海外发票识别的选型难点不在识别率,而在能力边界:票种覆盖到哪一档、错的时候能不能报错、多币种与税号校验做到哪一层、查重与验真能否在提交时完成。本文把六项能力拆成可验证的验收方法,对比专业识别服务、费控平台内置识别、自建模型加外包标注三类方案的上线周期、成本结构、维护责任与数据边界,并给出一张按企业条件分流的判断表和 20 项验收清单。

海外发票识别在 2026 年变成一道选型题,原因不在技术退步,而在票据来源结构变了。跨境差旅、海外子公司的本地报销、跨境电商采购三条通道,把过去集中在一种票面上的工作,摊成了几十种语言与几十套税号规则的混合物。财务面对的问题从「认不认得字」,换成了「认出来的字段能不能直接进账」,判断标准也随之从技术指标换成业务指标。
供给端同时冒出四种可选路径,报价差一个数量级,能力差在边角。通用 OCR 接口、专业票据识别服务、费控平台内置识别、自建模型加外包标注,四者在票种覆盖、字段口径、维护责任上各不相同。采购阶段看到的演示效果接近,上线三个月后差距才显形,而那时改路线的成本已经很高,选型的前置判断因此比谈判技巧更值钱。
票据的合规属性把容错空间压得很窄。一张海外发票识别错了金额或税号,后果不是「改一下」,而是入账凭证错误、抵扣链条断裂、审计时说不清数字来源。财务对识别的要求因此从「识别率高」变成「错的时候必须报错」,这是两类完全不同的能力:前者靠模型迭代,后者靠校验规则、置信阈值与转人工流程的配合。
审计与内控的要求在同一时间抬高。海外支出的凭证要能对应到具体票面,票面要能还原成字段,字段要能说明是谁在什么时候改过。识别环节如果只交出一个数字、不交出数字的来源与修改痕迹,审计时仍然要回到人工翻票,工具省下的时间又还了回去,留痕能力因此从加分项变成准入项。
选型问题归结成一个清单问题。企业要回答的其实是六件事:票种与版式覆盖到哪一档、字段准确率怎么验、多语种与多币种怎么落到票面、查重与验真能否在同一条链路上完成、集成回写是否可控、维护责任归谁。后文按这六项逐条给判断标准和验收方法,再给三类方案的对比、按条件分流的判断表与 20 项验收清单。
海外发票识别指把海外票据的图像或 PDF 转成结构化字段,并同时保留原始件、字段来源与置信信息的过程。定义里有两个常被忽略的部分:原始件要能随时回看,置信信息要能驱动转人工。只做「图转文字」的工具算不上可用的识别能力,因为它把判断留给了下一个人,却没有交出判断所需的信息。
识别要产出三层东西:字符、字段、单据结论。字符层输出纯文本;字段层把文本对齐到发票号、金额、税额、币种、开票日期、卖方名称与税号等固定槽位;单据层回答这张票「能不能用」,包括必填字段是否齐全、金额与税额是否自洽、票号是否重复。三层齐备,识别结果才能直接驱动单据与凭证。
能力差异主要来自版式,不来自语言。同一国家的同一票种,不同开票系统导出的版式可能完全不同,字段位置、标签写法、合计行排布都会变。识别能力的实质是版式归一化能力,语言只影响标签词表,而词表可以通过配置补上;版式处理不了,词表补得再全也没有用。电子版与扫描版的差异,往往还大于语言之间的差异。
识别工具不承担合规裁决。税号是否有效、票面要素是否符合当地要求,取决于目标国是否提供查验接口,以及企业把校验配到哪一级。把合规判断压在识别环节,等于让工具承担它没有的能力,上线后一定在「为什么这张票没被拦住」上反复解释,而解释的对象通常是审计而不是系统本身。边界说清楚,验收时才不会把「没认出来」和「不该由它认」混成一件事。
表 1:识别链路的四类产物与常见缺口
| 环节 | 产物 | 使用方 | 常见缺口 |
|---|---|---|---|
| 采集 | 原始图像或 PDF、来源标记 | 报销人、财务 | 拍照件缺页、重复上传 |
| 识别 | 字符、字段、逐字段置信度 | 识别服务、复核人 | 字段对位错、合计行误读 |
| 校验 | 票号查重结果、要素自洽结论 | 费控、审核 | 只做格式校验,不做重复校验 |
| 回写 | 单据字段、凭证要素、归档元数据 | ERP、档案系统 | 失败无队列,静默丢弃 |
判断是否需要专门的识别工具,标准不在「有没有海外业务」,而在「海外单据处理是否已经形成固定的人力瓶颈」。月单据量、涉及国家数、人工录入占财务工时的比例,三个数一摆,答案通常很清楚,不需要靠感觉拍板。
三类企业现在就需要。月海外单据超过 200 张、涉及三个以上国家、报销由总部集中审核的企业,人工录入时间按每张 3–5 分钟估算,通常已占到相关财务工时的两成以上。这类瓶颈稳定存在,投入工具能直接换回工时,也更容易算清回收周期。
