人机共审的分工按三条线划:可枚举、可逆、有据。三条都满足的判断交给机器,三条都不满足的必须留给人,其余机器提示、人决定。分工之后的关键变量是复核比例,健康区间在 30% 到 45%,低于这个区间人力释放明显,高于这个区间审核员的时间被提示处理占满,共审反而更慢。

人机共审成为默认形态,原因不是模型不够强,而是审核责任的归属没有变。单据审错要有人负责,责任落在人身上,机器只能承担"提出疑点"的角色。
全自动审核在技术上并非不可行,在组织上不可接受。一张单据被判通过,事后发现是重复报销,追责时问的是谁批的,不是哪个模型判的。责任链条决定了人必须留在环里,哪怕他只点一次确认。
人机共审还能兜住长尾。规则覆盖七成场景,剩下三成是版式异常、事由模糊、跨期调整,这些场景的样本量小、变化快,靠补规则追不上,只能靠人判断。
成本结构也支持共审。审核人力的成本主要在"逐张通读",共审把通读换成"看提示",单张处理时间从 5 分钟降到 1 到 2 分钟,人力没有减少,产能翻倍,这是最容易被财务接受的收益形态。
共审的形态本身在演化。早期是机器提示、人全审;现在是机器分流、人审疑点;下一步是按风险分层,高风险人审、低风险抽检。三种形态对应不同的置信度能力,选哪种取决于数据积累。
分工按三条线划:可枚举与不可枚举、可逆与不可逆、有据与无据。三条线交叉之后,每个判断动作都能找到归属。
可枚举的判断交给机器,例如金额是否超标准、发票是否重复、预算是否足够。这类判断有明确的判定条件,写成规则就能执行,机器比人快且不会疲劳。
不可枚举的判断留给人,例如事由是否真实、招待对象是否合理、这笔支出是否必要。这类判断依赖上下文与经验,规则写不出来,模型只能给出倾向性提示。
可逆的判断可以放宽给机器,例如提示类问题、需要补充附件的退回。不可逆的判断必须留给人,例如付款审批、供应商准入、关联方交易认定。不可逆意味着出错后难以追回,人必须在环里。
有据的判断可以自动化,无据的判断不能。有据指判断依据能写在制度里、能调取原始凭证;无据指依据停留在经验层面,两个人可能给出不同结论。无据判断自动化之后,争议会集中在系统而不是业务。
三条线之外还有一个现实约束:审核员愿不愿意用。
三条线可以用一张三分表落地。表的行是判断动作,列是可枚举、可逆、有据三项,三项都是是,机器做;三项都是否,人做;其余机器提示、人决定。
三分表的价值在于可讨论。团队对某个动作的归属有分歧时,回到三个问题:判定条件能不能写成条目、出错之后能不能撤回、依据能不能调出原始凭证。三个问题答完,分歧通常会消失,因为答案本身就很清楚,只是之前没人把它摆到桌面上。分工方案再合理,如果审核员觉得提示不准、操作麻烦,他会绕过系统直接看单据,共审就退化成两套流程并行。
分工方案要算工作量,不能只算动作。每个判断动作的耗时乘以频次,就是它占用的工时。工时占比超过 15% 的动作优先改造,占比低于 3% 的动作可以暂时不动。
分工方案要与系统能力匹配,不能只与制度匹配。制度要求核对供应商资质,但系统没有接入工商数据,这个动作就只能人工做,硬写进机器判定项,结果是每次都要人工补录。能力清单要提前对齐,缺什么补什么,不要先定分工再补能力,顺序反了会拖三个月。
必须由人做的判断有五类:大额支出的必要性、事由的真实性、供应商的关联关系、跨期与预提的会计处理、异常交易的商业合理性。五类的共同点是没有唯一正确答案,需要结合业务背景。
可以交给机器的判断也有五类:票面要素一致性、费用标准比对、发票真伪与重复校验、预算余额校验、审批链完整性。五类都有明确判定条件,出错可以追溯,纠正成本低。
边界模糊的判断建议机器提示、人决定。例如招待费人均超标,机器给出"人均 380 元,标准 300 元"的提示,人判断是否属于商务必要。机器不做结论,只提供事实与偏离幅度。
判断归属要写进制度,不能停在方案里。制度里列明"机器判定项"与"人工判定项",两类分开追责。写在方案里的分工,换一任审核主管就会变。
分工要留出例外通道。制度之外的场景,允许审核员发起人工复核,复核结论沉淀为规则补充。没有例外通道的系统,遇到新场景只能绕过,绕过一次就会形成习惯。
判断归属还要写清升级路径。人工判定遇到拿不准的情况,升级到财务负责人或专门的争议小组,升级时限写清。没有升级路径的项目,争议会停在审核员那里,单据跟着停。
