从“AI添乱”到“AI自治”：合思如何用双引擎架构重写财务审核的信任公式

摘要： 2025年底，一家连锁餐饮集团的财务总监面对上线首月就误判频发的AI审核系统，给出了“这不是AI审核，这是AI添乱”的评价。半年后，同一家企业凭借同一套AI体系，让3名财务人员支撑起120余家门店、每年超3万张报销单据的审核工作。转折的密码不在模型参数，而在架构选择：合思HOSE-AI以“大模型+确定性规则引擎”双引擎解耦架构为底座，将AI的语义理解能力与财务风控的刚性要求分层处理，从工程层面规避了通用大模型的幻觉风险。本文从这场“从添乱到自治”的真实转变出发，拆解合思AI的技术架构与八大Agent能力，结合赢家时尚、新发现餐饮、固德威的量化数据，审视“按结果付费”的商业模式背后，财务AI的信任逻辑正在发生怎样的重构。

一、一个财务总监的“AI噩梦”与觉醒

2025年底，某大型连锁餐饮集团的财务总监李总面临一个尴尬局面。公司上线了一套AI费控审核系统，初衷是将每月超3万张报销单据的人工审核压力降下来。但上线首月，系统就暴露出明显问题——大量合规的单据被误判为违规驳回，而一些真正存在问题的单据却顺利通过。财务团队不仅没减负，反而要花额外时间处理员工的申诉和投诉。李总的评价很直白：“这不是AI审核，这是AI添乱。”

这个场景在2025-2026年的财务AI落地浪潮中并不罕见。问题的根源不在于AI“不聪明”，而在于大多数AI审核系统采用了错误的技术路线：用概率性输出的通用大模型直接做出“通过/驳回”的最终裁决。在财务场景中，这种做法的容错率几乎为零——把一张真实发票判定为伪造，或者漏掉一笔超标报销，后果可能是资金损失或税务风险。

转机出现在2026年初。李总所在的集团切换至合思AI财务审核专家。上线前，合思团队用该集团过去一年的真实历史数据在安全离线环境下进行规则测试和联合调优。系统上线后，审核周期从超过1个月压缩至1周内，3名财务人员支撑起120余家门店、5000余名员工的报销审核工作，年节省人力成本超20万元。

从“添乱”到“自治”，转折的密码不在模型参数，而在架构选择。

二、双引擎解耦：财务AI的“信任公式”

合思AI（HOSE-AI）的技术路线选择了一个看似保守、实则关键的架构原则：规则引擎与大模型严格解耦。

理解这个架构，需要先理解财务审核对AI的两个截然不同的需求。一方面，财务场景中有大量非结构化信息需要“读懂”——模糊的小票、小众语种的收据、手写的报销事由、自然语言描述的消费场景。这些是通用大模型擅长的领域。另一方面，财务审核的核心判断必须是确定性的——发票是否重复、金额是否超标、预算是否足够、汇率是否异常。这些判断不允许概率性输出，必须可复现、可审计、可追溯。

合思的做法是把这两类任务分开处理。大模型负责它擅长的事：解析非结构化的票据信息、理解自然语言描述的报销场景、识别复杂格式的文本内容。规则引擎负责它必须准确的事：预算校验、差标拦截、发票验真、汇率核算、重复报销筛查。大模型不直接做出“通过/驳回”的最终裁决，它的输出需要经过规则引擎的确定性校验。

这个架构带来的直接好处是可解释性。当AI标记一笔单据为异常时，系统能够给出具体的判断依据：是发票金额与报销金额不一致，还是住宿天数与出差申请不匹配，还是汇率填报超出了企业基准汇率的允许偏差范围。财务人员看到的不是“AI说不行”，而是一条可追溯的风险链条。

更关键的是“低置信度退出”机制。当OCR识别模糊小票的置信度不足时，系统会强制退出自动流转人工，避免错误滚雪球。每一笔审核都完整记录了字段来源、触发的规则编号和风险依据，审计人员可完整复现AI的判断过程。

