Каждый день бухгалтер тратит часы на однотипные операции: распознавание первичных документов, сверку с контрагентами, проверку дебиторской задолженности. Искусственный интеллект способен взять на себя часть этой рутины, но идея о полной замене бухгалтера роботом пока остается мифом. В этой статье поговорим о том, в каких процессах ИИ уже применим, где его использование невозможно, какие риски и экономия для бизнеса.
Где технология может помочь бухгалтеру
1. Обработка первичных документов
Как работает: ИИ анализирует фотографию или скан накладной, акта, счета-фактуры, распознает реквизиты, сверяет сумму и контрагента и автоматически разносит документ в учетную систему. Бухгалтеру остается только проконтролировать результат, можно делать это в формате выборочной проверки.
Для кого подходит: для компаний с большим потоком первички – везде, где много повторяющихся документов.
2. Расчет заработной платы
Как работает: ИИ на основе загруженных табелей и фиксированных ставок автоматически рассчитывает оклады, премии и удержания. Стоит учитывать: как только появляются нюансы (например, сдельная оплата, ночные смены, совместительство), точность ИИ резко падает.
Для кого подходит: для компаний со стандартной схемой оплаты труда, без сложных коэффициентов, районных надбавок, сменных графиков и индивидуальных договоренностей.
3. Акты сверки с контрагентами
Как работает: ИИ по запросу (или автоматически в заданную дату) формирует акт сверки, используя данные учетной системы.
Для кого подходит: применимо как для крупных, так и для небольших компаний.
4. Контроль дебиторской и кредиторской задолженности
Как работает: на основе заданных алгоритмов ИИ подсвечивает просроченную задолженность, автоматически формирует и отправляет письма-напоминания контрагентам. Такой подход снижает риск пропуска сроков оплаты, ускоряет оборачиваемость денег и разгружает бухгалтера от «ручных» обзвонов.
Для кого подходит: универсально – и для малого бизнеса, и для более крупных компаний.
5. Анализ счетов для взаимозачетов
Как работает: ИИ анализирует счета 60, 62, 76 и другие, находит встречные требования и автоматически формирует предложение о взаимозачете. Это позволяет сократить излишние платежи и ускорить закрытие обязательств без участия бухгалтера.
Для кого подходит: любые компании, где есть регулярные встречные поставки или услуги.
Какие бухгалтерские задачи не нужно делегировать ИИ
- Составление бухгалтерской и налоговой отчетности. Это требует не только точных цифр, но и понимания контекста, изменений законодательства, учетной политики компании. Ошибка в расчете налога, и штраф обеспечен. ИИ неспособен взять на себя ответственность за подпись под декларацией.
- Сложные и нестандартные случаи. Любая ситуация, выходящая за рамки заданного алгоритма (например, спорные проводки, реорганизация, нестандартные договоры), требует профессионального опыта бухгалтера. ИИ здесь либо ошибется, либо запросит уточнения – фактически вернет задачу человеку.
- Сложный расчет заработной платы. Когда в игру вступают индивидуальные коэффициенты, ночные часы, вахтовый метод, расчет с несколькими ставками, ИИ становится ненадежным помощником. Такие задачи лучше оставить человеку.
Преимущества и недостатки автоматизации бухгалтерии
Преимущества:
- Частичная замена операторов 1С и бухгалтеров на первичной документации. ИИ способен заместить человека на этапе обработки входящих документов (распознавание, разноска по счетам, проверка реквизитов), что приводит к прямой экономии ФОТ.
- Сокращение трудозатрат опытных бухгалтеров. Автоматизация рутины позволяет штатным бухгалтерам сосредоточиться на аналитике, налоговой оптимизации и сложных задачах. В итоге компания может либо сэкономить на расширении штата, либо повысить качество работы без дополнительных наймов.
Недостатки:
- Требуется проверка результата. ИИ-агенты хорошо справляются с рутиной, но никогда не гарантируют 100% точности. Бухгалтер обязан контролировать итоговые цифры.
- У нейросети нет опыта и профессионального чутья. Робот не знает, что в прошлом году контрагент уже пытался обмануть, не помнит особенности учета в конкретной отрасли. ИИ действует строго по алгоритму – без понимания экономической сути.
- Полноценное ведение учета ИИ невозможно. Ни один робот не заменит главного бухгалтера при принятии стратегических решений, налоговом планировании или общении с инспекцией.
С чего начать внедрение ИИ в бухгалтерию
- Выберите одну рутинную задачу. Например, распознавание чеков или формирование актов сверки. Не пытайтесь автоматизировать все сразу.
- Соберите данные за 3-6 месяцев. ИИ нужно на чем-то учиться. Подойдут типовые накладные, счета, акты без ошибок.
- Протестируйте на малом объеме. Загрузите 10-20 документов, проверьте результат. Уровень точности в 95-98% – норма.
- Внедрите двухэтапный контроль. ИИ обрабатывает, бухгалтер выборочно проверяет (например, каждый 10-й документ).
