Pengurusan Perbelanjaan dengan AI: Pengimbasan Resit, Semakan Polisi dan Audit

Oleh Jane Ha · Dikemas kini 11 Oktober 2026

Pengurusan perbelanjaan dengan AI ialah penggunaan pembelajaran mesin dan model bahasa untuk membaca resit, menyemak setiap tuntutan terhadap polisi perjalanan dan perbelanjaan anda, menandakan item yang kelihatan salah, dan menyemak setiap tuntutan dan bukannya sampel. Pekerja mengambil gambar, sistem mengekstrak peniaga, tarikh, jumlah dan cukai, membandingkan tuntutan dengan polisi, dan hanya menghalakan pengecualian kepada seorang manusia. Pelulus berhenti menyemak secara kasar ratusan makan tengah hari yang bersih dan mula meneliti belasan yang memerlukan pertimbangan.

Panduan ini ditujukan kepada pengurus kewangan, pengawal kewangan (controller) dan ketua kewangan yang memiliki proses perbelanjaan dan ingin tahu apa yang sebenarnya dilakukan oleh teknologi ini, di mana ia gagal, dan cara memperkenalkannya tanpa melemahkan kawalan. Ia kekal pada peringkat konsep dan proses. Jika anda mahukan bahagian pembinaan, dengan reka bentuk ejen, alat dan logik kelulusan, baca pelan tindakan ejen kelulusan perbelanjaan AI.

Fakta Utama

• Occupational Fraud 2026: A Report to the Nations oleh ACFE menganalisis 2,402 kes merentas 143 negara dan wilayah, dengan kerugian median $104,000 setiap kes (ACFE).
• Dalam kajian itu, skim median berlangsung 12 bulan sebelum dikesan, dan penipuan yang dikesan dalam tempoh enam bulan mempunyai kerugian median $40,000 (ACFE).
• Maklumat orang ramai ialah kaedah pengesanan teratas, menyumbang 43% kes, dan lebih separuh kes melibatkan kekurangan kawalan dalaman atau pintasan kawalan sedia ada (ACFE).
• IRS menyatakan bahawa bukti dokumentari seperti resit amnya diperlukan untuk menyokong perbelanjaan perniagaan, kecuali perbelanjaan selain penginapan di bawah $75, dan ia lazimnya mencukupi jika menunjukkan jumlah, tarikh, tempat dan sifat penting perbelanjaan itu (IRS Publication 463).
• IRS juga menyatakan bahawa dokumen sokongan seperti resit dan invois penting kerana ia menyokong catatan dalam buku anda dan pada penyata cukai anda (IRS).

Apa yang Dilakukan oleh Pengurusan Perbelanjaan dengan AI

Kawalan perbelanjaan tradisional ialah permainan persampelan. Pelulus memandang sekilas satu laporan, seorang penganalisis kewangan mengambil mungkin beberapa peratus tuntutan untuk diaudit selepas kejadian, dan semua yang lain lulus atas dasar kepercayaan. Itu bukan kecuaian. Itu ialah aritmetik. Tiada siapa boleh membaca setiap resit.

AI mengubah aritmetik itu. Membaca resit dan membandingkannya dengan peraturan hampir tidak mengenakan kos bagi setiap tuntutan, jadi sistem boleh melihat kesemuanya, semasa penghantaran, sebelum wang berpindah. Ia melakukan empat tugas:

1. Pengimbasan. Ia menukar gambar, PDF atau e-mel yang dimajukan kepada medan berstruktur.
2. Semakan. Ia membandingkan medan itu dengan polisi anda, suapan kad dan tuntutan itu sendiri.
3. Penandaan. Ia menilai risiko setiap tuntutan dan menerangkan sebabnya.
4. Audit. Ia menyimpan rekod setiap keputusan supaya penyemak dan juruaudit boleh mengikutinya.

Ia ialah sebahagian khusus daripada gambaran yang lebih luas dalam AI dalam kewangan dan perakaunan, dan ia berkongsi saluran dengan kerja invois dalam AI dalam akaun belum bayar.

Cara AI Membaca Resit

Resit ialah jenis dokumen yang paling teruk: berkedut, difoto pada sudut condong, dicetak dengan dakwat terma yang pudar, dalam sedozen bahasa dan reka letak. Dua lapisan mengendalikannya.

Pengecaman aksara optik (OCR) menukar imej kepada teks. Model moden menangani condong, silau dan tulisan tangan jauh lebih baik daripada alat berasaskan templat sedekad lalu, tetapi ia masih tersandung pada kertas terma yang sudah pucat dan pada foto yang ibu jari menutupi jumlahnya.

