Хотели внедрить ИИ в 1С, а обнаружили проблемы в учёте: случай из нашей практики

Автор: Анна, специалист по развитию бизнеса и внедрению ИИ-решений «Гвард-ИТ».

Редактор: Константин, руководитель «Гвард-ИТ», эксперт по автоматизации бизнес-процессов и интеграции информационных систем.

Представьте ситуацию. Клиент перечислил предоплату за ремонт детали. Деньги поступили, их внесли в 1С. Казалось бы, всё в порядке. Но при проверке выясняется, что платёж не связан с нужным документом, а в системе могут оставаться незакрытые взаиморасчёты.

Именно с подобной ситуацией мы столкнулись, когда начали разбираться, как организовать внедрение ИИ в 1С на предприятии, которое занимается металлообработкой и восстановлением деталей.

Изначально задача была совсем другой. Требовалось облегчить работу приёмщика с помощью искусственного интеллекта. Но изучение существующих процессов показало, что сначала нужно разобраться с данными, которые уже хранятся в системе.

В этой статье команда новосибирской веб-студии «Гвард-ИТ» рассказывает, что удалось обнаружить, почему такие ситуации возникают и о чём стоит подумать руководителю перед автоматизацией своего предприятия.

Задача была понятной: освободить приёмщика от лишней работы

Предприятие занимается восстановлением деталей, в том числе деталей двигателей, а также их изготовлением по чертежам и образцам.

Клиенты привозят детали, объясняют, что требуется сделать, передают их в ремонт. Приёмщик оформляет необходимые документы в 1С, а после выполнения работ организует выдачу.

На первый взгляд, привычная схема.

Но значительная часть операций выполняется вручную. Сотруднику приходится собирать информацию о заказе, вносить данные, оформлять документы. При этом нужно общаться с клиентом и не ошибиться в описании детали или необходимых работ.

Здесь и появилась идея использовать ИИ-приёмщика.

Мы начали рассматривать сценарий, при котором сотрудник сможет голосом сообщить информацию о заказе, добавить фотографию детали, а система подготовит карточку для проверки.

Например, приёмщик описывает поступившую деталь и необходимые работы. ИИ выделяет сведения, которые можно внести в документ, и показывает, чего не хватает. Сотрудник проверяет результат, исправляет неточности и подтверждает оформление.

Такой подход потенциально способен сократить время на заполнение документов. Но сколько именно времени он сэкономит, можно определить только после испытаний.

Наша задача состояла не в том, чтобы заменить приёмщика искусственным интеллектом. Мы хотели убрать часть ручного ввода, сохранив за сотрудником проверку и принятие решений.

Однако до разработки нужно было разобраться, как именно сейчас оформляются заказы, какие документы используются и насколько согласованы данные внутри 1С.

И тут появились первые вопросы.

Деньги поступили, но что произошло с предоплатой?

При изучении документов мы обратили внимание на операции, связанные с авансами клиентов.

В одном из случаев в 1С было оформлено поступление денежных средств на 4 500 рублей. Платёж был отмечен как аванс, однако поле документа к зачёту оставалось незаполненным.

Это важная деталь.

Когда клиент вносит предоплату, система должна правильно учитывать её при дальнейших расчётах. Если аванс не зачтён в счёт соответствующей задолженности, информация о взаиморасчётах может оказаться некорректной.

Представим упрощённый пример.

Клиент заказал ремонт стоимостью 10 000 рублей и заранее заплатил 4 000 рублей. После завершения работ ему остаётся доплатить 6 000 рублей.

Но если предоплата не была правильно зачтена, в учётной системе могут одновременно отражаться два отдельных показателя:

• долг клиента за выполненные работы: 10 000 рублей;

• полученная от него предоплата: 4 000 рублей.

Сами деньги никуда не исчезают. Проблема в том, что без корректного зачёта отчёт может не показывать ожидаемые 6 000 рублей остатка долга по заказу.

Для руководителя это уже существенная разница.

