讓 AI 幫小店對帳：它認得單據，但不替你按入帳

一家小火鍋店收班時，面前不是一份整齊資料，而是某台 POS 的日結、手寫點鈔單、廠商貨款單與刷卡結帳單。AI 真正有用的地方，是先把這些碎片整理成可以核對的草稿，卻不把「辨識出來」誤當成「已經確認」。

01 對帳不是把數字搬進表格

表面工作是抄數字，真正工作是判斷四種紀錄是否描述同一天。日結上的營業總額、抽屜裡的現金、當天收到的貨款單與刷卡入帳，各自只說明收班的一部分。

手動輸入反而容易遮住這些差別。老闆過去看著日結把數字打進試算表，遇到差額時再憑記憶回想；等忙完再查，班次裡的細節往往已經模糊。

好的自動化應保留資料之間的差異。它省下重複抄寫，也讓每一個數字從哪裡來、代表什麼，更容易被看見。

單據類型決定數字可能代表什麼。日結有銷售與收款分類，點鈔單是實際現金，貨款單記錄支出或應付，刷卡單則是特定管道的結算。

照片品質因此也是對帳流程的一部分。照片丟進店務群組後曾被壓縮，淡色小字與表格線一起消失；模型不是不會讀，而是失去了分辨標籤與合計的證據。

看不清的來源應該產生問題，而不是估計。系統要請人補原圖或近拍，把欄位標成待確認，讓草稿保持未完成，直到證據補齊。

面對模糊數字，安全的答案不是更有自信地猜，而是留下一個清楚可見的缺口。

貨款單證明有一筆支出，卻不說錢從哪裡離開。若廠商已用轉帳付款，系統卻把它列成現金支出，所有金額都辨識正確，現金帳仍會差一大截。

交易與付款必須拆成不同欄位。金額、日期、來源、分類與付款方式彼此相關，卻不能因其中一項存在，就自動推定另一項。

缺少付款方式時就應該維持缺少。草稿可以根據過去紀錄提出建議，但必須標明那只是建議，等老闆確認後才能改動現金位置。

每天能否對平，取決於收款地圖是否完整。表格若只有現金與刷卡，卻漏掉當天使用的行動支付，系統從一開始就沒有位置安放那筆收入。

把陌生單據硬塞進最接近的分類，只會把遺漏藏起來。系統應保留「未登記管道」，顯示尚未配對的金額，再請人做一次映射，之後才沿用。

完整比看似精準更重要。少了一個管道卻得到漂亮合計，比草稿坦白留著一列待確認更不可靠。

AI 的輸出應停在可複查的草稿。每個擷取數字旁邊，都要看得到原始影像、單據類型、預計欄位，以及信心或例外狀態，不必重新追查整段過程。

老闆核對的是關係，不只是一串數字。現金進出是否符合點鈔結果？轉帳是否誤列現金？每個收款管道是否都出現？同一張單據是否上傳兩次？

只有老闆能把草稿變成正式紀錄。最後一按同時確認數字，也確認店裡如何理解這筆交易。

穩定的流程要先設計常見失敗。模糊影像、合計矛盾、重複上傳、付款方式不明與新收款管道，都應進入看得見的待辦，而不是消失在一個看似合理的答案裡。

修正可以讓下一份草稿更準，卻不能改寫歷史。系統可以記住某種版面屬於哪類單據、某個管道對應哪個欄位，同時保留這次是誰改了什麼、為什麼改。

成功不是追求最高自動化比例。少一點手動抄寫、少一點收班後說不明的差額，而且沒有不確定項目悄悄變成事實，才是更可靠的衡量。

最後一按不是尚未消除的摩擦。它是熟悉現場的人，對一筆即將影響現金、採購與後續判斷的紀錄承擔責任。

AI 的價值發生在那之前。它分類單據、抄錄可讀欄位、檢查彼此關係，再把問題問得具體，讓老闆把注意力放在例外，而不是反覆輸入。

第一，分開證據與解讀。保留原始單據，先辨認類型，再把金額、付款方式與收款管道當成不同事實。

第二，讓不確定可以被處理。缺影像就補影像，缺方式就確認方式，出現新管道就建立映射，不用猜測填滿空格。

第三，把入帳留給負責的人。AI 建立並檢查草稿；人確認這筆紀錄的意思，再決定何時讓它成為正式資料。

NUVERIQO 觀點記錄自動化與責任之間的實作邊界。本文情境均已去識別。