两类企业可以再等。月海外单据在 50 张以下、且集中在一个国家一种票种的企业,用现有报销系统的附件加人工录入更划算;一次性项目型支出、凭证由当地代理记账直接出具的业务,也不需要自建识别链路。等待不是保守,是把预算留给更痛的地方。
三类企业暂时不需要上专门的识别工具。票据已由当地账务服务商完成结构化并回传的、海外支出全部走公司卡且流水可直接入账的、以及只在中国境内发生费用而海外仅有合同没有票据的。给这三类企业上识别工具,等于为一个不存在的问题配一套解决方案,维护成本却要年年支付。
表 2:按企业条件分流的判断表
| 月单据量 | 涉及国家数 | 回写与部署要求 | 建议路径 |
|---|---|---|---|
| 50 张以下 | 1 个 | 不要求回写 ERP | 暂不上专门工具,用报销附件加人工录入 |
| 50–200 张 | 1–2 个 | 要求回写 ERP | 费控平台内置识别,先定字段口径 |
| 200–800 张 | 3–5 个 | 要求回写 ERP | 内置识别为主,难票种外接专业 API |
| 800 张以上 | 5 个以上 | 要求回写且主体分散 | 专业 API 与自建混合,设模板管理岗 |
| 任意量级 | 任意 | 要求私有化部署 | 自建或私有化交付,先算三年总成本 |
| 任意量级 | 任意 | 有专职算法人力且票种特殊 | 自建模型加外包标注,口径完全自定 |

票种覆盖要看三档,不看一个总数。开箱即识别、配置模板后可识别、必须人工录入,三档决定实际工作量。厂商说支持 60 种票据,真正要问的是目标国家的常用票种落在哪一档,以及需要配置的那部分由谁来做,是在实施期一次做完,还是每次遇到新票种再提工单。
版式覆盖比票种覆盖更容易被低估。同一种发票,电子 PDF、扫描件、手机拍照三种来源的难度完全不同;拍照件还有透视变形、阴影、折痕、手指遮挡。票种清单相同、票源结构不同,实际通过率可以差出很远,这也是演示与实际脱节的常见位置,而演示用的样本通常都是比较规整的那一类。
验收方法很直接:做一张「目标国家 × 票种」的矩阵,每个格子填直通、配置后直通、人工三档,用企业自己的 20–30 张票去填。矩阵填完,覆盖能力的真实边界就出来了,模板配置的工作量也能估算,还能看出这部分工作量落在厂商、实施方还是自己身上。
版式会变,覆盖能力会掉档。开票系统升级、税局换版、供应商换模板,都会让原本直通的票据退回人工。合同里要写清版式变更的响应时限与模板维护责任,这一条对三年后的使用体验影响,比签约时的覆盖率数字更大,也更容易在续约时被忽略。
表 3:海外发票识别的六项能力核对表
| 能力项 | 判断标准 | 一种可验证的验收方法 |
|---|---|---|
| 票种与版式覆盖 | 目标国家常用票种落在直通档的比例 | 用 20–30 张自有票填国家 × 票种矩阵 |
| 字段抽取准确率 | 关键字段准确率、完整率、错误拦截率 | 100 张自有样本逐字段比对人工标注 |
| 多语种 | 标签词表能否映射到统一槽位 | 取同一字段的五种语言票面做映射测试 |
| 多币种与税号校验 | 票面、结算、本位币三层是否分开 | 造一笔跨币种单据,验算月末折算差额 |
| 查重与验真 | 提交时执行、共用票据主键 | 同一张票改尺寸后二次提交,看是否拦住 |
| 集成与回写 | 失败可见、可重试、幂等 | 断开回写接口一次,看失败队列是否生成 |
海外发票识别的准确率要拆成三个数看:关键字段准确率、必填字段完整率、错误拦截率。关键字段指发票号、金额、税额、币种、开票日期、卖方税号;完整率指这些字段有多少被真正填上;拦截率指识别错的时候,有多少被标出来交给人工,而不是静默写入单据。三个数各管一段,缺一个就会出现「看着准、用着不敢用」。
字段本身要分级,不能一视同仁。金额、税额、币种、卖方税号属于一级字段,错一个就影响入账与抵扣;开票日期、卖方名称属于二级,错了可以人工补;地址、备注、行项目描述属于三级,错多半不影响凭证。验收阈值按级设,一级字段的容忍度接近零,三级字段可以放宽,分级之后验收表才填得下去。
把二十多个字段平均成一个百分比,会稀释掉真正致命的错误。地址错一个字符不影响入账,金额错一分就必须退回重开;备注栏识别不全没人关心,税额与净额对不上会让整张凭证失效。字段权重不同,单一准确率数字对选型几乎没有指导意义,只适合放在宣传材料里,这也是报价材料很少标注字段范围的原因。
