AI 审核Expense申请的Compliance性 (金额, 类别, 票据匹配) , 符Compliance则Auto通过, Anomaly情况标记并说明原因.
Monthly Processing 200+ 笔Expense的Finance Team, 人工审核耗时且标准不一
Saves 15-25 hours monthly
约 ¥100-300/月
在 Make 中构建多层审核规则: 基础规则 (金额限额, 费用类别, Expense频率) , Compliance规则 (差旅标准, 招待费比例, 关联交易检查) , Intelligent规则 (AI 判断消费合理性) . 规则可按部门, 职级, 费用类型灵活Configure.
AI Auto匹配Expense单与附件票据: 核对Invoice金额与Expense金额是否一致, 消费日期与出差时间是否吻合, 消费地点与行程是否匹配. 使用 Claude API 理解票据Content语义, 识别拼凑Expense等Anomaly模式.
为每笔Expense计算风险Scoring (0-100) , 综合考虑: 历史Expense模式偏离度, 同类费用横向Comparison, 票据真实性置信度, 申请人历史违规记录. 高风险 (>70分) 强制人工审核, 中风险 (40-70) 抽检, 低风险Auto通过.
根据风险Scoring和金额Settings分级Approval: 小额低风险Auto通过并Notification, 中额走直属领导Approval, 大额走Finance总监Approval. Approval超时Auto Reminder, 紧急Expense开通快速通道. 所有Approval决策记录原因便于追溯.
AI 持续学习新的Anomaly Expense模式: 频繁整数金额, 周末大额消费, 同一商户高频交易等. Monthly Update风险规则库, 将新发现的Anomaly模式加入Detection范围. 定期输出Anomaly Analysis Report供Finance部门参考.
Expense被驳回时Auto Generation详细说明 (哪条规则未通过, 如何修改) , 减少Employee反复咨询. 提供Expense前预检功能, Employee Submit前即可知道是否符Compliance则. 收集Employee对审核结果的Feedback, Optimization规则避免误判.
通过Settings合理的风险阈值和白名单机制降低误判. 初期Suggestion采用"AI Suggestion + 人工Confirm"模式Run 1-2 个月, 根据实际误判率调整规则参数后再开启Fully Automated模式.
Settings例外申请通道, Employee可提前说明特殊情况 (如Customer紧急招待, 设备Incident维修) . AI 会参考例外说明调整风险Scoring, 但大额例外仍需人工Approval Confirm.
规则引擎支持Visual Configure, Finance Staff可直接修改金额限额, 新增费用类别等. 重大政策变更时Batch Update规则并Settings生效日期, 历史Expense按Submit时的规则审核.
审核仅针对Expense单据本身, 不Monitoring Employee个人消费. 风险Scoring计算过程加密存储, 仅Approval人可查看详细原因. 定期清理历史Data, 遵守Data最小化原则.