说实话，以前我也觉得用大模型做发票是扯淡。

毕竟发票这东西，容错率为零。

哪怕错一个数字，财务那边就能把你骂得狗血淋头。

但今年年初，我们部门来了个新人，

他居然用chatgpt制作发票模板，

把原本需要两天的报销整理工作，压缩到了半小时。

我当时是不信的，直到我亲眼看到了结果。

事情是这样的，上个月公司团建，

一堆零零碎碎的餐饮票、打车票，

加起来有四十多张。

要是以前，我得对着电脑，

一张一张手动录入，眼睛都快瞎了。

这次我让那个新人演示了一下他的“黑科技”。

他并没有直接让AI生成发票图片，

那是违法的，千万别这么干。

他是让AI提取关键信息，然后填入Excel。

具体怎么做呢？

首先，他把所有发票照片整理到一个文件夹里。

然后，打开支持多模态的大模型，

上传几张样票，告诉它：“请提取发票代码、号码、金额、税额、开票日期。”

这里有个坑，

就是不同地区的发票格式略有不同。

比如有些电子发票没有发票代码，

这时候你需要在提示词里加上“若缺失则留空”的指令。

我第一次试的时候，

因为没加这个条件，

AI直接胡编了一个代码进去，

吓得我冷汗都下来了。

后来我加了几个Few-shot examples（少样本示例），

准确率立马提升到了95%以上。

这个过程其实不是简单的复制粘贴，

而是建立了一套标准化的数据清洗流程。

我用chatgpt制作发票数据时，

会先让它把提取出的JSON格式数据，

转换成CSV格式。

这样导入Excel就非常方便了。

当然，最后一步的人工核对绝对不能省。

我通常会随机抽取10%的数据进行二次复核。

如果发现错误，就把错误案例喂给模型，

让它自我修正，

下次它就更聪明了。

有人可能会问，

这会不会泄露公司机密？

这点我也很担心。

所以我建议大家在处理敏感数据时，

使用本地部署的大模型，

或者对数据进行脱敏处理。

比如把公司名称改成“某某公司”，

把具体金额稍微改改，

只要格式对就行。

毕竟我们的目的是优化流程，

而不是制造风险。

还有一个细节，

就是关于税率的计算。

以前AI经常算错，

现在最新的模型在数学逻辑上强了很多。

但我还是会让它列出计算过程，

比如“100元乘以6%等于6元”，

这样一眼就能看出对不对。

这种“可解释性”对于财务人员来说，

比结果更重要。

其实，工具只是工具，

核心还是人的判断。

chatgpt制作发票并不是要取代财务，

而是把财务从繁琐的录入工作中解放出来。

让他们有更多时间去分析数据，

去发现业务中的问题。

这才是技术该有的样子。

我现在的习惯是，

每天早上花十分钟，

用AI整理前一天的票据。

剩下的时间，

我可以用来研究新的报销政策，

或者跟业务部门沟通优化流程。

这种掌控感，

是以前手动录入给不了的。

当然，这套方法也有局限性。

如果发票特别模糊，

或者手写体特别潦草，

AI识别率会大幅下降。

这时候，还是得靠人工。

不要迷信技术，

要相信技术与人的结合。

最后想说，

别怕犯错，

第一次用肯定会有很多坑。

我当初也是折腾了整整一周，

才摸索出这套稳定的流程。

但一旦跑通，

那种效率提升的快感，

真的会上瘾。

如果你还在为报销头疼，

不妨试试这个思路。

毕竟，

把时间浪费在重复劳动上，

才是最大的浪费。

希望这篇分享能帮到你，

如果有问题，

欢迎在评论区留言，

我们一起交流。

毕竟，

独行快，众行远嘛。