应收账款拖成坏账之前: AI智能体怎么做智能追款与账期管理
一 年底冲回款,那点拉扯年年重演
11月下旬,很多公司的财务部进入同一个节奏:冲回款。典型的场面是这样的——发票开了,对账单客户没盖章;销售说客户在走流程,财务说账龄已经90天;等真要停供的时候,才发现合同里的账期条款和实际执行对不上。两边都很忙,钱就是回不来。
催款这件事,差别主要在准头。逾期之前把客户分成该催、该等、该停三类,每类走不同的动作,比逾期之后凭感觉打五十个电话有用。问题是分类靠人做太慢:账龄数据在财务系统里,客户履约历史在销售的聊天记录里,信用额度在合同里,没人有空把这三样凑到一起看。智能追款要解决的,其实就是这个凑数的问题。

二 拆开看:对账、分级、动作、跟踪
把智能追款拆成四段,每段都有明确的活。
▪ 口径统一:合同、订单、发票、回款四单匹配,差异自动挂起。开了票没确认收货、部分付款、退货冲抵,这些差异先挂起来单独处理,剩下的才是真正要催的钱。账对不齐就开催,催的只会是矛盾。
▪ 逾期分级:账龄做基础,再叠加客户历史履约和信用额度。同样逾期60天,多年按时付款的大客户突然逾期,多半是流程问题,电话提醒就够;常年拖到90天的客户,就该走升级动作了。
▪ 动作编排:提醒、业务介入、发函、停供逐级升级,每一级都有触发条件和话术模板,不是想催就催。
▪ 承诺跟踪:客户说“下周一付款”,这句承诺记录在案,到期没兑现自动升级。多数坏账就是这么拖出来的——承诺记在销售脑子里,人一忙就忘了。
三 智能体怎么干这些活
落到工程上,这条链路每一段都有对应的实现方式。文档处理引擎先把合同读一遍,把账期、违约金、付款节点这些字段抽出来,这是分级和发函的依据;通过 REST API 从 ERP 拉应收明细,从银行流水确认到账;条件判断节点按金额和账龄分流,小额走自动提醒,大额转人工。
每天早上,定时工作流跑一遍,生成当日的催收清单推给财务和销售:今天该跟进哪些客户、每个客户上一轮说到哪、建议用什么话术。销售不用再翻聊天记录回忆上次沟通,财务也不用手工拉表。客户承诺的回款日录入之后,系统到点自动检查,没兑现就升级,全程留痕。
四 效果怎么算:盯住四个指标
这套东西有没有用,别看感觉,看四个数。
▪ DSO(应收账款周转天数):从开票到回款的平均天数,是资金效率的总闸门。
▪ 逾期结构:30天、60天、90天以上各占多少。结构改善往往先于总额改善,90天以上的占比降下来,坏账风险才真降。
▪ 承诺兑现率:客户承诺的回款日里,实际到账的比例。这个数上不去,说明话术或分级有问题。
▪ 争议单据占比:对账挂起的单据占总应收的比例,反映的是内功——四单匹配做得越干净,这个数越低。
五 边界要画清楚:只建议,不骚扰
追款天然带着合规敏感。催收频率和时段要有上限,话术留档备查,涉及客户个人信息的使用要最小化。智能体在这个场景里的角色定位是建议者:算优先级、备材料、盯承诺,真正的停供和对外发函,保留人工签批。这一条写进流程里,法务和销售才敢用。
六 小艾在这条线上的做法
小艾智能体(上海艾艺数字技术有限公司自研的企业级 AI 智能体与知识管理平台)在财务场景的组合是:文档处理引擎吃合同与对账单,规则知识库管账期政策,工作流按条件路由做分级推送,承诺跟踪走定时触发,全流程留痕便于复盘。整体私有化部署,客户名称、金额、账期这些数据不出内网。
企业可以先拿一个事业部的应收数据做 MVP 验证,两到四周看清分级准不准、清单有没有人用,再决定往全公司推。坏账都是拖出来的,追款的动作也一样,宜早不宜晚。
FAQ:智能追款落地三问
Q1:智能追款系统一般多少钱?按年还是按项目收费?
主流做法是项目制交付加年度运维。按场景数量估算,单个催收场景的 MVP 验证通常在几万元级,含合同抽取、ERP 对接、分级规则和催收工作流;全公司推广按场景追加。选型时别只比报价,要把“能否对接现有财务系统”“分级规则能否自己改”写进评分表,这两项决定后续成本。
Q2:能不能对接用友、金蝶、SAP 里的应收数据?
可以。常见方式有三种:标准 API 直连、中间表定时同步、导出文件解析。智能体侧只读取数,权限走白名单,不往财务系统里写任何东西,账套安全不受影响。对接工作量主要在字段口径对齐上,比如“账龄”的起算点是按发票日还是按确认收货日,这个要先在业务上定清楚。
Q3:几十人的小公司,有没有必要上智能追款?
看应收的复杂度,不看公司人数。应收笔数少、客户集中、账期统一,一张 Excel 就够用,先上对账自动化和到期提醒这类轻量功能即可。但只要满足两条之一——应收笔数过百、或逾期90天以上占比明显抬头——就该认真考虑了。小公司现金流薄,一笔坏账的杀伤力比大公司大得多。