我给自己定了个锚:不替代整个部门,只替代某条业务线的10%,年收益50万就算成功。

这个数字把"帮企业算账"从一句空话拉成了可以验的东西。它不大,但够具体——够我判断一套方案值不值得做。

我手上能凑齐的栈:n8n(自托管工作流)、多模态模型调用(视觉和OCR)、一个API中转站(但合规身份没解决,不能上生产)、还有一台能跑东西的机器。我用这套栈去研究一个问题:传统行业里那些"10到20个人干录入、慢、还出错"的业务线,我能切走多少?

一位做企业服务的前辈给我指了三个方向——HR招聘、资管录入、财务校验,还给了一句利益捆绑的底层逻辑:不可替代、不冲突、信息不对称。我把这三个方向连同另外六个一起研究了一遍,跑了10个agent并行(8路研究加2路综合),搜索走Tavily加秘塔双引擎交叉验证。

先泼一盆冷水

“一台机器一小时顶3到5个员工一天的活”——这句话我爱对老板说,因为它一句话就把账算完了。但我这次认真验了一遍,它站不太住。

负责挑刺的那个综合agent标了:“经验口径,未独立验证”。真实场景里,你要识别的不是demo里干净的PDF,是员工用手机拍的资产标签——倾斜的、模糊的、反光的。OCR在理想条件下错误率低于0.5%,真实场景远高于此。实际替代比可能掉到1比1到1比2,不是1比3到5。这话术的算账基础会被动摇。

所以这篇不是 hype。我把能半天写完的、合规怎么解的、渠道怎么找的都写下来,也把会翻车的地方都标出来。

九个方向,一张表

我把九个方向放进一张表,按四个维度打分(1到10):半天能不能建出原型、50万/年潜力、合规容易度、中间人触达度。

第一名不是HR招聘,是资管录入。三条都对我有利:半天能跑通原型(标准OCR加多模态,不用复杂的系统对接)、合规最轻(企业经营数据不是个人隐私,数据不出境就行)、官方AI火力弱(金蝶用友的官方AI集中在发票财税,不碰资产录入)。

HR招聘排到第四,不是不能做,是简历里全是个人信息(姓名、电话、身份证号),个保法合规是中高阶风险——候选人投简历不等于同意你拿去给第三方AI解析。前辈建议的顺序是:先用资管录入跑通免费闭环,再升级到HR和财务校验。我采纳了。

财务校验排第二,单客价值最高(一家大企业财务共享中心就能到40到50万/年),但合规壁垒也最高:要碰税务申报、商业机密,报销单里还有身份证号和银行账号。适合在资管录入攒了经验之后再去碰。

n8n这层窗户纸到底在哪

这是我必须亲手做一遍才知道的事。

结论:半天能跑通一个能演示的原型,但那不是生产可用。生产级每个客户还要3到5天。研究列了8个真坑:

1. Webhook生产配置——n8n社区排名第一的高频问题,要配Nginx反向代理加HTTPS,半天到一天。
2. 真实OCR准确率——手机拍的照片远低于demo。
3. LLM返回JSON不稳定——要加schema校验加重试加降级,调试占整个项目三分之一时间。
4. 每家客户的ERP/WMS接口都不一样,要单独适配,0.5到1天。
5. 错误处理和可观测性,至少多一天。
6. 数据映射表达式、凭证管理、分页限流——这些倒是一捅就破的窗户纸。
7. 一套工作流复用到不同客户,前三个每个要定制15%到30%的节点逻辑(不同ERP接口、不同字段定义、不同邮件模板),第四个起边际成本才降。
8. 多模态接入——在n8n里调视觉/OCR模型(自托管LLM或中转站)的现实路径,凭证和超时是坑。

所以"标准化"不是第一天就能做的事,得熬过前三个客户。半天写完一套工作流是真的,但那是个能演示的原型,不是能收费的生产系统。这两件事的差距,是这行最大的认知陷阱。

中转站不能裸跑

我的API中转站合规身份没解决,所以它不上生产。研究给了明确出路:靠阿里云百炼这座山。

百炼(通义千问系列)2024年4月就在国家网信办首批117款大模型备案名单里。接入百炼做二级应用(ISV身份),用它的已备案模型,自己只需要补做两件轻量的事:

