一位独立维修师傅如何用一个 AI 步骤摆脱追讨欠款的烦恼(示例故事)

A claw hammer, a carpenter's square, safety glasses and a drill bit laid out on a worn wooden workbench

5 min read

这是一个示例故事。Marco 是根据独立手艺人常见经历综合而成的人物,并非真实存在,文中数字是贴近现实的示例,而非实际报告的结果。

周日晚上 9:40,Marco 坐在自家门口的面包车里,翻看着开票软件。十四张未付发票。有的才过了三天,有的已经五周,还有一张来自一位房东,他总会付款,却从来不准时。Marco 是一位独自接活的维修师傅。修门、装搁板、补石膏板、组装别人都不愿碰的家具,他样样拿手。但追讨欠款,他真的不在行。

“让我再写一次‘跟进一下’,我宁可去给浴室重新贴一遍瓷砖。”他说。下面就是他如何彻底不用再写这句话的经过。

真正的问题不在钱

Marco 的客户并不是赖账的人,大多数只是忘了。问题在于,提醒客户这件事完全取决于 Marco 自己能不能记起来,而且往往是在周日晚上、干了一整周体力活之后。有几周他一条都没发;另几周他又一口气给所有人发了一条略带不满的消息,连当天早上刚付过款的人也收到了。

等他终于算了一笔账,才发现逾期超过 14 天的发票约有 $3,800,而他每周要花将近两个小时写那些他讨厌的催款消息。

这个细节很关键。自动化咨询公司 Flow Digital 发布的2026 年 11 月的一项分析发现,他们实施的 AI 项目中,有 47% 起源于客户描述的一个普通运营问题,而不是一个“AI 点子”。Marco 的故事完全符合这一点。他并不想要 AI,他只是不想再追着发票跑。

刻意从小处着手

Marco 的第一反应是找一个包揽一切的“AI 办公室经理”。一位朋友劝住了他。于是他给自己定了一条规矩:一个工作流,一个 AI 步骤,测试一周。

他本来就在用 Zapier(一款连接其他应用并在它们之间传递信息的工具),把网站上的新询价自动存进电子表格。同一份 Flow Digital 分析还发现,他们构建的 AI 组件中有 61% 是作为 Zapier 工作流中的步骤运行的,这让他放心:自己做的并不是什么稀奇古怪的事。如果你也在挑选自动化工具,可以先看看我们的Zapier、Make 和 n8n 中一个 AI 步骤的成本解析。

他用一个晚上搭好的工作流

用大白话说,整个流程是这样的:

  1. 触发:每个工作日早上 8 点,自动化程序检查开票软件,找出逾期 7 天、14 天或 30 天的发票。
  2. AI 步骤:针对每张发票,AI 模型用客户的名字、工作内容、金额和逾期天数写一条简短提醒。语气随阶段变化:7 天时友好,14 天时明确,30 天时坚定但礼貌。
  3. 审核步骤:草稿不会直接发给客户,而是汇总成每天一封邮件发给 Marco。他边喝咖啡边看,点一下就能批准一条。
  4. 发送:批准后的提醒从他自己的邮箱发出,并附上付款链接。

他花时间最多的是提示词。他给 AI 提供了三条自己以前写的消息作为范例,一份他从不使用的措辞清单(“如我上封邮件所述”第一时间就被禁用了),以及一条硬性规定:绝不威胁客户;除非发票逾期超过 30 天且原始报价中写明了滞纳金,否则绝不提滞纳金。

第一周出了什么问题

并非一切顺利。最初的草稿太长,而且莫名地正式。有一条提醒感谢客户“选择我们的服务”,让 Marco 笑出了声,因为他就是一个人加一辆面包车。他精简了提示词,加上“最多三句话”和“像手艺人给邻居发短信那样写”,第二批草稿好多了。

更大的收获出现在第三天。一位客户付的是现金,而 Marco 没有在软件里标记。如果他没有逐条审核,那条提醒草稿就会被发出去。正是这一刻让他决定永久保留人工审核。这每天只花他大约五分钟,却能守护他花了多年才建立起来的客户关系。

六周后的成果

以下是 Marco 的变化,数字为示例但贴近现实:

  • 花在提醒上的时间:从每周约两小时降到大约 25 分钟,几乎全是快速批准。
  • 逾期超过 14 天的发票:从约 $3,800 降到 $900 以下。
  • 平均回款天数:从约 19 天降到约 9 天,主要是因为现在提醒每次都能准时发出。
  • 成本:一个他原本就部分在用的普通月度自动化套餐,外加每条提醒几美分的 AI 使用费。

他还注意到一件意想不到的事:有两位客户在回复提醒时,顺便请他安排更多活儿。一条礼貌、时机恰当的消息,竟成了一个低调的营销渠道。

成功的关键,以及你可以照搬的做法

大公司也在吃过苦头之后学到同样的教训。Genpact 于 2026 年 11 月对大型企业的调查发现,过去两年获得资助的 AI 项目中,平均只有 49% 实现了预期价值。Marco 的做法之所以成功,原因很简单,你也可以借鉴:

  • 他从痛点出发,而不是从产品出发。“我讨厌追发票”比“我应该用 AI”是更好的起点。
  • 他对比了前后数据。两个数字(花费的小时数、逾期金额)就足以证明效果。
  • 他让人始终参与其中。审核步骤拦下了那个可能造成伤害的错误。
  • 他用自己的口吻写提示词。真实的范例永远胜过空泛的指令。

我们在一位不再漏接电话的上门汽修师傅和一位缩短报价时间的家政保洁员身上也看到了同样的规律:把一件枯燥的任务认真地自动化,胜过十几个半途而废的尝试。

轮到你了

现在就打开你的开票软件,数一数逾期超过 14 天的发票。如果这个数字让你皱眉,你就找到了自己的第一个 AI 工作流。有哪一项行政杂务,是你非常乐意再也不用亲手去做的?

相关阅读

发表评论

滚动至顶部