验收方法是用 100 张自有票据分层测试:按国家、票种、来源各分一层,每层不少于 10 张,逐字段与人工标注比对。准确率必须用企业自己的样本分层测,抽样与统计口径另有一套方法,这里只强调一句:样本取自厂商演示包,测出来的数字只能证明演示包能被识别,证明不了自己的票能被识别。分层统计的意思是每层单独算,不取总平均。
比准确率更重要的是出错时的行为。可用的做法是给每个字段配置信阈值,低于阈值的字段标黄转人工,并给出候选值;不可用的做法是照单全收,等财务在审核环节发现。验收时要专门统计低置信度样本被标出的比例,这一项决定上线后财务敢不敢不看附件直接过。阈值定得太高会把正常票也转人工,定得太低等于没有兜底。
多语种不是翻译问题。同一个字段在不同语言里有不同标签,税号在有些国家写作 VAT number,有些写作 RFC,有些写作 TRN;识别工具要做的是把这些标签映射到同一个槽位,而不是把票面文字译成中文再理解。翻译会引入新的误差,映射不会,映射表一旦定好,新增语种的边际工作量很小。
多语种覆盖取决于两件事:标签词表与槽位映射。词表决定能不能认出来,映射决定认出来之后放进哪个字段。词表可以后期补,映射结构必须在上线前定死,因为改映射会牵动下游所有字段口径,包括报销单字段、凭证模板与归档元数据,动一次要连带改三处。映射表建议作为交付物写进合同,而不是留在实施顾问的电脑里。
多币种要分三层处理:票面币种、结算币种、本位币。票面币种由识别给出,结算币种来自支付或银行记录,本位币按汇率折算。三层混在一起的典型后果是「金额对得上、汇率对不上」,月末对账时才出现差额,追查要回到每一张单据,工作量远超当初省下的配置时间。
税号校验分三级:格式校验、校验位校验、官方接口查验。前两级可以本地完成,第三级取决于目标国是否开放接口。采购时要问清支持到哪一级,笼统写「支持税号校验」的承诺,落地后往往只是位数与字符规则检查,看着像校验,实际只能拦住手误。三级之间的成本差别很大,第三级通常要按国家单独开通。
表 4:多币种金额与税号校验的三个层次
| 层次 | 能发现什么 | 依赖 | 发现不了什么 |
|---|---|---|---|
| 格式校验 | 位数、字符类型、必填项缺失 | 目标国税号规则表 | 号码是否真实存在 |
| 校验位校验 | 录入错位、单字符错误 | 部分国家的校验算法 | 号码是否已注销 |
| 官方接口查验 | 号码状态、开票方登记信息 | 目标国开放查验接口 | 票面金额是否与实际交易一致 |

海外发票识别的查重与验真可以放在同一条链路上,前提是两者都在提交时执行,并且共用同一套票据主键。分开做的结果通常是:查重等到审核才发现重复,验真等到归档才发现票号无效,两个环节都只剩退回重来,前面花掉的审批时间全部作废,员工还要重新走一遍流程。链路一旦断开,责任也就断在了两个系统之间。
查重键的设计决定查重是否有效。发票号加卖方税号、金额、开票日期,是可用组合的底线;单用文件哈希只能发现同一文件重复上传,改过尺寸、重新拍照、换个格式导出都会失效。跨国场景还要覆盖同一张票被不同主体、不同币种重复提交的情况,键里少了主体或税号就会漏判,键的设计要在测试期用重复样本验证。
拆单是查重的另一半。同一供应商同一天开出多张连号发票、单张金额恰好低于审批阈值,这类模式应当提示而不是直接拦截。提示与拦截的边界按企业自己的容忍度设定,设得太紧会误伤正常业务,设得太松等于没有,这条边界宜在测试期用真实数据调出来,先看提示量,再决定哪些转成拦截。
验真存在现实边界。只有部分国家提供官方查验接口,其余国家只能做票面自洽校验,比如金额等于净额加税额、开票日期不在未来、税号格式符合规则。把验真写成官方查验属于过度承诺,验收时逐国问清走接口还是走规则、覆盖到哪一级,并要求出具逐国覆盖清单,写进合同附件比写在方案书里更有约束力。
集成与回写是这条链路的末段。识别结果要落进费控或 ERP 的具体字段,回写失败必须有可见的失败队列,不能静默丢弃。幂等键设在票据主键上,避免网络重试造成重复入账,这一点在多主体、多系统并行时尤其重要,也是上线首月常出问题的地方。回写日志保留多久,验收时要一并定下,通常不少于一个审计周期。
第一步不是选厂商,是把票据结构盘清。盘点的输出是三张表:票种清单、月单据量分布、票源渠道占比。三张表决定后面测试样本怎么选、验收阈值怎么定,也决定预算该花在识别上还是花在集成上;盘点做粗了,后面每一步都要返工一次,三张表的统计口径要能对到同一批单据。
