供應商發票入帳
現在
- 發票郵件進來
- 有人打開
- 手敲明細進系統
- 存檔 PDF
- 追著問對不上帳的那幾張
自動化後
- 進來
- 欄位抽取並核對
- 寫進系統
- 只有對不上的到人手上
常規發票完全不再經手。進複核佇列的正是那些本來就值得人看的——對不上帳的——而這個佇列很短。
自動化 · 現有工具之間的重複搬運
現在
自動化後
只有不尋常的才會到人手上——而那本來就是值得人花時間的部分。
多數被叫作「AI 自動化」的活,根本不需要 AI——你的哪些部分需要,我會直說。客製自動化:做一次、交給你、一直跑。我是 Alan,一個人做,你對接的就是寫程式的人。
模式幾乎永遠一樣:一個人在系統之間搬資訊,或者拿著同樣的輸入一遍遍產出同樣的文件。有現成產品能覆蓋的,買現成的。沒有正好合適的,客製做出來通常比人們以為的便宜。
你的版本能省多少,是摸底時量出來的,不是我在這頁上猜的。
現在
自動化後
常規發票完全不再經手。進複核佇列的正是那些本來就值得人看的——對不上帳的——而這個佇列很短。
現在
自動化後
每份報價還是你批——判斷留在你手裡。消失的是拍板之前的拼裝活,而報價總是拖到第二天、而不是當小時內發出去,原因多半就是它。
現在
自動化後
報告從「某個人的一項工作」變成「本來就存在的東西」。附帶的好處:那個人休假時它照樣出。
多數公司故意把兩者混為一談,因為「AI」更好賣。這事值得說清楚:搞錯了,兩個方向都燒錢。好的自動化只在規則幹不了的地方用 AI。
定時任務、n8n、Zapier、裸寫程式碼。輸入形狀可預測、邏輯能寫成規則,這就是正確答案:做著便宜、跑著便宜、每次行為一模一樣。只要確定性可行,確定性勝過聰明。
AI 對得起成本的場景只有兩種:輸入是非結構化的——自由文本、每家版式都不一樣的 PDF、什麼都能沾邊的郵件;或者那個決定本身就模糊,今天靠人在拍板。這兩個場景之外,AI 只是用更貴、更不可預測的方式幹了規則本來能幹的事。
多數真實專案是混合的:規則負責搬運和調度,AI 只幹中間輸入很亂的那一步。誠實地分清哪個是哪個,是我的報價總比人預期小的原因。
n8n 這類工具 —— 接有 API 的系統,按定時或觸發跑。做得快,你的團隊看得懂,以後也能自己調。
直接寫程式碼 —— 邏輯真的複雜、要求快,或者可視化流程圖會變成沒人看得懂的蜘蛛網時。TypeScript 和 Go。
雲端 AI 介面 —— Claude、OpenAI 這類,用在需要真正讀懂語言的步驟上。模型按步驟選:常規抽取用不著最大的那個。
本地模型 —— 資料不能出內網,或者用量大到按次計費不划算時。跑在你自己的硬體上。
如果一個 n8n 模板加你自己的一個下午就能搞定,你就該那麼幹——我會在第一通電話裡直說,而不是給你報價。你已經付費的功能裡本來就有的能力也一樣:很多「我們需要自動化」,最後發現只是個沒人打開的設置。丟一小單、做你下次真有大事時會找的人,我願意。
不是價目表,是價目表的形狀——上電話之前你就知道在同意什麼。
把流程真正畫清楚、確認系統真的接得上、量出現在這套流程的真實成本。結尾是一份固定的構建報價——或者一句誠實的「不值得做」。
按流程固定報價,不按小時——幹著活數字不會跳。兩個決定因素:要打通的系統有多少,輸入有多亂。
API 用量加託管,由提供方直接收,不經我加價。摸底時按你的真實用量估出來,上線後日誌裡看得見——永遠不會有驚嚇。
需要可以有,從來不是把活做出來的條件。程式碼是你的、有文件——也可以直接拿回團隊自己維護。
自動化按定義就碰敏感的部分——發票、客戶記錄、財務資料——所以這些資訊到底流向哪裡值得一個直答,「很安全」不算。對多數業務資料,走 Claude 或 OpenAI 這類供應商的正經方案沒問題,也是我通常的建議。真不能出門的資料——有合規約束的、有合約約束的、或者就是你自己的——本地模型可以完全不出內網。這是真取捨:本地模型跑著便宜、資料一步不出門,但能力確實不如前沿模型。抽取和分類?差距幾乎無所謂。需要真判斷的活?差距就大了。你的流程落在哪一邊,我在摸底時就告訴你——在任何人買硬體之前。
每個步驟用它該用的。邏輯寫得成規則的走規則,輸入亂、要拍板的那一步才用 AI。多數專案是混合的——報價總比人預期小,原因就是分得清。
行的話就該自己做。輸入規整、邏輯簡單,一個下午的事,我第一通電話裡就會直說。客製值回票價的是:輸入亂、邏輯真複雜、或者好幾個系統必須對上。
我不猜,這頁上也沒有編出來的百分比。摸底時把現在的流程真實跑一遍、量出實際成本,你拿真數字做決定。
不用。自動化接的是你已有的工具——它們的 API、資料庫、檔案投遞。你的系統繼續是你的系統。
按流程固定報價,不按小時。兩個決定因素:要打通的系統有多少,輸入有多亂。動工之前你就知道數字。