KeyFrame內部研究專用

I Rebuilt This 46-Person Accounting Firm With AI (in 4 Days)

Liam Ottley英文
觀看原始影片

三句話摘要

4天內用AI代理自動化英國頂級會計事務所的重複性工作文件流程,實現50-60倍效率提升。 在受監管的專業服務行業,成功的AI自動化不是技術問題,而是如何透過系統化方法(量化浪費 → 知識提取 → 人類監督)把隱性知識編碼為可執行流程。 時間浪費的精準量化決策:不是盲目自動化所有工作,而是先審計17種工作文件類型,按頻率×難度×耗時三維評估,優先處理「100%客戶需要、難度低、耗時1小時」的VAT工作,月度可節省250小時。這套優先順序框架確保投入產出比最高。

重點整理

  1. 時間浪費的精準量化決策:不是盲目自動化所有工作,而是先審計17種工作文件類型,按頻率×難度×耗時三維評估,優先處理「100%客戶需要、難度低、耗時1小時」的VAT工作,月度可節省250小時。這套優先順序框架確保投入產出比最高。

  2. 知識提取是最大瓶頸:會計師的業務流程、客戶規則、阻塞點處理方式都存在員工腦中,不只在試算表。系統必須透過語音對話、訪談等方式萃取隱性知識,給AI代理充分的上下文,否則全自動化會失效。

  3. 人類監督的法律必需性:在受監管行業,AI可完成工作但無法負法律責任,必須由持證會計師簽署。設計上採用「人類在迴圈中」架構——AI自動完成初步工作、標記異常、人類審查後轉交專家——既節省時間又保持合規。

  4. 資料庫是AI基礎建設:試算表代表技術落後,無法支撐現代AI系統。必須建立統一資料庫存放公司數據與知識(包括整本稅法被分解成可查詢的規則),AI系統才有正確的基礎運行。

實用技巧與重點

  • 工具與平台
  • Kylon(AI代理工作平台)、Claude Design、API整合、語音代理
  • 具體數據
  • 25名會計師 × 每週20小時 = 月度250小時工作量
  • 17種工作文件類型(VAT、月結、年結、自評稅)
  • VAT工作:100%客戶需求、難度低、耗時1小時 → 優先目標
  • 預期效率提升:50-60倍
  • 工作流程架構
  • 代理初始化:命名 → 設定個性 → 提供公司網站 → 驗證理解
  • VAT調和流:代理執行 → 標記狀態(綠/紅/橙) → 人類審查 → 轉交VAT專家
  • 調和狀態流:銀行調和完成 → 調和開始 → 遇到阻塞 → 自動檢索 → 必要時升級人類 → 調和完成 → 調整/觸發
  • 阻塞類型:源資料不匹配、缺少客戶資訊
  • 4天執行時程
  • 第1天:17個工作文件時間審計與優先順序排定
  • 第2天:試算表→資料庫遷移、稅法知識編碼、代理框架建立
  • 第3天:語音代理進行上下文提取訪談、知識轉移
  • 第4天:端到端測試、UI儀表板開發、交付代碼庫
  • 最終驗證
  • VAT調和測試結果與會計師手工計算完全相符

結論

在受監管的專業服務行業,成功的AI自動化不是技術問題,而是如何透過系統化方法(量化浪費 → 知識提取 → 人類監督)把隱性知識編碼為可執行流程。

完整解析

這個故事從一個簡單的問題開始:為什麼一家英國成長最快、連續5年100%成長的會計事務所,還要讓25名會計師每週各花20小時做重複性的手工文件?Thomas and Co的創辦人Josh Thomas面臨的窘境是,業務成長快但效率陷阱深——團隊被「死於千刀」式的碎片化任務困住。

會計工作的本質決定了這個問題的存在。每一份客戶帳目中的每個數字都必須有支持文件證實(working papers),但這不是一個大任務,而是無數個15分鐘、20分鐘、30分鐘的小任務散佈在整週。第一步診斷,講者把所有17種工作文件類型列上白板,逐一測量:頻率、難度、耗時。目的不是自動化一切,而是找出最高效益的切入點。VAT調和脫穎而出——所有客戶都需要、難度低、耗時1小時。如果自動化,月度可節省250小時。

