AI把審覈一張報銷小票的費用從十塊錢，降低到了六七毛錢丨ToB產業觀察

從AI大模型問世以來，AI將重構企業流程的聲音絡繹不絕，尤其是當模型從卷技術走向卷應用、卷場景以後，AI開始逐漸滲透到企業流程之中，並打破這種原有流程，重構企業內部管理流程。

從“幾塊錢”到“幾毛錢”，成本下降帶來規模化應用可能

雖然生成式AI的問世讓流程開始重構，並加以AI賦能，但很多行業變化的齒輪真正開始轉動要從DeepSeek的橫空出世算起。

在DeepSeek問世之前，財務收支管理平臺合思就嘗試了利用AI大模型的能力去打造新的財務體系，實現從IT到AI替的過程。但因爲彼時使用AI大模型的成本很高，以AI識別報銷小票爲例，粗略估算一下，使用人工審覈小票的“工資”成本大概在1~2元錢，但使用AI大模型審覈的成本將達到9~10元錢，“生成式AI在財務流程中的應用是爲了降本增效的，但如果因爲用了AI的能力而讓企業花費了更大的成本，那還不如使用最傳統的辦法。”合思創始人兼CEO馬春荃如是說。

另一方面，彼時多數好用的大模型產品來自海外，受到合規、監管等因素的影響，導致國內企業無法使用到更好的大模型產品。

上述兩點隨着DeepSeek的問世“迎刃而解”，馬春荃告訴鈦媒體APP，DeepSeek問世之後，將原本使用AI審覈一張小票的費用從9~10塊錢，降低到了6~7毛錢，“大幅降低的費用，遠超過了使用人工審覈的性價比，讓AI小票識別真正得以落地。”馬春荃指出。

不僅於此，在各行業企業都在積極佈局海外業務的當下，各個國家的，不同語種的小票也給從事發票報銷的財務人員提出了新的挑戰。

以阿拉伯語爲例，中東地區作爲我國企業出海的重點區域之一，阿拉伯語的小票如何識別成爲了財務人員的“噩夢”，“僱傭一個會阿拉伯的財務人員，可能一年也用不到幾次，但是對於企業來說，這樣的人才可遇不可求，也會加大企業開支，”馬春荃進一步指出，“但是使用AI之後，爲企業節省了很多費用，也提升了識別的準確率，並可以實現風險標註，讓財務人員一目瞭然。”

以合思的相關產品爲例，據馬春荃介紹，目前已經支持包括阿拉伯語在內，幾十個語種的的小票識別。

“就財務領域而言，AI已經重構了企業流程，讓企業財務從‘流程驅動’走向‘模型驅動’，”馬春荃進一步指出，“但當下還尚未看到‘天花板’，模型驅動的改造還在進行中。”

用戶需求涌現，AI浪潮纔剛到來

小票識別僅僅是AI在財務領域應用的一個縮影，DeepSeek的出現將AI應用的價格“打下來”以後，讓更多因爲成本導致無法落地的場景得以“照進現實”。

馬春荃告訴鈦媒體APP，在生成式AI出現以後，在財務領域確實涌現了很多可以植入的場景，但當時算力成本太高，使用AI反而比人工要更貴，而且AI能力還不足以應對很多場景，“比如員工在出差的期間，卻產生了在本地的打車費用，這些小票的審覈過去AI是識別不出來的，只能依靠人工進行審覈。”馬春荃舉例到。

而這種情況隨着DeepSeek的問世得到了改善，“DeepSeek讓企業能以更低的成本，獲取更高性能的AI能力，同時企業還能在合法合規的情況下使用，這爲AI+財務的實現，提供了很大的支持。”馬春荃表示。

不過在馬春荃看來，AI的浪潮纔剛剛開始，AI針對財務領域的重構也纔剛剛開始。而這個需求是伴隨着企業從“流程驅動”走向“模型驅動”而開始的。

無獨有偶，長江商學院會計學副教授 MBA項目學術主任、高層管理教育項目學術主任張維寧也認爲，隨着企業的發展，組織架構愈發複雜，而AI大模型的出現，能以一種簡單的方式，將這個複雜的問題變成簡單的問題，張維寧曾對鈦媒體APP表示，“通過流程和分工的方式，並在每個環節用好AI的能力，就能讓原本複雜的問題變得簡單，從而提高企業運營效率。”