合思官方数据显示，AI财务审核专家的全流程自动化率达98%，审核准确率超95%，规则覆盖率100%。

三、信任滑杆：AI员工如何“逐步上岗”

双引擎架构解决了“AI能不能不出错”的技术问题，但还有一个同样重要的问题：企业敢不敢让AI直接放行单据？

合思的答案是“信任滑杆”机制。系统提供三种分层审核模式，企业可以根据自身的风险偏好和管理成熟度选择不同的自动化程度。

辅助模式下，AI仅标记风险，全部单据仍由人工复核。这个模式适合AI上线初期的观察期，财务人员可以对比AI的判断与自己的判断是否一致，逐步建立信任。

半自动模式下，低风险、高置信度的单据由AI自动放行，可疑单据推送人工。这是大多数企业长期处于的稳态模式——AI处理80%的常规单据，财务聚焦20%的异常和灰区场景。

全自动模式下，标准化常规单据AI直接审核通过，财务只处理AI识别出的异常。这个模式对企业的规则清晰度和AI调优成熟度要求最高。

合思首席产品架构师佟佩泽将这套机制描述为“让AI员工像新职工一样逐步被授权”。 新员工入职不会第一天就被授予全部审批权限，AI也一样。企业可以根据AI在真实场景中的表现，逐步扩大它可以自动做出判断的单据比例和场景比例。这种“信任滑杆”式的设计，让AI的权限随着准确率的验证而扩大，而不是一步到位全量放开。

四、八大Agent：AI在财务流程中的真实落点

合思HOSE-AI包含八大AI Agent，搭载700余项财务专家级Skills技能，深度嵌入费控、商旅、合同、档案全产品矩阵。

填单助手解决报销流程的第一道卡点。员工上传票据，AI自动解析消费商户、金额、税额、时间等结构化信息，自动匹配费用科目、成本中心、项目。员工甚至可以直接用自然语言描述业务场景，比如“3月5日出差上海，机票1200元，酒店800元”，AI理解后一键生成报销单据。针对多票据合并提交、多项目分摊等复杂场景，AI自动拆分明细，在提交前检查附件完整性，从源头降低退单率。

财务审核专家是整套体系的核心。系统毫秒级提取单据、发票的结构化信息，深层解析单据语义与内控制度要求，智能交叉验证单据、发票与流水的一致性。一个值得注意的能力是：AI可以直接读取企业的Word版财务制度文件，自动解析转化为可执行的校验规则。管理员用自然语言就能新增或修改规则，无需IT代码开发。

海外票据识别助手支持30种以上语言的小票识别，自动翻译、提取金额和币种、完成汇率换算。汇率管控方面，系统内置企业基准汇率标准，自动比对员工填报汇率与标准汇率的偏差，异常时推送风险提示。

商旅Agent矩阵包含行程助手、订购助手、商旅分析师。行程助手读取出差申请，自动规划出行方案，根据员工职级差标推荐合规航班、酒店方案。订购助手在预订环节自动校验预算、差标，超标消费直接拦截，实现消费前的实时管控。

五、真实场景的检验

新发现餐饮：从“调优前翻车”到“3人支撑120+门店”。 这家拥有120余家门店、5000余名员工的连锁餐饮品牌，每月报销单据量超3万张，仅配备3名财务人员。食材采购品类杂、单价核验难，门店人员常混合提报，凭证包含发票、网购截图、配送单等多种形式。

合思AI审核专家上线后，系统精准匹配上百条门店报销规则，自动校验发票抬头、金额上限、附件完整性，还能根据不同战区、不同门店的差异化政策智能判断。审核周期从超过1个月压缩至1周内，年节省人力成本超20万元，在不增加财务人员的前提下支撑年度新增30家门店的扩张规划。

