人工智能到底会对 B2B 支付产生什么影响？

访问任何社交媒体新闻源，无数帖子都会告诉你，人工智能意味着“一切都将不再一样”，甚至“你对人工智能的理解是错误的”。大量夸张的观点让企业几乎无法辨别炒作和现实。

欧盟的《人工智能法案》（该法案）旨在解决这一问题，该法案于 2024 年 8 月 1 日生效。该法案是世界上第一部关于人工智能的法规，规定了如何管理人工智能系统的部署和使用。该法案承认人工智能对金融服务的变革潜力，同时也承认其局限性和风险。

在有关金融服务领域人工智能的持续争论中，B2B 支付流程被认为是人工智能在加速数字创新方面具有巨大潜力的领域。今天，我将尽力打破炒作，提供关于人工智能真正含义的真正观点。 真的 专门用于B2B支付。

了解人工智能是什么，什么不是什么

简而言之，人工智能是一种或几种能够执行通常需要人类智能才能完成的任务的系统。它融合了机器学习 (ML)，开发人员多年来一直使用机器学习赋予计算机无需明确编程即可学习的能力。换句话说，系统可以查看数据并进行分析，以改进功能和结果。

其中较新的部分是“深度学习”，它利用多层神经网络来模拟我们大脑的复杂决策能力。本文后面概述的深度学习优势基于大型语言模型 (LLM)，该模型已在代表性数据（例如支付/交易/投标数据）上进行了预先训练。深度学习 AI 不仅能从数据中查看和学习行为模式，还能根据这些数据做出明智的决策。

在探讨这对 B2B 支付意味着什么之前，我想先明确一点：仍然需要人工监督来确保运营顺利进行。人工智能是一种支持工具，而不是所有问题的单一答案。这项技术仍在成熟，因此您还不能将 B2B 支付流程的钥匙交给别人。目前，手动流程仍将在 B2B 支付中占有一席之地，但人工智能工具将帮助您更快、更大规模地学习、适应和改进。

人工智能法案——你需要知道的

该法案试图根据潜在影响和风险对不同的人工智能系统进行分类。两个主要风险类别包括：

1. 不可接受的风险 – 人工智能系统被视为对人类构成威胁，将被禁止。这包括涉及认知行为操纵、社交评分和实时生物识别的系统。
2. 高风险 – 对安全或基本权利产生负面影响的人工智能系统。高风险人工智能系统将接受严格评估，并且必须遵守严格的监管标准才能投放市场。这些高风险系统将进一步分为两类：

• • 属于欧盟产品安全法规范围内的产品中使用的人工智能系统，包括玩具、航空、汽车、医疗设备和电梯。
  • 属于特定领域的人工智能系统必须在欧盟数据库中注册。

目前使用最广泛的人工智能形式“生成性人工智能”（例如 ChatGPT、Copilot 和 Gemini）不会被归类为高风险，但必须遵守透明度要求和欧盟版权法。

GPT-4o 等可能带来系统性风险的高影响力通用人工智能模型必须经过彻底评估，任何严重事件都必须向欧盟委员会报告。

该法案旨在经过协商、修订和在每个欧盟成员国建立“监督机构”后，于 2026 年 5 月全面实施。不过，欧盟最早将于 11 月开始禁止“不可接受的风险”人工智能系统，并于 2025 年 2 月实施“实践准则”。

那么，考虑到该法案，如何以无风险的方式使用人工智能来优化 B2B 支付？

人工智能将改变支付数据分析

当今的 B2B 支付平台并不是一刀切的解决方案；相反，它们为企业提供了定制其支付交互的工具包。

支付提供商可以使用基于人工智能的语言模型和机器学习来快速理解和解释他们可以访问的大量数据（例如发票或收据）。通过这样做，我们可以深入了解趋势、买家行为、风险分析和异常检测。如果没有人工智能，这将是一项手动且耗时的任务。

