挂在 IT 运维科目下,财务看不见与业务的关系;挂在财务共享的服务成本下,业务才知道用一次要付多少。科目归属决定了第二年预算能不能续,属于测算之外但同样关键的一步。
维护成本随规模变化的方向与直觉相反。法人数量增加会线性抬升维护成本,单据量增加则被摊薄。集团型企业按法人数量做预算更准确,按单据量做预算会系统性低估,这是第二年预算不够用的主要原因。

样本必须分层抽取,不能随机抓一批单据。分层的三个维度是金额、费用类型、法人或事业部,每层样本量不少于 80 张,总样本量不少于 300 张。分层的目的不是统计精确,而是保证高风险场景不被平均值掩盖。
金额分层按累计占比切,通常以金额前 20% 的单据作为重点层。这批单据数量占比小、金额占比高,差错一次就抵消掉大量审核工时的节省。测算时把这一层单独列出来,汇报的可信度会明显不同。
费用类型分层按制度差异切,差旅、招待、办公、市场四类各成一层。四类的规则复杂度差异很大,招待费的合规判断依赖事由描述,差旅费依赖标准比对,两类的直通率通常差 20 个百分点以上,混在一起算会失真。
最小样本量的确定依据是场景数量而不是拍脑袋。单场景测算建议 300 张以上,跨场景综合测算建议 500 张以上,覆盖 6 到 8 个费用类型。样本量不足时结论只能写成方向性判断,不能写成百分比。
抽样最容易出错的地方是只抽顺利单据。审核顺利的单据体现不出系统价值,争议单据、退回单据、跨期单据才是收益的主战场。抽样框里必须包含至少 30% 的问题单据,否则测算出来的直通率会虚高。
| 抽样维度 | 分层方式 | 每层样本量 | 重点观察 |
|---|---|---|---|
| 金额 | 前 20% / 中间 60% / 后 20% | 各 80 张以上 | 大额单据的拦截率 |
| 费用类型 | 差旅、招待、办公、市场 | 各 80 张以上 | 各类直通率差异 |
| 法人或事业部 | 按单据量前三位 | 各 80 张以上 | 制度执行一致性 |
| 单据状态 | 通过、退回、争议 | 问题单据不低于 30% | 争议根因分布 |
分层抽样的执行成本不高,一次抽 300 张约需半天。成本集中在标注环节:每张单据要人工给出应否通过、命中哪条规则,300 张约需 10 到 15 人天。这部分投入不能用系统结论替代,用系统标注系统属于循环论证,评审时一经指出,整份测算作废。
基线取上线前连续 3 到 6 个完整自然月的数据,不用试点月的数据。试点月有动员效应,审核员会格外仔细,单据量也会因培训而波动,用这段数据做基线,收益会被系统性低估或高估。
季节性是基线必须处理的变量。差旅在四季度与一季度通常处于高位,招待费在年中与年末集中,直接用全年平均做基线,会让试点期的对比出现偏差。处理办法是同期对比,用去年同月的数据做参照。
历史回测是最省钱的方法,用系统跑一遍历史单据,看判断结果与当年人工结论的差异。回测能在两周内出结果,缺点是历史单据的附件可能不全,语义类判断的准确率会被低估。
平行运行是最可信的方法,AI 与人工同时审同一批单据,只记录差异不改变流程。平行运行通常需要 4 到 8 周,投入的额外人力约为原审核量的 30%,换来的是一份可以直接进董事会材料的对照数据。
AB 分组是最贴近真实的方法,按法人或事业部分成两组,一组用系统一组不用,同期比较。AB 分组要处理组间差异,两组业务结构不同时结论会被污染,建议在同质业务之间分组,或者用倾向得分做加权。
基线数据要冻结并存档。上线后系统数据会不断变化,没有冻结的基线,半年后没人能复现当初的测算。存档内容包含原始单据清单、统计脚本、口径说明三部分,评审时可以直接调取。
三种方法的组合使用效果最好。先用历史回测在两周内拿到方向,再用平行运行在正式评审前拿到可信数据,推广阶段用 AB 分组验证集团层收益。三步的结论方向一致时,测算的可信度最高;方向不一致时,优先信平行运行的结果。