Важно: суммы 10 000 и 4 000 рублей здесь приведены для объяснения механизма. Это не данные клиента из нашего проекта.

А обнаруженный документ на 4 500 рублей требует проверки в связке с заказом, другими документами и отчётами по взаиморасчётам. По одному незаполненному полю нельзя окончательно установить причину ошибки или размер финансовых расхождений.

Почему такая мелочь вообще имеет значение?

Потому что большинство руководителей смотрят на итоговые показатели.

Сколько клиенты должны предприятию? Сколько авансов получено? Какие заказы оплачены? Сколько денег ожидается к поступлению?

Ответы формируются из данных, которые сотрудники вносили раньше.

Если в этих данных нарушены связи между оплатами и заказами, руководитель может видеть не совсем ту картину, которую ожидает.

И даже если бухгалтер впоследствии разберётся с расхождениями, на это придётся потратить дополнительное время.

Мы решили проверить ещё один документ. И увидели важное отличие

Здесь было бы легко сделать поспешный вывод: раз нашли один незачтённый аванс, значит, подобные ошибки встречаются повсюду.

Но в реальной работе так рассуждать нельзя.

Мы посмотрели другой документ, связанный с оплатой. В нём были заполнены сведения о заказе и документе к зачёту, а сама операция была оформлена иначе.

То есть два внешне похожих платежа имели разные настройки учёта.

Причём второй вариант не давал оснований автоматически считать его ошибочным.

Это наблюдение изменило подход к дальнейшей проверке.

Нужно выяснить, какие варианты оформления применяются на предприятии, почему сотрудники выбирают тот или иной способ и какие результаты дают эти документы при проведении.

Если два похожих документа оформлены по-разному, это ещё не доказывает ошибку. Но это достаточная причина проверить правила их заполнения и последующего зачёта.

Именно поэтому мы не предлагаем массово исправлять все найденные платежи. Сначала необходимо понять их назначение, проверить движение документов и сопоставить данные с реальными обязательствами.

Иначе попытка исправить учёт может создать новые расхождения.

Следующее открытие было связано уже не с деньгами

Параллельно мы начали разбирать работу приёмщика.

Оказалось, что действующий процесс в 1С охватывает прежде всего два события: приём детали и её выдачу клиенту.

При этом фотографии поступающих деталей сейчас не делаются. Передача детали конкретному мастеру в системе не оформляется. Промежуточные стадии ремонта также не фиксируются как последовательность отдельных операций.

Само по себе это не означает, что предприятие работает неправильно.

В небольшом производстве сотрудники могут прекрасно понимать, где находится деталь и кто ею занимается. Информация передаётся устно, через непосредственное общение между мастерами и приёмщиком.

Но такая организация работы создаёт ограничение для автоматизации.

Допустим, руководитель хочет задать ИИ простой вопрос:

«На каком этапе сейчас ремонт детали клиента?»

Что должен ответить искусственный интеллект?

Он может найти документ приёмки. Может определить, когда деталь поступила, если эта информация записана. Но если дальнейшее движение нигде не отражено, узнать текущую стадию ремонта из 1С он не сможет.

ИИ не знает, что произошло в цехе, если соответствующие сведения не поступали в доступные ему источники.

Можно подключить самую современную языковую модель, настроить интеграции и красивый интерфейс. Но отсутствующая информация от этого не появится.

А нужно ли вообще фиксировать каждое движение детали?

Не обязательно.

Это зависит от размеров предприятия, сложности производства и задач руководителя.

Если приёмщику требуется только быстрее оформлять поступление и выдачу, достаточно автоматизировать соответствующие операции.

Если же руководство хочет контролировать загрузку мастеров, сроки ремонта, движение деталей и причины задержек, потребуется более подробный учёт.

И здесь важно не создавать лишнюю бюрократию.

Когда ради автоматизации сотрудника заставляют заполнять десятки новых полей, предприятие может потратить на это больше времени, чем сэкономит.

Поэтому сначала нужно определить, какая информация действительно влияет на решения, и только потом выбирать способ её фиксации.

