票据和凭证用 AI 识别，准确率怎么控住

票据和凭证用 AI 识别，准确率怎么控住

一家代账公司每月要处理三千多张票， {MOD}、收据、行程单、银行回单混在一起。以前两个会计录入，一个月错三四十张，错的地方集中得厉害：金额位数看错、税额算错、日期写成上一年。

上了识别之后，速度提了四倍，错的类型也变了。人工错的是看漏，机器错的是想当然。控住这两类错的办法不一样，得分开治。

机器错在哪几处

金额和位

最常见的一种错是把金额读成另一个数量级。小写金额 1,280.00 读成 12800.00，或者小数点被当成逗号。这类错在汇总时会被放大，一张错票能让整月的进项税对不上。

治的办法是双读校验：识别完用小写金额和价税合计对一次，再和大写金额对一次。三处对不上就标红。大写金额那一栏很多人觉得没用，实际上它是防这种错的最好一道闸。

日期和年份

票据上的日期格式五花八门，2026年10月24日、2026-10-24、26年10月24日都有。模型碰到两位数年份容易补成 20 年前或 20 年后。代账公司年底最怕这个，一张票跨错年，整个汇算都要重做。

规则里加一条：识别出的日期和票据所属期间比对，超出三个月的一律人工看。这条规则不聪明，但挡住了大部分跨年错。

印章压字与手写体

{MOD}上的红 {MOD}印章常常压在金额和开票方名称上，识别会把压住的笔画读成别的字。手写的收据更麻烦，同一个「肆」字能认出三种结果。

这类错没有好办法，只能靠抽检和规则拦。我们的做法是：带手写内容的票、印章覆盖率超过三成的票，一律进人工队列，不进自动流程。宁可慢，不让错的数据进账。

三个控件

固定模板比自由识别准

同一个供应商的票，格式是固定的。给它一张模板，告诉它金额在哪个区域、税额在哪个区域，识别准确率比自由识别高一截。常用供应商做二十张模板，覆盖八成的票据量。

模板也不用画得很精确，标个大概位置就行。关键是让模型知道「这张票长这样，按这个位置找」，它就不会把备注栏里的数字当成金额。

校验规则比模型更可靠

能算出来的东西别让模型猜。金额乘税率等于税额、单价乘数量等于金额、明细合计等于价税合计、借贷必须平。这些等式写进程序里跑一遍，错票当场现形。

我们统计过，加上四条校验规则之后，进入人工的票据从三成降到一成二，而漏出去的错票几乎为零。规则是死的，死的东西在这种场景里比聪明的可靠。

抽检要有配比

全检太慢，不检太险。我们的做法是按供应商分层抽：新供应商前五十张全检，之后抽两成；老供应商抽半成；被查出过错的供应商回到全检，连续一百张无错再降级。

抽检结果要记下来，记到供应商名下。哪个供应商的票老出问题，以后它的票直接人工。这套机制跑半年，人工的工作量会自己往下掉。

票据类型先分开

把不同票种塞进同一条流程，是准确率掉得最快的原因。增值税专票、普通 {MOD}、出租车票、火车票、行程单、银行回单，版式差得远，识别逻辑也不一样。专票有密码区，火车票有乘车人身份信息，行程单有一堆费率说明。

做法是先分票种，再识别。分票种这一步用人做比机器快：扫描的时候就按类分文件夹，一张票只花两秒。省下的识别调整时间是几十倍。

票种分完之后，每类配一套自己的校验规则。火车票校验票价加手续费，行程单校验票价加机建燃油，专票校验金额乘税率。规则一分开，误报少了大半。

银行回单别和 {MOD}混着放

回单上没有税额，也没有商品明细，跟 {MOD}的逻辑完全不同。混在一起识别，模型会硬给它编一个税额出来。代账公司里这个错犯得最多，因为回单和 {MOD}常常一起收进来。

我们的处理是把回单单独走一条线：只识别日期、金额、收付方、摘要四个字段，识完直接进对账流程，不进凭证生成。两条线分开之后，凭证那边的错几乎清零。

识别结果怎么落库

识别出来的字段不能直接写进账，先落一张中间表，标上三个状态：自动通过、待核、人工。待核的那批，系统给出可疑理由，比如「大写与小写不一致」「税额与金额乘税率不符」。

中间表要留票面图。人工核的时候，图和字段并排看，一处一处对。我们见过有系统只给字段不给图，会计核一张票要回原始文件夹翻图，效率还不如手工录。

人机怎么分工

现在的分工是：机器识别加校验，通过的自动进账，不通过的进人工。人工那边看到的不是原始票，是「票面图 + 识别结果 + 哪条规则没过」三样并排。改一个字段平均十秒，比从头录入快。

有一类活必须留给人：判断这张票能不能用。 {MOD}的真伪、报销事项是否合规、跨期票据能不能入账，这些涉及判断，识别做得再准也没用。机器负责读字，人负责定性质。

数据安全上的两条线

票据里有客户名称、金额、银行账号，这些是敏感信息。用外部接口识别，等于把客户的账目传出去。做法有两条：一条是本地部署识别模型，慢一些但数据不出门；另一条是把票面先脱敏，遮掉客户名和账号，只留金额和日期。

代账这个行业，客户对数据外流极其敏感。我们见过一家因为把票据传到免费工具上，被客户发现后丢了七家客户。工具便宜，丢的客户贵。

算一笔账

三千张票，原来两个会计，一人一天一百张，要十五个工作日。现在机器跑一遍，人工处理那三百多张异常票，三个人两天做完。一年省下的工时，抵得上接口和模板建设的投入还多。

但账不能只算工时。错票带来的返工和客户投诉，那部分成本更高。这家公司去年因为一张跨年票错账，被客户追着改了三天报表，最后免了一个月的服务费。

上线顺序

别一上来就全量切。先拿一个客户、一个月的数据跑双轨：机器识一遍，人工照旧录一遍，两边对比。跑一个月，把错的类型列出来，看哪类能靠规则拦、哪类只能靠人。

双轨跑完再分批切，先切格式最规范的供应商，最后切手写收据。这个顺序反了，第一天就会被一堆识别错误淹掉，团队对这套东西的信心就没了。

最后一条经验

识别准确率这个数字意义不大，九成八和九成九在你这里可能是天壤之别，也可能毫无区别。真正要看的是「错误有没有被拦住」，也就是错票流到账上的比例。这个比例能做到万分之一以下，系统就算过关。

追求模型本身的准确率没有尽头，把校验和抽检做扎实，才是这件事的正解。