原来卡在哪
浙江某地车管所网办业务：群众在线上传身份证、合同、营业执照、发票等材料后，工作人员仍要逐张打开图片肉眼审核、再录入不同业务系统——慢（单件约15分钟）、累（“眼睛都受不了”）、业务量上不去（日均七八百件）。
具体怎么做的
先把问题看清楚：从遗留系统运维项目切入现场，把审核过程拆成“看图片、识别类型、读关键信息、判断是否符合要求、填写数据、系统间搬运”几类工作。
用真实业务数据打磨能力：“看”用机器视觉+OCR，“复杂文本提取”逐步引入大模型，“重复填写与流转”用RPA；约9类图像材料逐一收集真实样本标注训练，识别率从70%多一点点提升到98%左右，研发迭代前后约半年。
把AI嵌回业务流程：不做孤立识别Demo，用RPA把识别、审核、填单与公安部业务系统流转串起来——AI变成原流程中的一个执行环节，异常才需人工介入。
先用结果建立信任，再推动正式立项：前期承担部分售前成本先做出效果，最终项目顺利通过验收，双方还共同成立了AI创新实验室。
效果 · Before → After
单件全流程审核
日均办件量
材料识别率
踩过的坑
- 材料数据太不标准，识别率上不去——不断补正负样本
- AI把过去人工审核里的“放宽”暴露出来——把问题与数据客观呈现给甲方决策
- 组织协同：跨部门、跨角色的利益需要沟通甚至“算利益账”
义道点评 · 放到制造企业里怎么做
义道财务 · 2026-09 ｜ 以下是义道的观点，不属于原案例内容；原案例不是义道的项目。
看点
把「审材料」拆成看图、识别类型、读信息、判断、填写、搬运六个动作，再逐个决定交给谁——这个拆法比 OCR 本身更值得学。
放到制造企业里
制造企业里对应的是财务和关务的单据活：报销单据、进项发票、出口报关单证、三单匹配。义道同样先拆动作，但多问一步：每个动作出错会落到哪笔钱上——多付、漏抵，还是退税被卡。案例里「AI 把过去人工审核的放宽暴露出来」这一条，放在财税场景里就是风险：上线前先定好暴露出来的问题由谁拍板。
动手前先核对
- 每月单据量和人均处理时间
- 现在的「放宽」口径有没有书面依据
- 异常件由谁决定怎么处理
文中 M01–M16 是义道的成品模块，说明见 义道官网 · 十六个成品模块 ↗；想聊自己工厂的情况，联系义道 ↗。