AI Agent 在會計記帳事務所怎麼用？傳票整理、客戶問答、報表初稿實戰教學

每到月底、季底，會計記帳事務所就進入加班地獄：一疊疊傳票要分類入帳、客戶 LINE 訊息問同樣的問題、報表要趕在期限前產出。人手有限，重複作業卻像潮水一樣湧來。

你的事務所是不是也卡在這三件事？ 傳票整理永遠做不完、客戶同樣的問題一天回十次、報表初稿總是壓到最後一刻？ 這篇要解決的問題：用 AI Agent 把「規則明確、重複度高」的作業交給機器，讓記帳士與會計師專注在判斷、覆核與客戶服務。 讀完你會得到：傳票整理、客戶問答、報表初稿三條可落地的流程，加上可複製的 Prompt、Workflow 流程圖與台灣事務所的導入前後數據。

免責聲明：本文聚焦會計記帳「作業流程自動化」的 How-to，內容屬一般資訊與營運管理參考，非稅務、法律或投資理財建議。AI 產出的傳票分類、報表與客戶回覆皆屬初稿，須由具備資格的記帳士、會計師或合格專業人員覆核；正式入帳、財務報表、稅務申報與重大決策請依法令、客戶契約並諮詢合格專業人士。

為什麼記帳事務所特別適合 AI Agent？

記帳這個行業有個有趣的特性：大量作業是「規則明確、重複度高、但量很大」，這正是 AI Agent 最擅長的場域。

傳票要對應到哪個會計科目，背後有一套相對固定的邏輯；客戶問「這個月要繳什麼」「需要準備哪些文件」，答案幾乎年年相同；月結報表的格式、欄位、計算方式也是固定模板。這些工作的共同點是：判斷規則可以描述、結果可以驗證、錯了看得出來。

更重要的是，記帳事務所的人力結構通常是「少數資深會計師＋多名記帳助理」。助理花在分類、彙整、回訊息的時間，其實壓縮了資深人員做更高價值服務（稅務規劃、財務分析、客戶諮詢）的空間。讓 AI 接手前段的整理工作，等於把人力往專業端推。

但要強調：記帳的最終產出牽涉法律責任與客戶權益，AI 永遠只做初稿，人做決定。這條紅線不能模糊。

核心概念：AI Agent 在事務所扮演什麼角色？

很多人誤以為導入 AI 就是「讓 AI 取代記帳員」。實際上，把 AI Agent 想成事務所裡的「不會累的整理助理」更貼切——它負責前段苦工，專業判斷仍交給人。

一句話：AI 負責「整理與初稿」，人負責「判斷與簽章」。 要讓 AI 判斷準，關鍵是餵給它對的依據——也就是事務所自己的科目對照、摘要慣例、客戶問答標準答案，這正是 RAG 知識庫 的用武之地。

實際教學：三條流程一步步建起來

Step 1：盤點最該先導入的作業

先別想著「全部自動化」。拿一張紙，把事務所裡的作業依「重複度」和「規則明確度」兩個維度分類。落在「又重複、規則又清楚」象限的，就是第一批導入對象——通常就是傳票分類、客戶常見問答、固定報表。

特殊交易、需要專業判斷的稅務規劃、客戶客製化諮詢，這些先不要碰，留給人。

Step 2：建立科目與規則知識庫

這是整套系統準不準的根本。把以下內容整理成結構化文件（試算表或文件皆可）：

• 會計科目表：科目代碼、名稱、適用情境說明。
• 摘要對照：常見憑證摘要 → 對應科目，例如「中華電信費用」→「水電瓦斯費／通訊費」。
• 客戶問答標準答案：繳款期限、文件需求、收費方式等高頻問題。
• 事務所慣例：哪些客戶用哪套科目、特殊處理註記。

知識庫越貼近事務所實際慣例，AI 建議就越準。這份文件之後也是新進助理的訓練教材，一舉兩得。

Step 3：設計傳票整理流程

讓 AI 讀取憑證資訊（可從掃描 OCR、客戶上傳的明細、或銀行/發票匯出檔取得），依知識庫建議「借方科目、貸方科目、金額、摘要」，產出可匯入記帳系統的初稿表格。

重點是：要求 AI 對沒把握的傳票主動標註「需人工確認」，並附上理由。這樣記帳士不必逐筆重看，只要優先檢查被標記的部分。

Step 4：串接客戶問答助手

把 Step 2 的客戶問答知識庫接上一個對話助手（可放在事務所官網、LINE 官方帳號或內部系統）。客戶問常見問題時，AI 用知識庫回答；遇到牽涉個案財務、稅務判斷或情緒性訊息時，自動回覆「這部分我幫您轉給專員」並通知真人。

切記：客戶問答助手不能給稅務建議，只能回流程性、文件性的標準資訊。

Step 5：人工覆核才出帳、才出表、才送出

這是整套流程的安全閥。無論傳票初稿、報表初稿還是客戶回覆草稿，都必須經過會計人員覆核確認後才正式生效。把這一步寫進事務所的標準作業流程，並保留覆核紀錄，才能兼顧效率與專業責任。

範例：Prompt 與 Workflow

傳票分類 Prompt（可複製）

你是台灣記帳事務所的傳票整理助理。請依我提供的「會計科目與摘要對照表」，
把下列憑證明細整理成可入帳的傳票初稿。

【科目對照表】
（貼上你的科目代碼、名稱、適用情境、摘要對照）

【憑證明細】
（貼上日期、廠商、品項、金額、發票號碼等）

請依下列規則處理：
1. 每筆列出：日期｜借方科目｜貸方科目｜金額｜摘要｜發票號碼。
2. 嚴格依照對照表選科目，不要自行發明科目。
3. 對「無法確定科目、一筆多科目、跨期、金額異常」的傳票，
   在最後一欄標註「⚠需人工確認」並寫明原因。
4. 不要直接斷定稅務處理（如進項可否扣抵），有疑慮一律標註需人工確認。
5. 以表格輸出，方便我複製到記帳系統。