一是大模型登记,不是备案。你只是调用已备案API,走登记制,地方网信办1到2个月,审核难度低,材料里注明百炼基座模型的备案编号就行。最重的那种大模型备案是给自研模型的,你不用走。

二是算法备案。这一条我得诚实修正:研究一开始写得太绝对。生成式人工智能服务管理暂行办法管的是"向中国境内公众提供服务"。我做的是B2B定向企业交付(代账公司内部用),严格说大概率不落入"面向公众",登记和算法备案可能都不触发。正确做法是先书面咨询属地网信办确认,别一上来就花1到5万请代办——可能根本不需要花这个钱。

过渡期怎么跑:只走百炼直连,中转站降级成内部模型路由层不对外提供服务,先做免费案例不收费(不收费就不触发ICP经营许可证这道硬门槛),数据全部境内闭环。绝不上境外模型,绝不用中转站对外裸跑。

怎么不被锁死在百炼一家:DeepSeek是MIT协议,允许商用、再分发、修改、无地域限制。等业务跑通有收入了,自部署DeepSeek当自有算力底座,那时候再走完整大模型备案,百炼和自部署双轨。所以DeepSeek是退路保险,不是现在的生产选择。

还有个我得补的门槛:ICP经营许可证。研究只说"开始收费时申请",漏了硬门槛——注册资本不低于100万、内资、多数省份要3名员工社保、得先有ICP备案。对一个独立开发者这不是顺手能办的,可能耗几个月。要么提前评估,要么调商业模式(不自建平台、嵌入客户已有系统,可能就不触发经营性互联网信息服务这道门槛)。

模型选型:通义千问VL-OCR(图片识别,约0.005元/千token)加DeepSeek-V3(文本分析校验,1元/1M输入),都在备案名单里。一份简历或发票增量成本不到0.01元,年处理1万份API费50到100元——LLM便宜到几乎不是成本,主要成本是n8n自托管运维加上自己的开发维护时间。

找中间人,不找C端

我首切的对象是代账公司和财税顾问。原因很实在:全国70%的中小微企业是通过代账公司被触达的,而且代账的"录入发票、对账"是纯成本中心,跟他们赚钱的"报税筹划"收入中心边界最清晰,正好满足"不冲突"那条。

合作形式两条腿:

白标——我建的发票OCR工作流,代账贴自己牌子向客户卖"AI智能记账增值包",代账费从200涨到300到500元/月,溢价差他拿,我收技术服务费。

嵌入式——工作流直接插进代账日常作业,我收月度技术服务费500到2000元/公司。

利益捆绑三原则怎么落地成动作:

不可替代——我独占n8n工作流编排加LLM调优这套栈,代账自己建不起来。不冲突——我只动录入校验这个成本中心,不碰他们报税筹划这个收入中心。信息不对称——老板不知道机器成本只有人力的1/5到1/10,中间人知道客户预算上限,我知道AI基础设施真实成本,两边约定不向老板披露这个差额,把信息差变现。

开口第一句话:“我不要你的钱,免费帮你跑一个月。一台机器一小时顶你三五个会计一整天录发票的量,你收客户的钱一分不少。不行你一分不付。” 用免费把信任门槛降到最低,跑通了用结果说话再谈钱。

但这里有个对手风险我得标出来:ERP经销商可能更愿意推金蝶用友自己的官方AI模块,而不是我这个第三方n8n方案。我得去找官方覆盖不到的跨系统缝隙场景才有活路。前辈没展开这个,我得在实战里摸。

对老板的话术,和诚实的算账

对老板只说几句:一个员工一年多少钱,一个机器一年多少钱。

研究给了一段完整话术:

你们一个会计,一年工资加社保公积金,差不多七八万到十万块。一台机器,一年服务器费加接口费撑死三千到六千块,一小时处理的发票量顶你们三到五个会计一整天手动录的。我不收钱,先免费跑一个月给你看效果。能帮你把记账录入这块砍下来十分之一,你收客户的钱一分不少。行的话以后按月给点技术服务费,比雇人便宜多了。