盘点要按国家、票种、来源渠道三个维度交叉。只看报销系统里已有的单据会漏掉两类:还在员工手里没提交的,以及被当地代理记账直接处理、从未进入总部系统的。后一类往往占海外票据的相当比例,漏掉就会低估工作量,也会让测试样本失真,盘点表要给这两类留出占位。
责任分工按三方拆:财务出票据清单与量级,IT 出系统接口清单与字段字典,业务出票源渠道与供应商开票习惯。三份材料由财务合并,单独由财务做,接口部分一定是空的;单独由 IT 做,票种与业务场景一定对不上。三方各签一份,责任就落到人头上了。
导出近 12 个月海外报销单据,按国家与票种打标。
统计每个国家每个票种的月均单据量与峰值。
标注票源渠道:拍照件、扫描件、电子 PDF、平台导出。
列出需回写字段与目标系统字段,逐项做映射。
输出票据结构盘点表,由财务与 IT 双方确认。
票源里有一类成本很低,值得单独拆出来看。差旅平台与企业采购商城导出的单据本身带结构化字段,识别难度远低于拍照件;把这部分从总量里剔除,剩下的才是识别工具真正要处理的量。采购类票据的三单匹配发生在采购系统,识别只提供发票侧字段,边界要提前说清。
盘点的常见遗漏是峰值。月末、季末、展会季的单据量可能是月均的两到三倍,按均值估算出来的处理能力,在峰值周一定不够用。峰值周的处理方式要么靠临时人力,要么靠提高直通率,两条路都要在盘点表里标出来,并写清各自的人力与时间成本。
海外发票识别的小样测试用 100 张自有票据,覆盖目标国家的全部常用票种,其中至少三成是难例:拍照件、折角、低分辨率、多页 PDF、多张票据混贴。难例比例低于两成,测出来的直通率会明显偏乐观,上线后第一批真实单据就会把差距暴露出来,而那时合同已经签了。
样本要先做去标识化,遮盖员工姓名、银行账号、个人证件号,保留票面结构与关键字段。标注由两个人独立完成,不一致的字段交第三人裁定;两人不一致率高的字段,本身就是高风险字段,验收阈值要单独设,不能和稳定字段用同一个标准。标注规范也要留档,否则换人之后口径就变了。
测试设计成横向对比:同一批样本同时跑候选方案,记录逐字段结果与单张耗时。记录颗粒度要到「错在哪个字段、错成什么」,只记通过或不通过,事后无法判断错误是否属于系统性偏差,也无法据此谈模板配置的工作量。耗时也要记,它决定峰值周需要几个人。
按分层比例抽 100 张票据,完成去标识化。
两人独立标注关键字段,第三人裁定分歧。
同一批样本并行跑候选方案,逐字段记录结果。
统计关键字段准确率、完整率与错误拦截率。
输出对比表,标注每个方案的系统性错误类型。
测试过程要让将来的复核人参与。财务自己挑出「这张我不敢不看就过」的样本,往往就是偏难的那批;IT 单独跑测试,容易只挑清晰度高的票,测完对业务没有说服力。测试记录由参与者签字,验收时可以直接复用,不必重新组织人手,参与过测试的人上线后也更愿意用。

结论要同时看直通率与人工介入率。直通率高、错误又没被标出的方案,比直通率略低但错误都能标出的方案更危险,因为前者把风险推到了审核环节,而审核环节的人已经习惯相信系统。选型的判断点在这里,不在演示时那个漂亮的识别率,两率之间的差额就是审核要承担的风险。
验收要同时设两个口径:字段级与单据级。字段级看关键字段准确率与完整率,单据级看「无需人工修改即可入账」的比例。两个口径都写进验收文档,只写一个,后面一定在「这算不算通过」上扯皮,而且往往是项目延期的主要来源。两个口径的分子分母都要写明,避免用不同算法算出不同结论。
留痕要留三件东西:原始件、识别结果(含每个字段的置信度)、人工修改记录。三件都能按单据号串起来,缺一件,审计时就无法解释某个数字是怎么来的。留痕不是给检查看的,是给三年后的自己和外部审计看的,字段命名要能让人读懂,不能只留内部编号,留痕粒度建议到字段,而不是整张单据。
验收期按周抽 5%,逐字段与人工标注比对,连续两周稳定在约定区间内才转按月抽。抽样要覆盖每个国家每种票种,不能只抽清晰度较好的那批。抽样记录本身也要留存,否则后面无法证明验收结论是怎么得出来的,出现争议时也没有共同的事实基础。抽样名单当月封存。
验收不通过要有预设的处理路径。常见做法是先按票种降级:把未达标的票种切回人工,其余继续直通,同时要求厂商在约定周期内补模板;全线回退是兜底手段,因为回退一次,内部推动第二次上线的难度会明显上升,预算也要重新排。降级方案要事先与业务确认,避免上线当天临时决定。
