业务背景
财务共享中心集中处理报销、付款与费用标准核对。痛点通常不在「会不会用 AI」，而在于：
- 制度分散在 PDF、OA 附件与历年修订说明中，审核依赖个人经验
- 单笔单据材料多，人工核对字段耗时
- 内控要求每一笔结论可追溯到制度条款与操作人
目标应是：缩短初审时间、降低明显违规漏检率，而不是用模型替代财务审批权。
参考架构
OA / 费控系统
| 表单 + 附件元数据
v
取数层（API / 受控浏览器自动化）
| 结构化字段 + 影像
v
OCR / 版面解析（票据类）
|
v
制度知识库（向量 + 关键词混合检索）
|
v
预审规则 + LLM 比对说明
|
v
人工终审（Entelli 工作流节点）
|
v
审计日志 / 归档
各层职责应清晰：模型输出「差异说明 + 引用条文」，终审人做采纳或驳回，系统记录决策。
知识库建设要点
- 制度版本化：每条知识片段标注生效日期与废止日期，避免引用已失效条款。
- 按费用类型分库：差旅、招待、固定资产等分开建库，检索噪声更低。
- 引用溯源：回答必须带章节号或原文片段 ID，便于审计抽检。
- 人工抽检闭环：定期抽样模型结论与人工结论的一致性，迭代提示词与切片策略。
自动化取数的边界
浏览器自动化适用于无开放 API 的老旧 OA，但应满足：
- 运行在隔离沙箱，凭证由企业密钥系统注入，不落盘明文密码
- 仅抓取审核所需字段，最小权限
- 失败可重试、可告警，不阻塞人工通道
有 API 时优先 API；自动化是补充手段，不是默认方案。
合规与风险控制
| 要求 | 实现建议 |
|---|---|
| 决策权 | 预审结果默认「建议」，终审节点不可跳过 |
| 可追溯 | 请求 ID 关联单据号、模型版本、检索片段 ID |
| 数据最小化 | 影像与正文不出域；外部模型仅接收必要字段 |
| 留存 | 日志保留周期与财务档案策略一致 |
效果衡量
建议用运营指标而非「模型分数」验收：
- 平均初审耗时
- 明显违规的漏检率（抽检）
- 人工推翻模型建议的比例（过高说明模型不可信，过低可能复核流于形式）
小结
财务场景的 AI 预审，本质是把制度从「人脑记忆」变成「可检索、可引用、可审计的知识资产」，再用工作流把机器建议嵌回现有审批链。技术栈可以包含 OCR、RAG 与自动化，但产品边界必须尊重：财务人员对资金与合规的最终签字权。
如需针对贵司费控系统接口与制度结构做可行性评估，欢迎 联系我们。
