计件工资审计：把业务描述变成可复核的规则，跑完半年报工数据
计件薪酬的舞弊藏在报工、考勤、门禁和花名册之间的缝隙里。下面这段 7 分钟的演示，用 iModel 的 AI 审计节点，从一段中文业务描述出发，生成规则、跑全量数据、输出带判定依据的审计报告。
先说清楚要查什么
演示里输入给 AI 的，不是一句「帮我查舞弊」，而是一段写明生产流程与舞弊手法的业务说明。规则的质量取决于这段说明写得多具体。
- 返修独立计薪原则上谁出问题谁免费返修，实际中返修也按计件计薪；或 A 做错派 B 返工，B 重复计价。对应规则：返修、返工、补焊类工序仍计薪
- 虚增计件报工产量高于实际完成量，或报工人员不在花名册上。对应规则：有报工记录但不在花名册
- 单价虚高计时、计件单价被抬高，虚填档次提高时薪。对应规则：报工单价高于标准工价
- 虚增计时计时工资数据与考勤数据对不上：报表上有工时，当天却没有打卡或门禁记录。对应规则：幽灵工时、计时底稿与打卡比对
- 故意压低设备利用率为了提高工人计件收入，该开的自动化设备不开，改成人工计件。需要设备运行数据配合，演示中未展开
四个节点，各做一件事
整条流程只有四个节点，顺序固定。每个节点都有明确的输入、输出和可以单独查看的中间结果。
AI 连接配置
填写模型名称、接口地址和密钥，连接你选定的大模型服务。之后所有节点共用这一个连接。
AI 审计数据
指定数据所在目录，读入报工底表及相关数据。可以用文字描述数据整理要求，也可以直接写整理代码。
AI 审计分析
输入业务描述，AI 据此生成规则代码。发给大模型的只有这段业务描述，报工明细不会发送给模型；规则代码在本机对全量数据执行。代码生成后被固定下来，再次执行时沿用同一套规则；需要改规则时，显式勾选「重新生成规则」。
AI 审计报告
把分析结果整理成 HTML 报告，同时导出 Excel 明细，写入指定目录。
报告里有什么
审计报告要能交给没参与分析的人复核。演示里的报告按这个标准组织。
| 部分 | 内容 |
|---|---|
| 数据质量体检 | 原始行数、有效报工行数、去重剔除行数、日期范围、计件与计时记录数、外协与本厂记录数、参与人数、项目数 |
| 规则命中总览 | 每条规则的编号、名称、分组、命中条数、涉及人数、涉及金额 |
| 逐条规则 | 业务含义（这条规则在查什么）、判定算法（用什么条件判定）、命中明细前 15 行 |
| Excel 明细 | 规则汇总、数据质量、规则参数各一张表，每条规则单独一张表放全部命中记录 |
「判定算法」和「规则参数」两部分最关键：它们让复核的人能看到阈值是多少、按什么口径比对，而不是只拿到一个 AI 给出的结论。
命中不等于舞弊
演示里有一条规则是「单人单日工时超过 14 小时」。命中排在最前面的，是同一个外协单位一天累计八十多小时。
这不是某个人一天干了八十小时，而是外协按单位报工、单位名称落进了「姓名」字段，多人的工时被加在了一起。规则本身没有算错，是口径没有区分「人」和「单位」。
所以这类工具的正确用法是：AI 负责把业务描述快速变成规则、把全量数据跑完；每条规则的口径，要由熟悉业务的人逐条确认后再作为审计结论使用。流程里单独输出「待审核规则」，就是留给这一步的。
适用边界
动手之前，先对照这几条看数据和条件是否具备。
| 条件 | 说明 |
|---|---|
| 报工数据 | 至少要有日期、人员、工序、产量、工时、工资字段；计件与计时能区分 |
| 比对数据 | 查虚增计时需要考勤打卡与门禁记录；查冒名报工需要花名册；查单价需要标准工价表。缺哪类数据，对应规则就跑不了 |
| 外协口径 | 外协按单位还是按个人报工，必须事先说明，否则按人统计的规则会误报 |
| 大模型接口 | 规则生成需要调用你配置的大模型服务，发送的内容只有业务描述文字，不含报工明细。业务描述本身若涉及敏感信息（如具体人员、金额），能否发给公有云模型，仍按贵单位的数据安全要求决定 |
| 结论使用 | 输出的是疑点清单，不是审计结论。每条疑点需要结合原始单据核实 |