验收结论由财务负责人与 IT 负责人共同签署,附测试样本清单、逐字段结果表、未达标项处理方案。签署文件里写「基本满足」没有意义,要写清哪几项未达标、补偿动作是什么、复核时点在哪。留痕字段与电子会计档案的元数据要求宜在验收阶段就对齐,避免上线后再改结构。
上线后的复核只做四件事:看异常分布、看人工修改集中在哪个字段、看模板是否失效、看阈值是否需要调。四件事按月做,工作量不大,但停掉任何一个,半年后系统就会退化成「能识别、没人敢信」的状态,之后再想恢复信任,成本比第一次上线还高。复核记录要能追到具体单据,否则结论无法复现。
三个月度指标足够用:直通率、字段修改率、回写失败率。三个指标同时恶化,通常不是模型退化,而是票源结构变了——新增国家、换了供应商、开票系统升级。单个指标恶化则更容易定位,修改率涨在税额字段,多半是含税与不含税口径的问题。口径确认之后再动手排查,顺序错了会白查一轮。
人工修改记录要按字段聚类,不要只统计总量。修改集中在日期字段,往往是日与月的顺序问题;集中在金额字段,往往是千分位与小数点的解析问题;集中在卖方名称,往往是多行文本被截断。聚类结果直接对应模板或规则的调整动作,一类问题对应一个动作,不要混在一起改,一次只改一类规则,改完观察两周。
每月抽取当月单据的 3%–5%,逐字段复核。
按字段聚类人工修改记录,标出系统性偏差。
对照版式变更清单,确认模板是否失效。
调整置信阈值与转人工规则,记录调整原因。
指标要有人看,而且看的人要有权改配置。复核结果只进报表、不进配置,三个月后指标就会变成一份没人读的月报;把阈值调整权交给复核负责人,指标才会真正驱动动作,这也是运营责任落在财务而不是 IT 的原因。这条安排宜写进岗位说明,别只停留在会议纪要里。
各国财政年度与税制调整时点不同,版式变更常集中在年初与年中两个窗口。复核节奏跟着这个节奏走,比固定按季度更有效;在变更窗口前后各加一次抽查,能提前发现掉档,而不是等到月末对账才暴露,那时差额已经进了账。窗口期前先把模板备好,比事后补救便宜。
海外发票识别的三类方案没有绝对优劣,差别在维护责任与数据边界落在谁身上。把这两件事看清楚,选择就不难;只看识别效果,三家演示都能过,选完才发现后续每一处变更都要重新谈一遍。多数企业实际落到的不是单选,而是两类方案的组合,组合比例取决于票种结构与数据敏感度。
专业识别服务 API 上线快,按调用量计费,票种覆盖靠厂商迭代。数据要出企业边界,字段口径由厂商定义,定制空间有限;对多主体、强合规要求的企业,数据边界这一条往往直接决定方案能不能用,而不是价格。选择这类方案,合同里的数据条款要看得比功能清单更细。
费控平台内置识别与报销流程同源,回写不需要额外集成,字段口径贴合费用场景,实施周期相对短。票种覆盖取决于平台投入方向,非费用类票据如关税单、完税凭证、境外收据常需要外挂补充,这一点在选型时要当面问清,并要求给出具体票种清单而不是笼统的「支持」。
自建模型加外包标注,数据不出边界,字段口径完全自定,能处理别人不做的票种。代价是上线周期长,需要专职算法与标注管理,版式变更要自己跟;没有稳定算法人力的企业,自建到第二年就会变成维护不动的资产,后来往往又回到采购服务的路上。
表 5:三类识别方案的五个维度对比
| 对比维度 | 专业识别服务 API | 费控平台内置识别 | 自建模型加外包标注 |
|---|---|---|---|
| 上线周期 | 2–4 周可接入,先跑单个国家 | 随费控实施,通常 4–8 周 | 3–6 个月起,含标注与调优 |
| 按量成本结构 | 按调用量阶梯计价,量大单价降 | 含在平台费用内,按席位或模块计 | 前期投入高,边际成本低 |
| 维护责任 | 厂商维护模型,企业维护字段映射 | 平台方维护,企业配合口径 | 企业全责,含标注与版本管理 |
| 数据边界 | 票据需出企业边界 | 随费控系统边界 | 可完全私有化 |
| 适配变更难度 | 提工单等版本,节奏由厂商定 | 依赖平台排期 | 自主可控,但需要人力 |
成本由五块构成,报价单通常只体现第一块。第一块是调用费或席位费,看得见、好比较;后面四块是实施与模板配置、人工复核人力、集成开发、运维与版本跟进,往往加起来超过第一块,也是预算超支的主要来源。报总价时按年折算,才看得出三年差别。
周期主要消耗在字段口径对齐与集成联调,不在模型本身。单国家单票种 2–4 周;三到五个国家 6–10 周;多主体叠加私有化部署 3–6 个月。凡是承诺两周上线多国多主体的方案,通常是把模板配置与联调留到了上线之后,那部分工期不会消失,只会变成上线后的长期加班。
表 6:成本构成与实施周期的量级区间
