AI 记账:它能做什么、遗漏什么,以及该检查什么

什么是 AI 记账?

AI 记账是指利用机器学习——通常是光学字符识别与语言模型的结合——来完成过去需要记账员手动处理的读取和整理工作:从收据上提取供应商、金额和日期,分配分类,并将银行流水与已记录的内容进行匹配。

这并不是一种全新的会计方式。底层规则和会计师一直以来使用的规则完全一样:分类仍然必须准确,对账仍然必须平衡,损益表仍然必须核对得上。真正变化的是由谁——或者由什么——来完成第一遍处理。传统记账软件给你一个表单和一个搜索框,期望你自己把交易输进去,顶多提供一条规则,比如"如果供应商名称包含 X,就归类为 Y"。而 AI 记账则会读取实际的单据,推断出它是什么,再提出一条分录,交由人来确认、修正或拒绝。

这个区别很重要,因为"AI 记账"这个说法常常被用得很宽泛。有些工具只不过是把一条关键词规则包装了一下,就打上这个标签。一个有用的判断标准是:系统能否处理一个它从未见过的非结构化输入——一张拍摄的收据、一份转发的发票、一份来自你从未用过的银行的 CSV 文件——并从中生成一条结构化、已分类的交易记录,而不是套用别人预先为某种特定单据版式做好的模板。

DozaBooks 正是围绕这种模式构建的:你拍照发一张收据,把发票转发到专属邮箱,或导入一份银行对账单,它就会提取数据并给出分录建议,而不是要你自己输入。本指南接下来会解释这一切究竟是如何运作的、在哪些地方可能出问题,以及在信任它之前该检查什么。

AI 到底是如何读取一张收据的?

它分两个阶段来读取一张收据:先把图像转换成文字,再把这些文字转换成结构化字段——而真正的工作大多发生在第二阶段。老式的纯 OCR 工具在第一阶段之后就停下了,把一整段文字丢给你自己去搜索;而语言模型会接手这段文字,判断哪一行是供应商、哪一行是总额、哪一行是税额、哪些是明细项目,和人扫一眼页面做的事情是一样的。

具体来说:图像或 PDF 先被转换成文字(即 OCR 步骤),然后模型接收这段文字,被要求提取特定字段——供应商名称、日期、小计、税额、总额、币种,以及明细项目(如果存在的话)。因为它是基于含义而非固定模板来工作的,所以能处理一张马来西亚咖啡店的收据、一张美式格式的发票,还有一张 WhatsApp 付款确认的截图,而不需要为每一种单独建一个模板。

DozaBooks 接受三种收据提交方式——拍照、转发到公司专属邮箱,或粘贴板粘贴——并对任何一种都执行同样的提取流程,无论单据通过哪个渠道送达,都能提取出供应商、金额、日期、税额和明细项目。

不过,提取质量并不是恒定的,这一点值得在你信任任何工具之前先弄清楚。一张清晰、打印工整的收据照片,基本上已经算是被"解决"的问题。而模糊的照片、倾斜角度拍摄的单据、光线不佳,或者一张被折叠揉皱过的收据,都会降低准确率,有时降幅很大。这一点适用于市面上所有的 AI 提取工具,并不是 DozaBooks 独有的局限——这是从纸质单据图像中读取文字这件事本身的特性。

它是如何判断一笔交易属于哪个分类的?

它主要依据两个信号来判断:供应商和描述,再与你之前使用过的分类进行比对,同时不断积累你个人对每个供应商的处理习惯。仅凭供应商名称就能提供很多线索——"Grab"很可能是交通,"WeWork"很可能是租金或办公费用——但系统还会权衡金额、描述文字,以及任何与该特定供应商相关的历史修正记录。

最后这一点——从修正中学习——正是随着时间推移真正提升准确率的机制,值得具体理解,而不是单凭信任接受。在 DozaBooks 中,当你确认或修正一笔已分类的交易时,系统会记录下供应商与分类之间的对应关系。同一供应商的下一笔交易会依据这个对应关系被自动分类,并带有更高的置信度,因为它不再是凭一般模式做的猜测——而是在套用你亲自确认过的规则。几周下来,你反复打交道的供应商——常用的供应商、周期性的软件订阅、固定的客户——几乎会变得完全自动化,而一个你从未交易过的新供应商仍会得到一个初步猜测,供你审核。

