AI 伪造票据激增，OCR 置信度为何识别不出

AppZen 在 2026 年 5 月前两周的内部数据显示，AI 生成的虚假报销票据已占其识别出的财务欺诈样本的 70.8%。但这条被广泛引用的数字，仅来自一个半月度窗口；而 OCR 系统给出的「高置信度」，并不等于「文档真实」。这些结论对依赖自动文档处理做合规审核的团队具有直接参考价值。

数据全景：1471 张票据与 $32 的中位数

截至 2026 年 5 月 15 日的十二个月内，AppZen 平台共标记 1471 张 AI 生成的报销票据，提交者来自 174 家公司的 745 名员工，索赔总额 148,143 美元。

值得关注的是金额分布：

中位数仅 32 美元，均值 101 美元（被少量大额拉高）；
某澳大利亚电信公司一名员工独自提交 11 张票据，总额 12,900 美元；
被 AI 票据挤掉的「模板伪造」票据（此前在「遗失票据」网站以 5–10 美元购得）平均金额为 182 美元。

AppZen 联合创始人兼 CTO Kunal Verma 将这一变化概括为：「AI 基本上把游戏从『一笔大到值得冒险的假账』翻转成了『一堆没人会逐张审核的小额票据』。」生成成本下降后，小额欺诈本身也具备了独立的经济动力，不再需要跨越任何审核阈值。

70.8% 是十五天的切片

这条数据曲线并不是单调爬升：2025 年 7 月达到 42%，随后回落到 2026 年 1 月的 6%，再于春季反弹。70.8% 这个高点只覆盖 5 月 1 日至 15 日，是整个序列中最高、也是最薄的一个窗口，因此最具传播力。

同一时期，模板伪造票据在 AppZen 标记中的占比下降至约 29%。十二个月的总量并不依赖于最后一个数据点的位置，但仅凭半个月的数据，无法支撑「AI 票据已经完成对传统伪造的全面接管」这一说法。

OCR 置信度衡量的是字符，不是真伪

各大文档 AI 厂商对置信度的定义高度一致——它们都在回答「机器是否正确读出了字符」，而不是「这份文档是否被篡改」：

AWS Textract：表示「给定预测正确的概率（0–100）」；
Azure AI Document Intelligence：给出「0 到 1 之间的估计正确概率」，并指出 0.95 意味着「20 次中有 19 次正确」；
Google Document AI：描述为「模型将每个实体与预测值关联的强度」；
Hyperscience：直接称之为「内部不可配置的数字」，并警告 0.96 并不代表模型对转录正确率有 96% 的把握；
Rossum：声称已将分数校准为「对应预测值正确的概率」，但同时承认「校准仍是人工智能领域未解决的问题」。

在 AWS Textract、Azure、Google Document AI、ABBYY Vantage、Nanonets、Instabase、Mistral OCR、Reducto、Docling 等产品的文档中，「fraud」「tampering」「authenticity」这些词没有出现在置信度的定义段落里。

研究框架论文 RaV-IDP 用一句话点明了机制：「模型内部置信度衡量的是推理确定性，而非与文档本身的一致性。」一张用 PDF 库干净生成的伪造银行对账单，其字符没有任何问题——数据抽取环节会返回高分，路由规则也只会读这个分数。

生成式伪造的天然优势：可控的磨损

干净的生成 PDF 是伪造者的默认形态，但真实文档往往经历过折叠、传真、桌面拍摄、倾斜扫描。公开基准测试并未回答「这种差异是否会让伪造文件的得分高于真实文件」。

干净也并非唯一选项。生成模型可以按提示添加折痕、污渍与磨损，伪造文档的「使用痕迹」是一个可调参数，而真实文档的磨损则是不可控的历史结果。这种对称性意味着，仅靠图像层或字符层的启发式规则，难以可靠地区分两者。

对采购方的提示

依赖 OCR 置信度作为反欺诈闸门的产品，本质上只做了字符层校验；
审核阈值若以「金额是否值得人工复核」为标准，需要重新评估——AI 时代的典型欺诈恰好落在 32 美元以下；
文档真实性需要独立的取证信号（数字签名、元数据、来源核验等），而不是抽取流水线的副产品。

需要说明的是：AppZen 数据覆盖其客户群体，不代表全行业；70.8% 的高点对应半个月窗口，长期走向仍待更多周期验证。