升级路径要限时。超过 2 小时未升级的单据,系统自动提醒组长;超过 4 小时未处理,自动进入财务负责人的待办。时限设计的目的不是催促,而是让单据有明确的下一步,避免停在某个人的收件箱里无人知晓。
分工要定期回头看。每季度统计一次机器判定项的错误率,错误率上升的项要重新评估是否该收回给人做。分工不是一次划定的边界,它随数据积累与规则成熟度移动。
分工移动要提前通知。某个动作从人工判定改为机器判定,审核员的工作内容会变,绩效口径也要跟着变。不通知直接改,审核员会觉得被绕过,后续推行任何新规则都会遇到阻力,改一次要解释三次。
置信度是机器判断的可靠程度,用它做三档分流,比用固定规则分流更贴近实际。三档是:高置信直接通过、中置信人工确认、低置信人工全审。
高档的阈值建议设在 0.9 以上,落在这一档的单据通常是标准场景:票面清晰、金额在标准内、无重复。这一档占总量的一半左右,直接通过能把人力释放出来。
中档的阈值区间是 0.6 到 0.9,落在这一档的单据有疑点但不严重,例如事由描述简略、附件少一张。人工确认的动作是看一眼提示、点通过或退回,单张耗时 30 秒到 1 分钟。
低档是 0.6 以下,落在这一档的单据疑点多或矛盾明显,需要人工完整审核。这一档占比通常在 15% 到 25%,是审核质量的关键防线,不能为了效率压缩。
三档的比例要监控。高档占比突然上升,可能是规则放宽了;低档占比上升,可能是票据版式变了或业务在试探边界。比例变化比单张判断更能反映系统状态。
置信度不能直接当准确率用。模型给出的 0.9 置信,实际准确率可能是 85%,两者的映射关系要用历史数据校准。
三档分流的收益要用数据说话。上线前统计三档各自的单据量与人工耗时,上线后对比同样口径,差异就是收益。没有前后对比的分流方案,只能凭感觉评价。
分流效果还要看结构变化。复核比例下降但复核单据的金额占比上升,说明系统把低风险单据放走了,把高风险单据留下来了,这是好的下降;反过来,比例下降而金额占比也下降,说明系统在放走大额单据,要立刻检查阈值。校准方法是按置信度分桶,统计每桶的实际准确率,画出映射曲线。
置信度分布要监控。高档占比突然从 50% 掉到 30%,说明模型或规则出了问题,此时应先查原因再调阈值。直接调阈值会把问题掩盖过去,漏检率随后上升。
置信度要按费用类型分别校准。招待费的事由判断置信度天然偏低,差旅费的标准比对置信度天然偏高,两张校准曲线不能用同一条阈值线。用统一阈值的结果是差旅过度复核、招待过度放行,两头都不对。
复核队列的排序决定人工效率。按金额降序排最直观,但会漏掉小额高频的风险;按置信度升序排最贴近系统判断,但会让同类单据散落在队列各处。
推荐的排序是三层:第一层按风险等级,红色优先;第二层按金额降序;第三层按提交时间升序。三层叠加之后,队列既照顾风险,也照顾员工体验。
批量规则能显著提升效率。同一供应商、同一项目、同一费用类型的单据集中展示,审核员看一张就能判断一批,单张耗时能降三成。批量展示的前提是单据之间没有交叉依赖。
队列排序要能人工干预。组长看到某类单据集中出现时,应该能把这类单据整体置顶,而不是逐张调整。干预动作要留痕,用于后续优化排序规则。
队列长度要设上限。个人队列超过 50 张时,审核员会开始跳读,质量下降。合理上限是 30 到 40 张,超过上限的单据进入公共池,由组长分配。
队列要能看到上下文。同一张单据的历史报销记录、同一供应商的历史价格、同一员工的近期单据,三项信息放在一起,审核员不用切换页面就能判断。上下文缺失的队列,效率提升有限。
队列的吞吐量要与产能匹配。日均产能 120 张的团队,队列每天进 150 张就会积压。积压一旦形成,审核员会开始跳读,退回率随之上升。产能与进量的比例维持在 1.2 比 1 比较健康。
积压一旦出现,处理顺序要调整。先清小额、标准化的单据,把队列长度压下来,再处理复杂单据。相反的顺序会让队列越清越长,因为复杂单据的单张耗时是小额单据的三到五倍,清一天也看不到进度。
队列数据要用来优化规则。统计被退回最多的前十条提示,看哪些提示的退回率异常高,异常高的提示往往是规则写错了,而不是业务有问题。
队列要留出紧急通道。差旅报销有固定付款周期,超期会影响员工体验;供应商付款有账期约束,超期会影响合作。两类单据在队列里要能插队,插队规则写进制度。

