核心結論
不可以。96% 是特定低程式碼原型的欄位擷取結果，不代表每張發票完全正確，也沒有驗證供應商、訂單、收貨、重複付款與銀行帳戶。先讓 AI 建立付款草稿與差異清單，由規則完成三方比對，再由具名人員核准例外；付款權限應最後才開放。
執行摘要
核心觀察：發票欄位辨識只是應付帳款的第一步，真正會造成損失的是錯付、重複付款、未驗收付款與遭竄改的收款帳戶。台灣電子發票規範要求系統具備完整性、來源辨識與防止重複、漏傳的檢核；研究原型雖曾達到 96% 擷取準確率，仍明確保留會計人員驗證。[1][3] 行動建議：先讓 AI 建立付款草稿與例外清單，只有訂單、收貨或驗收、發票及供應商主檔一致的低風險案件才進入下一關；帳戶變更、無訂單發票、重複號碼及金額超標一律由具名人員透過既有聯絡管道確認。[4][5][6]
辨識正確不等於可付款
AI 可以讀出統一編號、發票號碼、日期、未稅額、稅額與總額，但這些欄位正確，只證明資料擷取完成。付款前仍要確認供應商是否存在、採購是否核准、貨物是否收到、服務是否驗收、金額是否在容許範圍，以及同一張發票是否曾經入帳。把辨識與付款合成一步，會把小錯直接變成現金損失。
2026 年低程式碼發票原型報告 96% 的資料擷取準確率，但作者也指出外幣發票、通知功能與訓練資料量仍有限制，並保留會計人員驗證。[3] 因此企業驗收不能只抽查欄位，而要計算整張發票完全正確的比例，另記誤放行、重複付款、例外率與人工修正時間。
用三方比對建立付款閘門
有採購單的案件，可先以採購單、收貨或驗收紀錄及供應商發票做三方比對。品項、數量、單價、稅額或付款條件不一致時，AI 只負責標示差異與附上原始位置，不替採購或會計解釋。無採購單、超過容許差額、重複發票號碼與新供應商案件，直接送進具名負責人的例外佇列。
台灣奇美醫療體系的原始研究，讓軟體機器人下載雲端電子發票並與內部資料比對，剩餘工作由稽核人員確認不一致。[4] 這種分工比全面自動付款更適合中小企業：機器處理大量可重複比對，人員專注例外。導入前後則同時量處理時間、錯誤與覆核負荷。
收款帳戶變更不能自動信任
詐騙郵件可以帶入真實案件名稱、正式標誌、正確聯絡人與看似完整的 PDF 發票。IC3 在 2026 年警告，這類郵件還會製造急迫感，要求收件人立即付款。[5] 因此只要供應商名稱、收款帳戶、付款方式或聯絡方式變更，就不能沿用一般低風險流程。
安全做法是使用供應商主檔中原有的電話、既有入口或另一個已核准通道回撥確認，不能使用變更郵件內提供的號碼。系統還要記錄誰提出、誰核對、何時生效及證據位置。AI 可以偵測名稱或帳戶異常，但最終變更與付款應由不同具名人員核准，避免單點失守。
關鍵要點
先分兩條線：AI 負責擷取與比對，付款系統依既有授權規則放行，兩者不得共用一個自動決策。
三方一致才往下走：有採購單的案件至少比對訂單、收貨或驗收及發票；無訂單發票一律進例外佇列。
帳戶變更獨立確認：供應商要求更換收款帳戶時，使用主檔既有電話或另一通道確認，不採信來信內的聯絡方式。
量整張而非單欄：驗收時追蹤完整發票無錯率、例外率、誤放行、重複付款與人工覆核時間，不只看 OCR 準確率。
先做付款草稿：第一階段不讓 AI 匯款，只建立會計草稿、附上原始憑證與差異證據，達標後再逐步擴權。
參考來源
Reducing the Cost of Invoice Processing in Small and Medium Enterprises
SSRN 原始預印本 · 2026-06-25
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=6835100Evaluation of a low-code intelligent invoice processing prototype
The Engineering Economist 原始研究 · 2026-05-19
https://www.tandfonline.com/doi/full/10.1080/0013791X.2026.2668105Automating the audit of electronic invoices with a soft robot
arXiv 台灣原始研究 · 2024-02-07
https://arxiv.org/abs/2402.04517Criminals Impersonating City and County Officials in Phishing Emails for Planning and Zoning Permits
美國 FBI 網路犯罪申訴中心（IC3） · 2026-03-09
https://www.ic3.gov/PSA/2026/PSA260309Artificial Intelligence Risk Management Framework 1.0
美國國家標準暨技術研究院（NIST） · 2023-01-26
https://nvlpubs.nist.gov/nistpubs/ai/nist.ai.100-1.pdf常見問題
Q：AI 發票辨識達到 96%，可以直接自動付款嗎？
A：不可以。96% 是特定低程式碼原型的欄位擷取結果，不代表每張發票完全正確，也沒有驗證供應商、訂單、收貨、重複付款與銀行帳戶。先讓 AI 建立付款草稿與差異清單，由規則完成三方比對，再由具名人員核准例外；付款權限應最後才開放。
Q：中小企業做 AI 應付帳款，第一個月應自動化哪些步驟？
A：先自動化收件、欄位擷取、重複檢查、採購單與驗收資料比對，以及會計草稿建立。第一個月不要讓 AI 直接匯款，至少連續 30 天記錄完整發票無錯率、例外率、誤放行、人工覆核時間與每張淨成本，再決定是否開放低風險自動入帳。
Q：供應商寄信要求更換銀行帳戶，系統要怎麼處理？
A：一律暫停自動流程並另行確認。不要撥打變更郵件或附件內的新號碼，應使用供應商主檔原有電話、既有入口或另一個已核准通道核對。不得只靠回信確認。留下提出人、核對人、時間、生效日與證據，並讓帳戶變更核准者和付款放行者分離。
Q：發票沒有採購單，AI 可以依歷史紀錄自動判斷嗎？
A：只能提出候選，不能直接放行。無採購單發票可能是租金、水電或臨時服務，也可能是未授權支出。企業應先建立允許的無單類別、金額上限、合約依據與核准人；不符合清單或超過門檻時，AI 附上相似歷史案件後送人工覆核。
Q：AI 發票自動化要看哪些 KPI，才知道真的省錢？
A：至少同時看速度、品質、風險與人力。建議追蹤單張處理時間與淨成本、整張完全正確率、例外率、人工修正時間、重複付款、逾期付款及誤放行。模型擷取很快，但覆核時間增加或發生一次錯付，都可能抵銷節省，因此要以 30 天基準比較。
由穹境科技 AI 情報系統生成 · 2026-10-06 · 資料來源見上方參考列表