一栋写字楼的钱，是怎么在月底那三天漏掉的

九月最后一周，一个做园区运营的老板把电脑转过来给我看。屏幕上开着好几个 Excel，文件名一个比一个长：租约台账-最终版、租约台账-最终版2、九月账单-勿动。

他没问"AI能帮我干点什么"。他问的是：这个月我到底该收多少、实收多少、差在哪。

我说这三个数应该在一张纸上。他说，那得等我把这几个表看完。

写字楼、园区、沿街商铺，这类生意的日常就是这样。资产是一纸合同，钱按月慢慢流出来。流的路上有好几个岔口，每个岔口都能漏一点。

先说过去这活儿怎么干。

合同签完，纸质原件进柜子，扫描件丢在某个共享盘。真正每天被翻的是那张 Excel 台账。列大概这些：房号、租户名、面积、租金单价、起租日、到期日、免租期、押金、物业费、递增条款，最后加一列"备注"。

那列备注，是最危险的一列。免租三个月、第二年租金递增、提前退租赔两个月、空调加时另算、物业费从第三年才计提——这些条款全靠"备注"活着。条款在纸上，执行在脑子里。

月初，财务照着台账做账单：租金加物业费加水电分摊加空调费。改一行公式，几十张账单跟着变。改错一行，或者忘了哪家的免租期已经到期，电话当天就响。

到了月中，谁没到账，财务列个名单给招商，招商说这家关系不错，缓两天。缓着缓着，就缓到了下个月。

报修是另一条线。租户在微信群里说一句"403空调不制冷"，物业主管看见了，@一下师傅，师傅说下午去。下午去了没有，活干完没有，有没有跟租户说一声——信息全散在群里，靠人往上翻。

招商也是。客户坐下来问：哪层还有位置、多大面积、上一次成交什么价、免租能给几个月。答案在招商总监脑子里。他休假，客户就等。

这活儿卡在哪。

不是哪个人不负责。是这件事本身跨了招商、财务、物业三条线，而且每个月都要重来一遍。几十个租户、几十份合同、几十张工单，重复度极高，容错率极低——因为每一次出错，对应的都是钱，或者关系。

代价具体有三笔。

第一笔是漏收：合同里写着的事，没人盯，就等于没有。

第二笔是重复劳动：三个人每个月花在"把信息对齐"上的时间，比花在正事上多得多。

第三笔最难受：你问不出一个准数。到了年底想复盘这个园区到底赚了多少，得先把全年的 Excel 翻一遍。

顺手说一个数字。赛迪智库中小企业研究所联合网商银行做过一次小微经营者调研：97.4% 的小微经营者知道各种 AI 工具，但持续使用的只有约三成；业务流程里真正深度融合 AI 的，大中型企业已经超过 50%，小微企业只有 5.1%。

差距不在工具贵不贵。差距在工具离"今天这点活儿怎么干完"还有多远。

接入 AI 之后，流程变成什么样。

第一件事不是上模型，是先把这栋楼里的"东西"和"关系"定出来：楼、楼层、房间、租户、合同、账单、工单、跟进记录。房间和合同是一对多，租户和账单是一对多，工单挂在房间上，跟进记录挂在租户上。

听着像废话。但这恰恰是 AI 最容易摔跤的地方。2026 年 9 月 11 日，爱分析发过一篇访谈，被访人陈傲寒讲得很直接：通用大模型有几乎全部的公共知识，却不知道一家企业里有哪些业务对象、对象之间是什么关系、数据放在哪儿。AI 读不懂你的企业，不是模型不够聪明，是它手上没有这张地图。

地图搭起来，能接的活儿是四件。

一是从合同里抠日期。一份租赁合同里的关键日子至少有七八个：起租日、免租期截止、每一次递增的生效日、物业费调价日、到期前多少天要发续租意向、退租通知期、押金退还节点。过去靠人记，现在让 AI 从扫描件里读出来，落成一条条日期，到点推给具体的人。这一步的价值不在聪明，在不漏。

二是做账单和对账。月初按台账生成账单，月末把银行到账流水拉出来一笔笔对，对不上的排成清单。有现成的参照：常熟农商银行那套信审系统，AI 做流水解析，把原本 3 小时的解读压到 3 分钟；他们的智能体日均审批贷款 200 笔，自动化通过率 85%。同一个道理——把一堆格式乱七八糟的材料，几分钟内读成结构化数据。财务最花时间的从来不是算，是找，是核。

三是收工单。租户在群里说一句"空调不制冷"，AI 把这句话抠出来落成一张工单，派到人；师傅在群里回一句"修完了"，自动关单。工单的响应时长、返修次数，第一次有了数。这事技术上不难，难的是它以前没有入口。

四是招商问答。客户坐下问哪层空着、多大、上次成交什么价，直接答，不用等总监回来。

但有三件事 AI 不该干：不自动发账单，不自动催租，不自动改合同条款。常熟农商银行那个数字很说明问题——他们的审批意见业务采纳率约 55%。也就是说 AI 给出的判断，还有将近一半需要人改。放到租约上更明显：租金晚收三天，可能是老板刻意的，是关系里的一部分。所以这套东西只出草稿，确认按钮留给人。

最容易翻车的五个地方。

第一，把 Excel 当数据源直接喂进去。台账里总有一批是手填的，还有合并单元格，有人偷偷加过的备注。我们开工第一件事，是让客户把台账导出来，数一遍有多少列是手填的。手填超过三分之一，先别上 AI，先把规则定下来：哪几列必填、什么格式、谁有权改。这笔账你算一下，三个人的台账互相都对不上，上什么模型都白搭。

第二，老合同没有电子版。补充协议是微信里发的一张照片，拍歪了，或者纸质的只有一份。这些得先补档。AI 读不了它没见过的东西，这是所有项目的第一道门槛。

第三，权限没划。租金明细、优惠条款、成交底价，全公司都能看到就是事故。招商专员随口问一句"某某公司签的多少钱"，AI 张口就答，这就不是效率问题了。权限先定，再谈智能。

第四，一上来就做大屏。爱分析那篇访谈里有个细节：市场上大量数字孪生需求，主要用途是展示、参观和汇报。园区老板也容易被劝着做一个漂亮的驾驶舱。但你真正每天用得上的，是月初那张表——该收多少、实收多少、差在哪、哪几笔今天要打电话。

第五，急着把人从流程里摘干净。让 AI 自动发账单、自动催收，短期看着省事，长期是在替你拆关系。那个确认按钮，不能省。

舍予 AI 智能体那句"老板的第一支 AI 战队"，放在这个场景里其实很具体：就是一个会读合同的、一个会对账的、一个把工单收干净的。不神，但每天都上班。

回到开头那个晚上。

那个老板真正想要的不是一套系统，是月底那三天不用再翻 Excel。AI 在这件事上能帮的，也不是什么高深判断，就是把已经重复了三百遍的动作接过去，做到不漏、不错、有据可查。

今年 9 月 11 日的 2026 外滩大会上，网商银行讲他们的小微 AI 助手从"点预制菜"变成了"进餐厅现点现做"——过去是标准套餐，现在按你当下的情况现做一份；这套服务已经累计覆盖 4200 万小微经营者。这个比喻放在园区这套账上很贴切：你要的不是一套通用系统，是有人知道你这几十份合同里，哪一份下周到期、哪一户上个月物业费少交了。

最脏最碎的活儿，才是 AI 最该先接的地方。