先讲一个真实场景。
做代账的同行都熟悉：月末拿到客户一沓银行流水，几百笔交易，摘要五花八门——「转账」「货款」「备用金」「往来款」，一笔一笔判断科目、一张一张录凭证。一个熟练会计做一家小客户的流水，2 小时起步；客户一多，月末就是连轴转。
这恰恰是 AI 目前做得最成熟的一件事。今天把「一份银行流水交给 AI」的全过程完整拆给你看——每一步 AI 做什么、人核什么，看完就能上手。
第一步：导入，先把「脏数据」变成「标准数据」
银行流水导出后经常是脏的：日期格式五花八门、金额带空格、还有重复行。
过去人工一列一列清理，现在交给系统批量预处理：去重、统一日期格式、金额规范化、空值标记。几百条流水，这一步不到 1 分钟。
要点：预处理不是可有可无的杂活，它直接决定后面识别的准确率。垃圾进，垃圾出——这句话对 AI 和对人都成立。
第二步：识别，AI 读的是「摘要 + 对方户名 + 金额」
流水记账的难点从来不是录入，是判断：这笔钱是什么业务？
AI 做的方式和人一样——看三样东西：
- 交易摘要
：「支付办公室租金」→ 管理费用； - 对方户名
：户名是长期供应商 → 应付账款；是个人且金额规律 → 可能是工资； - 金额特征
：整数大额、月末集中 → 可能是税费或分红。
三个信号交叉判断，AI 对交易逐笔打标签，给出建议科目和置信度。置信度低的交易会被单独标出来，而不是混在里面蒙混过关。
第三步：匹配，生成凭证初稿
识别完成后，AI 按客户账套的科目体系批量生成凭证初稿：
-
银行收到客户货款 → 借：银行存款 / 贷：主营业务收入、应交税费； -
支付供应商货款 → 借：应付账款 / 贷：银行存款； -
支付办公室租金 → 借：管理费用—租赁费 / 贷：银行存款。
注意：这一步产出的是「初稿」，不是「成品」。 下面这一步，才是人和 AI 的分界线。
第四步：复核，会计的 4 个必查点
AI 生成的凭证初稿，人工过一遍再入账。四个必查点：
1. 低置信度交易逐笔看。 系统标记出来的模糊交易（摘要只写「转账」「往来」的），必须人工判断。AI 不会猜错方向，但它会诚实地告诉你「我不确定」——不确定的那部分，就是你的专业价值所在。
2. 往来科目核户名。 应收应付挂错客户/供应商，月底对账就是灾难。AI 匹配的往来户名和账套里的往来单位要对得上。
3. 大额和整数敏感。 金额明显异常（一笔「办公用品」50 万）、月末整数大额（可能分红、可能税费），单独核。
4. 勾稽关系全量验。 收支合计与银行对账单勾稽、凭证借贷平衡——系统自动跑全量校验，人工确认异常清单即可。
复核的量有多大？实测：300 笔流水的凭证初稿，重点复核 20-30 笔，其余抽检。 2 小时的活，变成 10 分钟。
第五步：沉淀，客户的「科目习惯」越用越准
这是 AI 做账和纯人工最大的区别：人工核对过的判断，系统会记住。
这家客户习惯把物流费挂「销售费用—运杂费」而不是「管理费用」，你纠正过一次，下个月同类交易 AI 直接按正确口径出初稿。客户的科目习惯、特殊业务处理，从「老会计脑子里的经验」变成「系统里的规则」——人走了经验不带走，机构的服务质量不随人员流动而波动。
三句大实话，说给还在观望的同行
1. AI 不替代判断，替代的是重复劳动。 分录方向、税务口径、科目选择的对错，最后签字的是你。「机器给初稿，你给答案」——这是金抖抖 AI 的产品理念，也是用 AI 的正确姿势。
2. 数据安全是红线。 客户流水不要随手丢给公共大模型网页版聊天框。用正式系统走加密存储，脱敏测试先行——连寺庙香火钱都要求进对公账户的监管环境下，数据合规没有侥幸。
3. 早用早受益，晚用不淘汰，但客户会选。 同样 300 笔流水，同行 10 分钟出初稿、你 2 小时手工录——报价相同的情况下，客户会怎么选，不难想。
🎁 想亲测「2 小时变 10 分钟」的，扫码或回复「试用」，领 7 天免费体验，拿你手头最烦的那份流水试一次。
💬 评论区聊聊：你们现在做一家客户的流水要多久？我们想看看同行的真实水平。