- Обучите команду. Проведите вебинар или разошлите инструкцию своим коллегам-бухгалтерам. Главное, снять страх «робот отнимет работу».
Также читайте:
Повторная просьба - опишите как можете подробнее какую-то одну, но реальную. Конечно, если Вы действительно её видели и знаете, как она на самом деле устроена. И всё сразу будет понятно.
Заказчика можно не называть.
Да уж. Технологии, стеки и компоненты упоминаются без необходимости, но не будем о грустном.
Здесь есть люди, которые такие системы разрабатывали и эксплуатировали. И даже продолжают это делать.
Особенно?
Тот же вопрос о реальном примере. Попробуйте сфокусироваться на требованиях к системе, принципах её построения и предлагаемом на данный момент функционале. И все сразу увидят, какие там слои, что бы это не значило.
Это замечательно.
Эта ветка представляет очень сильный интерес именно по поводу использования ИИ в процессе дискусии.
Причём по его рекомендациям самый простой пример для того чтобы убедиться в том что собеседник используют ИИ вместо себя это просьба привести конкретный пример.
ИИ это сделать не может, но возможно я не прав и у автора всё-таки есть возможно своя точка зрения на предмет того о чем пытается рассуждать.
Также с нетерпением буду ждать конкретного примера из реального бизнеса.
А пока жду - отмечу, что с ИИ есть и еще одна проблема: если мы говорим про LLM, крайне большое влияние оказывает формируемый оператором промпт. Если в нем возникает "беспорядок" - он просто усиливается в итоговой выдаче, но для того, чтобы заметить его - хоть на входе, хоть на выходе LLM - требуется экспертиза в предметной области. Без экспертизы копипаст ИИ-текста не только выдает работу LLM, но и раскрывает компетенции оператора. Оба этих проявления мы в полной мере здесь наблюдаем. Они не являются случайными, но закономерны и предсказуемы.
Можно подумать, что я не приводил примеров. Уже описывал Booke.ai, это AI-бухгалтер для QuickBooks и Xero.
Вот еще конкретный пример: UiPath Document Understanding - платформа для обработки документов
Архитектура:
Слой 1:
- Получение документов из различных источников (email, сканеры, API).
- Поддержка форматов: PDF, изображения, рукописный текст.
Слой 2:
- OCR для распознавания текста.
- Specialized ML models для извлечения сущностей (банковские выписки, счета-фактуры, чеки, финансовая отчетность.
- Generative AI для неструктурированных документов.
Слой 3:
- Автоматическая классификация типов документов
- Pre-trained модели для 40+ типов документов
Слой 4:
- Предоставление человеку возможност проверить и при необходимости скорректировать данные, которые автоматически извлекла система.
- Сравнение с показателем достоверности, если уверенность ниже порога, передается человеку.
Слой 5:
- Интеграция с RPA для применения бизнес-правил.
- Экспорт в ERP-системы (SAP, Oracle, 1С).
Слой 6:
- API для интеграции с внешними системами.
- Готовые коннекторы к банковским системам.
Используется в Deutsche Bank для автоматизация финансовых операций.
Убедительная к Вам просьба: прекратите передергивать и, по возможности, ведите себя прилично. Ваши провокации и "тезисы" - откровенная дешевка.
Сайтик этот всем доступен. И вопрос к Вам был о Вашей практике. Судя по всему, не понимая предметную область Вы здесь пытаетесь пресказывать то, что Вам удалось понять из Ваших промтов к общедоступным LLM и поисков по сети. И собственно в предметной области практики не имеете.
Вы бы еще про банки тут порассуждали! Хотя, повеселите публику - рискните! Хоть какой-то прок от Ваших перлов будет.
Содержательно - с Вами говорить не о чем.
Остается некоторой загадкой, зачем Вы здесь в стиле самоутверждающегося подростка (типа: "я победил", "нахлобучу" и т.д., тем более, оказалось, что Вы сами определяете "кто победил" - ну сейчас это модно) несете какую-то дичь? Да и еще в довольно хамской манере! Боитесь потерять репутацию как продавца своих услуг? Человек Вы вроде не глупый, тогда зачем упорствуете в самодемонстрации? А может Ваша "упорная борьба с очевиднстью" совсем для других читателей? И именно им Вы что-то хотите продемонстрировать? Тогда понятно. Вы только намекните, и "поклонники" Ваших текстов потянутся...Или это совсем не поклонники?
___________________________________________________________________
Я вот размышлял о некоторых предыдущих "гуру" - жаль, что их нет тут сейчас! Я бы кофемашину еще раз включил! И вот какие общие черты наметились у этих девиантов:
1. Незнание предметной области.
2. Обилие матералов из сети - общедоступных, но плохо понимаемых самими "гуру".
3. Маниакальное упорство в отстаивании собственной неправоты и некомпетентности. Для кого этот "театр"?
4. Хамство в поведении - как будто их всех в одном месте "обучали". Кстати такой сорт поведения может говорить о глубоком чувстве собственной безнаказанности.