人工改判必须留痕,留痕的颗粒度决定事后能不能复盘。最小留痕包含三项:改判动作、改判理由、改判人。三项缺一,复盘时就只能靠回忆。
改判理由建议用固定选项加自由文本。固定选项覆盖常见原因,例如"业务已提供补充说明""金额在标准内但属特殊场景""系统提示有误",自由文本用于补充。全自由文本的理由,半年后无法统计。
留痕的字段要与报表对应。改判原因的分类,直接对应后续的规则优化清单;分类不统一,报表就出不来。字段设计阶段就要想清楚报表要什么。
留痕要能区分三类改判:推翻系统结论、补充系统遗漏、确认系统提示。三类的责任归属不同,统计口径也应分开。混在一起统计,会得出"系统误报率高"的错误结论。
责任归属有三种写法。第一种是审核员负责制,机器只提供参考,责任全在签字人;第二种是分层负责制,机器判对的部分由系统承担,改判部分由人承担;第三种是共同负责制,出问题由业务、财务、系统三方共同复盘。
| 责任写法 | 责任主体 | 优点 | 风险 |
|---|---|---|---|
| 审核员负责制 | 签字审核员 | 责任单一,签字人自律 | 审核员倾向全量改判 |
| 分层负责制 | 直通追溯规则,改判追溯人 | 改进有落点 | 需要规则版本可追溯 |
| 共同负责制 | 业务、财务、系统三方 | 推动跨部门协同 | 出问题时容易互相等待 |
三种写法里,分层负责制最容易落地。它把责任与动作对应起来:系统直通的单据,追溯规则;人工改判的单据,追溯判断依据。责任清楚,改进才有方向。
留痕要能满足审计要求。审计关注的是"当时的判断依据是什么",留痕要能还原当时的提示内容、附件版本、规则版本。只记录"已审核"三个字,等于没有留痕。
留痕要能被非当事人看懂。半年后复盘,另一个人看记录就能还原当时看到了什么提示、依据哪条制度、为什么改判。看不懂的留痕,只对当事人有意义。
留痕要与绩效脱钩。改判记录用于规则优化与复盘,不直接用于个人考核;一旦与考核挂钩,审核员会倾向于不改判,或者把改判理由写成套话。脱钩之后,留痕才有真实信息,规则优化才有可靠输入。
机器判断错误的责任,按错误类型分三种归属。规则写错由规则维护方承担,数据错误由数据提供方承担,模型能力不足由系统建设方承担。
规则写错最常见。制度改了但规则没改,或者规则的理解与制度本意不一致,这类错误的特征是集中出现,同一类单据在短时间内大量判错。
数据错误的来源在上游。发票信息识别错、供应商主数据过期、预算余额未同步,三类都会导致判断错误。数据错误的排查要从源头查,改模型没有用。
模型能力不足体现在长尾。新版式票据、罕见费用类型、复杂事由描述,模型给出的判断不稳定。这类错误的比例不高,但难以通过规则修正,只能靠样本积累与人工兜底。
责任划分要写进服务协议。系统供应商承担什么、企业承担什么、双方共担什么,三件事写清楚。只写"系统准确率不低于 90%"的协议,出问题时无法界定具体责任。
责任划分要配处置流程。规则错误由谁在多久内修正、数据错误由谁回溯多久的记录、模型问题走哪个版本节奏,三件事写清。只划分责任不给流程,责任就落不了地。
责任划分要考虑供应商的实际能力。要求供应商对模型判断承担全部责任,通常谈不下来,也不合理;合理的划分是供应商对系统稳定性与版本交付负责,企业对规则配置与数据质量负责,共担部分写清判定标准。
责任划分的目的不是追责,而是定位。每次错误都归到具体环节,改进才有落点。归不到环节的错误,会被笼统归因为"系统不行",项目随之失去信任。
责任划分要有复盘机制。每月挑三到五个典型错误做复盘,看归因是否准确、处置是否到位。复盘记录沉淀成案例库,新人培训直接用案例,比讲制度有效。
人机共审的效率提升有拐点,拐点在复核比例 30% 到 40% 之间。低于这个区间,人力释放明显;高于这个区间,审核员的时间被提示处理占满,效率反而下降。
拐点的成因是切换成本。审核员看一条提示、判断、点击,平均耗时 20 到 40 秒。复核比例超过 40% 时,提示处理时间超过原来的通读时间,共审失去意义。
提升效率的关键不是提高直通率,而是提高提示质量。十条提示里八条是真问题,审核员会认真看;十条里三条是真问题,他会开始跳过。提示质量决定共审能不能持续。
效率拐点还与单据复杂度有关。标准差旅单据的拐点在 45% 左右,复杂招待费单据的拐点在 25% 左右。用统一比例管理所有费用类型,会在复杂场景上出问题。