Почему нельзя сразу подключить ИИ к существующей базе?

Технически подключение ИИ к учётной системе возможно при наличии подходящего механизма интеграции.

Но сам факт подключения ещё не делает данные достоверными.

Представим, что искусственный интеллект получил доступ к сведениям о клиентах, заказах и оплатах.

Руководитель спрашивает:

«Какие клиенты ещё не оплатили выполненные работы?»

ИИ формирует ответ на основании доступных данных.

Если часть предоплат не зачтена или документы оформлены неоднозначно, ответ может потребовать дополнительной сверки.

Причём внешне он будет выглядеть вполне убедительно: названия клиентов, суммы, даты, список задолженностей.

В этом и заключается опасность. Человек может принять аккуратно сформированный отчёт за проверенный факт.

А искусственный интеллект в данном случае лишь обработал информацию, которая уже была в системе.

Хорошая автоматизация должна учитывать качество исходных данных, а не скрывать их проблемы за удобным интерфейсом.

Поэтому мы разделяем два направления работы.

Первое: помочь сотруднику правильно и быстрее оформлять новые документы.

Второе: проверить качество существующего учёта, если на его основе предполагается строить аналитику и управленческие решения.

Эти направления связаны, но их не обязательно реализовывать одновременно.

Что мы предлагаем изменить в работе приёмщика

В рассматриваемом проекте мы выбрали для дальнейшей проработки ограниченный сценарий.

Сотрудник принимает деталь, описывает её и указывает необходимые сведения. ИИ помогает подготовить данные для оформления. Затем человек проверяет карточку и подтверждает её.

После этого информация должна передаваться в 1С через согласованный механизм интеграции.

Здесь принципиальны несколько моментов.

Первый: ИИ не должен придумывать отсутствующие сведения.

Если неизвестна модель детали, материал или нужная операция, система должна запросить уточнение, а не подставлять наиболее правдоподобный ответ.

Второй: оформление документа должно происходить по правилам учётной системы.

Недостаточно просто записать текст в базу данных. Необходимо учитывать связи между объектами, обязательные реквизиты, проверки и штатные механизмы проведения документов.

Третий: сотрудник сохраняет возможность проверить результат.

Особенно когда речь идёт о стоимости работ, идентификации заказчика, комплектности детали и других сведениях, ошибка в которых может привести к спору.

Четвёртый: первая версия должна решать одну конкретную задачу.

Не стоит одновременно внедрять управление производством, бухгалтерскую аналитику, складской учёт и ИИ-директора, если пока не проверена даже базовая операция оформления приёмки.

На момент подготовки статьи это проектируемый сценарий. Мы не утверждаем, что система уже внедрена или доказала свою эффективность.

Как понять, готова ли ваша 1С к автоматизации

После этой истории мы бы рекомендовали руководителю начать с нескольких простых вопросов.

1. Совпадают ли данные об оплатах с реальными взаиморасчётами? Выберите несколько завершённых и действующих заказов, проверьте предоплаты, окончательные платежи и остатки задолженности.

2. Одинаково ли сотрудники оформляют похожие операции? Если способы различаются, выясните, есть ли для этого объективная причина.

3. Можно ли восстановить историю заказа? Понятно ли из системы, когда поступила заявка, какие документы были созданы и чем завершилась работа?

4. Какие сведения хранятся только в голове сотрудников? Именно здесь часто находятся ограничения для дальнейшей автоматизации.

5. Какие решения руководство хочет принимать на основании данных? От этого зависит, какие сведения действительно необходимо собирать.

6. Кто отвечает за исправление ошибок? ИИ может обнаружить подозрительное расхождение, но корректировать финансовые документы без установленной процедуры и проверки нельзя.

Это не полноценный аудит 1С, но такой разбор помогает выявить проблемные участки.

Какие инструменты для этого нужны

Не всегда требуется сложная аналитическая платформа.

На первом этапе полезны штатные отчёты 1С по взаиморасчётам, документы оплаты, заказы клиентов и средства проверки связанных операций.

