为什么这个问题突然变得如此严重
十四个月前，报销欺诈检测系统标记出的虚假收据中，几乎没有一张是AI生成的。到2026年5月中旬，AI生成的收据已经占了多数。
这是财务自动化公司AppZen的研究发现，该公司专门扫描企业报销单据以侦测欺诈行为。2025年3月，其系统捕获的虚假收据中，AI生成的部分基本为0%。到2026年5月，这一比例已攀升至70.8%。在过去12个月里，AppZen在174家公司中检测出745名员工提交的1,471张AI生成收据，涉及报销金额共计$148,143。
如果你经营一家小企业，需要为员工的差旅、餐饮或用品报销，这就不再是一个抽象的大企业问题。这是普通人钻报销漏洞方式的一次转变，而且它正在发生在各种规模的公司里，而不仅仅是财富500强企业。
变化的本质：从一张大额假收据到一堆小额假收据
在生成式AI工具普及之前，伪造一张收据需要花些功夫——通常是用图像软件编辑模板，或者直接篡改一张真实收据。愿意费这番功夫的造假者往往会往大了做：AppZen发现，早期基于模板伪造的收据平均金额高达$182。
AI改变了这笔账的算法。大语言模型或图像生成器能在几秒钟内免费生成一张以假乱真的餐厅收据，商家名称看起来合情合理，明细金额一应俱全，甚至还带有伪造的扫描水印。这彻底颠覆了造假者的激励结构。
AppZen的首席技术官Kunal Verma直言：“AI生成工具免费、即时，而且足以骗过人的眼睛。”他还补充说，AI“基本上把游戏规则从‘做一张大到值得冒险的假收据’，变成了‘做一堆没人会认真审查的小收据’。”
数据也印证了这一点。在AppZen的数据集中，AI生成收据的平均金额仅为$101，中位数更是只有$32——远低于大多数报销系统用于免人工审核、快速放行小额报销的自动审批阈值。与其做一张可能引起审批人注意的$500假聚餐收据，新的套路是提交十几张$30到$40的报销单，每一张单独看都平平无奇。
这不仅仅是大企业的问题
AppZen记录的单个事件规模令人震惊。一家财富前十公司中，来自22个国家的142名员工共提交了340张AI生成收据，涉及金额高达$34,953——超过了AppZen所有25家欧洲客户的总和。印度的提交量最高，而澳大利亚每张收据的欺诈金额最为集中，其中一名电信员工仅凭11张伪造收据就报销了$12,900。
但中小企业同样面临风险，而且往往受影响更深，因为它们通常没有专门的欺诈检测团队，只能依靠经理的肉眼审查或财务人员的抽查。在AppZen的数据中，一家欧洲眼镜零售商的一名员工分15份报销单提交了45张欺诈收据，直到很久以后才有人发现其中的规律。
而且这并非小众行为。费用管理公司Emburse对2,000名员工的另一项调查发现，40%的美国受访者承认曾用AI生成过虚假收据。在这些人中，19%表示完全凭空捏造了一笔消费，15%用AI夸大了真实支出的金额，还有6%用AI为一笔确实丢失了原始凭证的消费重新生成收据。
值得注意的是：并非所有使用AI的人都是想骗钱。有些员工只是用它重建一张确实丢失的合法收据，而不是凭空造假——在你认定每一笔被标记的报销都是恶意行为之前，这个细微差别值得留意。但从内控的角度看，无论背后的动机是什么，一份AI伪造的文件终究是AI伪造的文件，它打破了“收据即可证明交易发生”这一基本假设。
AI生成的收据究竟长什么样
这些假收据已经做得足够精细，仅凭肉眼检查往往难以识破。AppZen数据集中的例子包括：
- 带有伪造扫描水印和逼真手写风格签名的伪造餐厅收据
- 伪造的AT&T和Xfinity账单，表明欺诈行为正从一次性的餐饮、差旅报销扩展到每月经常性的“支出”
- 明细金额和税费计算在逻辑上足够自洽，能经得住粗略一瞥
一年前，基于模板伪造——这种较老的做法——占被标记欺诈案例的95%到100%。到2026年5月，这一比例已降至仅29%，AI生成收据占据了大部分份额。工具变得更好用、更便宜、更容易获取，欺诈手法也随之改变。
为什么这对所有企业都很重要，而不只是大公司
企业差旅与报销欺诈本身已经是一个规模相当可观的问题——一项更广泛的欺诈风险研究估计，差旅与报销欺诈的总敞口高达$3.5 billion，其中约$175 million与AI生成的文件直接相关。差旅与报销欺诈还有一个突出特点，就是异常依赖单据：据估计，该类欺诈手法中约85%都涉及某种纸质或电子凭证，这意味着收据和发票正是主要的攻击面。
对小企业而言，风险敞口并不与员工人数成正比——而是与你对未经核实的纸质（或PDF）凭证的依赖程度成正比。如果你的报销审批流程仅仅是“员工提交收据，经理点击批准”，那么你恰好留下了这种欺诈手法专门利用的控制漏洞。
如何保护你的企业
你并不需要企业级的欺诈检测软件，就能显著降低这种风险。几个切实可行的改变就能起到很大作用：
不要再把收据本身当作证据。 收据只是一种主张，而不是证据。要用独立信息进行交叉核对——实际的信用卡或银行交易记录、商家记录、日历事项，或差旅行程单。如果一张$38的午餐收据当天没有对应的实际刷卡记录，这才是你该警惕的信号，而不是收据看起来是否逼真。
重新评估你的自动审批阈值。 对低于某个金额的小额报销走快速通道，能让报销流程更高效，这本身合理，但这恰恰也是AI生成欺诈专门瞄准的漏洞。可以考虑对“低于阈值”的报销单进行随机抽查，而不是100%自动批准——哪怕只是10%的抽查率，也会改变任何想虚报报销单的人心中的风险计算。
不要只依赖单一的检测信号。 有些财务团队依靠图片内嵌的元数据（比如EXIF信息）来识别AI生成的图像。这种方法很脆弱——只要截图、转换文件格式，或者简单地重新保存一次图片，元数据就会丢失。更好的做法是叠加多重检查：这个商家是否真实存在，金额是否符合真实交易模式，时间点是否合理。
留意小额报销中的规律，而不只是大额报销。 单独一张$30的可疑收据，也许只是个误差。但如果同一名员工在三个月内提交了十张这样的收据，那就是一个值得当面沟通的规律。按员工、按商家、按整数金额排序的汇总视图，能发现单笔审查容易漏掉的问题。
清晰的账目如何让这一切变得更简单
最有能力识破这类欺诈的企业，未必是拥有最先进检测软件的企业——而是那些报销数据本身就便于查询、交叉核对和审计的企业。如果你的账本存放在一种难以搜索、也难以与银行记录比对的格式里，识别出一批小额可疑报销的规律就会变成一件靠人力硬啃的苦差事。
这正是纯文本记账法一个不太显眼、却很实在的优势。Beancount.io 让你的账本保持在一种受版本控制、人和脚本都能读懂的格式中，因此无论是把一笔报销与实际交易进行交叉核对，还是写一条简单的查询语句来标记出所有刚好低于审批阈值的报销，都变得直接了当，而不再是一场电子表格考古挖掘。免费开始使用，看看为什么越来越多开发者和精于财务的企业主正在转向纯文本记账。