99%准确率是怎么来的：6482单人机跑测把财务标准跑统一了

99% 准确率是怎么来的：一次 6482 单的人机跑测

有人问 99% 的识别与审核准确率是怎么做到的。答案不在发布会上，而在一张张测试单据和那 17% 的人机分歧里。

据中国华电集团财务共享中心公开的财务共享西南分中心实践《进阶：99% 淬炼进化力，智能体开拓新治理》，这套 AI 智审在上一个阶段已经跑出了初步成效：绿灯把八成以上的标准化业务接了过去，119 家单位在日常生产环境里天天使用。剩下一个问题没有回避——那些 99%，究竟是靠什么淬炼出来的？数百条规则又靠什么实现自主进化？

他们的做法是先把大模型当成一个新人来带：先练脑、再练眼、后练手。识别票据是"眼"，操作系统是"手"，而最见功力的是"脑"。练脑要先过三关——基础制度学习，系统掌握集团财务制度与共享中心的业务操作规范；差异制度学习，拉网式收集梳理三家区域公司及下属单位的制度，尊重区域与个体差异，执行上以"完全适配"原则做到一企一策；历史经验学习，全量复盘各单位的特殊核算规则、历史违规案例和审计问题。三关之后，才进入真正的关键一步。

这一步叫"人机共识"训练。专班把三家试点单位近一年的历史单据调出来，首批对 6482 单做批量跑测。结果 AI 与人工的初始一致率是 83%，剩下 17% 对不上。

接下来是整篇文章里最值得抄的一段处理方式：这 17% 没有被简单判成"AI 不行"，而是被拆开归因——执行尺度差异占 8.5%，审核要点差异占 5.2%，特殊票据识别误差只占 1.2%。数据一摊开，结论很清楚：分歧主要来自"标准不统一"和"执行有差异"，而不是模型能力不足。用他们自己的话讲，AI 跑出来的不是模型的错题本，而是企业自己的账——三家单位长期存在的人为裁量差异，被算法原原本本照了出来。

归因之后才谈校准，而且校准是有分层的：能达成共识的，把管控逻辑和合理尺度固化进知识库和提示词；达不成共识的，提交专家委员会拍板；规则本身存在模糊地带的，暂设黄灯、推送人工复核，确保业务不卡顿、标准逐步对齐。一轮轮"AI 跑单、人机比对、差异归因、知识反哺"下来，审核准确率做到 99% 以上。

更重要的收获不在数字上：AI 校准了，人的标准也统一了。这一轮训练从根本上消除了三家试点单位长期存在的审核尺度差异。原文的判断是——这比单纯"提了速"更有分量。

规则怎么自己长：把写规则的权力交给业务

过去上一个新规则、认一种新票据，要提需求、等排期、找开发；现在财务人员用自然语言就能写规则。

90% 以上的财务 AI 项目卡在同一个地方：上线那天效果不错，三个月后业务变了、制度改了，系统开始慢慢跟不上。华电西南分中心的解法是把"规则迭代权"从技术团队交给业务侧，围绕"大模型+专业知识库"建了一条自主进化闭环：各单位、各管理要求下产生的新制度、新政策、新规则全部自主入库；大模型对新知识自动解析判断，更新类知识自动覆盖识别，新增类知识自主完成入库学习并生成相应审核规则；规则经人工审核后实现自主更新。

配套的两个细节很关键。一是"大白话"配规则——财务人员用自然语言就能写规则、维护知识库，不用写代码、不用技术人员介入，新规则最快 5 分钟即可配置生效。二是新票据快速开模——遇到自制报表、异形票据，现场上传票样、圈定字段，最快 2 分钟就能完成识别开模。两项加起来的效果是：新业务场景实施周期比传统模式缩短 80% 以上。

公开的系统截图里能看到这套知识库的组织方式：按费用类型分组（董事会费、业务招待、差旅补助、合同采购付款等），每条规则标注所属制度与场景，规则库累计 366 条，违规程度分级为红灯与黄灯，并支持"特殊处理"标记。规则不是一团散沙，而是能和制度条目对应上的结构化资产。

审核之外的第二重价值：把监督装成"探头"

过去监督靠人翻、靠抽样，再老练的眼睛也有照不到的角落。

智能体把审核标准转化为监督规则之后，监督这件事本身也变了形。它既盯当下，也溯过往：当下，单据来一张扫一张，红黄绿灯同步亮起，风险刚冒头就被锁定；过往，同类型业务可跨单位全量回溯——仅用两个晚上就跑完某单位近 4000 笔历史单据，识别出 55 个问题，存量风险被一次性照出。从"事后检查"转向"事中预警"，从"被动审核"转向"主动监督"。

这部分对企业的启示在于：AI 审核的投入产出不该只算省了几个人。审核覆盖率、差错率、问题发现的时点前移程度，才是更能反映价值的指标。存量风险能被一次性扫出来，本质上是因为机器可以把"全量回溯"这件人力做不到的事变成常规动作。

三条可以搬走的判断

第一，引入 AI 审核要给对照组，别只给结论。 华电的做法是拿历史单据做批量跑测，先看一致率，再把不一致的部分归因。企业上线前哪怕只做 3000 单的回测，也能提前知道模型能不能用、问题出在标准还是模型，而不是等上线后靠业务抱怨来反馈。

第二，先解决标准问题，再解决技术问题。 那 17% 的分歧里，模型能力只占 1.2%，剩下全是尺度与要点的差异。这意味着很多企业真正缺的不是更强的模型，而是一份把口径写清楚的规则清单。这一步不做，换什么模型都会在同一个地方摔。

第三，规则的维护权要能落到业务手里。 新规则 5 分钟配置生效、新票据 2 分钟开模，这不是技术炫技，而是让制度变化能在当天落地。对项目制管理而言同理：费用标准、客户口径、资源归属一旦调整，如果还要走需求排期才能生效，数据和实际业务就是两张皮。

看管（kg.ganjinpai.com）以"管项目·懂客户·找资源"为主线，把项目维度的费用、客户与资源信息放在同一处维护，配合可配置的规则与审批口径，为这类"制度能改、数据能跟"的日常运营提供承接底座。

技术会迭代，模型会更换，但沉淀下来的口径、规则和验证题会一直替企业工作。这或许比 99% 这个数字本身，更接近这次实践的真正价值。

据中国华电集团财务共享中心公开实践资讯整理，数据与表述均引自该单位公开发布内容。