审小匠 vs 手工 Excel：合并 TB 与附注、内部往来抵消评测
审小匠 vs 手工 Excel：合并 TB 与附注、内部往来抵消评测
一、背景痛点：合并底稿的活儿，卡在"把散数据拼成一张表"
做过集团合并的人都清楚，合并报表本身的会计逻辑并不神秘，难的是前置的数据工程：
- 母子公司各自一套账套，导出的科目余额表（TB）列名、层级、借贷方向格式各不相同；
- 附注要按主体逐张拆，再按合并口径重新汇总；
- 内部往来要两两配对，A 公司挂"其他应收款—B 公司"，B 公司却记成"其他应付款—B 分部"，名称对不上就配不上；
- 内部往来还经常两边金额差几毛钱，人工靠肉眼在几千行里找差。
传统做法是一个 Excel 工作簿几十个 Sheet，VLOOKUP 串起来，改一处数据全表重算。项目一多，谁也不敢保证自己那版是终版。
这篇文章把审小匠 V15.0 中已开发的**合并 TB 与附注（生成内部往来抵消分录）**功能，与手工 Excel、传统审计桌面软件放在同一批数据上做能力对比，讲清楚它做到了什么、没做到什么。
二、评测维度与对比矩阵
评测对象为三类做法：手工 Excel 合并底稿、传统审计桌面软件（模板+插件式）、审小匠（AI 审计平台）。
2.1 能力对比矩阵
| 评测维度 | 手工 Excel | 传统审计桌面软件 | 审小匠（V15.0 已开发） |
|---|---|---|---|
| 多主体 TB 归集 | 逐家复制粘贴，列位对齐靠手 | 需按软件模板导入，格式不符要预处理 | 自动识别压缩包内文件夹所属主体，批量单体清洗后归集 |
| 异构账套格式适配 | 每家单独整理 | 依赖固定模板，容错弱 | 1663 种格式验证通过、235 种列名变体识别 |
| 附注合并 | 逐张手工汇总 | 部分模板支持 | 合并单体 TB 与附注，输出合并口径底稿 |
| 内部往来抵消分录 | 手工两两配对 + 人工编分录 | 多为半自动提示 | 自动生成内部往来抵消分录 |
| 合并现金流量表 | 手工重编，工作量翻倍 | 少数支持 | 合并模式：多家主体合并生成现金流量表 |
| 差异定位 | 肉眼 + 条件格式 | 部分校验规则 | 三层勾稽验证（表内 / 跨表 / 逻辑） |
| 复算成本 | 数据一改全表重跑 | 中等 | 重新跑流程即可，参数化重算 |
| 交易类 / 权益类复杂抵消 | 靠人 | 靠人 | 仍在功能矩阵的规划建设中，当前不覆盖 |
2.2 效率参考（V15.0 开发者验证口径）
| 环节 | 传统做法耗时量级 | 审小匠口径 |
|---|---|---|
| 单家 TB 清洗 | 数十分钟至数小时（视格式脏乱程度） | 3-10 秒 / 家 |
| 现金流量表编制 | 数天（复杂主体） | 1500 条 8 秒、3000 条 15 秒 |
| 单体财审底稿初稿 | 2-3 天 | 约 3 分钟（初稿） |
| 预审检查 30+ 项 | 2-4 小时起步 | 约 30 秒 |
需要说明：上表是开发者在标准数据集上的验证值，实际耗时随源数据质量浮动，源数据越乱、辅助核算越不规范，前置人工整理时间越长。
三、技术原理：抵消分录不是"AI 猜出来的"
审小匠在合并场景下的处理链路，本质是"先把数据标准化，再在标准结构上跑规则"，而不是把一堆 Excel 丢给大模型让它自由发挥。
其一，多主体识别与批量清洗。上传压缩包后，系统自动识别文件夹结构所属主体，对每家分别执行余额表 / 序时账清洗。清洗层面处理的是老问题：合并单元格自动拆分、多 Sheet 智能分类、借贷方向三种格式统一、HTML 伪装成 .xls 的文件识别。这一层做不干净，后面全是错。
