会计 / 记账 · 任务逐条

录入与科目归类

这是结构化输入 + 固定输出格式 + 明确对错信号 —— 规则自动化和文档识别模型都最擅长的条件。银行直连和 OCR 已经侵蚀了十年,大模型主要是把剩下的边缘情况也吃掉了。

不等于岗位消失。在中小事务所,录入和顾问是同一个人做的;自动化掉录入那一半,先改变的是工作形态,不是岗位数量。

对账

只要标识干净,匹配就是已解决的计算问题。留给人的是对不上的那部分尾巴 —— 而判断力恰恰就在这条尾巴里。

对不上的那个尾巴,不会随着能对上的量成比例缩小。对账自动化到 95% 的事务所,仍然需要有人去追剩下的 5% —— 而那个人恰恰要见过前面 95% 才认得出哪里不对。

法定申报与税务合规

机械部分软件做了很多年,但申报是否正确的责任要有人承担。责任无法转移给工具 —— 所以即使工作大部分被自动化,人仍然留在环节里。

责任这条护住的是「签字」,不是签字背后的准备工时。合理预期是每份申报的工时下降,而不是需要具名负责的申报变少。

向决策者解释数字

需要了解这门生意、了解你在建议的这个人、以及他没说出口的部分。模型可以起草分析,但承担不了这段关系,也承担不了建议的后果。

难以自动化不等于有需求。顾问工作集中在这个行业资深的那一半;录入工作消失的初级会计,并不会自动走到这一步。

判断模糊情形

模糊处理正是会计从「查表」变成「专业判断」的地方。判断错了代价很高,而且理由必须经得起审计或监管的追问。

模糊情形的数量只占全部交易的一小部分。这项任务护住的是「这个角色有必要存在」,不是它需要多少工时。

监督自动化本身

当账簿越来越多由机器产出,稀缺能力就从「做分录」转向「知道输出什么时候是错的」。职业道德守则现在要求依赖技术输出之前先作判断,并点名了自动化偏见;中国的规定让系统审核它能审的凭证、其余由人审核,并把审核规则本身列为需要审签的东西;丹麦接受调查的会计师把检查 AI 生成的财务输出列为自己的新任务。

新工作不等于新编制,这项任务通常由已经在岗的人吸收,而不是新招人来做。而且它需要的判断力,恰恰是靠做那些正在消失的工作练出来的。