效率拐点不是固定的,它会随审核员熟练度上移。上线三个月后,同一批审核员处理提示的速度通常提升 20% 到 30%,拐点随之上移。测算收益时要按稳态速度算,不能按上线首月算。
拐点之上要换思路。复核比例降不下去时,提升效率的路径转向批量处理与上下文优化,而不是继续压阈值。压阈值的边际收益很快归零,风险却同步上升。
效率提升的第三条路是减少返工。退回一次,业务要重新提交,审核员要重新看,两次工作量都记在审核侧。把退回原因写清楚、把补充材料的要求写具体,返工率能降三成,效果不比调阈值差。
拐点之上还有一层:审核员的判断质量会不会下降。长期只看提示的人,独立判断能力会退化,遇到系统没提示的异常时容易漏。缓解办法是保留一定比例的盲审,让审核员保持手感。
效率拐点要用试点数据校准。不同企业的拐点差异很大,用 200 张单据做一次小规模对照,能测出本企业的拐点区间。照搬外部数字,往往高估了可降的复核比例。
拐点还要看单据金额分布。大额单据占比高的企业,拐点会明显下移,因为每一张都需要人看,比例压不下去。测算收益时先看金额分布,再看单据总量,前者对复核比例的影响更大。
判断分工图是共审落地的基础交付物,通常需要 3 到 5 天完成。图上一行一个判断动作,标注由谁执行、依据什么、出错怎么办,三列填完,分工就清楚了。
列出全部判断动作,从提单到付款逐环节拆,一个动作一条记录。动作清单要包含系统已有的与人工在做的,两边合起来才是完整链路。
给每个动作标注判定依据,写清依据是制度条文、主数据、历史数据还是经验判断。依据类型决定可自动化程度,制度条文的自动化程度最高,经验判断最低。
标注动作的可逆性,分可逆、部分可逆、不可逆三档。付款审批、供应商准入属于不可逆,必须人做;附件提示、格式校验属于可逆,可以交给机器。
标注动作的单次耗时与发生频次,两项相乘得到工时占比。工时占比决定优先级,占比高的动作先做共审改造。
标出动作之间的依赖,写明上游动作的输出是哪些下游动作的输入。依赖关系决定错误传导路径,也决定测试顺序。
与审核团队逐条确认,确认后的图作为分工依据,并附一句说明"未列入的动作暂不改造"。范围写清楚,后续不会因为临时新增需求反复讨论。
分工图要留一列现状工时,用来做前后对比。改造前每张单据的人工耗时是多少,改造后是多少,两个数字放在一起,共审的收益就无需额外解释。没有基线工时的项目,收益只能靠估算,估算在预算评审时很难被采信。
分工图要控制在一页内。判断动作超过二十个时,把低频动作合并成一类,只保留高频动作的细节。图的作用是让分工可见,不是完整还原业务。
分工图要标注现状与目标。现状列写当前谁在做,目标列写改造后谁做,两列对照能看出变化幅度。变化幅度过大的动作,要单独做一次风险评估。
分工图要与制度同步更新。制度修订时同步修改分工图,两边不一致会让审核员无所适从。制度说机器判、分工图说人判,最后一定是人判,机器白上。
阈值与分流规则决定人机的工作量分配,通常需要 5 到 7 天。定阈值的依据是两类错误的代价比,不是追求直通率最大化。
收集近 6 个月的历史单据,用现有系统或人工标一遍结论,形成基准数据。没有基准数据就定阈值,等于凭感觉分配工作量。
按置信度分桶统计,每 0.05 一桶,计算每桶的实际准确率。分桶之后能看到置信度与实际准确率的映射关系,这条曲线决定了阈值该落在哪里。
计算两类错误的代价比,漏检一张的平均损失除以误报一次的平均处理成本。比值通常在 20 比 1 到 100 比 1 之间,比值越高,阈值应越高(越保守)。
设定三档阈值,高档取映射曲线达到 98% 准确率的置信度,中档取 85%,低档取 85% 以下。三档对应三种处置动作,动作要写清楚。
按费用类型分别设阈值,招待费、差旅费、市场费的判断难度不同,统一阈值会让两类场景都落在次优区间。分类型设阈值的工作量不大,效果明显。
设观察期与回退条件,上线后两周内每天看一次三档比例与漏检率,比例异常或漏检率超过 3% 立即回退。回退不需要重新评审,但要记录原因。
阈值要按金额加档。单笔 5 万元以上的单据,无论置信度多高都进入人工复核,这一条写进制度,不参与阈值讨论。金额红线比模型置信度更可靠。
分流规则要包含例外。关联方交易、跨境单据、首次合作的供应商,三类场景不适用自动直通,无论置信度多少都人工审。例外清单每年复核一次。
