如何用AI自动处理发票与费用报销？从OCR识别到审批和异常检测

文章摘要

发票自动化不是把图片OCR成文字就结束。真正可用的系统需要完成：邮件或表单收票、字段和明细提取、供应商与订单匹配、税额和金额校验、重复发票识别、预算与权限检查、人工复核、审批、入账、归档和审计。

本文以“供应商发票报销流程”为案例，使用 Power Automate、AI Builder 或 Azure Document Intelligence 设计一套可落地的智能文档处理方案，并提供字段结构、规则、异常分类、人工审核界面、成本和上线计划。

核心结论：

AI负责识别和归类，规则引擎负责确定性校验，业务系统负责状态与账务，人类负责高风险审批。

---

一、自动化目标

假设企业每月收到3000张供应商发票，当前流程为：

```text

邮件收票

→ 财务下载附件

→ 手工录入Excel

→ 核对采购单

→ 找负责人审批

→ 录入ERP

→ 保存PDF

```

常见问题：

- 发票号录错；

- 税额与总额不一致；

- 重复报销；

- 供应商名称不统一；

- 采购单缺失；

- 审批人不清楚；

- 附件和台账分散；

- 月末集中处理；

- 审计时无法还原过程。

自动化目标：

1. 90%以上标准发票自动提取；

2. 每个字段保留置信度；

3. 低置信度进入人工队列；

4. 自动识别重复、超预算和订单不匹配；

5. 所有审批动作可追溯；

6. 财务系统只接收已验证数据。

---

二、参考架构

```text

邮箱 / SharePoint / 表单 / 扫描仪

→ Power Automate触发

→ 文件安全检查与分类

→ AI Builder或Azure Document Intelligence

→ 字段标准化

→ 供应商、采购单、收货单匹配

→ 规则与异常检测

→ Power Apps人工审核

→ 审批流

→ ERP / 财务系统

→ SharePoint或对象存储归档

→ Power BI监控

```

微软官方参考架构也采用 Power Automate 编排、AI Builder提取、Power Apps人工复核、Dataverse存储和Power BI分析的组合。可核验：[智能文档处理参考架构](https://learn.microsoft.com/en-us/power-platform/architecture/reference-architectures/ai-document-processing)。

---

三、工具选择

方案A：AI Builder＋Power Automate

适合：

- 已使用Microsoft 365和Power Platform；

- 财务人员希望低代码维护；

- 发票格式相对标准；

- 需要快速构建审批和人工复核。

AI Builder提供预构建发票模型，可提取发票号、供应商、日期、总额、到期日、采购单号和地址等字段，并支持简体中文。对于特殊字段，可以训练自定义文档处理模型；官方说明从5份文档即可开始训练。官方资料：[发票预构建模型](https://learn.microsoft.com/en-us/ai-builder/prebuilt-invoice-processing)、[自定义文档处理](https://learn.microsoft.com/en-us/ai-builder/form-processing-model-overview)。

方案B：Azure Document Intelligence

适合：

- 需要API集成；

- 文件量大；

- 有开发团队；

- 需要自定义模型、结构化JSON和更细的监控；

- 需要连接ERP、数据平台或自建应用。

Azure Document Intelligence v4.0的GA API支持预构建发票、布局和自定义模型。预构建发票模型可以提取销售发票、公用事业账单和采购订单中的字段与行项目。官方资料：[产品概览](https://learn.microsoft.com/en-us/azure/ai-services/document-intelligence/overview?view=doc-intel-4.0.0)、[发票模型](https://learn.microsoft.com/zh-cn/azure/ai-services/document-intelligence/prebuilt/invoice?view=doc-intel-4.0.0)。