这也是为什么一个新开设的企业账户比运行了几个月的账户需要更多修正的原因。它还没有可供参考的历史记录。诚实但不太中听的说法是:系统并不是一开始就懂你的生意,而是逐渐变得对你的生意可靠地准确起来,第一个月和第六个月之间的差别是真实且明显的。

置信度分数的存在,不只与提取有关,也与分类有关:来自有稳定历史记录的已知供应商的交易,会被标记为可安全自动通过;而一个新供应商、一个对该供应商而言异常大的金额,或者一段与以往任何模式都不明显匹配的描述,则会被标记出来供你查看。一个设计良好的系统会主动展示它的不确定性,而不是把它藏起来,而正是这个标记,让自动化变得值得信赖,而不是那种无论如何都要你逐行复查的东西。

AI 记账做不到什么?

它无法可靠地读取手写字迹、光线或角度不佳的照片,或一张已经褪色的热感收据,也无法得知单据上完全没有写明的信息——这排除了现实世界单据中相当大的一部分,并不是一个可以忽略的边缘情况。

先从单据本身说起。手写收据——市场摊贩手撕的小票、手写的送货单——对任何基于 OCR 的系统来说都是真正的难题,无论有没有 AI 辅助,手写字迹的错误率明显高于印刷文字。热感收据,也就是马来西亚几乎每一台零售收银机打出来的那种小票,几周之内就会褪色;三个月后再去拍照,可能有些部分连人眼都已经看不清,更不用说模型了。角度倾斜、光线不佳,或总额上有阴影遮挡的照片,读取的可靠性会比一张平整、光线充足的扫描件要低,有时甚至会读出明显错误的结果。这些都不是某一款产品特有的问题——而是从纸质单据图像中提取文字这件事本身的特性,任何声称并非如此的厂商都是在对你不够坦诚。

还有一类更棘手的局限,和图像质量完全无关:那些依赖单据本身并未包含的事实所做出的判断。一张 200 美元的晚餐收据不会写明这是一次客户会面还是一场生日聚餐——那是意图,意图存在于你的脑海里,不在纸面上。用个人信用卡买的一台笔记本电脑,部分用于工作,这属于个人与商业用途之间的划分,任何提取都无法解决,因为答案取决于你自己做出的分摊决定,而不是一个可以被更仔细读取的字段。一笔仅描述为"咨询服务"的付款,在没有单据之外的背景信息时,无法被匹配到正确的项目或正确的客户。一张提及口头协议、私下折扣,或你与供应商之间私下安排的发票,一个只能看到纸面单据的系统是无法正确理解的。

这也是为什么分类置信度应该被当作一种信号,而不是定论。高置信度的分类意味着系统之前见过这个供应商,并且你确认过这个模式;但这并不意味着这笔特定交易的分类一定正确,因为供应商偶尔也会被用于不止一种用途。含糊不清、低频出现、依赖主观判断的交易,每一次都需要人来做最终决定,再多的模型改进也无法改变这一点,因为缺失的信息一开始就不在单据里。

一款自称能完全消除这层判断的工具,是在夸大任何提取系统——包括 DozaBooks 在内——实际能做到的事情。一个设计良好的系统真正能做到的,是把简单、重复、高频的情况处理好,让它们不再占用你的时间,这样需要判断力的部分才是你唯一要花时间应对的事。

信任它之前应该检查什么?

在让任何一笔 AI 分类的交易直接流入报表之前,先检查四件事:提取出的金额是否与原始单据一致、分类是否符合你的实际意图、任何被标记为低置信度的内容,以及对账总额是否与银行对账单一致。

• 金额和日期——数字读错或货币符号搞错,是最具破坏性的一种错误,因为除非你把提取出的数字与单据本身对照,否则根本发现不了。
• 分类,尤其是新的或不常出现的供应商——第一次出现的供应商没有历史修正记录可依据,它建议的分类只是一个大致猜测,而不是已确认的模式。
• 任何系统自己标记为低置信度的内容——一个设计良好的工具会告诉你它拿不准的地方;把这个标记当作待办事项,而不是可以忽略的噪音。
• 月末的对账总额——导入的银行流水和已记录的交易应该能对得上同一个数字;持续存在的差额,通常意味着某一方存在重复记录、缺漏的分录,或者一次改变了交易归属账户的错误分类。

最有效的习惯,是发现错误就立刻修正,而不是攒到月末再统一检查。因为 DozaBooks 会在你确认或修正一笔交易的那一刻就写入供应商对应规则,及时的修正能阻止同样的错误在本月剩余时间里重复出现;而在第四周才做的修正,只能改正那一笔交易本身。

定期抽查一下你有一段时间没有手动审核过的供应商,也是值得的。企业使用某个供应商的方式会随时间变化——同一个供应商后来可能被用于一次性的个人消费,或者一项订阅可能改变了价格或用途——而六个月前建立的对应关系,除非你告诉它,否则不会知道这些变化。

对小微企业来说,AI 记账值得吗?