財務系統要實現模型驅動首先需要做到將管理軟件、交易系統和賬戶體系得基礎夯實，進而以模型爲中心，將三者調度起來，並實現最終以人爲中心的願景，“AI就相當於我們的助理，幫助我們起到協作的作用，每個人擁有的AI助理會越來越多，每個AI助理也都有各自擅長做的事情，而我們需要做的就是去適時的使用、調度這些助理幫助我們完成工作。”馬春荃指出。

在馬春荃看來，“在AI的賦能下，企業管理正在從流程驅動到模型驅動進化，我們曾經在表單上填寫的那些複雜而繁瑣的結構化數據，是爲流程驅動環境下每一個環節服務的。在以模型爲核心的決策分發的時代，將不再那麼重要且冗長。我們曾經煞費苦心的編輯各種流程，以防控風險、提升效率。但這種流程無形當中增加了管理成本與維護成本。面對蜘蛛網一樣的審批流、工作流，應當是每個系統管理員的惡夢。在以模型爲核心的決策分發的時代，流程的抽象形式將更爲隱形，甚至不再需要被用戶看到。算法也不再是可插拔，而是隨需的被AI所調用。”

此外，有不少業內專家認爲，AI大模型正將企業財務從“規則執行者”轉變爲“價值創造者”。未來三年，率先完成“數據-模型-組織”三重進化的企業，將跨越AI轉型的“達爾文之海”，成爲真正的“模型驅動型”組織。這一進程中，技術能力與業務洞察的深度融合，將成爲決勝未來的核心密碼。

具體到財務細分場景中，比如企業可以通過OCR技術實現發票信息自動識別，據瞭解，目前的準確率已經超99%，結合RPA（機器人流程自動化）完成賬目覈對、報銷審覈等任務。據統計，企業部署AI系統後，月度報表生成時間可以縮短80%，人工干預減少70%。大幅提升效率的同時，還能降低財務人工成本。

與此同時，當下企業對於AI的投入幾乎是不設上限的，以財務領域爲例，馬春荃告訴鈦媒體APP，客戶當下對於在財務領域應用AI技術會從三個維度考慮，首先會考慮AI能不能在財務的一些工作流程或場景中跑起應用，進而會考慮應用AI後的效果如何，以及AI的準確率、安全合規等技術細節，最後纔會考量使用添加AI功能的服務會產生多少額外的費用。

另一方面，從行業角度出發，也有不少服務商反饋：當下已經有很多應用AI技術的場景是客戶先提出來的，服務商進而根據客戶的需求，將客戶的行業Know How與自身AI技術結合，打造出來的AI應用場景，不得不說，這點很“中國SaaS”。

離財務智能體還有一段路

雖然AI在財務領域的需求逐漸涌現，其價值也慢慢顯現出來，但在馬春荃看來，我們離真正的財務智能體還有很長的一段路要走。

如果將企業財務費控能力分爲L1-L5五個階段，每個階段又針對申請、消費、報銷、對賬、記賬、歸檔、報表七個維度區分自動化水平的話。據市場調研顯示，國內費控廠商基本處於L3-L4階段，而L4向L5邁進很重要的一步就是AI能力的“植入”。

對此，馬春荃告訴鈦媒體APP，目前國內部分服務商已經能實現L5的部分能力，但離真正的實現L5，打造出財務智能體還有一段距離，“要想實現財務智能體，僅僅是在財務的每個環節上都植入AI的能力是不夠的，”馬春荃進一步指出，“還需要打通各個環節的協作流程，讓每個環節的AI形成一個完整的體系，從AI in All開始，走向全體系的智能體。”

以報銷流程爲例，報銷流程中已經應用了AI審批、AI識別小票等能力，但各個能力是相對獨立且分散的，審批流程的AI幹不了識別小票的工作，識別小票的AI也不具備審覈的能力，而且兩者之間的協同還是需要人工提交，需要人工干預才能完成，“這不是財務智能體的終極形態，”馬春荃表示，“未來，財務智能體的‘終極形態’是兩個Agent之間可以互相進行流程的匹配，並且還需要一個Agent對發現的風險進行派發，分配給不同環節的Agent進行處理。”（本文首發於鈦媒體APP，作者｜張申宇，編輯丨蓋虹達）