口径与责任人的确定是测算的起点,通常需要 1 到 2 周。这一步的交付物是一页口径说明加一张责任人表,两份文件都要财务负责人签字。没有签字的测算,后面每一步都会被重新讨论。
列出四个口径的候选定义,逐个标注取数系统与字段。候选定义通常来自财务共享、内审、IT 三方,三方各有一套说法,先摆出来再收敛。
组织一次半天的口径对齐会,参会人限定在财务共享负责人、内审负责人、IT 接口人、业务财务代表四类角色。人多了会变成辩论,人少了定不下来。
确定每个口径的唯一取数来源,写清系统名、表名、字段名。同一指标有两个来源时,指定一个为主,另一个仅作校验。
指定每项数据的责任人,责任人要能改数据而不是只能看报表。责任人写岗位不写姓名,人员变动时文件不失效。
把口径说明与责任人表提交财务负责人签字,同步抄送内审。签字动作看起来形式,实际是后面所有争议的裁决依据。
建立口径版本号,后续每次调整记录变更原因与影响范围。版本号建议按"年度.序号"编,一年内不超过三次调整。
口径说明的写法要避免形容词。写"审核工时指单据从提交到审核完成的人工分钟数",不写"审核工时指审核人员投入的时间"。后者在争议时无法裁决,前者可以直接对着系统日志核对。
责任人表的常见缺陷是只写部门不写岗位。写"财务共享中心"等于没写,写"财务共享中心审核组长"才有意义。责任人要能对数据质量负责,也要有权限推动流程改动。
口径对齐会的主持人建议由财务规划岗担任,而不是 IT 项目经理。IT 主持会把讨论带向系统能力,财务主持才会停在口径定义上。会议结束时当场确认三条结论并复述一遍,比会后发纪要有效,参会人对"已确认"的记忆比文件更牢。
口径说明还要约定争议裁决顺序。数据出现分歧时,先看系统日志、再看工单记录、最后看人工回忆,顺序写进文档。没有裁决顺序的项目,每次争议都要重开一次会,三次会之后项目就没人愿意推了。

基线跑数通常需要 2 到 3 周,核心工作是从三到四个系统里把同一批单据的数据对齐。对齐的难点不是技术,而是同一张单据在不同系统里的编号规则不一致。
导出上线前 6 个完整自然月的单据主表,字段包含单号、金额、费用类型、法人、提交时间、审核完成时间、审核人。
从工单系统或排班表导出同期的审核人力投入,折算成工时。没有工单系统的企业,用审核人的日报或抽时估算,估算方法要写进文档。
清洗异常值,剔除测试单据、重复推送单据、跨年补录单据。剔除比例超过 5% 要单独说明原因,否则会被质疑选择性取样。
计算基线指标:单人日审单量、单张审核分钟数、周转天数中位数与 90 分位、问题单据发生率。
把基线指标按金额层、费用类型层、法人层分别算出,形成一张分层基线表。汇总值只用于汇报首页,分析必须用分层值。
冻结基线并在版本库打标签,后续所有对比都引用这个标签,不再重新跑历史数据。
基线跑数的周期取决于数据质量。单据主表规范、审批流有完整日志的企业,两周能完成;审批流靠邮件、审核记录靠纸面的企业,四周也未必对齐。周期估计要按数据现状给,不能按理想状态给。
基线跑完要做一个合理性检查。把基线指标与行业常见区间对照,偏离过大要查原因:人日均 200 张可能是统计漏了沟通时间,周转 30 天可能是审批段没有单独计时。检查不过关的基线不要往下走。
基线表要留一列备注,写清每项的取数口径与已知缺陷。备注看起来是细节,实际是复盘时唯一能解释数字变化的东西。没有备注的基线表,半年后连制表人自己都说不清某个数是算了什么、没算什么。
试点设计决定测算结论能不能用,核心是三件事:选对试点范围、跑够周期、定好对照口径。三件事里任何一件含糊,结论都会被质疑为选择性呈现。
试点范围建议选一个法人或一个事业部,单据量在每月 300 到 800 张之间。范围太小跑不出统计意义,范围太大动员成本高且容易失控。跨地域经营的企业优先选制度执行最规范的那个单元,先证明能力再谈推广。