В отдельных случаях понадобится анализ настроек программы, алгоритмов зачёта авансов или доработок конфигурации. Здесь уже необходим специалист, который понимает устройство используемой версии 1С.

Для организации более подробного учёта ремонта могут рассматриваться статусы заказов, дополнительные документы, рабочие места сотрудников, штрихкоды и другие механизмы.

Но выбирать их нужно под реальные процессы.

Если предприятию не требуется отслеживание каждой операции, сложная система производственного контроля может оказаться избыточной.

Для ИИ-приёмщика, наоборот, важны удобный ввод информации, проверка обязательных сведений, управляемая интеграция с 1С и защита от ошибочного оформления.

Особое внимание нужно уделить правам доступа. Помощник, который создаёт черновик документа, не обязан получать разрешение изменять старые платежи или корректировать взаиморасчёты.

Что уже выяснили и какого результата пока нет

В нашей практике на момент подготовки статьи подтверждены следующие обстоятельства.

Предприятие использует 1С:УНФ. Работа приёмщика ведётся в отдельной базе, а бухгалтерский учёт организован отдельно.

Мы установили, что действующий процесс приёмщика сосредоточен на поступлении и выдаче деталей. Промежуточные производственные этапы в этой базе системно не отражаются.

При рассмотрении финансовых документов обнаружен конкретный случай с предоплатой, для которого необходимо проверить зачёт и связанные взаиморасчёты. Сравнение с другим документом показало, что операции могут оформляться по-разному.

Это результаты предварительного изучения, а не завершённого внедрения.

Чего пока нельзя утверждать:

• что найденные расхождения привели к финансовым потерям;

• что проблема затрагивает все или большинство заказов;

• что ИИ уже сократил время работы приёмщика;

• что система автоматизации введена в эксплуатацию.

Мы считаем важным разделять обнаруженные факты и ожидаемые результаты. Особенно когда речь идёт о реальном предприятии.

Как оценивать пользу автоматизации в деньгах

У ИИ-приёмщика должен быть измеримый результат.

Например, можно определить, сколько минут сотрудник сейчас тратит на оформление одной детали, а затем сравнить это время с работой через ИИ.

Допустим, предприятие оформляет 20 заказов в день. Если подготовка каждого документа сократится на три минуты, получится экономия одного рабочего часа в день.

Но это только расчётный пример.

На практике необходимо учитывать время проверки, исправления ошибок, нестандартные заказы и дополнительные действия сотрудника.

Также стоит измерять долю документов, которые ИИ подготовил правильно с первого раза, количество исправлений, число пропущенных обязательных полей и случаи, когда оформление пришлось завершать вручную.

Для контроля взаиморасчётов потребуются другие показатели: число незакрытых авансов, возраст задолженности, количество расхождений по заказам и время на их разбор.

Самая распространённая ошибка здесь — смешивать экономию рабочего времени и реальное снижение расходов.

Если сотрудник стал оформлять документы быстрее, предприятие получает свободное время. Но финансовый эффект возникает тогда, когда это время используется с пользой: например, позволяет обслуживать больше заказов без увеличения штата или уменьшает затраты на исправление ошибок.

Что можно сделать за две недели до внедрения ИИ

Если вы рассматриваете автоматизацию своего предприятия, начинать с покупки сложного программного решения необязательно.

Первая неделя: разбор существующего процесса.

В первые дни выберите одну операцию, которую хотите автоматизировать. Например, приём заказа, оформление заявки или подготовку расчёта.

Посмотрите, как сотрудник выполняет эту работу на самом деле. Не по инструкции, а в обычный рабочий день.

Затем соберите несколько характерных примеров: простой заказ, сложный заказ, ситуацию с неполными данными и случай, когда пришлось исправлять документ.

Проверьте, где хранится необходимая информация, какие поля заполняются вручную и какие ошибки возникают.

Вторая неделя: проверка данных и постановка задачи.

Сверьте связанные документы, определите обязательные сведения и опишите ожидаемый результат автоматизации.