这种数据分析对企业的一个切实好处是将广泛的可用支付数据与对各种供应商的技能、产品和/或服务的了解相结合。例如，人工智能可以确定现有供应商何时能够供应目前正在其他地方采购的产品。通过为两种产品/服务使用一个供应商，企业可以通过规模经济节省成本。

数据分析的另一个好处来自支付技术专家。我们一直在培训一项服务，以便从采购订单或发票中提取数据，以传输第 3 级数据，这在某些地区是税务显而易见的。这会自动为买家提供更多交易细节，包括相关税务信息、发票号、成本中心以及所提供产品或服务的明细。这使得管理税务报告和汇款、采购控制和对账变得简单而直接。

然而，人工智能驱动的数据分析不仅可以节省时间和金钱。它还增加了新的价值，使提供商能够使用数据为每个买家或供应商创建超个性化的支付体验。例如，人工智能和机器学习工具可以寻找买卖机会，并执行“匹配供应商支持服务”，为不同的账户或交易推荐最佳支付方式和最佳费率。支付体验越个性化，买家就越满意，他们（再次）购买的可能性就越大。

高效的数据流意味着更强劲的现金流

人工智能的另一个实际应用是帮助买家优化现金管理。这是通过使用数据来确定谁具有战略重要性以及何时向他们付款来实现的。它甚至可以建议将同一供应商的某些发票分组在一起，将它们合并为每个供应商的一笔付款，降低交换费并降低信用卡接受成本。

人工智能还可以对现金流管理进行预测分析，快速分析历史付款数据以预测现金流趋势，使企业能够预测并主动应对潜在挑战。这在现金流至关重要的当前经济环境下尤其有价值。

通过从采购订单或发票中提取增值、税收明示数据，人工智能可以快速分析发票和收据，从而实现增值税退税流程的高效、准确自动化。想象一下：您的财务团队需要对最近的发票和收据进行增值税退税，但他们不必手动检查每张收据或发票，并将它们归类为可退税或不可退税。这听起来像是一个梦想，但它将成为各地企业的现实：人工智能完成繁重的工作，人类对其进行验证，从而节省大量时间和资源。

更快、更准确的发票核对

人工智能的第三个重要优势是自动发票核对。通过识别发票中的关键信息并识别常规收款人，人工智能可以简化和自动化审核流程。这有可能大大加快交易速度并实现更高效的支付协调。

将所有支持文件（如运输、海关、路线和 JIT（即时）要求）装订在一起也可以由人工智能完成，并且不太容易出现人为错误。

这为加快 B2B 支付速度、降低成本和提高效率提供了绝佳机会。企业都知道这一点：44% 的中型企业预计，在未来三年内实施进一步的自动化将直接带来成本节约和现金流增强。根据美国运通的数据，48% 的中型企业预计支付流程将加速，支付将更加可靠，支付方式也将更加多样化。

何时。而不是是否。

在 B2B 支付流程中，利用人工智能来处理繁重工作有着巨大的机会。然而，我们必须平衡地看待这些机会，了解人工智能的局限性。

虽然今天概述的 B2B 支付中人工智能的所有机会都基于相对低风险的人工智能系统，但这些系统的人为监督仍然必不可少。话虽如此，通过实施人工智能可以节省大量时间和资源，可以避免这个问题。

人工智能在 B2B 支付中的应用不是一个是否会发生的问题，而是一个何时发生的问题。问题在于，你何时才能与技术携手并进，而不是要么惧怕技术，要么将全部控制权交给技术。

为了实现增长，让用户看到切实的好处至关重要。例如，通过提高应付账款 (AP) 的效率，企业可以将之前花在应付账款上的时间和资源重新分配到业务的其他领域。早期采用者已经开始试水，但只有时间才能告诉我们人工智能将产生多大的影响。

大多数企业可能会等待早期采用者失败、学习和进步。众所周知，如果 B2B 支付出现问题，可能会对个人、企业和经济产生巨大影响。只有当风险明确界定且可控时，人工智能才会真正成为所有广告所宣称的 B2B 支付领域的游戏规则改变者。