审计询证函批量处理——
年审季的回函数据归集

一份询证函回函上到底有哪些数据需要录入

先看一份标准回函的数据量。根据财办会〔2024〕2号规定的银行询证函格式（格式一和格式二），银行回函确认或填列的信息覆盖了被审计单位在该行的全部金融业务往来。这14项内容，每一项下面又有多行多列子项。

第1项银行存款，包含账户名称、银行账号、币种、利率、账户类型、账户余额、是否资金归集账户、是否冻结或担保限制、备注——一表多列。第2项银行借款，包含借款人名称、借款账号、币种、余额、借款日期、到期日期、利率、抵质押品、备注。往下还有委托贷款（作为委托人和作为借款人分别函证）、担保（被担保人和银行提供的担保）、银行承兑汇票、已贴现商业汇票、托收商业汇票、未履行完毕的不可撤销信用证、外汇买卖合约、托管证券或产权文件、未到期银行理财产品——每项都有自己的字段结构。

回函格式不统一，让"按坐标找字段"的套路完全失效

如果所有回函都长一个样，手动录入虽然慢，但好歹可以练出肌肉记忆——眼睛在第几行找余额、手在第几列敲数字，变成条件反射。问题是银行回函格式根本不统一。

财办会〔2024〕2号明确允许两种回函方式：银行可以在询证函原件上直接填写确认（格式一），也可以用银行自有格式打印回函（格式二）。实际操作中——工行纸质函证使用系统自动生成的格式二回函，建行和招行各有自己的自有格式排版，农行的格式二回函又是一种版式。一份同一被审计单位在同一天取回的5份回函，可能来自5种不同的排版布局。同一个字段——比如"银行存款余额"——在工行自有格式里出现在第3页的表格第5行第4列，在农行格式里出现在第1页签名栏上方，在区块链电子回函里是JSON结构的某个key。

这就是为什么传统OCR和模板方案在这个场景里基本没用——模板方案的前提是"同一个版式的文档批量处理"，而询证函回函的天然特征就是版式碎片化。这个问题也不是询证函独有的——银行回单同样面临跨行格式差异，我们在银行回单批量提取中拆解过类似的"多银行多格式归集"思路，思路相通但场景不同：回单是单笔交易凭证归集，回函是特定基准日的全景金融快照。

年审季的时间窗口，把后链路的数据录入压成瓶颈

中国A股上市公司的年报截止日为12月31日，年报披露截止日为次年4月30日。审计工作的核心窗口是12月至次年4月。函证作为审计程序的重大环节，大量询证函在12月下旬至1月集中发出，回函在1月至3月集中回收。

这里有一个时间挤压效应。财办会〔2024〕2号规定银行回函时限为收到符合规定的询证函之日起10个工作日，2025年底前年审高峰期可延长至14个工作日。这意味着：事务所集中发函后，大量回函会在一个狭窄的时间窗口内集中到达——不是今天5份、明天3份地分散到，而是几天内一口气收回几十份。审计员在这个窗口期内不仅要完成回函数据的录入，还要做相符性比对、差异分析、替代程序和底稿编制——而数据录入这一步，就卡住了后续所有步骤。

发函端的数字化已经大幅缩短了前链路时间——工银函证e信、银行函证区块链服务平台可以实现当天回函——但回函端的数据入库，从"拿到回函文件"到"审计底稿控制表填好"，在大多数中小事务所仍然是纯手动的。KPMG毕马威中国的审计年度质量报告显示，其审计共享服务中心（佛山+南京，900+员工）已经部署了函证智能处理设备，实现批量自动生成询证函、追踪投递、机械化归档。这是头部事务所的工业化能力——但对于没有自建函证中心的中小事务所，回函数据归集仍然依赖审计员的键盘。

把回函数据提取交给AI——一份列名表对应所有回函，一键合表输出

简录AI处理这个场景的逻辑，和传统OCR有本质区别。传统做法是：扫描回函→OCR识别全部文字→人工找出哪些文字是"银行存款余额"、哪些是"借款金额"。简录AI的做法是：你告诉AI你要什么列名，AI自己去每份回函里找对应值填入——不靠坐标定位，不靠模板匹配，而是靠语义理解去"看懂"回函上写了什么。