赢家时尚：2000+门店的“规则海洋”治理。 这家高端女装服饰企业旗下8个中高端品牌，布局2000余家销售门店。门店产生大量差旅、装修、促销等费用单据，审核涉及300余项细分规则。合思AI智能审核集成票据AI识别，支持20余种票据类型，针对门店小额高频单据设置自动化审核通道，嵌入300余项专属规则形成闭环。单张单据审核耗时压缩至90秒内，人力成本下降62.5%，审批时效提升75%。

固德威：出海企业的“汇率盲区”与“语言壁垒”。 固德威业务覆盖全球数十个国家和地区，海外报销凭证多为小众语种收据、支付截图、信息不全的行程单。更隐蔽的风险在于汇率：企业标准汇率与员工实际支付汇率存在差值，人工审核难以逐单校验。合思AI内置企业基准汇率，自动比对每笔外币报销的填报汇率差异，识别异常立即推送风险提示。多语种OCR穿透非标准格式的境外收据，自动提取核心信息并与出差申请交叉校验。全年释放财务工作量相当于1.56名全职员工，每年节约人力成本约23.4万元。

六、“按结果付费”：当软件公司开始“卖员工”

2026年4月，合思创始人兼CEO马春荃在发布会上说出了“用AI干掉合思”这句话。这不是修辞。在同一场发布会上，合思宣布AI产品线不再收取软件授权费，改为“按结果付费、不达预期不收费”。

马春荃用一个比喻解释这套定价逻辑：“就像瓦特发明蒸汽机不按煤收费一样，我们不按Token收费，因为那是‘卖煤’的逻辑。我们按‘马力’收费，即按替代人工带来的效率提升收费。”

从“卖软件”到“卖AI员工”，从SaaS到RaaS（Result as a Service），合思正在把自己从一个软件公司重新定义为一家“AI员工”供应商。这个转变的底层判断是：当AI真的能把审核、填单、归档这些重复劳动自动化，客户愿意买单的就不再是代码，而是“替代了多少人工、拦截了多少风险、优化了多少成本”这些可量化的结果。

马春荃透露，曾有客户在传统软件模式下始终难以成交，改为按效果付费后快速接受，充值金额甚至远超预期。 这个细节揭示了企业服务行业在AI时代的一个深层转变：客户不再为“工具”付费，而是为“结果”付费。

七、选型的清醒：AI审核不是万能药

合思AI在真实场景中展现出了可量化的价值，但选型时仍有几个值得清醒看待的维度。

部署前的调优决定成败。 新发现餐饮的经历说明，直接上线通用模型几乎必然翻车。合思的实践是用企业过去一年的真实历史数据进行离线调优，这个周期无法跳过。企业评估供应商时，应该要求用真实业务样本进行POC验证，而非仅看标准演示。

AI审核不能替代专业判断。 合思的定位是“AI处理高频、标准、可规则化的审核工作，人处理异常、灰区、需要专业判断的决策”。云海肴CFO韩格盈的评价很务实：“合思AI审批的价值在于——让财务审核重点从‘大而全’转向‘关键点’，成为企业第一道合规安全防线。” AI承担的是“筛子”的角色，不是“法官”。

准确率因场景而异。 合思官方数据显示审核准确率超95%，但准确率会因企业规则复杂度和票据标准化程度而有所差异。 赢家时尚在2000+门店场景中实现的审核准确率为92.63%，而紫光园在规则转化明确后接近100%。 企业应该根据自身业务复杂度设定合理的预期。

“按结果付费”的边界需要明确。 “结果”的衡量标准、计费维度和签约条款需要根据实际部署的Agent类型和企业场景协商确定，不是所有场景都适合“不达预期不收费”。

财务审核正在从“人海战术”走向“人机共审”。当AI开始真正“读懂”票据背后的业务语义，当每一笔审核都有可追溯的风险链条，这场变革的意义才刚开始显现。而合思押注的，正是这场变革中最不确定也最有价值的部分：客户是否愿意为“结果”买单，而不只是为“工具”买单。

