AI进酒店，先别碰定价，先对账

周三早上九点半，一个在三线城市开精品民宿的老板打开三个渠道后台，把昨天的订单明细一页页导出来。

携程一份，美团一份，飞猪一份。格式不一样，字段名不一样：有的叫"房费"，有的叫"净房价"，有的把早餐拆成单独一行。她再打开自己的房态表，一笔一笔往下对。

半小时后，前台来问早餐券的事。四十分钟后，有一笔订单她找不到对应的到账记录，翻微信翻到十点半。到中午，她在表上写了一行：本月待查，差额挂账。

这行字，我认为是今天中小酒店最值得用AI擦掉的一行。

先把观点摆在前面：AI在酒店的落地顺位，我把对账排第一，客服排第二，定价放最后。理由不复杂——对账是核验型工作，AI算错一眼能看出来；定价是判断型工作，AI错了你要三个月后才知道。

过去这活儿怎么干

一家三四十间房的店，旺季日均三四十单，一个月接近一千单。这几笔账要同时对平：

• 渠道后台的订单明细：订单号、房型、入住离店、房价、佣金、平台券、退款、Noshow、加早
• 银行或支付渠道的到账记录：往往不是一笔订单对应一笔钱，而是隔几天合并打过来一笔
• 前台的纸质登记本：谁加了两份早餐，谁延到下午两点退房，谁押金退了一半
• 微信群：保洁说 302 漏水，房费免了半晚

对完这些，才算知道这个月到底挣了多少。

这笔账你算一下：一单平均看两分钟，一个月就是三十多个小时。这三十多个小时基本压在店长或老板娘身上，而且是那种"今天不对，明天翻倍"的活儿——拖到下个月，记忆没了，只能挂账。

比丢钱更麻烦的是丢判断。你不知道哪个渠道的净收入最高，不知道被取消的订单里有多少是到店无房，不知道早餐加购到底是赚钱还是白干。

卡住的不是数据太少，是口径对不上

有人会问：这些数据都有，怎么会对不平？

问题就在"都有"这两个字。渠道给你的东西，不是为你准备的。

举几个真实的麻烦：房型名在三个渠道是三个写法，"大床房"和"豪华大床"可能指同一间；一笔订单被拆成几笔流水，房费一笔、早餐一笔、押金一笔、部分退款又是一笔；平台券和活动补贴，到底谁承担、从哪笔扣，要逐笔看；跨月单更绕，今天到账的是上周的订单。

人做这件事，最大的敌人不是不会算，是累。累了就跳步，跳步了就默认"这个月的差额跟上月差不多"，然后把差异合理化掉。

银行核企业流水，是同一类活儿。去年常熟农商银行上线了信审大模型，公开的信息里有一条：AI流水解析把流水解读时间从3小时压到3分钟，模型准确率85%，智能体日均审批贷款200笔。更值得看的是另一个数字——审批意见的业务采纳率约55%。

一半多，不是全部。这说明它出的是给人当参谋的东西，不是替人签字的结论。材料里也写了：模型提示某家企业应收账款占比偏高，需要进一步核实，审批人员据此让客户经理补订单合同和回款记录。AI指方向，人做判断。

接进AI之后，这条线长什么样

我给同行和客户讲这个场景，一般拆成五步，顺序不能乱。

第一步，先口径，后工具。把所有渠道的字段和你的账做一张对照表：什么算一笔订单，佣金怎么摊，早餐算房费收入还是餐饮收入，退款算在入住日还是退款日。这一步是人干的，最花时间，也最不能省。上周爱分析那篇访谈里有句话我认同——AI落地最大的瓶颈不是模型不够聪明，是它不认识你的企业。写对照表，就是让它认识你。

第二步，把每天的账单丢进一个固定入口。渠道后台导出、邮箱附件、群里的截图，都进同一个地方，解析成三张表：订单级明细、渠道级汇总、差异清单。

第三步，让差异清单先变短。第一天可能蹦出两百条差异，别慌，大部分是同一类问题——房型改名、券的分摊规则。先归并成规则类，人只看剩下的十几条。

第四步，只读不写。这一阶段AI不碰你的账、不申诉、不退款，它只出清单和依据：哪一单、哪一笔流水、差在哪。你点确认，它才动手。分析和执行是两件事，得分两个阶段放开。

第五步，一周之后开始问问题。上个月哪个渠道的净收入最高？取消单里到店无房占多少？延迟退房的那些客人，平均多花了多少？

到这一步，对账就不再是月底的例行公事，而是每天顺手就能拿到的一张经营快照。

最容易翻车的地方

第一，一上来就接系统、做自动入账。错。正确做法是先跑一个月"影子对账"，AI算的和手工算的并排放，一致率不到九成，就别谈自动化。

第二，口径没对齐就上量。渠道一上新活动、一改字段名，模型会把它当成新东西，差异清单瞬间爆掉，人看一眼就放弃了。

第三，让AI直接执行。自动调价、自动申诉、自动退款，这三件事在中小酒店都属于高风险动作。先让它把话说清楚，再让它动手。

第四，只对钱，不对事。早餐、加床、延迟退房、免单，这些不走渠道的支出如果不在同一张表里，你算出来的毛利永远是假的。

第五，没人认领。对账不是IT项目，是店长或财务的日常动作。谁看那张差异清单，要写清楚人名，不然清单出了三天就没人打开。

还有一条更实在的：如果你每天订单不到二三十笔，先别急着上AI。把渠道后台自带的报表用明白，人加表格也够。对账类工具的边际收益，要到单量上来才明显。对做一人公司的创业者来说，这倒是个能算清工时报价的活——先帮周边小酒店把口径表做出来，比讲"AI转型"实在得多。

有人说，这活儿Excel加规则就能干

这是我最常听到的反方说法，我也认同一半。

Excel加规则，确实能覆盖八成。八成之外的那两成，恰恰是花钱的地方：被拆单、跨月单、部分退款、平台券分摊、房型改名。

更要命的是规则会腐烂。渠道一改字段名，规则就静默失效，而Excel不会告诉你它错了，它只会给你一个看起来很正常的数字。AI对账的价值不在于它永远对，而在于它会把自己的不确定摆出来——差异清单本身就是它的自我暴露。

所以我的判断是：规则留在能覆盖的部分，AI盯住覆盖不了的部分，人做最后的确认。三者缺一，账都平不了。

往前推半步

把账对平，捡回来的只是地上的钱。

真正的变化发生在对平之后：你第一次能按渠道、按房型、按日期算出净收入。定价这件事，到这一步才有数据底座。

9月9日的外滩大会上，蚂蚁集团CEO韩歆毅讲了一个观点：AI应用不能止步于存量提效，要创造新的供给、激活新的需求，还要让中小企业有能力参与新价值的创造。放在一家三四十间房的店上，这话一点都不玄。

"新供给"对这家店来说，就是你能说清每一晚卖得值不值，然后敢在周三晚上不打折。

我们在这个场景里的做法也很朴素：不从接系统开始，先拿三个月的账单，把口径表对齐；交付的第一样东西不是自动化，是一张差异清单加一份口径表。验收标准也别写成"系统上线"，写成"差异清单从两百条降到二十条"。

数字拉出来，这笔账才叫算清了。