Pengekstrakan memutuskan maksud teks itu. Adakah "42.10" jumlah kecil, jumlah keseluruhan atau tip? Baris mana ialah cukai? Adakah ini restoran atau folio hotel dengan sepuluh baris item? Model bahasa atau model pengekstrakan terlatih memetakan teks kepada medan: peniaga, tarikh, mata wang, jumlah, cukai, kaedah pembayaran, dan kadangkala baris item.

Sistem yang baik kemudian melampirkan skor keyakinan pada setiap medan. Skor itulah yang menjadikan proses ini selamat. Jumlah yang dibaca pada keyakinan 99% terus lalu. Tarikh yang dibaca pada 60% dikembalikan kepada pekerja dengan permintaan untuk mengambil semula gambar. Anggap mana-mana sistem yang memulangkan nilai tanpa isyarat keyakinan sebagai alat bantu penyediaan draf, bukan kawalan.

Pengimbasan juga menarik konteks yang tidak dibawa oleh resit. Ia boleh memadankan tuntutan dengan transaksi kad korporat, entri kalendar, tempahan perjalanan atau log perbatuan, jadi pekerja menaip lebih sedikit dan penyemak melihat lebih banyak.

Cara AI Menyemak Tuntutan terhadap Polisi

Polisi perjalanan dan perbelanjaan anda ialah satu set peraturan yang ditulis dalam prosa: had makan, siling hotel, kelas perjalanan, alkohol, tip, kelulusan awal untuk item besar. Menyemak tuntutan terhadapnya ialah tempat model bahasa menunjukkan nilainya, kerana ia boleh membaca teks polisi dan tuntutan bersama.

Dalam amalan, semakan terbahagi kepada tiga jenis:

• Peraturan tegas. Deterministik dan murah: tiada alkohol pada tuntutan makan pelanggan, resit diperlukan melebihi ambang, tiada tuntutan lebih lama daripada 60 hari. Simpan ini sebagai peraturan biasa dalam sistem, bukan dalam pertimbangan model.
• Peraturan kontekstual. Had bergantung pada bandar, gred pelancong atau jenis perjalanan. Sistem mencarinya daripada jadual yang anda selenggara.
• Keputusan yang memerlukan pertimbangan. "Munasabah dan perlu" atau "tujuan perniagaan utama." Model boleh membandingkan tujuan yang dinyatakan dengan peniaga dan tarikh serta menyatakan sama ada ia kelihatan munasabah. Ia harus mengesyorkan, dan seorang manusia harus memutuskan.

Sudut cukai penting di sini. Di A.S., IRS mengharapkan bukti dokumentari bagi perbelanjaan perniagaan, dan ia menganggap resit mencukupi apabila menunjukkan jumlah, tarikh, tempat dan sifat penting perbelanjaan itu (IRS Publication 463). Semakan AI yang mengesahkan setiap tuntutan melebihi ambang anda mempunyai resit dengan medan tersebut ialah kawalan yang langsung dan boleh diuji. Negara lain mempunyai peraturan tersendiri, jadi sahkan keperluan tempatan dengan penasihat cukai anda sebelum menetapkan ambang.

Apa yang Ditandakan oleh AI: Pendua, Pecahan, Resit yang Diubah dan Banyak Lagi

Penandaan ialah tempat "audit setiap tuntutan" menjadi konkrit. Jadual menyenaraikan corak yang penting dan cara sistem mengesannya.

Sepatah kata tentang resit yang dijana. Alat imej kini boleh menghasilkan resit yang meyakinkan dalam beberapa saat, jadi resit yang kelihatan betul bukan bukti bahawa pembelian berlaku. Itu mengalihkan berat pengesahan daripada gambar kepada pengesahan silang: suapan kad, rekod peniaga, pengesahan tempahan. Jika tuntutan mempunyai imej yang bersih tetapi tiada apa-apa lagi di sebaliknya, halakan kepada seorang manusia.

Dua peringatan. Pertama, tanda ialah petunjuk, bukan penemuan. Kebanyakan item yang ditandakan ternyata tidak bersalah: makan malam berkumpulan yang sah dibayar secara berpecah, resit yang dibetulkan, nama vendor yang berbeza daripada nama sah. Kedua, pengesanan bersifat kebarangkalian. Anda akan menala ambang untuk mengimbangi masalah yang terlepas dengan beban penyemak yang berlebihan, dan anda patut menjangka untuk menala semula.