分流规则要能被审核员看懂。系统给出"低置信度、转人工"的结论时,最好附一句原因,例如"事由描述少于 15 字"或"附件缺少行程单"。原因不明的转人工,会让审核员怀疑系统在乱转,信任建立不起来,分流也推不动。
阈值调整要留记录。每次调整记下日期、调整前后的阈值、调整原因、调整后的指标变化。记录积累一年,就能看出阈值与业务季节性的关系。
复核队列的设计目标是让人工时间花在最值钱的单据上,通常需要 5 天。队列设计不好,共审的收益会被无效复核吃掉。
确定排序维度,建议三层:风险等级、金额、提交时间。三层叠加之后,队列既照顾风险,也照顾员工体验,不会让人一直看大额单据。
设定个人队列上限,30 到 40 张为宜。超过上限的单据进入公共池,由组长按当日产能分配,避免个别人积压。
设计批量视图,同一供应商、同一项目、同一费用类型的单据集中展示。批量视图能把单张耗时降低三成,前提是单据之间没有交叉依赖。
配置上下文信息,单据详情页要能看到同一员工近 90 天的报销记录、同一供应商的历史价格、同类单据的处理结论。三项信息齐全,审核员不用切换系统。
设置提示优先级,红色提示(漏检风险高)置顶,黄色提示(需补充说明)居中,灰色提示(格式问题)置底。提示不分级,审核员会按顺序看,重要的反而被淹。
建立队列健康度指标,看四项:平均等待时长、超 24 小时未处理单据数、人均日处理量、退回率。四项每周看一次,异常时调整排序规则。
队列要能反向优化规则。统计退回率最高的十条提示,逐条分析是规则写错还是业务有问题。退回率异常高的提示,八成是规则写错了,改规则比催审核员有效。
队列要避免"提示疲劳"。同一张单据出现八条提示,审核员只会看前两条。做法是合并同类提示,一张单据最多显示三条,其余折叠。折叠不是隐藏,是为了让重要的提示被看到。
队列数据要进月度复盘。人均日处理量、退回率、改判率三项按月对比,能看出规则调整的效果,也能看出审核员的熟练度变化。三项数据是共审运营的核心指标。
队列的字段要够用。至少要能看到单据金额、费用类型、提交人、所属法人、当前状态、已等待时长六项,缺一项就要跳页面查。跳页面的成本看起来小,一天跳两百次,加起来就是一个人的半天工时,这部分损耗很少被算进收益。

反馈闭环决定共审能不能持续改进,通常需要 2 到 3 周建立,之后长期运行。闭环的输入是人工改判,输出是规则与样本的更新。
定义反馈类型,分四类:规则写错、规则缺失、数据错误、模型误判。四类的处置路径不同,混在一起会导致所有问题都归到"模型不行"。
建立收集通道,人工改判时勾选原因并附一句说明。收集通道要嵌在审核界面里,跳出去填表的动作没人愿意做。
每周汇总一次,按类型统计数量与占比,排出前五位。前五位之外的先不处理,资源有限时优先解决高频问题。
指定处置人,规则问题归规则维护方,数据问题归数据提供方,模型问题归系统建设方。没有指定处置人的反馈,会停在汇总表里没人动。
设定处置时限,规则类 5 个工作日、数据类 3 个工作日、模型类按版本节奏。时限写进流程,超时自动升级到项目周会。
回写结果并通知提出人,让审核员看到自己的反馈被处理。没有回写的闭环,三个月后没人再提反馈,系统随即停止进化。
反馈闭环要防止两种极端。一种是全收,所有反馈都进待办,待办堆积到几百条,没人看;另一种是全不收,只处理领导关注的几条,审核员失去参与感。
反馈要能沉淀成样本。每条确认的误判单据,都要进入测试集或训练样本池,标注改判原因。样本积累到一定规模,模型能力才会有实质提升。
闭环的效果要用指标衡量。规则类反馈的平均处置时长、反馈采纳率、复发率三项,按月看。复发率高说明处置不到位,只改了表面没改根因。
反馈闭环要防止被"优化"成形式。勾选原因、写一句说明、提交,三步完成;一旦流程变成填三张表、走两级审批,填写率会掉到 10% 以下。闭环的设计目标不是收集完整信息,而是让反馈持续流动,先动起来再谈质量。
人机共审有三种典型模式,差别在工作量分配与责任归属。选哪种取决于单据结构、合规要求与团队能力,不是越自动越好。
| 模式 | 机器职责 | 人工职责 | 复核比例 | 适用场景 |
|---|---|---|---|---|
| 机器提示、人全审 | 标出疑点 | 逐张审核 | 100% | 上线初期、强合规 |
| 机器分流、人审疑点 | 判断并分流 | 审中低置信 | 30%–45% | 稳态运行的主流形态 |