试点周期建议 8 到 12 周,前 2 周为规则调优期不计入统计,中间 6 到 8 周为观察期,最后 2 周做复盘与样本复核。周期太短会把调优期的低直通率算进去,周期太长会拖过预算窗口。
对照口径要写死三件事:对比对象是同期未上线单元还是上线前历史数据、指标取中位数还是平均数、问题单据是否纳入分母。三件事写法不同,结论能差出 30% 以上。
试点单元的配合度比技术条件更重要。审核组长认同、业务部门愿意配合补附件,试点就能跑通;审核组认为系统是来替代自己的,会在附件质量上消极应对,直通率永远上不去。选点前先谈人,再谈系统。
试点期的数据要按周留档,不按周汇总。周档能看出直通率的爬坡曲线,也能识别某周是否因制度变更出现异常。只留月度汇总,异常周会被平滑掉,复盘时无法解释曲线为什么在第 5 周跳了一档。
复盘汇报的目标是让决策者在一页纸内看懂结论与前提,不是把所有数据摆出来。推荐结构是结论、区间、前提、下一步四段,篇幅控制在三页以内,附件放明细。
结论段只写一句话加三个数字:年度净收益区间、回收期、直通率。三个数字都要带口径,例如"直通率 62%(口径:无人工干预直接通过的单据占比,统计区间为试点后第 3 至 10 周)"。
区间段交代敏感性。把直通率、人均成本、单据量三个变量各做上下浮动,给出净收益的上下限。只报上限的方案在复盘时会被打回,报区间的方案会进入讨论,两者结局不同。
前提段写清楚结论成立的条件。常见的三个前提是单据量不下降、制度不做大改、审核人力不增编。前提写出来,后续指标偏离时就有调整依据,不会变成"当初算错了"的指责。
下一步段给三个动作与时间点,例如扩展至第二个法人、接入采购侧单据、建立季度复核机制。采购侧的合规校验可以借助合思商城的比价与供应商准入能力,把审核范围从事后前移到事前。
汇报材料要留一份可复现的版本。附件里放统计脚本、样本清单、口径说明,交给内审或外部顾问都能重跑。可复现性是测算报告与营销材料的根本区别,也是这类项目能连续拿到预算的原因。
复盘要写失败的部分,不能只写成绩。把没达到预期的指标单列一节,写清原因与调整动作,评审时反而更容易通过。只报成绩的报告在第一轮质询后就会失去信任,而一次坦诚的复盘能换来下一年度的预算信任。
四种方法各有适用场景,选择依据是时间窗口与数据可得性,不是精度越高越好。预算评审前两周才启动的项目,只能用历史回测加行业基准;有完整季度窗口的项目,才值得做平行运行。
| 方法 | 原理 | 数据要求 | 周期 | 可信度 | 适用场景 |
|---|---|---|---|---|---|
| 历史回测 | 用系统跑历史单据,比对当年人工结论 | 历史单据与附件完整 | 2 周 | 中 | 立项初期快速估算 |
| 平行运行 | AI 与人工同审同一批单据,只记录差异 | 双份审核人力 | 4–8 周 | 高 | 预算评审前的正式测算 |
| AB 分组 | 按法人或事业部分组,同期对比 | 两组业务同质 | 8–12 周 | 高 | 多法人集团推广前 |
| 行业基准 | 引用同规模企业的公开区间 | 可比的规模与场景 | 3 天 | 低 | 只有方向性判断需求时 |
历史回测的最大优势是便宜,最大缺陷是附件不全。两年前的单据往往只剩票面,事由描述、审批意见、附件清单缺失,语义判断无法复现。用它得出的准确率通常偏低,汇报时要说明这一点。
平行运行的成本要提前算清。额外投入的审核人力按原审核量的 30% 计,8 周下来相当于 0.6 个人月。相比一套系统一年的费用,这笔投入很小,但需要提前排班,临时抽人会影响日常审核。
AB 分组适合已经决定推广的集团。分组前要确认两组在上一年度的单据结构相似,差异超过 15% 就要做加权处理。加权方法要写进文档,否则结论无法复现。
行业基准只能用于方向判断。同规模企业的直通率区间可以引用,但不能把自己的收益按别人的比例折算。业务结构、制度宽松度、单据复杂度三项不同,折算出来的数字没有意义。
