如何使用 AI 核对发票与采购订单

当采购订单、发票、收货记录、税务明细和审批备注分散在不同文件中时，对账会变得缓慢。AI 可以减少人工阅读和分类工作，但不应决定是否付款。更安全的做法，是把 AI 辅助提取、确定性计算、书面容差规则和明确的人工审批人组合起来。

本指南将混合文档整理成可复核的对账表，识别异常、确定处理优先级，并起草供应商问题。最终结果应让应付账款审核人员更高效，同时不隐藏缺失证据，也不改变原有审批权限。

先定义对账结果

从输出开始，而不是从模型开始。一条实用的对账记录应包含发票号、采购订单、供应商、币种、明细行、订购数量、收货数量、开票数量、单价、税额、总额、匹配状态、异常原因、证据位置和审核人。

确定流程需要哪些状态，例如：已匹配、在批准容差内、不匹配、缺少文档、疑似重复和需要人工审核。明确谁可以批准每种状态。AI 可以建议分类，但差异是否可接受必须由财务政策决定。

准备源文档

收集采购订单、发票、收货或服务确认、供应商主数据，以及定义容差的政策。保留原始文件不变，使用副本处理，并设置稳定的文件名和页码，让每个提取值都能追溯。

删除所选 AI 工具无权处理的信息。银行资料、个人数据、税务标识、合同条款和内部价格可能必须在经过批准的私有环境中处理。如果工具不符合安全政策，应在受控系统中提取最少字段，只把脱敏数据交给 AI。

第一步：统一文档结构

第一个 AI 任务是提取，而不是判断。要求模型输出一致结构，并在信息缺失时返回 null，避免看似合理的猜测变成会计数据。

### Prompt：规范化发票记录

~~~text You are an accounts payable data normalization assistant. Convert the supplied purchase orders, invoices, and receipt records into a JSON array. Use only values that appear in the documents. Never infer a missing identifier or amount. Return these fields for each line: document_type, document_id, vendor_name, currency, line_item, quantity, unit_price, tax, total, purchase_order_id, receipt_id, and document_date. Use null for missing values and add a source_reference field with the file name and page number. Do not approve a payment or decide that a discrepancy is acceptable. ~~~

先抽样复核，再处理较大批次。重点检查小数分隔符、币种符号、负数、含税价格、明细描述、部分交付和多页发票。如果使用 OCR，应把总额和标识符与原始图像逐项比较。

第二步：应用明确的匹配规则

算术应使用代码或电子表格公式完成。先匹配供应商和币种，再逐行比较发票、采购订单和收货记录。审核前就要定义容差，例如允许的四舍五入差异、已批准运费，或必须由收货负责人确认的数量偏差。

不要让模型自行创造规则。提供准确政策，并让每项结果关联所使用的规则。三方匹配通常比较采购订单、发票和收货记录；服务类发票可能需要指定人员的服务确认，而不是仓库收货单。

第三步：基于证据分类异常

完成计算后，AI 可以把异常整理为价格不一致、数量不一致、缺少采购订单、缺少收货记录、重复发票、税额差异、币种不一致或无法识别的费用。

### Prompt：分析对账异常

~~~text Compare the normalized invoice, purchase order, and receipt records below. Apply only the matching rules and tolerance limits I provide. For every mismatch, return: exception_type, affected_document, expected_value, actual_value, difference, evidence, business_risk, and recommended_reviewer. Separate confirmed mismatches from records that cannot be evaluated because data is missing. Do not invent policy, tax treatment, delivery status, or approval authority. ~~~

要求把已确认差异与证据不足分开。缺少收货记录不能证明没有交付，总额不同也不一定代表多收费。审核记录应明确已知事实、缺失信息以及能够解决问题的负责人。

第四步：建立有优先级的审核队列

使用团队可以解释的规则排序，例如风险金额、付款到期日、重复付款风险、供应商重要性、账龄，以及是否阻碍月末结账。不要依赖一个无法说明原因的 AI 风险分数。

分别为应付账款、采购、收货、预算负责人和供应商沟通建立队列视图。每个未解决项目都要有负责人和下一步动作。模型输出可以作为草稿，但审核后的状态和处理结论应保存在正式记录系统中。

第五步：起草供应商和内部沟通

AI 可以把结构化异常转换成简洁问题。输入已确认事实、缺失证据、需要对方采取的动作和回复期限。在审核确认之前，不要指责对方或断言存在错误。

一封有效的信息应指出发票和采购订单，说明具体差异和相关明细，要求更正发票或补充证明，并解释后续流程。发送前由人工核对收件人、附件、金额和语气。

质量检查清单

• 每个金额和标识符都能追溯到源文件和页码。
• 币种、税务处理、单位和正负号采用一致规则。
• 计算由确定性工具完成，而不是让模型估算。
• 容差来自已批准政策，并在记录中可见。
• 缺少证据不会被转换成事实结论。
• 重复检查同时考虑供应商、发票号、金额和日期模式。
• 付款审批仍由授权人员和会计系统完成。
• 更正和审核决定被记录，便于审计。

常见错误

最常见的错误，是直接上传文件并询问是否匹配，却不定义字段和规则。这样可能得到流畅说明，却没有可靠审计轨迹。另一个错误是只比较发票总额，明细行差异可能相互抵消。让生成的供应商邮件跳过审核，或把机密财务文档放入未经批准的工具，也会失去控制。

先选择一小批具有代表性的文档。衡量提取准确率、异常识别精度、审核耗时和未解决项目。只有当流程能够稳定暴露不确定性并保留证据后，再扩大范围。目标不是自动付款，而是在保持人员财务控制权的前提下，让对账更快、更一致。