AI贴发票报销，这笔钱花得值不值？

多数企业的AI预算都流向了成果好量化的销售和市场部门，少有重投在像财务、采购等后端部门，原因很简单，这些部门虽然能真正因AI数字化带来降本，可成果却很难被量化。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

在生成式AI技术爆发后，各行业对AI有一个共识，它是一个需要算力喂养和技术迭代的辅助决策工具，它能降本增效。

企业落地应用哪套AI系统背后，有一场成本暗战：现在不投怕落后，投了又怕见不到效果。

北京合思信息技术有限公司的创始人兼CEO马春荃，在SaaS领域创业11年，其创立的敏捷财务收支管理平台合思，如今为云海肴、蓝月亮、泡泡玛特等消费领域企业提供“财务场景+AI”的解决方案，还是科大讯飞、北森等科技企业背后的AI费控服务商。

在过去四五年里，马春荃发现，多数企业的AI预算都流向了成果好量化的销售和市场部门，少有重投在像财务、采购等后端部门，原因很简单，这些部门虽然能真正因AI数字化带来降本，可成果却很难被量化。

审批报销流程更快，合规风险变低……这些结果不会比“客服响应速度提升50%”来得震撼。

一位长期与企业CFO、CIO打交道的市场人士透露，最先AI化的一定是营销等业务场景，财务是一家公司最谨慎，合规性、准确性以及数据保密安全性要求最高的部门。

该市场人士表示，不少科技巨头虽高调宣布“All in AI”，斥巨资投入研发AI大模型和相关应用，但即便腾讯这样的科技巨头内部已经运行电子报销系统，仍有云业务内部人士吐槽，该系统并没有彻底改变财务报销这一核心运营环节，很多报销仍采用最传统的手动贴票方式。

记者获悉，不少企业在财务的AI化改造方面存在滞后性，很大的原因在于，企业还不确定哪些数据可以让AI触达。

合思企业智能审批和票据处理BU负责人孙根认为，给企业本地化部署解决数据涉密问题并不难，企业都对AI化感兴趣，之所以观望者多，问题还是出在内部阻力大，涉及到多人的调岗。

韩格盈是成立16年的餐饮连锁企业云海肴的CFO，她在得知合思的AI审批已经在一些企业跑通后，表达出自身的需求。

云海肴在费用审批方面配备的人员在整个财务团队中占比超4成，每位费用审批人员每月要完成30—40家门店的审核，相当于每个人每月审核500多张单据，每一笔费用审核中至少涉及20多个审核点，最多时既会关联50多张发票，又需要上传120多笔原始凭证……

“钱小事大。”韩格盈介绍，云海肴覆盖北京、上海等30多个城市的150余家直营门店，每个门店发生的每一笔单子金额都不大，但整体数量大，导致财务审批工作极为繁琐，她希望AI能尽快介入团队的工作流程中。

比如，云海肴每个门店每月需清洗两次油烟机，过去门店的提报人提交报销单据后，要经过店长到区域经理再到区域总监，才会到财务审批，之后哪里不对就打回去修改，再经过前面这一圈跑下来，来回要3天。

从云海肴自8月应用AI审批产品后产生的日志数据中，韩格盈看到，每张单据平均节省4345分钟，相当于省出了3天时间。

现在提报人提报后，AI不但自动出审批结果，就连审批错误率都直线降低了80%，在设定好的规则下进行AI审批，云海肴的财务审批流程实现了人工免检率100%。

原来门店人员可能通过减少清洗次数获取报销费用，现在只需要上传一张照片，系统就能判断油烟机是否真正被清洗过，一旦图片被监测出有P图痕迹或属于重复上传，系统都能识别。

在韩格盈看来，AI不仅是提效，还给公司构建了一道防控报销风险的预警线，另外简化了财务审核工作，让她的团队从机械又繁琐的工作中抽离，去关注更具有决策价值的工作。

上述市场人士觉得，企业的CFO们拥抱新技术的意愿强烈，但要量化企业投入AI的账本很难，一是因为目前AI的定价还没有统一的规则，另外，不同于过去SaaS软件销售依靠订阅付费的模式，如今AI应用工具的交付更多是结果付费模式。

孙根介绍，将基础审核的人解放出来，让更多人去做业务分析工作，是科大讯飞这样的科技公司寻求AI费控相关应用落地的预期目标。

类似科大讯飞、云海肴这样的大型企业、连锁类企业，涉及较多的票据、单据审核，目前绝大多数都是堆叠人力去完成审核工作，孙根介绍，一些国央企的财务共享中心，动辄就几十人在审批单据。当然，有部分企业会采用外包的方式去解决，但一套规则给不同的人审核，有时结果会不一样，AI智能审批的结果在保持一致的同时，准确度大于95%，而人工的准确度在70%左右。

“降本是必然的。”上述市场人士虽认同企业应该算好AI的这本经济账，但她觉得企业更应该关注以下三个维度：AI能否解决一些人管不了的事；能否帮助达成降本增效的管理目标；能否助力实现管理模式的转型。

麻省理工学院今年8月发布的《生成式AI的鸿沟:2025年商业AI的现状》指出，全球95%的企业AI投资实际上未能产生经济效益，他们被困在“高投入、零回报”的困境中。

马春荃认为其中一个原因在于，人们短期内对AI期待过高，却对其长期潜力估计不足。AI算力和算法不断进阶，原本单一功能点的工具产品不再具有垄断性优势，未来竞争的关键取决于平台能力。