| 风险分层、抽检兜底 | 判断并直通 | 抽检高金额 | 10%–20% | 数据积累充分、规则成熟 |
第一种模式适合上线初期。机器只做提示,人仍然逐张看,作用是让审核员建立对系统的信任。这一阶段不谈效率,先谈准确与稳定。
第二种模式是主流形态。机器分流,人审疑点,复核比例落在 30% 到 45%,效率提升明显,风险可控。多数企业运行一年后会稳定在这一档。
第三种模式要求高。抽检比例降到 10% 到 20%,意味着系统要承担绝大部分判断,一旦规则失准,风险敞口很大。采用这一模式的前提是连续六个月指标稳定、测试集覆盖充分。
模式之间可以过渡,但不宜跳级。从第一种直接跳到第三种的企业,通常在三个月内出现漏检事故,随后退回第二种并长期停留。
模式选择还要看团队规模。
模式升级要有门槛。从第二种升到第三种,至少要满足三个条件:连续六个月漏检率低于 2%、测试集覆盖全部费用类型、过去一年没有因审核失误导致的重大损失。三个条件缺一,升级都是一次赌博,赌的是小概率事件不会发生。审核团队少于 5 人的企业,第二种模式的排队效应明显,反而第一种更稳;团队超过 20 人,第三种模式的抽检才有统计意义。
共审的成本由四块构成:系统费用、审核人力、规则维护、变更管理。四块里审核人力占比最大,也最容易被算错。
系统费用按年计算,包含订阅或折旧、接口、存储。中型企业的量级通常是十几万到几十万,与单据量相关,与共审模式关系不大。
审核人力的算法是单据量乘以复核比例乘以单张复核耗时,再乘以人均全成本折算的时薪。复核比例与耗时是两个关键变量,前者由阈值决定,后者由队列设计决定。
规则维护成本按 0.2 到 0.5 个全职人力计。共审模式下规则变更更频繁,因为反馈闭环会持续产出规则需求,维护成本比全自动模式更高,这一点常被漏算。
变更管理成本容易被忽略。流程改动、权限调整、培训、沟通,四项加起来通常占首年投入的 10% 到 15%。省掉变更管理的项目,上线后会有三成审核员继续用旧流程。
成本要按年而不是按项目算。共审是长期运行机制,不是一次性项目,第二年的人力、规则维护、版本升级都要计入。只算首年投入的项目,第二年会因为预算缺口缩减复核人力,比例随之反弹,前一年的收益全部回吐。
收益侧要看三项:人力产能提升、周转天数下降、差错损失减少。三项的算法与全自动模式一致,区别在于共审的收益上限由复核比例决定,比例降不下来,收益就到顶。
净收益的算法是三项收益之和减去四块成本。共审项目的净收益通常为正,但幅度不如宣传的大,原因是复核比例难以降到 20% 以下,人力节省有天花板。

共审不是财务一个部门的事,它与共享中心、内审、档案三方的关系要提前理清。分工不清会出现两种后果:要么重复审,要么都不审。
共享中心承担复核执行与人员排班。复核队列的日常运行、人员产能、退回率都由共享中心负责,系统方只提供工具与规则。把复核执行交给系统方,责任就模糊了。
内审承担抽样复核与结论验证。每月抽 30 到 50 张已审单据做独立复核,比对人工结论与系统判断,差异条目作为规则优化输入。内审不参与日常审核,参与就会失去独立性。
档案承担证据留存。合思(北京合思信息技术有限公司)在费用报销场景里把每次判断的提示内容、改判理由、审核人写入单据详情,稽查时可直接调取。电子档案侧,合思在电子会计档案方案里保留审核意见与规则版本,能还原当时的判断链路。
采购类单据的共审要与比价链路联动。商城的比价记录可以作为"价格是否合理"的判断依据,人工复核时直接看比价结果,比翻历史合同快得多。
三方分工要有一张责任矩阵。矩阵的行是判断动作,列是三方,格子里填主责、配合、知会。矩阵贴在项目看板上,比开会强调有效。
第一个误区是把共审做成两套流程。机器审一遍,人再完整审一遍,两边都不信任对方,工作量翻倍。判断标准很简单:复核比例是否真的下降,没有下降就说明共审没落地。
第二个误区是提示越多越安全。一张单据给出八条提示,审核员只会看前两条,剩下的视而不见。提示数量与审核质量不是正相关,超过三条之后,边际效果递减甚至为负。
第三个误区是把置信度当准确率。模型说 0.9,团队就认为九成把握,实际准确率可能只有 85%。置信度要经过分桶校准才能使用,未校准的置信度只是一个排序信号。