方案C：OCR＋大模型

适合非标准票据、邮件正文和复杂说明，但不能让大模型单独判断税务和付款。大模型可以：

- 归一化供应商名称；

- 解释异常；

- 将费用描述映射到科目；

- 生成审批摘要；

- 识别备注中的风险。

金额、税额、重复和权限判断必须由确定性规则或业务系统完成。

---

四、字段数据模型

建议保存三层数据。

1. 原始层

- 原始文件；

- 邮件ID；

- 上传人；

- 接收时间；

- 文件哈希；

- OCR原文；

- 模型版本。

2. 提取层

3. 业务层

- 标准供应商ID；

- 费用科目；

- 成本中心；

- 项目编号；

- 预算余额；

- 匹配状态；

- 风险等级；

- 审批状态；

- ERP凭证号。

不要覆盖原始值。标准化后的值应另存，并记录谁或哪条规则做了修改。

---

五、Power Automate流程

第一步：触发

触发来源可以是：

- 指定邮箱收到附件；

- SharePoint文件夹新增文件；

- Power Apps上传；

- Teams机器人接收；

- ERP或供应商门户API。

第二步：文件检查

在调用AI前检查：

- 文件类型；

- 大小；

- 页数；

- 是否加密；

- 是否重复；

- 是否含恶意文件；

- 是否为多张发票混在一个PDF。

第三步：提取

Power Automate中可以使用AI Builder的“Extract information from invoices”或当前文档处理动作。微软官方建议对只包含一张发票的大文件指定页码，以降低预测成本和提高性能。官方操作步骤：[Power Automate发票处理](https://learn.microsoft.com/en-us/ai-builder/flow-invoice-processing)。

第四步：标准化

示例规则：

```text

供应商名称去除空格和括号差异

日期统一为YYYY-MM-DD

币种为空且税号属于中国 → CNY

金额字符串转换为Decimal

发票号转大写并去除空格

```

第五步：匹配

执行三单匹配：

```text

发票

↔ 采购订单

↔ 收货/服务验收

```

检查：

- 供应商是否一致；

- 订单是否存在；

- 数量和单价是否超差；

- 是否已收货；

- 是否超出合同；

- 是否允许无PO发票。

---

六、异常检测规则

确定性规则

1. `subtotal + tax != total`；

2. 发票号＋供应商税号已经存在；

3. 文件哈希重复；

4. 发票日期晚于当前日期；

5. 到期日早于发票日期；

6. 订单金额不足；

7. 收款账户与供应商主数据不一致；

8. 审批人也是提交人；

9. 费用超预算；

10. OCR置信度低于阈值。

AI辅助异常

大模型可以解释：

- 发票描述与采购用途不一致；

- 备注中出现“个人账户”“临时更换账户”；

- 费用项目与历史模式差异明显；

- 同一供应商短期内拆分多张接近审批阈值的发票。

AI输出只能作为风险信号，不能自动认定欺诈。

---

七、人工审核界面

人工审核页应左右对照：

- 左侧显示原始PDF和高亮区域；

- 右侧显示提取字段；

- 每个字段显示置信度；

- 修改前后留痕；

- 显示采购单和收货数据；

- 显示异常原因；

- 提供通过、退回、升级审核三个动作。

分流规则：

---

八、审批设计

审批不能只按金额，还要结合：

- 部门；

- 成本中心；

- 项目；

- 供应商风险；

- 合同类型；

- 是否预算内；

- 是否为例外采购；

- 是否涉及关联方。

审批时应展示摘要，而不是只发一个PDF：

```text

供应商：某某科技

金额：人民币10,600元

采购单：PO-260712，匹配

预算：剩余人民币52,000元

风险：税额计算正常；供应商账户与主数据一致

需要确认：服务验收单尚未上传

```

AI可以生成摘要，但摘要中的数字必须来自结构化字段。

---

九、隐私、安全和审计

必须落实：

1. 最小权限；

2. 服务账号与个人账号分离；

3. 数据传输和存储加密；

4. 文件保留期限；

5. 日志防篡改；

6. 敏感字段脱敏；

7. 模型和提示词版本记录；

8. 人工修改记录；

9. 删除和离职账号流程；

10. 生产与测试环境隔离。

不要把真实发票上传到个人免费AI账号。供应商银行账户、税号和人员信息属于敏感业务数据。

---

十、价格和容量

Power Automate新加坡官方页面当前显示：

- Premium：15美元/用户/月，年付；

- Process：150美元/机器人/月，年付；

- Hosted Process：215美元/机器人/月，年付。

实际价格不含GST，并受地区和合同影响。官方页面：[Power Automate价格](https://www.microsoft.com/en-sg/power-platform/products/power-automate/pricing)。

