AI落地案例：一家农业公司怎么用AI迭代财务工作？

今天我想跟大家聊聊一个让我印象深刻的AI落地案例。

说实话，当我第一次看到这个数据的时候，我都有点不敢相信：7个会计6天的工作量，压缩到1个人半天完成。这不是科幻小说，而是一家农业公司财务部门的真实实践。

这个案例的主角叫付瑶，来自凯盛浩丰农业集团。你可能没听过这家公司，但你很可能吃过他们的产品——如果你在盒马鲜生、百果园买过「一颗大™」番茄，那就是他们家的。

说个小细节，你别一听到卖番茄的，就以为是传统意义上那种农户企业。它目前在全国17个省市建设了20多个智慧玻璃温室，总面积超过了3400亩。

他们的番茄是怎么种的呢？靠的全是数据和科技。单个温室里布了数百个传感器，每天产生30多万条数据记录。你可以把它想象成一个超级精密的“番茄智能工厂”。

凯盛浩丰的智慧玻璃温室航拍图

番茄智能工厂，布满了数百个传感器

温室通过精准调温调湿产出的番茄

在这样一家公司里，财务部门当然也不甘落后。付瑶所在的财务部，用三十多人承接着集团几十家子公司、基地的所有账务处理——要知道，按传统模式，这至少需要五六十人的团队。

2025年春节过后，这个财务团队开始了一场“AI+自动化”的实验。短短几个月时间，他们在三个核心场景实现了突破性进展：人工成本入账、对账流程、发票整理。

为什么要说突破性进展？因为我从付瑶那里听到了几个数字：

入账工作：从7人6-7天缩短到基本全AI自动化。
对账工作：从5天周期缩短到0.5天，效率提升了10倍。
发票整理：从3人3天缩短到1人0.5天，效率提升了18倍。

最让我感到惊喜的是什么？这些落地项目全部是由非技术背景的财务人员自己搞的，有些场景借助的工具就是DeepSeek、Kimi这些市面上通用的AI工具。

接下来我就来给你展开介绍下付瑶的实践。

发票处理用AI：从3人3天到1人半天

付瑶告诉我，因为他们公司过去几年已经做了一些数字化的基建，所以她日常都在总部的财务共享中心工作，几十家子公司的财务也能够按月做标准化处理。

但即便如此，他们团队，每个月还是会被入账、对账、发票整理等这些任务里的重复性操作，占去非常多的时间。

先从最容易理解的发票整理说起。

虽然现在90%都是电子发票，但整理归档仍然需要人工逐张核对。财务人员要做的是：核对开票内容、开票公司、金额，还要按照不同类别分类：广告类、服务类、采购类……这些信息后续要用于税务申报和成本分析。

付瑶说，他们集团，每个月都需要3个会计干3天，才能处理申报完当月的发票。

听到这里，你可能会想：现在不是有很多财务软件都有OCR发票识别功能吗？

确实有，但问题是这些软件的识别结果都是固定格式，不够灵活。今天你想要开票日期和金额，明天你想要税额和发票内容，这些软件就不行了。而且识别准确率也不够高，还是需要大量人工校对。

怎么办呢？付瑶他们发现，Kimi支持同时上传50个文件，这个功能简直是为批量发票处理量身定制的。

他们的做法是：

把员工提交的电子发票统一放到一个文件夹里，并且统一文件的命名格式；
把几百张发票分批上传给Kimi；
用专门设计的提示词让Kimi提取需要的信息字段。

下面是他们的提示词截图。他们不是简单地说“帮我整理发票”，而是明确告诉AI：我要哪几项信息，按照表格形式输出。

这个方案就非常灵活。今天想看开票日期和金额，就调整提示词；明天想看税额和发票内容，再调整一下。完全不需要依赖固定的软件功能。而且准确率很高，只要文件命名规范，基本不会出错。

让Kimi按照需求提取发票信息

财务对账用AI：从5天缩短到半天

发票这个场景比较简单，接下来我说说工资入账和公司对账。

不做财务的同学，肯定对这两个场景比较陌生，我先来简单描述一下付瑶他们都做哪些事情。

每个月发放工资前，他们的人力资源部会给几十家子公司，分别制作工资表，之后每家公司的会计按照工资表各自进行账务处理。

你能想象这是什么场景吗？有的会计会详细写“财务部6月份人工成本10万元”，有的偷懒只写“6月人工成本10万”。格式五花八门，完全没有统一标准。

每个月，付瑶他们都要分工处理这些表格，人工录入系统。录错数字、格式不统一是家常便饭。

但这还不是最痛苦的，让人更头疼的是对账。

不同子公司之间有各种业务往来：比如，一个技术员工这个月在A公司工作，下个月调到B公司，但工资还是A公司发放，费用却应该由B公司承担。这就形成了复杂的关联方往来——我帮你付工资，你欠我钱。

再比如，A公司种植的番茄运到B公司销售，出库和入库的时间不是同一天，账目统计的时间也就不一样……每一笔往来都需要双方确认，很复杂。

传统的对账方式是什么样的？付瑶告诉我，两个会计坐在一起，各自导出数据表，一笔一笔核对。“我这边记录你欠我10万，你那边记录了吗？”“这笔货款什么时候能确认？”

