尽管经过数十年的自动化努力，应付账款流程仍依赖大量人工处理。即便最优秀的发票自动化方案，其数据提取准确率也仅在 70% 至 90% 之间，导致应付账款团队不得不进行繁重的手动数据录入。
究其原因，在于发票录入技术的局限性限制了其提取能力。
原因#1 – 发票需具备结构化格式方可被准确读取
若发票采用标准布局或已数字化，自动化系统可处理 70%-90% 的单据。然而，据 Levvel Research 数据显示，企业平均仍有 22% 的发票以纸质形式接收。这些发票可能存在折叠、起皱或扫描变形等问题，导致自动化系统难以读取。
即使发票已数字化，若缺乏适合通用光学字符识别（OCR）的一致结构化布局——尤其是来自餐饮、保洁等小型承包商的发票——大多数应付账款团队在摄入后仍需二次核查或手动录入系统。
原因#2 – 发票自动化多采用通用 OCR 技术
当前多数发票自动化方案使用通用光学字符识别（OCR）工具读取 PDF 和图片。此类工具旨在读取各类文本（如小说、信件或报纸），而非专为财务文档设计。
通用技术往往“样样通但样样松”。由于未经过财务文档的专门训练，通用 OCR 常出现误读，例如将英镑符号（£）误认为数字 6，或将美元符号（$）误认为字母 S。
此外，它无法利用上下文线索。若发票倒置扫描，通用 OCR 因仅熟悉特定布局而无法提取信息；面对褶皱、折痕或光照不均的文档时同样表现不佳。相比之下，具备上下文感知能力的 AI 系统能像人类识别陌生地址一样，精准识别供应商、收件人、价格、数量及描述等关键属性。专为财务场景定制训练的 OCR 技术与上下文感知 AI 相结合，将显著提升准确率，大幅减少需手动处理的发票比例。
原因#3 – 手动数据录入工作量依然巨大
尽管手动录入比例从 100% 降至 10%-30% 已是显著进步，但对于高发票量的应付账款团队而言，剩余的手动处理量依然庞大，推高了成本与时间消耗。
根据发票形式不同，可能涉及数十个需录入会计系统的数据点。这不仅耗费资源，还引入了打字错误、遗漏等信息风险，延缓下游处理。例如，将数字"0"误输为字母"O"可能导致系统生成唯一发票号从而未被标记为重复。多人参与时，此类风险成倍增加，延长处理周期并延迟供应商付款。
这将损害现有的供应商关系。IOFM 2019 年基准研究显示，即便许多拥有显著自动化成果的公司，仍有 53% 至少延迟支付了 10% 的发票——这些往往正是需手动处理的单据。
发票自动化的未来
若实现发票流程完全自动化，应付账款团队可大幅缩短付款周期，利用提前付款折扣提升投资回报率。对于大型企业，这意味着巨额节省。例如，一家年处理 2.5 亿美元发票的公司，若其中 3% 符合 2% 的提前付款折扣条件，每年可节省 220 万美元。
尽管自动化技术已取得数十年进步并广泛应用，但发票录入领域仍有显著的改进潜力。通过提升自动化水平及加快处理速度，可为企业解锁巨大的商业价值。
____________________________________________________________________