供应商发票入账
现在
- 发票邮件进来
- 有人打开
- 手敲明细进系统
- 存档 PDF
- 追着问对不上账的那几张
自动化后
- 进来
- 字段抽取并核对
- 写进系统
- 只有对不上的到人手上
常规发票完全不再经手。进复核队列的正是那些本来就值得人看的——对不上账的——而这个队列很短。
自动化 · 现有工具之间的重复搬运
现在
自动化后
只有不寻常的才会到人手上——而那本来就是值得人花时间的部分。
多数被叫作“AI 自动化”的活,根本不需要 AI——你的哪些部分需要,我会直说。定制自动化:做一次、交给你、一直跑。我是 Alan,一个人做,你对接的就是写代码的人。
模式几乎永远一样:一个人在系统之间搬信息,或者拿着同样的输入一遍遍产出同样的文档。有现成产品能覆盖的,买现成的。没有正好合适的,定制做出来通常比人们以为的便宜。
你的版本能省多少,是摸底时量出来的,不是我在这页上猜的。
现在
自动化后
常规发票完全不再经手。进复核队列的正是那些本来就值得人看的——对不上账的——而这个队列很短。
现在
自动化后
每份报价还是你批——判断留在你手里。消失的是拍板之前的拼装活,而报价总是拖到第二天、而不是当小时内发出去,原因多半就是它。
现在
自动化后
报告从“某个人的一项工作”变成“本来就存在的东西”。附带的好处:那个人休假时它照样出。
多数公司故意把两者混为一谈,因为“AI”更好卖。这事值得说清楚:搞错了,两个方向都烧钱。好的自动化只在规则干不了的地方用 AI。
定时任务、n8n、Zapier、裸写代码。输入形状可预测、逻辑能写成规则,这就是正确答案:做着便宜、跑着便宜、每次行为一模一样。只要确定性可行,确定性胜过聪明。
AI 对得起成本的场景只有两种:输入是非结构化的——自由文本、每家版式都不一样的 PDF、什么都能沾边的邮件;或者那个决定本身就模糊,今天靠人在拍板。这两个场景之外,AI 只是用更贵、更不可预测的方式干了规则本来能干的事。
多数真实项目是混合的:规则负责搬运和调度,AI 只干中间输入很乱的那一步。诚实地分清哪个是哪个,是我的报价总比人预期小的原因。
n8n 这类工具 —— 接有 API 的系统,按定时或触发跑。做得快,你的团队看得懂,以后也能自己调。
直接写代码 —— 逻辑真的复杂、要求快,或者可视化流程图会变成没人看得懂的蜘蛛网时。TypeScript 和 Go。
云端 AI 接口 —— Claude、OpenAI 这类,用在需要真正读懂语言的步骤上。模型按步骤选:常规抽取用不着最大的那个。
本地模型 —— 数据不能出内网,或者用量大到按次计费不划算时。跑在你自己的硬件上。
如果一个 n8n 模板加你自己的一个下午就能搞定,你就该那么干——我会在第一通电话里直说,而不是给你报价。你已经付费的功能里本来就有的能力也一样:很多“我们需要自动化”,最后发现只是个没人打开的设置。丢一小单、做你下次真有大事时会找的人,我愿意。
不是价目表,是价目表的形状——上电话之前你就知道在同意什么。
把流程真正画清楚、确认系统真的接得上、量出现在这套流程的真实成本。结尾是一份固定的构建报价——或者一句诚实的“不值得做”。
按流程固定报价,不按小时——干着活数字不会跳。两个决定因素:要打通的系统有多少,输入有多乱。
API 用量加托管,由提供方直接收,不经我加价。摸底时按你的真实用量估出来,上线后日志里看得见——永远不会有惊吓。
需要可以有,从来不是把活做出来的条件。代码是你的、有文档——也可以直接拿回团队自己维护。
自动化按定义就碰敏感的部分——发票、客户记录、财务数据——所以这些信息到底流向哪里值得一个直答,“很安全”不算。对多数业务数据,走 Claude 或 OpenAI 这类供应商的正经方案没问题,也是我通常的建议。真不能出门的数据——有合规约束的、有合同约束的、或者就是你自己的——本地模型可以完全不出内网。这是真取舍:本地模型跑着便宜、数据一步不出门,但能力确实不如前沿模型。抽取和分类?差距几乎无所谓。需要真判断的活?差距就大了。你的流程落在哪一边,我在摸底时就告诉你——在任何人买硬件之前。
每个步骤用它该用的。逻辑写得成规则的走规则,输入乱、要拍板的那一步才用 AI。多数项目是混合的——报价总比人预期小,原因就是分得清。
行的话就该自己做。输入规整、逻辑简单,一个下午的事,我第一通电话里就会直说。定制值回票价的是:输入乱、逻辑真复杂、或者好几个系统必须对上。
我不猜,这页上也没有编出来的百分比。摸底时把现在的流程真实跑一遍、量出实际成本,你拿真数字做决定。
不用。自动化接的是你已有的工具——它们的 API、数据库、文件投递。你的系统继续是你的系统。
按流程固定报价,不按小时。两个决定因素:要打通的系统有多少,输入有多乱。动工之前你就知道数字。