对大多数拥有持续的收据、发票和银行流水的小微企业来说,这是值得的,因为节省下来的重复录入时间,超过了花在审核系统标记内容上的时间——但这并非对每家企业都成立,也值得坦诚地说清楚哪些企业不适合。

对于目前利用晚上空闲时间自己记账,或者请记账员主要用来重新录入收据、核对银行流水的企业主来说,回报往往来得最快。如果你的大多数交易来自一小群反复出现的供应商——同样的供货商、同样的周期性软件订阅、同样的那几个客户——供应商学习效应会很快显现,大多数月份会变成以审核和确认为主,而不是数据录入。

对于交易量确实很低的企业来说,适配度会弱一些,因为无论比例多高,每月节省下来的绝对时间都不多。对于单据大多是手写、褪色,或其他方式质量不佳的企业来说,适配度也会弱一些,因为这恰恰是提取需要最多人工修正的情况,原本省下的录入时间,有一部分会花在修正误读上。而且它并不会消除对模糊或个人/商业混合交易的判断需要——如果这类交易占了你支出的大头,不管用哪种工具,这部分工作都要计划由你自己来做。

还有一种情况是,有些企业刻意选择:亲自动手使用软件,而不是把审核工作交给别人。AI 记账软件,包括 DozaBooks 在内,依然期望你(或团队中的某个人)去查看它生成的结果。如果你真正想要的是把整件事完全交给一个人、自己不再操心,那更适合一项托管记账服务——DozaBooks 也提供这样的服务,由会计师审核软件本身无法解决的那大约 10% 的情况——而不是自助式工具,不管背后的自动化做得多好。

一个诚实的总结:对大多数普通小微企业的交易量而言,AI 记账缩短了"手里拿着收据"到"账目更新完毕"之间的距离,做法是把常规情况处理掉、不再占用你的时间,而不是把判断力从整个流程中移除。这是否值得每月的费用,取决于你实际要处理多少张收据,以及你的支出中有多大比例真正属于常规交易。

记账术语,用大白话讲清楚

本指南中出现的术语简明词汇表,写给需要经营一家企业的人,而不是受过会计训练的人。

• 记账(Bookkeeping)——持续记录企业发生的每一笔交易,区别于会计(Accounting),后者是建立在这些记录之上更广泛的分析和报告工作。
• 光学字符识别(OCR)——把文字图像(比如拍摄的收据)转换成机器可读文字的软件。
• 提取(Extraction)——从原始文字中提取出特定字段(供应商、金额、日期、税额),而不是把它留成一整段未加区分的文字。
• 分类(Categorization)——把一笔交易归入某个账户或费用类别,比如"差旅"或"办公用品",以便报表能把同类内容归到一起。
• 置信度分数(Confidence score)——系统对自己在某次分类或提取上有多大把握的自我评估,用来判断哪些内容需要人工审核。
• 对账(Reconciliation)——逐条核对你记录的交易是否与实际的银行或账户活动一致,让两个版本的财务记录保持一致。
• 损益表(P&L)——某段时期内收入减去支出的报告,显示企业在这段时间内是盈利还是亏损。
• 资产负债表(Balance sheet)——某一时间点企业拥有什么、欠什么的快照,分为资产、负债和权益。
• 应收账款(Receivables)——客户因已交付工作而欠企业的款项。
• 报销(Reimbursement)——偿还员工或业主因公事自掏腰包支付的费用。
• 供应商对应关系(Vendor mapping)——一条存储下来的规则,把某个特定供应商与你之前为其分配的分类关联起来,让该供应商未来的交易能自动以相同方式处理。
• 多币种(Multi-currency)——按交易实际发生时使用的币种记录,再在生成报表时进行换算,而不是在录入时就强行把每条记录都换成一种货币。