Mengapa Mengaudit Setiap Tuntutan Mengalahkan Persampelan

Hujah untuk semakan keseluruhan populasi datang daripada cara penipuan dan ralat berkelakuan dari semasa ke semasa. Dalam kajian ACFE 2026, skim median berlangsung 12 bulan sebelum ditangkap, dan kes yang dikesan dalam tempoh enam bulan mempunyai kerugian median $40,000 (ACFE). Masa ialah pengganda. Kawalan yang melihat setiap tuntutan semasa ia dihantar memendekkan tempoh itu daripada bulan kepada hari, kerana corak menjadi kelihatan pada kejadian kedua atau ketiga dan bukannya selepas audit tahunan.

Kajian yang sama mendapati maklumat orang ramai ialah cara penipuan paling lazim ditemui, pada 43% kes, dan lebih separuh kes melibatkan kekurangan kawalan dalaman atau pintasan kawalan sedia ada (ACFE). Fahamilah ini sebagai: orang yang perasan sesuatu itu bernilai, dan kawalan yang lemah atau dipintas adalah perkara biasa. Semakan automatik tidak menggantikan talian aduan atau tenaga kerja yang terlatih. Ia menambah satu lapisan yang tidak bergantung pada seseorang yang cukup berani untuk bersuara.

Kajian itu merangkumi penipuan pekerjaan secara luas, bukan penipuan perbelanjaan sahaja, jadi gunakannya sebagai bukti mengapa kelajuan pengesanan penting, bukan sebagai ramalan tentang apa yang akan ditemui oleh program perbelanjaan anda. Garis dasar anda sendiri ialah nombor yang penting.

Semakan keseluruhan populasi juga membantu pekerja yang jujur. Apabila peraturan diterapkan sama rata kepada semua orang, ada kurang ruang untuk persepsi bahawa makan malam pengarah jualan dilepaskan sementara makan malam penganalisis junior dipersoalkan. Konsistensi ialah manfaat budaya yang tidak akan anda temui dalam laporan penipuan.

Di Mana Manusia Kekal dalam Gelung

Jangan biarkan alat menutup gelung sendirian. Pembahagian yang munasabah:

• Lulus automatik tuntutan yang melepasi setiap peraturan tegas, sepadan dengan transaksi kad dan berada di bawah ambang nilai yang anda tetapkan.
• Halakan kepada pengurus tuntutan dengan soalan polisi yang boleh diterangkan oleh pekerja, seperti makan malam pelanggan melebihi had.
• Halakan kepada pihak kewangan tuntutan dengan tanda risiko: kemungkinan pendua, resit diubah, peniaga terhad.
• Halakan kepada audit dalaman atau HR corak berulang oleh orang yang sama, jangan sekali-kali item tunggal.

Apa-apa yang boleh membawa kepada tindakan disiplin memerlukan seorang manusia melihat bukti terlebih dahulu. Skor model bukan bukti. Resit, baris kad dan penjelasan ialah buktinya. Reka bentuk skrin semakan untuk menunjukkan tuntutan, sebab tanda dan data sokongan bersebelahan, supaya penyemak boleh memutuskan dalam masa kurang seminit.

Ini ialah disiplin human-in-the-loop (manusia dalam kitaran) yang sama yang diterangkan merentas koleksi ini. Kesediaan data kewangan untuk AI merangkumi input yang menjadikan semakan ini boleh dipercayai, seperti rekod pusat kos dan pekerja yang bersih.