Зафиксируйте, какие действия можно доверить системе, а какие должен подтверждать человек.

Оцените время выполнения операции и частоту ошибок до внедрения. Эти показатели станут отправной точкой для последующего сравнения.

К концу двух недель у предприятия может появиться понятное техническое задание на первую автоматизацию.

А иногда выясняется, что на текущем этапе достаточно исправить несколько правил оформления документов и упростить существующий процесс.

Это тоже полезный результат.

Главный вывод из этой истории

Когда к нам обратились с задачей внедрения искусственного интеллекта, мы начали изучать работу приёмщика и данные 1С.

И увидели, что автоматизацию нельзя рассматривать отдельно от существующего учёта.

Один незаполненный реквизит ещё не говорит о масштабной проблеме. Отсутствие производственных статусов не означает, что цех работает плохо.

Но такие особенности показывают, какие вопросы нужно решить до того, как доверять программе новые действия.

В этом и заключается смысл предварительного обследования.

Не искать недостатки ради критики сотрудников. Не убеждать руководителя, что ему срочно нужна дорогая система. А выяснить, какие операции имеет смысл автоматизировать, какие данные доступны и где потребуется изменить привычный порядок работы.

Иногда самое полезное, что можно обнаружить перед внедрением ИИ, — это проблему, которую сам искусственный интеллект не сможет исправить.

И чем раньше она обнаружена, тем меньше риск заложить её в новую систему.

Частые вопросы

- Можно ли внедрить ИИ в 1С без замены программы?

Да, во многих случаях можно. Возможности зависят от конфигурации, версии 1С, доступных механизмов интеграции и конкретного сценария. Заменять всю учётную систему ради одной автоматизации обычно не требуется.

- Обязательно ли сначала исправлять все ошибки в базе?

Нет. Объём подготовки зависит от задачи. Для автоматизации ввода новых документов может быть достаточно проверить структуру и правила их оформления. Для финансовой аналитики потребуется более серьёзная проверка взаиморасчётов.

- Может ли ИИ самостоятельно находить ошибки в 1С?

Он может помогать выявлять подозрительные записи, отсутствующие реквизиты и несоответствия установленным правилам. Но окончательные выводы требуют проверки исходных документов и логики учёта.

- Может ли ИИ автоматически исправлять незачтённые авансы?

Технически возможны автоматизированные сценарии корректировки, но предоставлять ИИ такое право без ограничений рискованно. Финансовые изменения необходимо выполнять по проверенным правилам, с контролем полномочий и фиксацией действий.

- Что делать, если производство не фиксирует этапы ремонта?

Сначала определить, действительно ли эта информация необходима. Если руководителю нужен контроль сроков и загрузки, можно спроектировать минимальный набор статусов, который сотрудники смогут отмечать без лишних затрат времени.

- Подойдёт ли ИИ небольшому производственному предприятию?

Да, если есть повторяющиеся операции, на которых автоматизация способна дать измеримую пользу. Но для небольших объёмов работ экономический эффект может оказаться недостаточным, поэтому начинать лучше с расчёта.

- Сколько времени занимает внедрение ИИ-приёмщика?

Это зависит от состояния данных, сложности документов, конфигурации 1С и требований к интеграции. Срок корректно оценивать после обследования и согласования функций первой версии.

- Как понять, окупится ли автоматизация?

Измерить текущие трудозатраты, определить стоимость разработки и поддержки, оценить ожидаемую экономию и проверить её на реальных операциях. Учитывать нужно также ошибки и время на их исправление.

Хотите понять, что в вашей компании действительно стоит автоматизировать?

В «Гвард-ИТ» можно обсудить конкретный рабочий процесс: оформление заказов, обработку документов, работу с клиентами или передачу информации между системами.

Мы начнём с разбора задачи и доступных данных, определим ограничения и предложим разумный вариант первой автоматизации.

Не обязательно начинать с большого проекта. Иногда полезнее сначала понять, что мешает действующей системе работать эффективнее.