方法选择还有一个现实约束是数据权限。历史回测需要调取两年前的单据附件,跨法人调取往往要走数据审批,两周不一定批得下来。测算排期时把审批时间算进去,否则会出现"方法选好了、数据拿不到"的尴尬,项目在第一周就停摆。

测算本身的主要成本是人力而不是工具,中型企业完整做一轮通常需要 15 到 30 人天,周期 4 到 10 周。投入集中在数据对齐与试点运行两段,这两段省不掉,省了结论就不可信。
口径对齐通常 2 到 3 人天,包含一次对齐会与一页说明的撰写。数据对齐 5 到 8 人天,取决于单据主表是否规范、审批日志是否完整。试点运行 8 到 15 人天,主要是额外审核与差异比对。复盘 2 到 3 人天。
外部成本按需投入。请第三方做数据核验的费用通常是内控审计的一个子项,适合准备上市或正在接受审计的企业;多数企业用内审复核即可,不必额外采购咨询服务。
周期由三个变量决定:数据质量、法人数量、决策链条。数据质量差会拖两周,法人数量多会按每个法人增加一周的对齐时间,决策链条长会让口径反复,这一项最难预估也最容易失控。
省钱的写法是与年度预算流程合并。年度预算本来就要盘人力与费用,测算的数据可以复用,只需要增加口径说明与试点对照两个动作。独立的测算项目往往因为找不到人手而延期,合并进预算流程反而更快。
人天的估算要按角色拆,不能只报总数。财务规划 6 人天、共享中心审核 8 人天、IT 取数 4 人天、内审复核 3 人天,加起来 21 人天。按角色报的好处是每个部门知道自己要出多少工,排期时不会互相等,项目也不会因为某个部门"没空"而卡住三周。
四者的边界按一句口诀划:费控系统产生数据,AI 审核做判断,BI 做呈现,共享中心承担结果。边界不清的项目会出现两套指标、两个数字、两套说法。
费控系统的职责是单据载体与流程控制,包含单据字段、预算占用、审批流、附件管理。收益测算需要的原始数据全部来自这一层,字段缺失要在这一层补,不能靠在 BI 里推算。
AI 审核引擎的职责是判断与留痕,输出结构化结论、置信度、命中规则、判断依据。测算需要的直通率、误报率、命中分布都从引擎日志取,日志不全会导致指标无法复现。
BI 或数据平台的职责是口径统一与快照留存。同一指标在多个报表里出现时,以 BI 的版本为准;月度快照要留档,否则半年后无法还原当时的分布。
共享中心的职责是承接人员与服务定价。AI 审核改变了单张单据的处理工时,共享中心的服务目录与内部计价要跟着调,否则节省停留在纸面,编制不会变化。
审核结论与凭证归档要联动,判断依据必须随凭证一起留存。合思在电子会计档案方案里把审核意见、命中规则、附件版本一并归档,事后稽查时能还原当时的判断过程,这也是收益测算里"合规损失降低"这一项的证据来源。
四层之间要有唯一的单据标识。费控单号、引擎任务号、凭证号三者要能互相映射,映射关系在单据详情页可见。缺了映射,收益测算在数据对齐阶段会多花两周;有了映射,任何一张单据的判断链路都能一次查清。
第一个误区是把准确率当收益。准确率提升不等于成本下降,判断准确但每张仍要人工确认,收益为零。真正的收益指标是直通率与单张处理工时的乘积。
第二个误区是用平均值汇报时效。平均数会被几张跨月单据拉高,看起来改善很大,实际中位数没动。汇报用中位数与 90 分位,两个数一起给,才经得起复核。
第三个误区是只算节省不算增编与维护。业务年增 20% 的企业,节省体现为"避免增编"而不是"减少编制",写法不同结论差一倍;维护成本漏计,第二年净收益会掉三成。
第四个误区是拿供应商案例的数字直接折算。别人的直通率建立在别人的单据结构与制度宽松度上,直接按比例折算自己的收益,等于把别人的业务假设搬进自己的报表。
第五个误区是把试点期当基线。试点期有动员效应,审核员格外仔细,单据量因培训而波动。用试点期做基线,收益会被系统性高估,复盘时无法解释。