AI Builder还涉及AI Credits；Azure Document Intelligence采用按量或承诺用量计费，没有固定月费。官方价格页会根据区域显示具体单价：[Azure Document Intelligence价格](https://azure.microsoft.com/zh-cn/pricing/details/document-intelligence/)。

成本模型：

```text

月成本 = 自动化许可

+ 文档页数×识别单价

+ Dataverse/存储

+ ERP接口

+ 人工复核时间

+ 维护和监控

```

评价项目时要比较“每张发票总处理成本”，而不是只看OCR单价。

---

十一、评测指标

上线前建立至少200张匿名样本，覆盖：

- 清晰PDF；

- 手机拍照；

- 多页发票；

- 中文和英文；

- 不同币种；

- 手写备注；

- 复杂行项目；

- 低质量扫描；

- 重复和异常样本。

指标：

- 字段准确率；

- 行项目准确率；

- 自动通过率；

- 错误自动通过率；

- 人工平均处理时间；

- 重复发票召回率；

- 系统失败率；

- 单张成本；

- 审批周期。

最关键的指标不是OCR准确率，而是高风险错误自动放行率。

---

十二、四周MVP计划

第1周：数据和规则

- 收集200—500张脱敏发票；

- 定义字段和异常；

- 梳理审批矩阵；

- 确定ERP接口。

第2周：识别和台账

- 建立Power Automate流程；

- 接入AI Builder或Document Intelligence；

- 保存原始和结构化数据；

- 建立人工审核页。

第3周：匹配与审批

- 连接供应商、订单和收货数据；

- 建立重复和金额规则；

- 配置分级审批；

- 增加失败重试和报警。

第4周：试运行

- 选一个部门和20个供应商；

- 并行运行人工流程；

- 比较差异；

- 修正规则；

- 决定扩大范围。

---

十三、常见失败原因

1. 只关注OCR，不做业务匹配；

2. 让大模型计算税额；

3. 没有保留原文件和置信度；

4. 所有低置信度字段都自动入账；

5. 缺少重复检测；

6. 审批流程与组织权限脱节；

7. 没有人工复核界面；

8. 测试样本过于干净；

9. 没有处理多币种和红字发票；

10. 上线后不监控模型漂移。

---

十四、最终结论

AI发票自动化的正确边界是：

AI识别文档，规则验证事实，系统执行流程，人类承担责任。

对于Microsoft生态企业，Power Automate＋AI Builder是最快的低代码方案；对于大规模、自建系统和API场景，Azure Document Intelligence更灵活。无论选择哪条路线，都必须保留人工复核、确定性金额校验、权限控制和审计日志。

---

SEO信息

SEO标题： 如何用AI自动处理发票与费用报销？OCR识别、审批和异常检测实战 SEO描述： 完整讲解使用Power Automate、AI Builder和Azure Document Intelligence自动处理发票，包括字段提取、三单匹配、重复检测、审批、人工复核、价格和上线计划。 URL Slug： `ai-invoice-expense-automation-ocr-approval-anomaly-detection-guide`

可发布摘要

企业发票自动化不能只做OCR。本文以供应商发票为案例，设计从邮件收票、AI字段提取、订单和收货匹配、重复检测、人工审核、分级审批到ERP入账的完整流程，并说明Power Automate、AI Builder和Azure Document Intelligence的选择、成本和安全边界。

更多企业AI和流程自动化实战，可继续关注[智元界](https://www.zyentor.com/)。

---

📌 原文链接： 本文首发于 [智元选 AI 工具指南](https://www.zyentorpicks.com)，未经许可不得转载。