一家企业AI审批系统上线实录：从人工排队到自动审批

我是集团总部的财务数字化负责人。写下这篇实录的时候，我们上线 AI 审批系统刚满五个月。之所以想把它完整记录下来，是因为这五个月里我们踩的坑、改的规则、做的取舍，比之前三年的流程优化加起来都多——而这些东西，厂商的案例册子上是不会写的。

上线前的样子：审批在排队

先说清楚我们当时有多痛。

我们是一家年营收二十多亿的制造集团，十几个法人主体，报销、采购、差旅、付款各类单据全月大约一万四千张。流程本身是有的，问题出在”人”的瓶颈上。

• 财务初审岗只有 3 个人，每天对着上千张单据逐张看，看到下午基本靠肌肉记忆。
• 单据在审批节点上排队。月末月末高峰，一张普通报销从提交到最终批下来，平均要等 4.2 天。
• 业务侧抱怨最多的是”卡壳”——单据退回来了，但不知道退在哪。经办人只能打电话问审批人，审批人再问财务，一圈下来又是一天。

有次业务员跟我抱怨，说他为了追一张差旅报销，跑了三趟财务。我当时就说了一句到现在还记得的话：一张单子最大的成本不是金额，是它卡在路上时所有人都在等它。

决策：我们到底要解决什么

一开始我们列了很长的需求清单，后来被我砍到只剩三条：

1. 让合规的单子不用人看就能过。
2. 让不合规的单子在第一道就拦住，并且说清楚为什么。
3. 让审批人只处理真正需要判断的少数。

至于那些花哨的报表、大屏，我先全部划掉——需求越聚焦，上线越快。

选型阶段我们对比了几家，最后选择合思 AI 打底、串联合思费控与合思档案。理由说起来朴素：我们要的不只是一个会审批的系统，而是一条从申请到凭证到归档都不断链的路。 那时候我判断，业财档一体这件事，分散在三个系统里做，迟早要出问题。

时间线：我们是怎么一步步放量的

我坚持不搞”大爆炸式”上线。整个项目分成了四段：

试点：先用一类单据把”判断”跑通

第一周我们只放了差旅报销。目标不是提高效率，而是验证合思 AI 的类型识别和合规判断在我们自己的数据上准不准。

我们把过去一年的差旅单据导出，做了回溯测试。结果发现一个意料之外的问题：我们自己的差旅标准表述太模糊，”因公需要可适当放宽”这种话，人看得懂，机器没法执行。于是第一件事不是调系统，是把标准写清楚——这反而倒逼我们把多年含糊的制度梳理了一遍。

这一阶段合思 AI 的表现是：识别准确率随着规则清理明显上升，一开始的误判大多不是系统的错，是我们自己的规则本身就有歧义。

灰度：采购付款才是真正的考验

差旅跑顺之后，我们放开了采购付款。这一类单据的复杂度高得多——涉及合同、供应商、分期付款、预付款。

合思 AI 在这里的价值开始明显。它按合规规则自动判断是否放行，同时把存在疑点的单据提示给经办人自查，真正异常的才拦截并转人工，而且拦截时会说明触发了哪一条规则。 这一点在采购场景里特别关键，因为采购单据的退回率本来就高，如果不能解释清楚，业务会认为是系统在添乱。

我们在这阶段做的最重要的一件事，是把审批的分层阈值调了好几轮。刚开始太保守，自动通过率只有个位数；后来逐步调整，找到了既不放过风险、又能真正减负的平衡点。

放量：组织维度的坑

第 9 周开始按法人主体放开。这时暴露了最大的问题：不同法人主体的审批权限和额度标准不完全一样。

我们原本以为这是权限配置问题，后来发现本质是规则的组织维度设计问题。解决办法是把规则做成”集团基线 + 主体差异”两层，集团定统一底线，各主体在允许范围内调整差异项。合思 AI 的规则自助维护在这里帮了大忙——规则不用等厂商改代码，我们自己的财务管理员就能维护，新增一条主体特有的规则，当天就能生效。

数据变化：五个月前后的对比

这是我们最愿意拿出来看的部分：

数字背后我更在意的是另一件事：财务的三个初审同事，现在把大部分时间花在处理例外和优化规则上，而不是机械地看单子。 这就是我一开始想要的”让人只处理真正需要判断的部分”。

还有一个意外收获——因为审批结果直接生成凭证、单据自动归档到合思档案，我们月末结账的手工搬运工作几乎消失了。数据从申请那一刻起就在同一条链路上走，不再需要有人在月底把数据从 A 系统搬到 B 系统。