但自動化會計工作遠比自動化一般流程複雜。會計師的知識層多:他們知道客戶如何運作、什麼情況下會出現數據不匹配、應該如何和客戶溝通、什麼時候該升級給稅務專家。這些隱性知識全在員工腦中,不在系統裡。系統必須從零開始萃取這些知識。同時,監管行業有法律要求:AI可以做初步工作,但最終簽署必須由持證人員負責。這意味著設計上不能是「完全自動」,而是「人類在迴圈中」——AI處理初步工作、標記問題、人類審查後轉交。

技術架構上有個關鍵轉變:從試算表到資料庫。試算表是死的、孤立的;資料庫能存放所有公司數據、稅法知識、業務邏輯。Josh的開發者開始把試算表遷移到統一資料庫,同時把整本稅法分解成可查詢的規則。然後使用Kylon平台啟動AI代理。過程很直白:命名代理、設定個性、提供業務背景(網站連結)、讓代理讀取並驗證理解、定義要自動化的工作流。

最驚人的一刻發生在第3天——系統甚至可以透過語音進行上下文提取。講者可以和一個Kylon代理進行自然對話,就像和同事通話一樣,討論團隊如何運作、工作流程、阻塞點、客戶溝通方式等,代理邊聽邊理解並整理成結構化知識。這比傳統的「回覆文件」或「手寫流程圖」快得多。

4天內從無到有。但最後一天的焦點不在構建,而在交付。開發者把整套流程打包成代碼庫,讓Thomas and Co的團隊未來自己能運行,不用依賴外部。同時開發了UI儀表板,讓Josh能實時看到代理在做什麼、標記了哪些問題。當端到端測試最終執行時——甚至是在遊艇上——系統的VAT調和結果與會計師的手工計算完全相符。這不只是概念驗證,而是真實可用的系統。

Josh的願景更宏大:一旦VAT工作完美無缺,相同的基礎架構可以複製到所有其他16種工作文件類型。最終成果將是效率提升50-60倍,同時提升客戶服務品質。對他個人而言,這還關乎更深層的「為什麼」——祖父的教導讓他明白,財富積累如果沒有時間去享受就失去意義,所以他想建立一個高效的業務,好有時間和妻子Jasmine、家人共度光陰。

4 min
AI 技術中文11月21日

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab看原片 ↗
  • Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。
  • 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。
編輯精選
企業管理英文11月21日

What Anthropic's $900 Billion Bet Means for You

Nate Herk看原片 ↗
  • 訂閱用戶成為上市公司的收益基礎:4000 萬名小客戶(含 Claude Pro、Max、Ultra 或 API 用戶)合計貢獻 25% 的收入,形成 Wall Street 下注的對象。用戶每次訂閱續約都直接影響 Anthropic 股價,
  • 循環融資制造生態系統性風險:Amazon、Google、Broadcom 與 Nvidia 等公司既是投資者、又是運算服務提供商,同時採購 Anthropic 服務,形成相互依賴的閉環。若任一環節需求放緩,所有參與者將同時受創,系統風險無法
編輯精選
AI 技術英文11月20日

6 Lessons I Learned From Installing AI in a $10M Business

Liam Ottley看原片 ↗
  • AI 負責前 80% 工作,人的品味決定最後 20% — 系統一開始生成的提案很基礎,直到 Isaac 的設計師介入決定風格、選擇產品後,品質才大幅提升。需要將品味優秀的員工的規則和案例提供給 AI,讓初版更接近他們的標準。
  • 聚焦單一瓶頸,不要全面改造 — 分析發現提案環節是最大痛點:每月 15-20 張圖、每張 10 小時、成本 $500-1000、9 成無結果。選擇同時改善速度、成本、品質的用例,才是 AI 真正發揮價值的地方。