AI智审进财务共享：大模型加知识库成落地路线
一次用真实单据“比选”技术路线的样本
智能审单到底该怎么建，最有说服力的答案往往不在演示环境里，而在真实单据的跑单结果里。
据贵州乌江水电开发有限责任公司官网基层动态栏目2026年11月3日刊发的信息（作者辛健秋），某能源集团财务共享中心西南分中心在2026年初组建专班，以真实单据实跑的方式比选智能审单的技术路线，最终选定“大模型＋知识库”的建设方案。这个过程的参考价值，不在结论，而在方法——它把几类常被冠以“智能”之名的工具，放到了同一张桌面上对照。
三类传统工具的边界在哪里
把“智能审单”拆开看，很多时候还是三样旧工具换了个名字，各自的天花板相当清晰。
按该中心披露的比选结论，三类工具各有适用场景，但在“自制附件多、票据样式杂、特殊规则多”的实际面前，单靠任何一类都撑不起审单这道题：
- RPA机器人能按固定位置点击、搬运数据，界面或版式一变就需要重新配置，替得了手工操作，替不了专业判断；
- 传统小模型适合固定简单任务，比如识别单据类型、提取金额、判断是不是报销单，但它不具备持续学习能力，在本单位固定模板上表现不错，换单位、换表单后表现明显下滑，每换一个场景就要重新训练一遍，难以大范围铺开；
- 规则引擎靠关键字逐条比对，规则全靠人工一条条写，业务一变就跟不上，遇到没写过的新情形容易失灵。
三类工具的共同短板是缺乏对语义与上下文的理解。而票据审核恰恰是高度依赖判断的场景：真正要迈过的坎，不是把单据搬进系统，而是让它像人一样看懂单据、给出判断，并且这个判断能被追溯和解释。
大模型加知识库的分工逻辑
换模型不换知识——技术迭代归技术迭代，审核标准与经验始终留在自己手里。
该中心最终选定的路线是把两类能力分开承载：大模型负责“看懂、听懂、会推理”，知识库存放会计准则、集团制度以及各单位的差异口径。这套分工的好处在两个地方：
其一，新场景的适配成本从“改规则”变成“补知识”。业务口径调整时，不需要推翻原有的系统逻辑，补齐知识库条目即可。
其二，审核标准沉淀为组织资产。模型可以换代，制度口径与审核经验不会跟着换代而丢失。
一张单据的四步闭环
抓、看、判、分流——这套拆法的价值在于每一步都能单独度量、单独优化。
该中心把智能审单拆成四步，这个拆法本身值得同行参考：
抓：单据一提交，系统每5秒到待审池扫描一次，自动抓取单据与附件，一台电脑上同时跑29个多线程任务，其中初审13个、复审16个。
看：附件形态五花八门，标准发票、通用表格、自制考勤表、各类支付凭证，偶尔还有手写单据。过去机器只能识字，一碰到表格和自制单就吃力，识别率不到六成；现在系统为每一类票据建立档案，先看版式布局、再对字段内容，各类附件的识别准确率都在99%以上。
判：这一步最关键。系统没有把整张单据一股脑丢给大模型去猜，而是按老审核员的思路逐步推进——这是什么业务、要过哪些规矩、票与金额是否对得上、有没有触到红线。一张单据要逐条核对20到50条规则，判断标准则来自私有知识库，目前覆盖对私与对公共369个费用小类。
分流：绿灯表示完全符合制度要求，系统秒级自动放行，单笔100万元以下的合格业务从审核到资金支付全程无需人工介入；黄灯是碰上需要专业判断的模糊地带，自动推给专人复核；红灯触及制度红线，系统直接驳回，并自动生成驳回理由，把依据逐条列清，经办人一看就知道错在哪里、该怎么改。
值得借鉴的三个判断
从这套系统里能提炼出的，不是一套产品清单，而是三条可以直接搬走的判断。
其一，先比选，再投入。用真实单据跑几轮对照测试，比看任何演示都更接近最终效果。版式差异、附件缺失、描述含糊，这些才是审单系统真正的考题。
其二，准确率是知识库喂出来的，不是模型买来的。99%的识别准确率、数百条规则能否自主进化，答案都在一张张测试单据、一轮轮人机分歧的核对里。落地节奏宜以真实单据小批量验证起步，再逐步扩展场景。
其三，分流设计决定人机分工的成色。绿灯自动放行承接了八成以上的标准化业务，人的精力才腾得出来去做黄灯里的专业判断。效率上去了，风险控制的口子并没有松。
该中心的做法也提示了一个方向：共享中心在集中审单上积累的能力，会向项目一线的财务管理场景外溢。对项目型企业而言，痛点与共享中心高度相似——单据来源分散、口径不一、审核依赖个人经验。把“大模型＋知识库”的思路延伸到项目维度，需要的不只是审单能力，还包括项目、客户与资源的关联视图。本站产品「看管」（https://kg.ganjinpai.com）定位为管项目、懂客户、找资源，可作为项目财务管理环节的承载入口，与后端智能审单形成前后衔接。
（本文基于企业官网公开发布的工作信息整理，不构成税务、投资或法律方面的专业意见。财务数据均引自该中心公开披露口径。）