但50万这笔账我得诚实修正。研究里三套定价口径打架:中型客户口径12到16万/家/年、代账月费口径0.6到2.4万/家/年、分润示例口径0.96到1.44万/家/年。“签5家代账加3家RPO等于40到60万"这句只在最乐观口径下成立,按代账分润走量的真实口径,8家客户一年也就七八万到十来万,差4到5倍。

现实是:代账分润走的是走量低单价,想摸50万,要么走直企销售(12到16万/家乘4到5家,渠道弱但单客高),要么代账铺到15到20家。更诚实的预期是第一年30到40万,第二年攒够经验才到50万。

岗位年成本(招聘平台口径,非官方统计,应视为市场参考值):二三线录入专员月薪4到6k,含五险一金企业部分全成本约6到8万/年;一线招聘专员更高,9000到11000元/月全成本,年成本11到13万。机器年成本:LLM API极便宜(年处理1万份50到100元),主要成本是n8n自托管服务器加接口费,一年撑死几千块。比例是站得住的,只是不像"1比5"那么夸张。

首个免费案例:诊断、算账、落地、沉淀

选定的方向:先资管录入验证,再财务校验规模化。

首个免费案例做资管录入(物业/仓储企业的资产台账和盘点录入)。四阶段闭环:

诊断——摸清这家企业现在资产台账录入怎么做、几个人、多慢、错在哪、用什么WMS或资产系统(金蝶/用友/简道云)。

算账——算清楚替掉10%录入工作量的人力价值,给老板看ROI表。诚实标注真实OCR替代比可能1比1到2,不是demo里的1比3到5。

落地——半天n8n工作流:Webhook触发(拍照/邮箱/企微)→调通义千问VL-OCR识别资产铭牌、标签、盘点表→Code节点解析成结构化JSON(资产编号、型号、序列号、数量、库位、责任人)加schema校验重试降级→AI Agent校验数值范围和查重→IF分路(合格的写WMS/资产系统API,不合格的进人工复核队列发企微通知)→盘点差异报表。哪些半天能建、哪些要3到5天生产化,我心里有数了。

沉淀——用n8n的Variables加环境变量加外部JSON把工作流参数化,导出成可复用模板,给第二个客户降边际成本。

资管录入的渠道走ERP/WMS经销商(不如代账成熟),找第一个免费客户可能比代账难。这是这个方向的真tradeoff:好建好合规,但找客户要费点劲。

几个会翻车的地方

我提前标出来:

1. OCR真实场景准确率远低于demo,可能把替代比拉到1比1到2,动摇算账基础。
2. 交付无法标准化,前三个客户每个定制15%到30%,独立开发者难规模化5家以上。
3. 中间人可能推官方AI模块,得找官方未覆盖的缝隙场景。
4. 企业资产数据含商业机密,可能要求本地化部署,增加交付复杂度。
5. B2B获客周期长,免费案例到付费可能6到12个月,50万可能第二年才达成,中间人还要分走30到40%。

落地才是主要的

我不再想着"AI native替代传统行业"了。

前辈说得对:落地才是主要的。一个机器一小时顶三到五个员工一天的活,一个员工一年多少钱,一个机器一年多少钱——就这几句话,只对老板说。

不要跟老板谈技术栈、谈模型参数、谈自动化原理。他不在乎n8n是什么,他在乎一个会计一年花他十万,一台机器一年花他五千,还能免费先试一个月。把账算给他看,剩下的是他的决定。

关于这篇的方法和透明度

这次研究用了10个agent并行(8路研究加2路综合),搜索走Tavily加秘塔双引擎交叉验证(Grok引擎这次全程不可用)。薪资数字来自招聘平台(58同城、猎聘、桂聘)非官方统计口径,FTE全成本和"机器1小时顶3到5人一天"是经验口径未独立量化验证。这些在我那份内部备忘录里都标着,别当硬数字拿去签合同。

完整的内部研究报告(含每个行业的工作流细节、n8n交付的8个hard part、已备案模型清单加商用条款、中间人类型对比、152条来源URL)我没公开,那是给自己看的作战图。这篇是能公开的那一面:方向、合规、渠道、算账、话术,和一句句验过去的诚实。