AI落地案例: 一家农业公司怎么用AI迭代财务工作?

在传统农业公司向智慧化转型的浪潮中，凯盛浩丰农业集团通过AI技术成功实现了财务工作的高效迭代。本文将带您走进这家番茄种植企业的财务变革之旅，看非技术背景的财务团队如何借助AI工具，在发票处理、对账流程、工资入账等场景中实现超乎想象的效率提升，为行业树立了AI落地应用的典范。

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”。

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。

01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

02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。

03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。