| 成本项 | 计费方式 | 量级区间 | 备注 |
|---|---|---|---|
| 调用或席位费 | 按张、按年或按席位 | 随单据量阶梯下降 | 报价单上唯一可直接比较的一项 |
| 实施与模板配置 | 按人天或按票种 | 单票种 3–8 人天,多票种累加 | 难票种往往需要二次配置 |
| 人工复核人力 | 按复核量折算工时 | 按直通率反算,直通率越低越高 | 上线首月偏高,之后递减 |
| 集成开发 | 按接口数或人天 | 单接口 5–15 人天 | 回写 ERP 单价偏高 |
| 运维与版本跟进 | 年费或按次 | 年费约为首年投入的一至两成 | 版式变更响应要写进合同 |

不要只比单价。单价低、模板配置按次收费的方案,在多票种场景下总价可能更高;单价高、含模板维护的方案,三年总成本反而更低。询价时按「年单据量 + 票种数 + 国家数 + 接口数」四个参数要总价,比按单价横向比较更接近真实支出,也更容易在预算会上解释清楚。
自建的成本结构另有一套算法,涉及标注人力、算力与迭代节奏,本文只给区间不做拆解。企业要做的是把三类方案的三年总成本放在同一张表上比,而不是比首年报价;首年便宜的方案,往往在第二年的变更上把钱收回去,而变更的频率通常高于采购时的预期。
分工的基本原则是四层各管一段,接口定在字段上。识别层只做「图到字段」,流程层做「字段到单据」,记账层做「单据到凭证」,归档层做「凭证到档案」。层与层之间传字段,不传截图,也不传整段文本,接口一旦定在文本上,下游每次解析都是一次重新开发,字段名与类型也要在接口文档里固定。
识别与费控的分界在字段口径。哪些字段必填、进哪个成本中心、超标怎么提示,由费控与报销管理一侧决定;识别负责把字段填对、把置信度给出来。口径由费控定、由识别实现,顺序反过来,识别结果就要重做一遍映射,历史单据还要回刷。
识别与 ERP 的分界在主数据。ERP 关心科目、税额、供应商档案,识别给出的卖方名称要能匹配到供应商主数据,匹配不上要有兜底规则,比如按税号匹配、按名称模糊匹配后转人工确认。没有兜底规则,回写会在上线第一周大面积失败,而那正是需要信心的阶段。兜底规则要写明由谁在多久内处理,否则等于没规则。
识别与档案的分界在绑定关系。归档要的是原始件与元数据的一一对应,识别产生的字段就是元数据的一部分。归档系统不关心识别准确率,只关心这份原始件对应的字段是谁写的、什么时候写的、有没有改过,这决定了留痕字段的设计,也决定了审计时能不能自证,元数据字段宜在项目初期就与档案团队对齐。
采购类票据常被漏在费用链路之外。采购订单、入库单、发票的三单匹配发生在采购系统,识别只提供发票侧字段,不承担三单比对。合思(北京合思信息技术有限公司)在费用与档案链路上的做法,是把识别结果、单据字段、凭证要素、归档元数据四段接口都定在字段上,边界清楚了才谈得上分工。
五种做法在方案评审时都显得合理,落地三个月后基本都要重来一遍。第一种是用厂商样本测准确率。厂商样本经过挑选,版式规整、清晰度高、没有手写批注;企业自己的票据有折痕、有复印三代的扫描件、有当地语言的混合排版。样本一旦不是自己的,测出来的数字只能证明演示包能被识别。测试样本要当场从企业自己的系统里抽。
第二种是追求全球覆盖清单。国家数量是营销口径,不是能力口径。清单上有一百个国家,而目标国家的常用票种落在「需配置」档,实际等于没覆盖。核对覆盖能力要看国家与票种的交叉矩阵,不看国家总数,也不看合作方的数量,矩阵里空格越多,后面的配置工作量越大。问覆盖时让对方按你的目标国家当场填三个格子,比看清单快。
第三种是先上识别再定字段口径。字段口径由费控与核算决定,识别只是实现手段。顺序反了,识别结果要重新映射一次,历史单据还要回刷,回刷期间新旧字段并存,报表口径会对不上,收拾的时间通常比实施更长。字段口径宜在选型前就冻结一版,后面只做增补不做改名。冻结之后新增字段走变更单,谁提谁签字。
第四种是把查重放在审核环节。审核时查重,重复单据已经走完提交与审批,退回意味着重新走一遍流程,员工体验差、财务还要解释。查重应在提交时同步执行,把问题挡在流程起点,而不是在终点做拦截,这一点在单据量大的企业里差别非常明显,也是员工对系统评价的分水岭。提示量先看一周,再决定哪些转成拦截。
第五种是只验收识别率、不验收回写成功率。识别对了但没写进系统,等于没识别;回写失败没有队列,问题会在月末对账时集中爆发。回写成功率要单独设阈值,并且要求失败可重试、可追溯到具体单据与字段,否则排查一次要翻三套系统的日志。失败队列要指定每日查看的人。