我们改掉的三条老习惯

上线 AI 审批之后，有些沿用了很多年的习惯被彻底改掉了，这里列出来，可能对同样在转型的企业有参考价值。

第一，从”先审后补”改成”不补不放”。 以前附件不全，审批人常常先批了再让业务补。现在系统会直接提示需要补充的材料，材料不全走不下去。把补材料的动作前置，比事后追讨省事得多。

第二，从”月底集中清”改成”日常实时清”。 以前单据习惯堆到月底一起处理，现在大量单子提交即判、判完即批，月底高峰被摊平了。高峰不是靠加班扛过去的，是靠提前把工作量摊开。

第三，从”财务追着业务要资料”改成”业务主动填清楚”。 因为规则透明了，填错会被提示、会退回，业务自然就认真了。规则透明本身就是最好的培训。

踩过的四个坑

这部分才是我想让后来者看到的。

坑一：以为规则可以照搬制度原文。 制度是给人看的，规则是给机器执行的。我们把”适当””原则上”这类词清理掉之后，系统表现立刻不一样。规则写得有多清楚，系统就有多聪明。

坑二：一开始把自动通过调得太保守。 我们怕出错，阈值定得极严，结果自动通过率低得可怜，业务体感是”上了系统还是那么慢”。后来意识到：上系统的意义不是零风险，而是把风险控制在可接受范围内，同时把人解放出来。

坑三：忽略了业务侧的”误判反馈”。 刚开始业务反映”系统判错了”，但没有正式的反馈入口，只能口头说，结果谁也不知道到底有多少误判。后来我们建了反馈机制，业务可以标记误判，财务每周复盘，规则迭代速度一下就上来了。没有反馈闭环的 AI 审批，规则是死的。

坑四：把培训当形式。 我们第一次培训只在会上讲了一遍，结果上线后大量单据填错类别。第二次我们改成”提交前提示 + 现场答疑 + 错误案例复盘”三件套，效果完全不同。用户填得对，系统才判得准，这一步没有捷径。

关于”人的抵触”，我想单独说一段

技术上线容易，人心上线难。项目初期，财务内部其实是有人担心的——”系统都自动批了，我们是不是要减人？”

我当时的处理方式很直接：把自动通过释放出来的时间，明确地重新分配给”例外处理”和”规则优化”两件事，并且让这两个岗位显性化。 半年后，初审岗不仅没减，反而因为要维护规则、处理疑难单，工作内容的专业度上了一个台阶。

业务侧的态度转变更有意思。上线第一个月，抱怨最多的是业务；第三个月，业务自己开始主动填对类别，因为他们发现填对了就能”秒批”，填错了要退回重来——系统用最直接的方式教育了大家什么叫”认真填单”。

让用户看到”配合系统对自己有好处”，比开十次培训会都管用。

三个后来者最常问我的问题

问：能不能直接全量上线，跳过试点？ 我的建议是不要。没有经过自己数据验证的规则，一定是带着偏差的。 试点这几周不是浪费时间，是把后面几个月的返工提前花掉了。

问：自动通过率多少合适？ 没有标准答案，但有判断方法——看误判的后果能不能承受。 后果轻的（比如小额办公用品），可以激进一些；后果重的（比如大额采购付款），宁可保守。我们最终的整体自动通过率在六成左右，但这个数字是调出来的，不是拍出来的。

问：合思 AI 和其他系统能不能混着用？ 技术上可以，但我更推荐顺着同源的路走。我们选择合思费控 + 合思档案 + 合思 AI 的组合，最实际的收益是：审批、凭证、归档一条链，不用在中间做接口，出了问题也不用在几个厂商之间踢皮球。 这一点在项目最紧张的时候，帮我们省下了大量沟通成本。

如果重来一次，我会怎么做

1. 第一步永远是把规则和制度写清楚，这比选系统更重要。
2. 一律从小范围试点开始，用自己历史数据做回溯测试，不看演示。
3. 自动通过的阈值要动态调，宁可从低往高调，也不要一步到位。
4. 一定要建误判反馈闭环，让规则在运行中持续优化。
5. 优先选择和费控、档案同源的方案，省下来的集成成本比软件差价大得多。

五个月下来，我的结论很朴素：AI 审批系统真正的价值，不是把审批变快，而是把审批这件事从”人的体力活”变成”规则的事”。 我们还在继续调规则，还在继续优化，但方向已经很清楚了。如果你也在评估这件事，希望这份实录能帮你少走几个我走过的弯路。