Cara Melaksanakan Pengurusan Perbelanjaan dengan AI, Langkah demi Langkah

1. Tetapkan garis dasar proses semasa. Kira tuntutan sebulan, purata masa pemprosesan, bahagian yang memerlukan kerja semula, dan berapa banyak yang diaudit hari ini. Anda memerlukan ini untuk membuktikan penambahbaikan kemudian.
2. Tulis semula polisi sebagai peraturan yang boleh diuji. Bahasa yang kabur menghasilkan semakan yang tidak konsisten. Bagi setiap ayat, tanya sama ada mesin boleh membezakan yang mematuhi daripada yang tidak. Jika tidak, tambah nombor atau tandakannya sebagai pertimbangan manusia.
3. Tetapkan peraturan resit anda. Putuskan jumlah di atas mana resit diperlukan, dan medan mana mesti jelas dibaca, selaras dengan keperluan cukai tempatan anda.
4. Sambungkan data. Suapan kad korporat, tempahan perjalanan, induk pekerja dan senarai pusat kos ialah apa yang menukar pembaca resit kepada pengesah.
5. Jalankan projek rintis dalam mod bayangan. Jalankan AI bersama pelulus semasa anda selama satu atau dua kitaran. Bandingkan apa yang ditandakannya dengan apa yang ditangkap manusia, dan catat apa yang terlepas oleh setiap pihak.
6. Tala ambang. Pilih kepekaan tanda yang memberi penyemak baris gilir yang boleh diurus. Baris gilir 40% daripada semua tuntutan menggagalkan tujuannya.
7. Siarkan secara berperingkat. Mulakan dengan meluluskan secara automatik tuntutan bernilai rendah yang paling bersih, kekalkan semakan manusia pada semua yang ditandakan, dan luaskan jalur lulus automatik hanya apabila data ralat menyokongnya.
8. Beritahu pekerja apa yang disemak. Komunikasi yang ringkas dan jelas mengurangkan kesilapan jujur dan godaan untuk mencuba sesuatu. Ia juga memudahkan rayuan.
9. Semak setiap bulan. Jejaki positif palsu, ralat yang terlepas dan penggantian oleh penyemak, dan suapkan pembetulan kembali ke dalam peraturan.

Siapa melakukan apa juga soalan pasukan. Tugas penyedia beralih daripada menaip kepada menyemak, yang dihuraikan dalam AI dan peranan pasukan kewangan. Jika anda memilih antara automasi berskrip dengan model yang dipelajari bagi sebahagian daripada ini, AI berbanding RPA dalam kewangan menerangkan pertukarannya.

Metrik untuk Dijejaki

Perhatikan kadar penggantian dengan teliti. Jika penyemak membatalkan kebanyakan tanda dalam satu kategori, peraturannya salah. Jika mereka tidak pernah membatalkan apa-apa, mereka mungkin sudah berhenti melihat.

Perangkap yang Perlu Dielakkan

Menganggap ketepatan OCR sebagai satu kepastian. Uji pada resit anda sendiri, termasuk yang hodoh daripada teksi, restoran kecil dan vendor luar negara. Demo vendor pada resit yang bersih memberitahu anda sedikit sahaja.

Mengautomasikan polisi yang rosak. Jika polisi kabur atau diabaikan, AI akan menerapkannya secara tidak konsisten dan dengan lantang. Baiki polisi dahulu.

Menerbitkan peraturan penipuan. Pekerja patut tahu tuntutan disemak. Mereka tidak memerlukan ambang tepat dan isyarat pengesanan.

Menganggap tanda sebagai tuduhan. Pelancaran yang kasar, apabila mesej pertama kepada pekerja berbunyi seperti notis penipuan, memusnahkan kepercayaan dengan cepat. Rumuskan pertanyaan sebagai permintaan penjelasan.

Mengabaikan privasi. Resit mendedahkan di mana orang makan, melancong dan membeli-belah. Hadkan siapa yang boleh melihat data, tetapkan tempoh pengekalan, dan semak peraturan di setiap negara tempat anda beroperasi sebelum menggunakan data lokasi atau kalendar.

Membiarkan model meluluskan dan membayar sendirian. Kekalkan pelepasan bayaran di sebalik kawalan yang berasingan. Alat yang sama yang membaca tuntutan tidak patut dapat menggerakkan wang tunai tanpa peraturan atau seorang manusia di antaranya.

Melangkau jejak audit. Bagi setiap tuntutan, simpan imej asal, medan yang diekstrak, skor keyakinan, peraturan yang diterapkan, tanda yang dibangkitkan dan siapa yang membuat keputusan akhir. Rekod itulah yang menjadikan proses ini boleh dipertahankan.

Langkah Seterusnya

Mulakan dengan garis dasar daripada langkah pertama dan satu soalan jujur: berapa banyak tuntutan anda yang benar-benar dibaca oleh seseorang hari ini? Kemudian pilih satu peringkat tuntutan berisiko rendah untuk diautomasikan dan senarai tanda yang boleh anda sediakan kakitangannya. Apabila anda bersedia mereka bentuk ejen di sebaliknya, gunakan pelan tindakan ejen kelulusan perbelanjaan AI. Untuk peta yang lebih luas tentang di mana AI sesuai dalam fungsi ini, lihat kes penggunaan AI dalam kewangan, dan untuk proses bersebelahan, AI dalam akaun belum bayar dan simpan kira dengan AI.