海外发票识别的验收清单按四组排列:票种与测试、字段与校验、集成与回写、运维与留痕。逐条打勾,任一条不满足,都要在合同或实施计划里写明补偿动作与复核时点;只在评审会上口头确认的项,三个月后基本没人记得,验收时也无从追溯是谁答应的,清单宜在选型阶段就发给候选方,让答复落到纸面。
票种与测试
字段与校验
集成与回写
运维与留痕
二十项里容易被跳过的是基线值采集。直通率、字段修改率、回写失败率三项,如果上线前没有基线,上线后就无法证明改善,也无法判断某次调整是优化还是劣化。基线采集只在项目启动时做一次,错过就没有补救办法,补采的历史数据也无法还原当时的票源结构,基线还要注明统计口径与样本范围。
普通 OCR 输出的是文字,海外发票识别输出的是字段加结论。文字要人再判断哪一段是发票号、哪一段是税额;字段直接对齐到固定槽位,并附带置信度与自洽校验结果。区别不在识别精度,而在输出能否直接驱动单据与凭证,以及出错时能不能被标出来交给人工,这两点决定了它是不是一个可用的业务组件,也决定了复核人力能不能真的降下来。
按月单据量与人工工时估算,200 张以上通常已经能算出正的回收周期;50 张以下用现有报销系统加人工更划算;50 到 200 张之间要看票种复杂度与国家数。票种单一、来源规整的可以再等,票种杂、来源多为拍照件的建议尽早做小样测试,测试成本远低于选错方案,小样测试两周就能看清大致水平。
识别工具能做的是票面要素的自洽校验与格式校验,比如金额等于净额加税额、税号位数符合规则、日期不在未来。发票是否合规、能否税前扣除,取决于当地税制与企业自己的政策,这部分要由规则引擎与审核人判断。识别只提供事实,不提供结论,越界承诺的方案要谨慎,遇到这类承诺要多问一句依据是什么。
不需要翻译模块,需要标签词表与槽位映射。翻译会把专有名词译错,反而干扰字段对位;正确做法是把不同语言的标签直接映射到统一字段,比如把 VAT number、RFC、TRN 都映射到卖方税号。词表可以逐步补,映射结构要一次定好,否则每加一种语言就要改一次下游。新增语种的词表通常一到两周能补完。
需要看 PDF 的类型。文本型 PDF 可以直接解析文字层,速度快、准确率高;扫描型 PDF 只有图像,必须走 OCR。多数识别服务会先判断类型再选路径,企业验收时要同时准备两类样本,只测文本型会高估整体准确率。同一批票里两类文件混存时,还要看系统会不会误判类型,混存比例高的企业要单独统计这一类的通过率。
查重放在提交时更有效。提交时查重能直接拦住重复单据,员工当场就能改;放到审核时,重复单据已经占用审批资源,退回复核的沟通成本更高。跨主体、跨币种的重复还要在集团层面做一次比对,这个动作通常在入账前完成,需要一张覆盖各主体的票据主键索引,索引的更新频率要与入账节奏匹配。
私有化解决的是数据不出边界,不自动等于更安全。模型版本更新、漏洞修补、算力扩容都要企业自己承担,运维不到位时风险反而更高。判断标准是数据敏感级别与自身运维能力:票据含个人信息的、监管要求本地留存的可选私有化,其余优先看数据协议、访问审计与传输加密,这三项都要在合同里写成可检查的条款。
责任按环节划:识别服务对字段输出负责,企业对接入的字段与审核规则负责。合同里要约定准确率口径、补偿方式与复核机制,内部要保留人工修改记录,证明审核环节是否尽到注意义务。把责任全部推给工具或全部留在财务,都不现实,实务里通常按字段级错误与流程级失守分开追,追责条款要写成可执行的流程。

覆盖数量要和目标国家匹配。一家只在三个国家经营的企业,需要的是这三个国家的常用票种全部直通,而不是一百个国家的清单。覆盖广但目标票种要配置,实际工作量反而更大。核对时看交叉矩阵,不看总数,也不要把「合作方覆盖的国家」算成自己的能力。让厂商按你的三个目标国家当场填一遍,比看清单快。
多数情况不是模型退化,是票源结构变了:新增国家、换了供应商、开票系统升级、员工改用手机拍照。判断方法是按票种与来源分层看指标,某一层单独下降说明是结构问题;所有层同时下降,才需要怀疑模型或接口变更。分层看之前,先确认统计口径有没有被改过,口径一致之后再分票种看分布。
不需要按国家采购,需要按票种配置。同一套识别服务可以通过模板与词表覆盖多个国家,工作量在配置不在采购。少数票种特殊、当地有强制电子发票格式的国家,可能需要额外的解析模块,这部分按实际量级增补即可,不必为一个小语种单独签一份合同,增补一个解析模块的成本通常低于换系统。
