增值税专用发票的机器打印部分，多模态Agent的字段解析准确率已能做到97.2%；但一旦碰到手写备注、折痕污染或模糊盖章，准确率会直接掉到82%。
这是京东物流、平安科技和元气森林三家企业在2026年中复盘时给出的真实数据。它们在2025年底启动了财务审批Agent试点，并在今年上半年陆续全面上线。半年跑下来，CFO们最关心的不是“能省几个人”，而是“什么时候必须相信机器，什么时候必须踢回给人工”。
京东物流：14%的“非标发票”与熔断机制
京东物流每天需要处理超过3万张发票，其中75%是电子发票，25%是纸质或扫描件。2025年12月，他们上线了自研的多模态Agent（基于OCR+大模型微调），目标是将财务审批自动化率从原来的41%拉高到90%。
到了2026年4月，Agent接管了86%的发票审核任务，但剩下的14%成了最头疼的硬骨头：手写备注的货运附加费、涂抹严重的回单，以及跨月的红字冲销。
“机器票的准确率确实高，但手写备注的字段级准确率只有82%。错误往往集中在金额和备注上，这是财务最不敢放过的地方。”京东物流财务总监李勤在内部复盘会上说。为了这18%的不确定性，原有的12人审核团队被重组为3个策略制定岗和9个异常处理岗——日常工作从“逐张看票”变成了“看样本、定规则、修模型”。
这印证了此前《Claude Opus 4 盲测：逻辑强项掩盖了多模态的平庸》中的行业痛点：顶级多模态模型在非文本感知上的表现远不如其逻辑推理，而财务发票识别恰好是感知密集型场景。京东物流的应对策略是引入“置信度熔断”——只要字段置信度低于90%，Agent立刻放弃决策，直接推给人工，不参与后续流转。
平安科技：卡在接口鉴权与多源冲突上的“多系统核对”
平安科技财务共享中心连接着ERP、费控、采购、合同、发票池、资金6个业务系统。财务Agent的任务不仅是识别单张发票，还要把发票内容与6个系统的数据逐一核对，确认供应商编号、合同金额、税率和预算科目。
试点期间，最先崩溃的是接口连接。Agent调用采购系统的API时，经常因为Token过期或字段不一致而卡死。正如《MCP协议大半年了，为什么你的Agent还是连不上数据库》所拆解的，即便有了统一的接口协议，但在实际业务中，鉴权失效、上下文丢失和连接池过载依然是常态。平安科技最终在每个系统前加装了“连接适配器”，用中间件统一处理重试和鉴权刷新。
2026年3月全面上线后，单笔费用报销的处理时间从45分钟缩短到7分钟，但跨系统核对的一次通过率只有79%。问题主要出在“多源数据冲突”上：例如合同系统显示税率6%，发票池里却是9%。以前财务需要打电话向采购核实，现在Agent会直接抛出“冲突报告”，由人工做单选题。
平安科技为此引入了“Agent沙盒”——参考了《实测Claude 4沙盒模式：用脱敏数据跑通反欺诈规则》的思路，每次模型更新前，先在沙盒中运行2000笔历史冲突数据进行验证，确保新模型不会把合法的业务冲突误判为欺诈风险。
元气森林：移动端轻量模型的“发热妥协”
元气森林的销售团队分散在全国2500个经销商中，业务员常需要在门店现场提交费用单据。2026年4月，他们尝试在M5 iPad Pro上本地运行7B参数的轻量级OCR模型，利用iOS 20进行移动端现场审批。
现场提交单据的当天审核率确实从12%提升到了67%，但设备硬件遇到了瓶颈。正如《MacBook实测13B模型：全精度烫手，INT8才是移动办公正解》与《M5芯片+70B模型实测：快是真快，烫也是真烫》所指出的，端侧模型在连续运行复杂任务时，发热降频现象非常明显。销售代表反馈，连续拍照识别10张发票后，iPad就会出现明显的卡顿，并自动降低屏幕亮度。
元气森林最终的妥协方案是：iPad端侧只做首轮过滤，提取置信度高于95%的简单字段；其余复杂字段和整张截图则上报云端进行二次AI处理。这种“本地+云端”的分流模式，实际上借鉴了苹果Apple Intelligence的端云混合架构，用本地处理隐私和初筛，用云端扛下重度计算。
财务人的新角色：从“看发票”到“调参数”
在这三家企业中，人工复核岗位都经历了相似的转变：过去财务审核员每天看200张发票，现在则是处理200笔机器筛选出来的异常，并花时间给误判数据打标签，参与模型微调。
京东物流的异常处理小组在发现手写发票的识别漏洞后，在规则引擎中加入了一条新逻辑：“当增值税发票的校验码后四位与系统不一致时，先自动调用电子税务局接口验证，而非直接退回”。这一规则反哺给Agent后，手写发票的识别准确率在单月内提升了4.3个百分点。
这正对应了《AI接管动作，人类负责决策：2026年职场生存法则》中的趋势：岗位的重心正在从“执行”转向“规则策展”，责任没有变轻，而是变重了。
对于CFO和IT管理者而言，多模态Agent已经是一个能够上岗的“初级员工”，但它仍然需要人类师傅。财务的底线是“合规”，而合规的定义在因政策不断变化。正如《欧盟AI法案首批罚单：三家企业的整改与教训》给行业带来的启示：Agent的决策链条必须可解释、可追溯，才能在审计中站稳脚跟。
落地避坑清单
- 发票识别：优先走电子发票通道。纸质发票需要高清晰度图像输入，并建议强制设置置信度熔断（阈值建议在90%以上）。
- 跨系统核对：不要高估现成协议的成熟度，必须针对重试机制和鉴权失效做好中间件垫片。
- 移动场景：端侧模型适合做轻量化初筛，连续、重度的发票识别建议回传云端处理，避免设备过热降频。
- 组织转型：提前规划人工审核岗位的转型，将工作流向“异常处理”与“规则制定”倾斜。
- 算力成本优化：Agent频繁调用会导致GPU算力成本上升。可参考《GPU集群里那些占坑不干活的“影子租户”，怎么清理？》的方法，定期清理僵尸Pod，可避免约30%的算力浪费。