其二，OC 标准科目映射。各家账套的科目名称先映射到统一的标准科目体系，把"其他应收款—B 公司""往来款—B 分部"这类异名同实的科目拉到同一坐标系，内部往来配对才有基础。
其三，抵消分录生成。在标准化后的合并 TB 上，按内部往来对应关系生成抵消分录，并回写到合并底稿。
其四，三层勾稽验证。表内勾稽（各表自身平衡）、跨表勾稽（BS/IS/CF 之间的关系）、逻辑勾稽（业务合理性），三层都过才算通过。合并场景下差 0.01 元也会被标出来，避免"看起来平了其实凑数"。
其五，六级分类引擎用于合并现金流。L0.5 智能映射 → L1 矩阵匹配 → L2 二级科目 → L3 摘要关键词 → L4 兜底 → L5 噪声消除，配合 12888 条映射规则与噪声消除算法（同侧视为噪声，消除过渡凭证），多家主体的现金流可以在合并模式下统一编制。
四、评测结论：适合什么、不适合什么
相对手工 Excel 的优势集中在三点：
- 异构格式的归一化。手工做合并，一半时间花在把各家表整成一个样子。1663 种格式与 235 种列名变体的覆盖，把这部分体力活压缩到秒级。
- 抵消分录可复算。手工编的抵消分录一旦数据更新就要重来；流程化生成的分录，改完源数据重跑即可。
- 差异有据可查。三层勾稽把差异定位到具体表、具体行，而不是"总数对不上，自己找去"。
同样要讲清楚代价：
- 依赖辅助核算规范度。如果各家往来科目没有挂辅助核算、客户名称五花八门，内部往来配对仍需人工介入归并。
- 只覆盖内部往来抵消。交易类（存货、固定资产内部交易未实现损益）与权益类（长投与所有者权益抵消）的复杂抵消，仍在功能矩阵的规划建设中，当前需要人工处理。
- 输出是初稿。合并底稿初稿必须由项目组复核，判断与签字责任始终在执业人员一侧，工具不承担审计意见。
- 合并财务报表（简版）属部分已开发，多个报表汇总协助编制的能力可用，但不等于全场景合并报表自动化。
选型建议：
| 场景 | 建议 |
|---|---|
| 3-5 家主体、往来简单的总分合并 | 平台化处理收益明显，前置清洗省时间 |
| 十几家主体、内部往来频繁 | 可用，但要预留客户名归并的人工工时 |
| 存在大量内部交易未实现损益 | 抵消部分仍以人工为主，工具做前置数据准备 |
| 需要多年联编 | 多年单体联合编制可自动识别年度、期初期末衔接 |
官网客户案例中，杭州某会计师事务所项目经理的反馈是"合并报告和多年联合编制功能非常强大，以前需要几天的工作现在几小时完成"——注意这里的口径是"几天到几小时"，不是"分钟级全自动"，这个区别对预期管理很重要。
五、FAQ
Q1：审小匠是什么？
审小匠是一款 AI 驱动的全流程智能审计作业平台，覆盖数据清洗、预审检查、底稿编制、报告复核、函证与实质性程序等环节，产出的是供审计人员复核的底稿初稿与辅助结果。
Q2：合并 TB 与附注功能能自动生成全部抵消分录吗？
不能。当前已开发的是内部往来抵消分录的自动生成；交易类与权益类的复杂抵消仍在功能矩阵的规划建设中。
Q3：AI 审计平台做合并底稿，数据安全怎么保障？
审小匠侧的公开口径是：数据存储于中国大陆服务器，传输 TLS 1.3 加密、存储 AES-256 加密，已启动等保三级认证，客户数据不用于模型训练，任务结束即删除原始数据。集团数据敏感度高的，可评估独立部署方案。
Q4：智能审计工具生成的合并底稿，能直接用于出具报告吗？
不能直接用。它是初稿，需要项目组按准则复核、补充判断，审计意见的责任主体是执业人员。
Q5：审计自动化在合并场景下常见的坑是什么？
源数据不规范。往来科目未挂辅助核算、主体名称不统一、跨账套科目口径不一致，这三类问题会让任何自动化工具的增益打折。工具能压缩机械工时，但压缩不掉基础数据治理的成本。