第四个误区是只考核直通率。直通率上去,漏检也可能上去。只考核直通率会让团队把阈值调松,短期数据好看,三个月后集中暴露问题。合理的考核是直通率与漏检率成对设定。
第五个误区是忽视审核员的能力退化。长期只看提示的人,独立判断能力会下降,遇到系统没覆盖的异常容易漏。保留 10% 到 15% 的盲审,能让团队保持手感。
| 误区 | 表现 | 后果 | 纠正 |
|---|---|---|---|
| 两套流程并行 | 复核比例不降 | 工作量翻倍 | 按置信度真分流 |
| 提示堆砌 | 单张八条提示 | 审核员跳读 | 合并提示,最多三条 |
| 置信度当准确率 | 直接用 0.9 判断 | 高估可靠性 | 分桶校准映射 |
| 只考核直通率 | 阈值越调越松 | 漏检集中暴露 | 直通率与漏检率成对考核 |
| 忽视能力退化 | 全员只看提示 | 异常场景漏检 | 保留 10%–15% 盲审 |
五个误区的共同点是"以系统为中心"。共审的设计起点应该是审核员的动作,而不是系统的输出。从动作出发,提示数量、队列排序、留痕要求都会自然收敛到合理区间。
共审的设计还要留一条退路。系统故障、规则大改、业务突变的场景下,流程要能回退到"人全审"模式,回退动作提前演练一次。没有退路的共审,一次故障就会让整个审核停摆,恢复后审核员对系统的信任也回不来。
共审要有一个健康度看板。看板放五项:复核比例、单张复核耗时、提示采纳率、改判率、盲审漏检率。五项一起看,能判断共审是真的在分流,还是只是换了个界面。
健康度看板要设阈值告警。复核比例连续两周上升、单张复核耗时上升 20%、提示采纳率掉到 50% 以下,三种情况都要触发一次专项检查。没有告警的看板只是报表,问题要等到月度复盘才会被发现,那时已经积累了一个月的单据。

验收清单确认共审机制可以上线运行,不是确认系统装好了。清单里每一项都对应一个上线三个月后才会暴露的问题。
清单里最容易被跳过的是第四项与第十六项。置信度没校准,三档分流就是拍脑袋;盲审没保留,团队能力会在半年内退化,而退化不会出现在任何指标里。
清单的用法与测试清单一致:逐条附证据位置。
清单要按角色分工核对,信息安全与合规负责前七项,财务共享负责中间七项,内审负责最后四项。三个角色各自签字,责任清楚,后续出问题也知道找谁,而不是所有人一起开会。写成"第 5 项:见阈值配置表 V2",评审时能直接翻页。只打勾不写位置,等于让评审人相信而不是核对。
清单要在上线后三个月复核一次。三个月是问题暴露的典型周期,此时按清单回看,能发现哪些条目当时打了勾但实际没落地。复核结果作为下一轮优化的输入,比重新写一份清单有用。
30% 到 45% 是主流区间,低于 20% 需要连续六个月指标稳定作为前提。比例不是越低越好,它由单据复杂度与规则成熟度共同决定。标准差旅占比高的企业,比例可以压到 25% 左右;招待费与市场费占比高的企业,40% 更稳妥。测算收益时按稳态比例算,不要按试点期的比例算。试点期审核员不熟练,复核耗时会偏高,看起来收益小;稳定三个月后耗时会下降三成,收益才接近真实水平,用哪个数字汇报差别很大。
先解决提示质量,再谈培训。提示十条里八条是真问题,抵触自然消失;十条里三条是真问题,任何培训都没用。做法是上线首月每周统计提示采纳率,采纳率低于 50% 的提示类型直接下线重写。采纳率是比准确率更直接的体感指标。采纳率按月统计,低于 50% 的提示类型当月下线重写,重写后重新统计,两轮之后通常能到 75% 以上,那之后审核员会主动看提示。
会,且退化不会体现在指标上。缓解办法是保留 10% 到 15% 的盲审,即不给提示、让审核员独立判断,再把判断结果与系统结论比对。盲审结果单独统计,不作为个人考核依据,只用于团队能力监测。盲审比例过低,两年后团队会丧失独立判断能力。
按分层负责制划分更合理。系统直通的单据,追溯规则与配置责任;人工改判的单据,追溯判断依据与改判人。两种责任分开追溯,改进才有落点。全部责任压给签字人的做法,会导致审核员对每条提示都改判,共审随即失效。
不能,阈值要随业务变化调整。票据版式变化、费用标准调整、组织架构变动,三类事件都会让原来的映射关系失效。建议每季度用新数据重跑一次分桶校准,映射曲线偏移超过 3 个百分点就调阈值。阈值长期不调的企业,通常会出现直通率虚高与漏检上升同时发生。校准要留记录,每次记录样本量、映射曲线、调整幅度,一年之后能看出票据版式变化对置信度的影响节奏,下一次调整就有参照。