Надо также заметить, что эти "гуру" появляются с завидным постоянством. Что это? Социальный закон или функция ресурса? Нет, я за присутствие девиантов - пусть! Это оживляет пейзаж, бодрит сообщество. Но вот качество девиантов, к сожалению, перманентно.
На этом, хотелось бы завершить мое участие в этой ветке дискуссии - хождение по кругу хорошо в манеже и...для лошадок!
Эрнст, я конечно, не спец в этом вопросе)) Но он меня тоже интересует, в основном в сфере лингвистики и обучения языкам.
Вот смотрите, что он мне ответил сегодня, весь разговор приводить не буду. Цитаты:
Проблема «сверхуверенного дурака»
Обычные, простые нейросети обладают неприятной особенностью: они всегда уверены в своей правоте, даже когда несут полную чушь.
Если показать стандартному медицинскому ИИ, обученному распознавать только болезни легких, снимок кошачьей лапы, он не скажет: «Эй, это лапа кота!». Он с уверенностью в 99.9% заявит: «У этого пациента тяжелая пневмония левого легкого». Он просто подгонит незнакомый объект под те шаблоны, которые знает.
В реальной жизни это приводит к катастрофам: беспилотник на полной скорости врезается в белый грузовик, потому что считает его «светлым небом», а медицинский робот пропускает редкий рак, называя его «простым артефактом на снимке».
Когда инженеры научили архитектуру разделять алеаторную и эпистемическую неопределенность, ИИ превратился из «сверхуверенного дурака» в надежного ассистента.
Безопасное самообучение (Активное обучение)
Вместо того чтобы программисты вручную собирали миллионы новых картинок, ИИ сам говорит, каких знаний ему не хватает.
Как разработчики усмиряют «галлюцинации» сегодня?
В современных версиях ИИ инженеры используют подход, который мы разбирали на примере беспилотников, — заставляют модель оценивать свое незнание.
Потом мы обсуждали Подход Waymo против Теслы Илона Маска )
Ну, скажите, он, что все это придумал, врет или так есть? )
Пока нет. Он что-то где-то об этом слышал.
Для сравнительного обсуждения реальных корпоративных систем на уровне архитектур нужно действительно быть в теме, общаться с их авторами или принимать участие в разработке, понимать плюсы, минусы и ограничения. В открытых источниках такие детали отсутствуют, это вопрос NDA и безопасности.
И не один раз.
Это не архитектура системы. Совсем. Это несколько отдельных кусочков функционала на уровне самых общих названий.
А UiPath - одна из компаний, которые выпускают достаточно специфические продукты, которые кто-то при желании может использовать для построения систем. Или решать свои проблемы иначе.
Смею предположить, что корпоративную систему Deutsche Bank вы не видели, если не служили там в роли CIO. Она ОЧЕНЬ большая и ОЧЕНЬ сложная.
Возможно, что не видели никакие корпоративные системы в полный рост и не работали в компаниях, где такие системы установлены и эксплуатируются.
Скорее, так есть. Вы, кстати, когда промты пишите и получаете ответ - там, как правило, иконки есть - типа "одобрить" или "не одобрить" - так это и есть материал к дообучению.
LLM уже очень много, учатся на терабайтах данных, параметров сетей - десятки миллиардов. Сложная архитектура - сейчас доминирует архитектура транспондера. У каждой LLM своя команда и свои подходы. Какой-то науки сейчас там немного - больше инженерных поисков, проб и ошибок, разные подходы к токенизации, генерации и т.д.
Но у меня нет денежек на самостоятельную разработку - невозможно уже давно конкурировать с гигантами, у которых тысячи видеокарт в работе...Тут бы одну хоть прикупить современную...Потому и пытался интересоваться у тех, кто заявлял о своем знании современной архитектуры коппоративных приложений с ИИ.
Про это могу сказать чуть подробнее и на основе практики. Собственно ИИ здесь не при чем (хотя некоторые, наверное могут отнести к ИИ и регулятор Уатта - он же работает без участия человека, "сам" и неплохо). Обычно в банках в рознице реализуются скоринговые модели - по вектору характеристик клиента (от возраста, текущего дохода до оборота по счетам и имущества) клиент относится к одному из оценочных классов. Это банк решает к каким классам - от "надежного", до "сомнительного" и "безнадежного" или же считается лимит возможного кредитования. Если скоринг качественный, то человек просто проверяет результаты скоринга и...нажимает подтверждение. Но никакой особой магии, задуривания ИИ тут нет - от обычной логистической регрессии и деревьев решения (детерминированные и интерпретируемые модели) до ансамблевых методов (бэггинг, бустинг, случайные леса) - эти уже просто "черный ящик" - но в продакшене - это детерминированные машины. И они нуждаюся в периодическом переобучении. Это совсем не тривиальный вопрос.
А сейчас, интересно,ИИ можно назвать все, что не требует участия человека? Опять вспоминается кибернетика...сколько надежд было.
Водяную или ветряную мельницу, к примеру. Сами решают, когда им работать. Необъятный интеллект.
Но вряд ли больше интеллекта тех, кто их когда-то придумал.