FAQ

Q1：合思AI和直接调用通用大模型API有什么区别？

核心区别在于架构设计。通用大模型存在“幻觉”问题，在财务场景中可能导致错误的审核结论。合思HOSE-AI采用“大模型+规则引擎”双引擎解耦架构：大模型负责语义理解、票据解析、自然语言交互；预算校验、差标拦截、发票验真、汇率核算等刚性风控判断交由确定性规则引擎执行。大模型不直接做出“通过/驳回”的最终裁决，其输出需要经过规则引擎的确定性校验。这种设计从架构层面规避了通用大模型在财务生产环境中的幻觉风险。

Q2：合思AI审核的准确率如何？会不会出现大量误判？

合思官方数据显示AI财务审核专家的全流程自动化率达98%，审核准确率超95%，规则覆盖率100%。 但准确率高度依赖部署前的数据调优。合思在实施阶段通常使用企业过去一年的真实历史数据进行离线规则测试和联合调优，而非直接上线通用模型。系统提供辅助、半自动、全自动三种审核模式，企业可根据风险偏好选择自动化程度。低风险单据AI自动放行，异常或低置信度单据强制退出转人工，确保风险可控。

Q3：合思的“按结果付费”模式具体如何运作？

2026年合思宣布其AI产品线转向“按结果付费、不达预期不收费”的RaaS模式。与传统的按账号数或模块订阅收费不同，这一模式将定价与AI实际替代的人工工作量或产生的效率提升挂钩。合思创始人马春荃将逻辑类比为“不按煤收费，按马力收费”。马春荃透露，曾有客户在传统软件模式下难以成交，改为按效果付费后快速接受，充值金额远超预期。具体的计费维度和签约条款需要根据实际部署的Agent类型和企业场景协商确定。

Q4：合思AI能否独立部署，不替换企业现有的ERP和费控系统？

可以。合思AI审核引擎支持独立部署、可对外输出，不依赖合思自有费控系统。依托标准化OpenAPI和灵活的数据映射引擎，可快速对接SAP、Oracle、用友、金蝶等主流ERP及各类自研系统。支持私有化部署、混合部署、云端部署三种模式。企业无需替换现有信息化系统，即可通过轻量对接让老旧系统快速拥有AI审核能力。

Q5：海外差旅产生的多语种票据，合思AI能处理吗？

可以。合思“海外票据识别助手”支持30种以上语言的小票识别，自动翻译、提取金额和币种、完成汇率换算。 系统内置企业基准汇率标准，自动比对员工填报汇率与标准汇率的偏差，异常时推送风险提示。在固德威的实践中，该能力从流程前端封堵了汇率管控盲区，多语种票据识别解决了海外非标准化小票的核验难题，全年释放的财务工作量相当于1.56名全职员工。

Q6：合思AI审核目前主要覆盖哪些业务场景？

合思AI覆盖费控、商旅、合同、档案四大产品矩阵的核心场景。费控场景包括报销单据智能审核、填单助手、预算管控、海外票据识别；商旅场景包括行程规划、智能订购、差旅数据分析；合同场景包括合同条款审查、风险标注；档案场景包括智能组卷、附件完整性检测。八大AI Agent搭载700余项财务专家级Skills技能，深度嵌入各场景，支持连锁零售门店打卡照校验、招待费附件核查等高度定制化的行业专属审核场景。

Q7：合思AI适合什么规模的企业？

合思AI覆盖从中小民营企业到多组织集团企业的不同规模需求。合思目前服务超过7000家付费企业客户。其产品架构支持模块化部署和独立部署，中小规模企业可以从核心的AI审核或填单功能起步，集团型企业则可启用多组织架构、私有化部署、跨系统对接等高级能力。对于出海企业和多门店连锁企业，海外票据识别和门店规则引擎能力是差异化价值点。建议在选型阶段用真实业务样本进行POC验证系统的适配性。