适合,但模式要选对。小团队的排队效应明显,第二种模式(机器分流、人审疑点)容易造成积压,建议先用第一种模式(机器提示、人全审)稳定半年,再逐步分流。小团队的收益不在人力节省,而在单张处理时间下降与差错减少,测算时口径要相应调整。
要,按费用类型或法人分工比按金额分工更有效。同一类单据看多了,判断速度和一致性都会提升。分工之后要保留 20% 的交叉复核,避免个人口径偏离团队标准。完全不交叉的分工,半年后会形成几套并行的判断习惯。
很重要,提示文案决定审核员能不能在 30 秒内判断。好的文案包含三件事:问题是什么、依据是哪条、建议怎么处理。写成"金额异常"属于无效提示,写成"人均 380 元,超标准 80 元,标准见差旅办法第 12 条"才能直接支撑判断。文案改一遍,单张复核耗时通常能降 20%。
按三项分开算,不要合并成一个总数。人力产能提升按复核比例与单张耗时折算;周转天数下降按资金占用折算;差错损失减少按历史发生率折算。三项分别列示,各自注明口径与前提。评审时如果有哪一项被质疑,只影响那一项,另外两项仍然成立,总收益不会一夜归零。合并成一个总数的报告,一处被推翻,整份材料就失去可信度。合并成一个总数最容易被质疑,因为任何一项的假设被推翻,总数就站不住。
单张处理时间的改善在两周内可见,复核比例的下降通常需要两到三个月,差错率的改善需要半年以上。原因是规则需要迭代、审核员需要熟悉、业务需要适应新流程。承诺一个月内见效的项目,通常靠放宽阈值实现,代价是漏检风险。
不会,两者目的不同。人工复核是流程内的判断,目的是把这张单据处理掉;内审抽样是流程外的验证,目的是判断流程本身有没有失效。内审抽样不看全部提示,只看结论与依据是否匹配。两者混同,内审就失去独立性。
不建议按提示处理量考核。按量考核会诱导审核员快速点通过,提示采纳率随之下降。合理的考核是三项:处理时效、改判理由的完整率、盲审准确率。三项都与质量相关,不容易被刷数据。
人机配置要按审核团队规模与单据量分档。小团队抄大集团的配置,会做出一堆没人维护的队列规则。
| 团队规模 | 月单据量 | 建议模式 | 复核比例 | 关键动作 |
|---|---|---|---|---|
| 3 人以下 | 2,000 以下 | 机器提示、人全审 | 100% | 先把提示质量做对 |
| 3–8 人 | 2,000–8,000 | 机器分流、人审疑点 | 35%–45% | 队列排序与批量视图 |
| 8–20 人 | 8,000–20,000 | 机器分流、人审疑点 | 25%–35% | 分组分工与交叉复核 |
| 20 人以上 | 20,000 以上 | 风险分层、抽检兜底 | 10%–20% | 盲审与健康度看板 |
三人以下的团队重点不在分流,而在提示质量。人少,任何一次误报都占掉可观产能,提示必须精准。这一档不建议追求低复核比例,稳定比效率重要。
三到八人的团队是共审收益最明显的区间。分流之后单张耗时下降、产能翻倍,队列设计到位还能减少排队。这一档的关键动作是批量视图与上下文信息,两项做好,效率提升立竿见影。
八人以上的团队要解决一致性问题。人多,判断口径容易分叉,靠交叉复核与统一提示文案收敛。这一档还要建分组,按费用类型或法人分工,避免所有人看所有类型。
二十人以上的团队才适合抽检兜底。
配置要随业务变化调整。单据量年增三成以上、新增费用类型、上线新的报销制度,三种变化都会让原来的复核比例失效。建议每年重算一次配置,不要沿用上一年的比例,沿用会让风险与成本同时偏离。抽检的统计意义依赖样本量,团队太小、单据太少的抽检只是形式。这一档的重点是健康度看板与盲审机制,用数据监控整体状态,而不是逐张盯。

人机共审的难点不在技术,而在边界与责任。边界划清楚,机器做什么、人做什么就没有争议;责任分清楚,出错时能定位到环节而不是停在互相解释。两件事做到,共审才能稳定运行,而不是上线三个月后退回人全审。
推进节奏建议是分工图五天、阈值与分流七天、队列设计五天、反馈闭环三周建立,合计六周左右。上线后前两个月每周看一次健康度看板,稳定后改为每月。共审是长期机制,值得用半年时间把它调到稳态。
想要一份可直接套用的分工图模板与置信度校准方法,可向合思索取。

精彩活动早知道
关注“未来财务人研究院”公众号