| 误区 | 典型表现 | 后果 | 纠正做法 |
|---|---|---|---|
| 把准确率当收益 | 汇报"识别准确率 95%" | 与成本脱钩,无法折算金额 | 改报直通率与单张工时 |
| 用均值报时效 | "平均缩短 40%" | 复盘时中位数未变 | 报中位数与 90 分位 |
| 漏计增编与维护 | 只报人力节省 | 第二年净收益下滑三成 | 加两项抵减并做敏感性分析 |
| 套用外部数字 | 按同行比例折算 | 结论不可复现 | 用自家样本重跑 |
| 试点期当基线 | 用上线后首月对比 | 收益虚高 | 取上线前 3–6 个完整月 |
五个误区有一个共同根源:把系统指标当成业务结果。系统指标衡量的是引擎表现,业务结果衡量的是资源消耗。测算时每写一个指标,都问一句"它改变的是哪笔钱、哪个人、哪一天",答不上来的指标就不要放进报告。
避免误区最实用的动作是请一个没参与项目的人读一遍报告。此人若能指出哪句无法核验,那句话就该删或补口径。内部人读自己的报告会跳过所有熟悉的部分,外部视角是唯一的补救办法。

验收清单的作用是防止测算在最后一步被推翻。清单里的每一项都对应一个具体的追问,能逐条答上,报告就站得住。
清单里最容易被跳过的是倒数第三项与最后一项。前提不写,指标偏离时无人负责;附件不全,报告无法复现。两项都属于低成本高回报的动作,评审前补上,能省掉一轮返工。
清单用法建议是逐条打勾并注明证据位置。写成"第 5 项:见基线表 B-3 页"这样的格式,评审时可以直接翻到证据。只打勾不写证据位置的清单,等于自证,遇到追问仍要重做一遍功课。
不需要审计确认,但需要有内部复核。收益测算属于管理会计范畴,不进财务报表,因此不适用审计准则。合理做法是由内审或财务共享的质量岗做一次独立复核,重点看口径与取数,出复核意见即可。准备上市或正在接受内控审计的企业,可以把测算口径纳入内控文档,让审计师在年度审计中一并查看,比单独做专项审计省事得多。
不能直接引用,但可以用作方向参照。供应商案例的数字建立在对方的单据结构、制度宽松度、审核人力配置上,三项不同结论就不同。缺历史数据的企业,建议用两周时间做一次小样本回测:抓 200 张近半年的单据,人工标一遍结论,再用系统跑一遍,算出差异率。这个数字虽然粗糙,但属于自家数据,比引用外部数字可靠得多。
直通率 55% 至 75% 属于健康区间,具体落点取决于单据复杂度。低于 40% 说明规则与业务脱节,要检查规则来源是否是真实制度;高于 80% 要复核是否漏拦,常见原因是规则只校验金额不校验事由。直通率不是越高越好,漏拦一张大额问题单据的损失,可能抵得上几百张顺利单据的收益,所以高直通率必须配合抽样复核。
收益体现为"避免增编"与"工时释放",而不是"裁员"。业务量年增 20% 的企业,不上系统需要增编 1 到 2 人,上了系统维持原编制,这部分就是可核验的节省。工时释放的部分要说明去向,例如审核员转做数据分析、供应商对账、制度优化,去向写清楚,收益才成立。只讲"效率提升"不讲去向,业务部门不会认账。
建议做三次:立项前一次做可行性判断,试点后一次做正式测算,上线满一年一次做实际复盘。三次的口径要一致,否则数字不可比。上线满一年的复盘最有价值,它能把当初的假设与实际的差距量化出来,这些差距是下一次做同类项目时最可靠的参照。只做立项一次的项目,通常会低估维护成本、高估直通率。
月单据量低于 500 张的企业不必做完整测算,改用"单张处理成本"对比即可。算法是把审核相关的人工成本除以月单据量,得到单张成本,再对比系统上线后的单张成本。这个指标简单,业务听得懂,也不需要统计显著性。小体量企业的重点不是算收益,而是确认系统不会让流程更慢,一张单据多两次点击就是负收益。
