一个跑在工厂内网里的 AI 对账合同工具

上月底，我在一个镇上的五金厂看财务对账。他们财务从下午两点对着银行流水和厂里出货单一笔笔对，对到快五点。银行那本叫"借方"，厂里叫"支出"；金额一个填"元"、一个填"万元"；有张发票是扫描件，字迹模糊。对完发现差一笔三千多块，死活对不上。老板原话："这钱跑哪去了，我都不知道该问谁。"他后来问我："你一个银行的，怎么比我们财务还清楚这些？"

其实不奇怪——银行每天干的也是对账和审合同，只不过对象从储户、贷款人换成了供应商和客户。区别只在，银行的账错不起，方法被磨得很细。

这不是孤例。我接触过的工厂，月底卡住的就两件事：对账、审合同。区别只在卡得多狠，一般都会说月底和月头最忙。

对账：机器认列名，人只确认差异

工厂的账天生两本：银行流水一本，厂里 ERP 或账单系统一本。人工逐笔对，四类错最容易漏——钱没到账（未达账）、金额对不上、同一笔重复记、借贷方向搞反。

供应商说货款付了、你账上没到，就是未达账；一笔运费不小心记两次，就是重复记账。人眼连翻几百行，漏一两条太正常。

"没到账、借贷方向搞反"这套分法，不是我想出来的，是银行做银企对账的标准科目。我在柜台时，未达账和在途资金每月必核，差一分都要挂账查。所以这套 AI 助手是按"对账风控"做的，不是简单比表格——四类差错一早就把框分好了，机器照着框去标，不会漏掉人眼容易跳过的那类。

我们做的"AI 对账合同助手"跑在厂自己的服务器上，不上外网。把银行流水、厂里账单丢进去——Excel、PDF、甚至扫描的发票图都行——它做三件事：

• 认出哪本是银行账、哪本是厂里账，把列名自动对齐（设计目标：错映射率低于 1%）；
• 抓关键数字（设计目标：关键字段抽取准确率 95% 以上）；
• 几秒内把差异标红列出来：哪笔没到账、差多少、哪笔重复、哪笔方向反了，每条都带"出处"，点开看依据。

速度按工程文档是秒级。关键一点：它只标红，确认和导出由你财务拍板——不是谦虚，是这种涉及钱的活儿本就该人为责任最后把关。

合同：先扫风险档，再决定改不改

采购、销售合同动辄几十页。付款节点、违约条款、质保期、验收标准，漏看一条，事后补救的功夫比审合同那半天多得多。

AI 助手的做法：合同传上去，本地模型把风险条款揪出来，分高、中、低三档，直接标"这条强制条款你缺了""这句对咱不利，建议这样改"。依据是厂里存的历史合同模板和行业准则，不是凭空给建议。导出前得一条条确认完，AI 不替你签字。

风险分高、中、低三档、每条带依据——这套做法跟我当年审授信合同是同一个逻辑。银行放款前必须逐条核违约条款和担保，漏一条就是一笔不良。所以对我而言，给合同分级不是功能亮点，是职业习惯，省不掉。

数据：断网也能跑，权限分四级

前两项说得再顺，老板第一句往往是："这得联网吧？我订单、客户、报价都在里面。"

这套 AI 工具从设计上就是给怕泄密的工厂用的：模型和数据都待在厂里机器上，拔了网线也能用，数据不出厂。权限分四级——老板、IT、财务、车间，各看各的；谁动了什么有审计留痕；接你们数据库只允许"只读"，改不了原始数据。

数据不出厂、接库只读，不是我格外谨慎。在银行体系里，客户资料外泄是监管事故，不是职业道德问题——红线写进操作流程，谁碰谁担责。我把那条红线原样搬进了这套 AI 工具。这也是为什么我反复说"人在环"：银行里再智能的系统，最后一步也得人复核签字，这套规矩我用到了这里。

那为什么不直接开个豆包？

有人会问：现在豆包、文心、通义这些都能传文件、能问答，开个会员不就完了，何必费劲上你这套？

我直说两个它替代不了的点。

第一是数据放在哪。你拿豆包审采购合同，合同和流水是传到人家服务器上的——等于把厂里账本交出去，让人家模型"看"一遍。通用 AI 厂商有保密协议，但那是对"平台"的约束，不是对"你这笔订单、这家客户、这个报价"的隔离。我们这套 AI 工具跑在厂自己机器上，断网能用、数据不出厂，前面说过。对怕泄密的工厂，这中间的差别不是"更方便"，是"敢不敢用"。

第二是它懂不懂你这行。通用 AI 见过海量合同，但那些不是你这行的；它给的修改建议，多是通用套路。我们的模型只学你厂里存的历史合同模板和你们行业的准则，规则范围就圈在这家公司——同样的"付款节点""质保期"，它按你厂过去怎么签、这行怎么约定去判断，不是拿网上千篇一律的模板套。范围收得窄，对你这厂反而更贴、更准。

（这点是设计上的逻辑：把模型约束在"本公司数据 + 行业准则"内，而非拿通用大模型泛答。实际准到什么程度，仍以你厂验收数据为准。）

落到公司：优化的是这三个流程

别把它只当个"AI 对账小工具"。它梳理的是公司天天在跑的三条业务流程：

• 月结对账流程
  原来财务月底花两三天一笔笔核，现在 AI 先把差异标出来，财务只复核确认。核账从"从头翻"变成"看标红"，人从重复劳动里腾出来。
• 合同评审流程
  采购、销售合同原来靠老板或财务抽空翻，现在 AI 先分级标风险、给修改建议，评审从"凭经验扫"变成"按风险档过"。漏看关键条款的概率低了，事后扯皮也少。
• 数据合规流程
  原来要么用外部 SaaS（数据出去不放心），要么硬扛手工。现在跑在内网、接库只读，这条线不用再纠结"用还是不用"。

账理清楚、风险可控、数据留在自己手里——这三件加上，工厂的管理底子就厚了一层。

账清楚，跟银行的合作也顺。这点作为银行经验得点一句：工厂账理清楚了，结算户更好开、流水贷和授信更好谈。AI 助手不只是省了财务时间，它把"银企对账"这件基础活做扎实，后面结算、贷款、理财、授信的金融合作，自然更顺——这是银行人做这套 AI 工具，顺手能接住的另一层价值。

怎么开始

不画大饼。第一步是先填一张信息对齐表——硬件、网络、数据源几项，摸清你厂的环境。确认清楚后，按改造清单的排期，单厂首套约一到两周能在你厂里跑起来。

想先判断适不适合：私信"对账"，我发你份《企业 AI 落地诊断表》，先看这摊活儿值不值得上。