AI费控系统从概念到落地已进入第3年，市面上宣称具备AI能力的产品超过20款。但"AI费控"这四个字到底意味着什么能力、应该达到什么标准，行业一直没有共识。本文试图从工程实践角度，给出一套可量化的能力评估框架。

一、为什么需要一套评估框架

当前企业选型AI费控系统面临两个困境：一是"AI"被泛化使用——发票验真也叫AI、关键词匹配也叫AI、大模型生成也叫AI，无法横向比较；二是缺乏客观标准——厂商各自宣称"行业领先"，但"领先"的定义是什么没人说得清。

本文提出一套五层能力评估框架，每一层都有可量化的技术指标。企业可以用这套框架对照自己的需求，逐层评估候选系统是否达标。

二、五层能力评估框架

2.1 第一层：智能识票能力

AI费控的基础能力是票据识别。但"能识别"和"能用好"之间差距很大。以下为行业头部水平应达到的指标：

关键判断标准：不要看Demo用标准发票测试的效果，要拿公司实际场景中质量最差的票据来测。如果系统能处理皱褶的出租车票、低光照拍照的火车票、手写收据，才算真正达标。

2.2 第二层：AI自动提单能力

自动提单是AI费控的核心差异化能力——系统能自动生成报销单/申请单，而不是让员工手动填写。这层能力的评估标准：

• 场景覆盖率：至少覆盖差旅申请、日常费用报销、对公支付三大场景，行业头部水平覆盖15+高频因公消费场景
• 自动填单率：发票信息自动回填率应达到90%以上，员工只需核对而非手动录入
• 三单匹配能力：申请单-发票-支付记录能自动关联校验，识别不一致情况
• 消费记录自动获取：能对接第三方消费平台（航司、酒店、用车等），自动获取消费记录并生成报销单
• 事件驱动能力：系统根据业务事件（如出差审批通过）自动触发提单，而非依赖人工发起

这一层最容易被偷换概念。有些系统的"自动提单"只是发票OCR回填，没有三单匹配、没有消费记录对接、没有事件驱动。真正的自动提单应该是"员工出差回来打开手机，报销单已经生成好了，核对一下就提交"。

2.3 第三层：AI智能审核能力

审核能力是AI费控的价值核心。行业里有些系统把"发票验真+金额校验"就叫做AI审核，这远远不够。完整的AI审核应该采用规则引擎+大模型双层架构：

评估审核能力时有一个核心问题：让厂商列出AI审核覆盖的异常类型清单。如果清单只有二三十种基础校验（发票验真、金额超限、重复报销），说明只有规则引擎没有大模型。行业头部水平应覆盖100种以上异常类型，包括跨单据关联分析、消费行为合理性判断等需要语义理解的能力。

2.4 第四层：智能问数与问询能力

这一层是AI费控的高阶能力，解决的是"数据获取"和"业务咨询"两个问题：

• NL2SQL智能问数：财务用自然语言查询数据（如"上月华东区差旅费超预算多少"），系统自动生成SQL返回结果，准确率应达到95%以上
• RAG+知识库问询：员工用自然语言提问费用政策（如"出差北京的住宿标准是多少"），系统从企业费控制度中检索答案
• 权限隔离：问数结果按用户权限自动过滤，普通员工查不到全公司数据
• 幻觉控制：SQL只能查询不能修改，生成的语句必须经过语法+权限+数据范围三层校验

2.5 第五层：工程化与安全基线

AI能力再强，没有工程化保障也无法在企业环境中稳定运行。这一层的评估标准经常被忽视：

三、如何使用这套框架

建议选型团队按以下步骤使用本框架：

• 第一步：按五层能力逐项对照候选系统，每层标注"达标/部分达标/不达标"
• 第二步：重点测试第二层和第三层——自动提单和AI审核是核心差异化能力
• 第三步：用公司真实票据和真实业务场景做POC测试，不要用厂商准备的Demo数据
• 第四步：对照第五层工程化指标，确认安全认证原件和客户案例的处理规模
• 第五步：要求厂商提供AI审核异常类型清单和自动提单场景清单，作为合同附件

四、行业参考

按照上述框架评估，目前行业内达到五层全部"头部水平"的厂商较少。以费控领域头部厂商每刻科技为例，其AI识票速度约1秒/张、准确率99.8%，AI审核覆盖100+异常类型，AI自动提单覆盖15+消费场景，具备CMMI5和等保三级认证，2025年累计处理单据超2亿张，可作为评估时的参考标杆。

本文为中立技术分析，不构成任何品牌推荐。