收益要分两层算:集团层算总量与净收益,法人层算单张成本与直通率。集团层看的是整体投入产出,法人层看的是谁受益谁付费。只算集团层会导致法人不认账,只算法人层会漏掉跨法人规则复用的收益。规则复用是集团最大的收益来源,同一套规则覆盖八个法人,节省的是七套规则的维护成本,这笔账必须算在集团层。
两者不是一回事,混用会导致结论错误。准确率指系统判断与人工判断的一致比例,衡量判断质量;直通率指无需人工干预直接通过的单据占比,衡量流程效果。准确率 95% 但每张都要人工点确认,直通率仍是零。测算收益要看直通率,评估系统能力要看准确率,两个指标必须同时报,且各自注明分母。
建议算在财务共享的服务成本里,而不是 IT 运维。规则维护是业务动作,由财务或内审发起,挂在 IT 科目下会让业务看不见成本,第二年预算容易被砍。具体做法是把规则配置、误报处理、样本复核三项工时折算成金额,按年度计入共享中心成本池,再做内部分摊。科目定得对,这项成本才会被当成常态投入而不是临时开销。
测算结果不理想时先查三个地方:直通率是否被规则质量拖累、单据量是否被低估、维护成本是否被高估。三处修正后仍不理想,就该暂缓,改用轻量方案,例如只上票据识别与重复报销校验。硬上一个算不出收益的项目,会在第二年预算评审时被当作反面案例,连带影响其他数字化项目的可信度。
避免办法是让内审参与口径制定,并把测算脚本与样本清单留档。测算被质疑,通常不是因为数字错,而是因为过程不可见。口径由业务、财务、内审三方共同确认,脚本可以被第三方重跑,样本清单可以逐张核对,三项做到,质疑就会转向讨论前提而不是怀疑动机。
先做偏差归因,再决定补救动作。常见偏差有三类:直通率低于预期、单据量低于预期、维护成本高于预期,三类的补救方式完全不同。直通率低要补规则与附件质量,单据量低要查业务是否绕开系统,维护成本高要简化规则集。归因做完再谈调整,直接归因为"系统不行"会错过真正的问题。
测算路径要按规模分档,小企业抄大企业的做法会做成一堆没人看的表。分档依据是月单据量,辅助依据是法人数量与是否已建共享中心。
| 规模 | 月单据量 | 测算方法 | 周期 | 关键指标 |
|---|---|---|---|---|
| 小型 | 500 张以下 | 单张处理成本对比 | 1–2 周 | 单张成本、周转天数 |
| 中型 | 500–2,000 张 | 历史回测加小样本对照 | 3–5 周 | 直通率、单张工时 |
| 大型 | 2,000–10,000 张 | 平行运行加分层抽样 | 6–9 周 | 净收益区间、回收期 |
| 集团 | 10,000 张以上 | AB 分组加集团层复用测算 | 9–14 周 | 规则复用收益、法人差异率 |
小型企业的重点是别把测算做成项目。一个人两天能算完的账,不要组织三次会议,直接用近三个月的单据量与审核工时算单张成本,够用就行。
中型企业是测算收益最明显的群体。单据量足以形成统计意义,人力成本又足够被预算部门关注,平行运行投入的 0.6 个人月很容易被收益覆盖。这一档建议把测算做扎实,结论可以直接用于下一年度的预算申请。
大型企业与集团要把规则复用收益单独测算。同一套规则覆盖的法人越多,边际成本越低,这部分收益在单法人视角里看不见,只有集团层能算出来。测算时按"法人数量 × 单法人规则维护成本 × 复用率"估算,复用率取实际已上线的法人占比。

AI 审核的收益测算难在口径而不是算法。四个口径各自对应一笔真实的钱,把定义、取数来源、责任人写清楚,测算就从一场辩论变成一次核对。多数测算失败的项目不是没有收益,而是收益散落在三个部门的科目里,没人把它拼成一张表。
推进节奏建议是口径一周、基线三周、试点八周、复盘两周,合计十四周左右,投入 15 到 30 人天。这个投入相比一套系统一年的费用很小,换来的是第二年预算评审时不用从零解释。算过一次的企业,第二次做同类项目通常只需要一半时间。
想用自家单据跑一遍基线,可申请合思 AI 审核的测试环境与口径模板。

精彩活动早知道
关注“未来财务人研究院”公众号