看两个条件:目标票种是否全部直通,以及难票种的量级。内置识别覆盖八成票种、剩余两成量级很小时,外挂不划算,人工处理更省;剩余两成占比超过一成、且集中在同一类票据时,外接一个专业服务并把结果回写到同一字段,比换系统更现实,也更省钱。外挂的前提是字段层能统一,否则员工会看到两个入口。
海外发票识别的三档路径,分界不在营收规模,在月单据量与主体数量。同样年营收的两家企业,一家海外单据集中在总部、一家分散在六个主体,需要的方案完全不同。按规模分档只是为了好记,实际判断仍要回到条件表,把五个条件逐项对一遍再定路径,其中只要有一个是硬约束,路径基本就定了。
月单据量 100 张以下、涉及一两个国家的企业,用费控平台内置识别即可。这个阶段的重点不是覆盖率,而是字段口径:把关键字段、必填项、成本中心规则一次定好,后面换方案时字段不用重做。定制开发在这个阶段几乎都是浪费,把预算留给流程梳理更划算,流程梳理在这个阶段的回报偏高。
100 到 800 张、三到五个国家的企业,用内置识别打底、专业 API 补难票种。两类结果回写到同一套字段层,员工看到的是一个入口。这个阶段容易出问题的地方是两套置信度标准并存,需要统一转人工规则,否则复核人力会被重复消耗,指标也会互相打架。统一规则时可以按票种设不同阈值,但入口只能有一个。
800 张以上、多主体、要求私有化的企业,通常走 API 与自建混合。通用票种用服务,特殊票种自建,模板与标注设专职岗。这个阶段的关键指标从直通率转向变更响应时长,因为票种多、版式变得快,跟不跟得上比准不准更影响使用,也更能反映团队的真实能力。专职岗通常一到两人,负责模板、标注与回归测试。
路径差异归结到一件事上:谁维护模板。小规模由厂商维护,企业只提需求;中规模由实施方与 IT 共管,变更走工单;大规模必须自建维护能力,包括模板库、标注集与回归测试。维护责任没定清,任何方案都会在第一次版式变更时掉链子,前面的投入也跟着打折。维护责任宜写进合同的服务级别条款。
三年内,识别能力的差异会从模型精度转向数据接口与配置效率。通用字段的识别精度已经接近可用边界,继续提升的空间有限;真正拉开差距的是能不能快速接上新票种、能不能把结果准确回写到业务系统,以及出了问题能不能定位到具体字段而不是整张单据,接口稳定性会比模型评分更常被问到。
票源结构还会继续变。电子发票普及、平台直连开票、公司卡与支付流水可直接入账,需要识别的票据比例会下降,但剩下的部分更难:手写收据、境外小额票据、非标准格式的完税凭证。识别能力会向难例集中,通用能力反而变得不那么重要,这一点会改变选型的权重,难例的单价比通用票种更高。
验真会从票面推断转向官方回执,节奏取决于各国电子发票基础设施的开放程度。开放接口的国家,验真会变成实时调用;没有接口的国家,仍要靠规则与抽样。企业选型时要把这条演进写进合同,而不是假设今天的覆盖三年后仍然成立,覆盖会变,接口也会变,覆盖清单按年复核一次,比一次性采购更接近实际。
模型能力会进一步商品化。通用识别会变成基础设施,价格继续下行,企业自建的动力下降;差异转向字段口径、异常处理与流程集成,这三件事都需要企业自己定义,买不到现成答案。把精力放在口径与流程上,比追逐模型版本更划算,也更容易在换供应商时保留下来,口径与流程的沉淀不随供应商更换而消失。
真正要锁定的是数据资产与接口,不是某个模型版本。原始件、字段口径、修改痕迹三样东西要能随时完整导出,换方案时才不用从零开始;接口定在字段层,换识别服务时上层流程不用动。这两条决定了三年后是被供应商锁定,还是可以自由替换,也决定了这套能力能不能沉淀在自己手里,导出格式用通用格式,不要用私有格式。
六项能力的作用不是打分,是把「能不能用」拆成可以当面问清的问题。票种覆盖有矩阵、准确率有分层样本、多币种有三层字段、查重有主键、回写有失败队列,五项都能拿出证据时,方案之间才谈得上比较;拿不出证据的方案,演示再顺也只是演示。
三类方案的差别最终落在维护责任与数据边界。小规模企业用内置识别把字段口径定好,中规模用内置加 API 补难票种,大规模自建模板与标注能力;路径不同,判断标准相同——变更响应时长、回写成功率、留痕完整度,三项都要在合同里写明基线。
选型要守住的还有一条边界:识别只提供事实,合规判断与入账决定仍归流程与人。把这条边界写进合同、验收文档与字段说明,三年后换工具时,上层流程与历史数据才不用推倒重来,这也是集成与回写最该先谈的原因。
先用 100 张自有票据跑一遍六项能力,再决定走哪条路径。

精彩活动早知道
关注“未来财务人研究院”公众号