具体操作分成三步：

这套流程的核心优势在于格式无关——无论工行、建行、招行、农行、中行的回函各用什么版式，AI找的是"余额"这个概念的对应值，而不是"页面上x=150, y=320位置的那个数字"。这就是自定义列名提取的工作机制——你定义输出，AI理解输入。关于列名设计如何影响提取质量，可以参考完整的列提取指南。

提取后的数据在审计底稿中怎么用——衔接而非替代

AI提取出来的回函数据汇总表，在审计流程中的位置是函证控制表的输入端，不是最终结论。

典型的衔接方式是这样的：AI生成的Excel汇总表包含了所有回函的结构化数据（每份回函一行，每个函证字段一列）。审计员将这张表导入函证控制表模板后，保留AI提取的原始数据列，旁边新增"账面金额"列做相符性比对，新增"差异"列计算差额，新增"处理"列记录替代程序或跟进情况。AI做的是把"从回函上把数字看下来、敲进去"这一步自动化了——这步在一个年审项目中通常占据数据录入总时长的60%以上。省下来的时间，审计师可以做更有价值的专业判断。

如果你的审计项目中还需要处理银行对账单（把PDF对账单里的流水拆成表格做余额调节），可以参考银行对账单提取到Excel的方法——对账单提取和回函提取经常出现在同一个年审项目中，因为函证确认了期末余额，还需要银行对账单来验证期间流水的完整性。

常见问题

AI能区分"相符"和"不符"的回函结论吗？

能提取，但需要你定义规则。回函的"结论"段通常有标准化的表述——"经本行核对，所函证项目与本行记载信息相符"或"存在以下不符之处"。你可以在列名中定义一列"回函结论（选项：相符/不符/其他）"，AI会根据回函的结论段文字自动判断并填入。但注意：有些银行用自有格式回函时，结论表述方式可能和标准格式有差异，建议提取后人工复核"结论"列——这一列关系到后续替代程序是否需要启动，不应完全依赖AI判断。

不同银行的回函格式差异这么大，AI会不会漏掉字段？

有可能。简录AI基于视觉大模型的语义理解来定位字段，不依赖固定版式——理论上可以处理工行自有格式、建行原件格式、招行电子回函等不同排版。但实际情况是：如果某份回函的某个字段因为扫描模糊、字迹重叠、或者银行使用了不常见的表达方式（比如把"银行借款余额"表述为"信贷资产"），AI可能会导致漏提取或提取错误。应对策略：导出汇总表后，对关键字段（余额、借款金额、担保金额）做降序排列抽查——核对前5行和末5行的数据与回函原件的一致性，大约需要3-5分钟。这个抽查步骤是审计判断的底线要求，不应跳过。

简录AI能不能直接帮我完成函证程序？

不能。简录AI是数据提取工具，不做审计鉴证。它能帮你把回函上的数据批量录入表格，但以下事项必须由审计师亲自完成：(1) 回函真伪验证——包括印章验证、回函地址核对、被询证者独立性评估；(2) 回函相符性判断——账面余额与回函余额的比对和差异分析；(3) 替代程序决策——未回函或回函不符时需要执行哪些额外程序；(4) 函证控制表的最终编制和审计工作底稿归档。简录AI的角色是把数据准备好，审计师的角色是做出专业判断。混淆这二者的边界，是审计准则不允许的。

团队多人协作时，提取结果怎么共享？

导出Excel后，可以将文件放入事务所的共享审计底稿目录。简录AI的列名定义可以保存为模板——同一个项目组的审计助理和项目经理使用同一套列名模板，确保不同人员处理不同被审计单位时，输出的汇总表字段结构一致。此外，简录AI的收集链接功能可以让被审计单位的财务人员直接上传回函扫描件到你的事务所账号——省去了"催客户提供回函扫描件"的微信来回传文件的环节。

电子回函（区块链平台/pdf格式）可以直接上传处理吗？

可以。简录AI支持PDF和图片格式输入。银行函证区块链服务平台下载的电子回函文件（通常为PDF格式）可以直接上传。工银函证e信、企业网银下载的电子回函同样适用。需要注意的是：部分银行的电子回函使用了电子印章覆盖在正文上，如果印章位置恰好覆盖了关键数据（如借款余额数字），可能导致提取偏差——这种情况在电子回函中较少见，但建议抽查。