這份 Prompt 的關鍵在第 3、4 點：強迫 AI 把不確定的東西攤出來，而不是硬猜。這是讓人能信任它、又不被它誤導的設計核心。

傳票整理 Workflow 流程圖（文字版）

客戶提供憑證 / 匯出檔
        ↓
OCR 或匯入，轉成結構化明細
        ↓
AI 依「科目對照知識庫」建議借貸科目與摘要
        ↓
AI 標註「⚠需人工確認」的可疑傳票
        ↓
記帳士優先覆核被標註的傳票 ──→（有誤）回填正確科目，更新知識庫
        ↓（確認無誤）
匯入記帳系統，產生分錄
        ↓
月結 → AI 套模板產報表初稿 → 會計師覆核 → 出表

這個流程最值得注意的是那條「回填正確科目、更新知識庫」的回饋線：每次人工修正都餵回知識庫，AI 下次就更準。事務所用得越久，系統越貼合自己的慣例，這是外部通用工具給不了的資產。

常見錯誤

• 讓 AI 直接出帳、出表、回客戶，不覆核：這是最危險的錯。AI 產出一律是初稿，沒有人簽章覆核就生效，等於把法律責任交給機器。
• 把客戶機密財務資料丟給來路不明的工具：財務資料極敏感，務必確認資料保管、是否用於訓練、留存區域，並透過 MCP 這類有授權邊界的方式連接內部系統。
• 知識庫隨便建就上線：科目對照、摘要慣例沒整理清楚，AI 只會「穩定地錯」。先把規則庫做扎實，準確率才有基礎。
• 客戶問答助手亂給稅務建議：助手只能回流程、文件等標準資訊，碰到稅務判斷一律轉真人，否則可能造成客戶損失與事務所責任。
• 想一次全自動化：從最重複、最標準的作業開始，跑順、建立信任後再擴大，比一步到位失敗收場務實得多。

最佳實務

• 先小範圍試點：挑一兩家作業標準化的客戶試跑傳票流程，驗證準確率與工時節省後再推廣。
• 建立「AI 不確定就轉人」的護欄：無論傳票或客戶問答，模糊地帶一律交給人，這是專業與安全的底線。
• 把人工修正餵回知識庫：每次覆核發現的錯誤都更新對照表，讓系統越用越準。
• 保留覆核軌跡：誰覆核、何時確認都留紀錄，兼顧內控與責任歸屬。
• 資料最小化：能去識別化的欄位先去識別化，非必要不把客戶機密外送。
• 持續培訓人員：助理從「逐筆分類」轉為「覆核與優化規則」，是技能升級而非被取代。

實際案例：台中一家中小型記帳事務所

事務所背景：台中一家服務約 80 家中小企業客戶的記帳事務所，3 名記帳助理、1 名負責人（記帳士）。

導入前的痛點：

• 每月傳票分類占去助理大量工時，月底前三天幾乎天天加班。
• 客戶 LINE 重複問「這個月要繳什麼」「要準備哪些文件」，負責人一天被打斷十幾次。
• 月結報表常壓到截止日當天才趕完，品質與心情都緊繃。

導入做法：

1. 先把事務所的科目對照、常見摘要、客戶問答標準答案整理成知識庫（花了約一週）。
2. 用上面的傳票分類 Prompt，先在 20 家標準化客戶試跑傳票初稿。
3. 在 LINE 官方帳號接上客戶問答助手，回覆繳款期限、文件需求等標準問題，個案問題自動轉負責人。
4. 月結改為 AI 套模板產報表初稿，會計師覆核後出表。
5. 所有產出維持「人工覆核才生效」，並把每次修正回填知識庫。

導入後成果（試行三個月）：

負責人回饋：「省下來的時間，我們拿去做客戶稅務規劃諮詢，反而開出新的收費服務。AI 沒有取代助理，是把他們從重複勞動裡解放出來，去做更有價值的事。」

提醒：本案例數據因事務所規模、客戶結構與作業標準化程度而異，僅供參考，不代表你的事務所必然得到相同結果。

結論

AI Agent 不會、也不該取代記帳士與會計師的專業判斷，但它能把事務所裡最吃時間的重複作業——傳票分類、客戶問答、報表初稿——大幅減負，讓人力回到判斷、覆核與客戶服務這些真正創造價值的地方。

成功的關鍵就三件事：把知識庫做扎實、讓 AI 不確定就轉人、所有產出人工覆核才生效。守住這條原則，AI 就是你事務所裡那位不會累、越用越懂規矩的好助理。

想更系統地把這些流程落地，可以先讀 AI Agent 入門 建立基礎概念，用 RAG 打造科目與問答知識庫，並到 工作流知識庫 與 任務食譜書 找更多可直接套用的範本。

再次提醒：本文為流程自動化教學，非稅務、法律或投資理財建議。正式入帳、財務報表、稅務申報與重大決策請依法令、客戶契約並諮詢合格專業人士。

❓ 常見問題 FAQ

🔗 延伸閱讀

• AI Agent 是什麼？從入門到實戰
• MCP 是什麼？讓 AI Agent 連上工具
• RAG 是什麼？讓 AI 讀懂你的知識庫
• 工作流知識庫
• 任務食譜書