问题是，几十家公司意味着有上千种组合需要核对。今天张会计有空，明天李会计出差了，后天王会计又有其他紧急任务……一轮对账下来，往往需要3-5天，有时甚至拖到半个月。

付瑶说了一个细节让我印象特别深刻：“有时候上个月的数据你还没有来得及对完，这个月的数据又产生新的了，你要开启下一轮的对账了。”是不是光想想都觉得崩溃？

像入账和对账这两个任务，付瑶他们是怎么用AI来提效的呢？

针对不同公司之间的对账，付瑶他们就跟DeepSeek对话，写了一个Python脚本，做了个能自动化对账的程序。

DeepSeek写Python脚本，做自动对账程序

AI自动把对不上的账目汇总到新表

这个脚本可以从所有子公司单月共计3000多笔往来事项里做自动比对，把对不上的账目单独整合到一个新的表里。并且AI自动标注好每笔账的经手人，方便财务同事更快地做核实。

付瑶说，这个改变让整个团队的精神面貌都不一样了。以前一到月底的对账，大家就很头疼，还得协调时间坐一起对。现在，AI几秒钟就能对完两家出结果，同事只需要花半天时间去核实差异原因就行了。

工资入帐用AI：从7人6天缩短到1人半天

至于工资入账的提效方案，付瑶他们的思路是：既然问题出在数据源头不统一，那就从源头解决。

他们跟人力资源部协商，不再提供一张张分散的工资表，而是一张集团统一的数据大表。这张大表设计了标准化的入账格式，比如必须包含员工姓名、所属公司、部门、工资金额、代发情况等。

有了统一的数据源，后面的处理就简单了：

用Excel公式自动从大表中抓取数据，填充到财务系统的模板中；
通过Excel公式，将数据源与导入模板关联；
用DeepSeek编写代码，自动填充部门、科目等信息；
用影刀的流程自动化机器人，一键导入各个子公司的数据。

入账用AI：借助DeepSeek编写代码，自动填充部门、科目等信息

这套流程跑通后，原来需要7个会计工作6-7天，现在基本实现了全自动化。会计们只需要在月底看一眼几个关键科目的余额，确认没问题就行了。

更重要的是，由于数据源统一，那些复杂的跨公司往来关系也得到了根本性解决。一笔业务只会产生一条记录，不会再出现两边数据不一致的情况。

当然，这个过程也不是一帆风顺的。他们遇到了不少挑战，比如AI能力边界问题。

在人工成本入账项目中，团队发现AI在处理复杂的关联方数据时准确率不高。所以还是用了传统工具Excel的现有功能。而且针对财务数据的安全顾虑，他们在用AI的过程中会严格进行脱敏处理，确保敏感信息不泄露。

聊到最后，我问付瑶：如果有其他财务同行想要复制你们的经验，你会给什么建议？

她总结了一句话：AI确实是一个好用的工具，如果想用好它，我们先要学会拆解复杂问题。就跟剥洋葱一样，一层层拆解。

付瑶也分享了一下她自己的拆解思路：

明确目标：我到底想要达成什么效果？
分解步骤：达成这个目标需要哪几个关键步骤？
逐个攻克：每个步骤要怎么做、做到什么程度才算完成？
整合优化：把各个步骤串联起来，形成完整流程。

她特别强调，如果你把一个复杂问题直接丢给AI，它可能会按照自己的理解去拆解，结果可能不是你想要的。但如果你先拆成一个一个的单点任务，然后把明确的要求告诉AI，效果会好很多，过程中再不断优化提示词，直到AI输出满意的结果。

比如在入账场景中，她没有让AI直接处理“工资入账”这个大问题，而是拆解成“数据源统一”、“字段匹配”、“格式转换”、“自动导入”等小问题，每个小问题都有明确的输入输出标准。

听完付瑶的分享，我深切地感受到：AI时代真正的实干家，不是那些掌握最先进技术的人，而是那些最懂业务、最会拆解问题的人。

付瑶他们团队，都没有技术背景，但因为他们对财务业务的理解足够深，对问题的拆解足够细，所以才能把AI用得这么好。

付瑶他们的实践还在继续。她告诉我，他们内部由财务总监吴良才老师带头，会按月做业务痛点场景的复盘，正在把这套方法论复制到费用报销审核、采购成本核算等其他财务场景中，下一步围绕AI设计财务工作流程。

这就是AI时代的魅力：它让每个人都有机会成为自己领域的创新者。

这家农业公司用AI迭代财务工作的案例就分享到这里。如果付瑶他们有新的落地场景和实践，我会继续给大家介绍。

AI真落地，才是生产力。借这个案例，我也想发起一个征集：如果你也在探索AI在自己所在行业或者在实际工作中的应用，欢迎你扫码填写下方的问卷，分享你的实践，或者帮我把这个问卷分享出去。

只要够落地，我们会约你的时间做更深入的交流，让更多人认识你。

{{userData.name}}已认证

AI落地案例：一家农业公司怎么用AI迭代财务工作？

未来五年最值得普通人拥有的能力：打造属于自己的 AI 专家系统

Palantir FDE的一天：我们不仅仅是工程师，更是问题的解决者