Есть такой тип управленческих вопросов, которые кажутся простыми только тому, кто их задает. «Зачем нам платить аналитику, если можно сделать все через ИИ?» — из этой категории.
Директор компании посмотрел демо очередной нейросети. Нейросеть написала техническое задание, предположим, на внедрение модуля в 1С за четыре минуты. Красиво, структурировано, с разделами. Директор доволен. Аналитик за это берет деньги и работает две недели. Вопрос кажется очевидным.
Он не очевиден. Но чтобы понять почему, придётся разобраться в том, что именно произошло за эти четыре минуты, и что осталось за кадром демо.
Мировая истерия по ИИ: что за ней реально стоит
По прогнозу Gartner, к концу 2026 года 40% корпоративных приложений будут интегрированы со специализированными ИИ-агентами — против менее 5% в 2025 году. Восьмикратный рост за один год. SAP уже выпустил Joule, автономного агента, который берет на себя часть аналитической работы прямо внутри системы. Microsoft Copilot вшит в Dynamics 365. Forrester предсказывает, что половина ERP-вендоров в мире к концу 2026 года запустит автономные модули с ИИ.
Звучит угрожающе. Но вот что важно понимать: McKinsey, опросив тысячи компаний по всему миру, обнаружил, что около 80% из них используют генеративный ИИ хотя бы в одной функции. При этом только 6% квалифицируются как «настоящие высокоэффективные пользователи», то есть те, кто получает измеримую отдачу от инвестиций. Остальные 74% — это компании, которые купили подписку, запустили несколько пилотов, получили красивые демо и продолжают работать как прежде.
Иными словами: ИИ-хайп и ИИ-результат — это пока разные вещи для большинства организаций. Это не значит, что хайп беспочвенный. Это значит, что он опережает реальность примерно на несколько лет.
Что ИИ реально умеет
Было бы нечестно делать вид, что за ажиотажем ничего нет. Кое-что нейросети умеют, и умеют хорошо, лучше человека по скорости и, в ряде задач, по качеству.
Написать первичный черновик технического задания по структурированному описанию задачи — легко. Сгенерировать SQL-запрос, скрипт, базовый отчет — без проблем. Обработать тысячу однотипных документов, классифицировать их, сопоставить с данными в системе — быстрее и дешевле человека. Производственные компании, внедрившие AI-усиленные ERP-системы, фиксируют рост операционной эффективности на 30–40%, прежде всего именно за счет рутины.
Gartner прямо называет бизнес-аналитиков в числе профессий, наиболее уязвимых к замещению ИИ. Аргумент понятный, их работа насыщена типовыми результатами: документация, тикеты, шаблонные отчеты. Всё это автоматизируется.
Часть работы 1С-аналитика именно такая. Написание стандартных ТЗ, документирование типовых процессов, первичная аналитика данных — это поддается автоматизации, и эта часть будет сокращаться. Тот, кто зарабатывает деньги исключительно переносом слов заказчика в документ, — да, под давлением. Это честно.
Демо заканчивается раньше, чем начинается работа
Вот здесь начинается то, что в демо для директора не показывают, потому что это невозможно показать за четыре минуты.
Задание, которое нейросеть написала красиво и структурированно, описывает идеальный процесс в идеальной компании. Реального предприятия с его историей, конфликтами, договоренностями в этом документе нет.
В каждой компании средних размеров есть вещи, которые нигде не записаны. Почему согласование платежных поручений идет через замдиректора по безопасности, минуя финансовый блок? Потому что три года назад был крупный кассовый разрыв, за который никто официально не понес ответственности, но с тех пор именно этот человек контролирует все движения денег. ИИ этого не знает. Аналитик, поработавший на проекте полтора месяца, знает. И именно это знание определяет, будет ли система работать или нет.
Дальше противоречия в требованиях. Бухгалтерия хочет, чтобы все операции проходили через регламентированный учет без исключений. Коммерческий директор хочет закрывать сделки быстро, с минимумом согласований. Склад хочет подтверждать каждую отгрузку вручную, потому что боится пересортицы. Все трое правы со своей точки зрения. Все трое в конфликте друг с другом. Нейросеть, получив три разных технических задания, напишет три прекрасных документа: каждый по отдельности грамотный. Вместе они не работают. Аналитик усаживает всех троих за стол и находит компромисс, при котором система функционирует как единое целое. Это переговоры, это управление людьми, это понимание того, кем жертвовать в первую очередь. Этому нейросеть не обучена.
И наконец - ответственность. По данным McKinsey, лишь 31% крупных трансформационных программ достигают заявленных целей. Остальные 69% — это деньги, выброшенные в разной степени. Причина почти никогда не техническая. Это люди, не умеющие договориться. Требования, понятые неправильно. Заказчик, который в момент приемки вдруг «вспомнил», что имел в виду совсем другое. Когда проект выходит за бюджет вдвое, собственник зовет на ковер конкретного человека. ChatGPT на этот ковер не вызовешь. Именно поэтому ответственность — последний бастион, который ИИ не берет.
Российская специфика: почему у нас другая математика
Теперь о том, о чем западные консультанты не пишут, потому что не знают.
Когда в западных изданиях рассказывают про ИИ в ERP, они имеют в виду SAP, Oracle или Microsoft Dynamics. Это системы, в которые вендоры уже встраивают ИИ-агентов на уровне платформы. SAP Joule, к примеру, автономный агент, который помогает проектировать процессы прямо внутри системы. Microsoft Copilot интегрирован в Dynamics 365 так, что берет на себя часть аналитической работы. В этих системах ИИ уже частично заменяет аналитика на уровне самого продукта.
В России 80% ERP-рынка — отечественные решения, и 80% из них — 1С. 1С — это не SAP. У нее нет встроенного ИИ-агента уровня Joule. Есть 1С:ГПТ в экспериментальных версиях, есть попытки интеграции с нейросетями на уровне отдельных инструментов. Но до автономного агента, который берет на себя проектирование процессов внедрения, дистанция значительная. Это означает: в российском контексте аналитик-человек остается незаменимым звеном значительно дольше, чем в западном.
Второй российский аргумент: регуляторная среда, которая не имеет аналогов по своей динамичности и запутанности. Прогрессивный НДФЛ с пятью ступенями с 2025 года. Взносы за директора с МРОТ даже при нулевой деятельности компании с 2026 года. Новая форма ЕФС-1 с декабря 2025 года. Маркировка, ЕГАИС, интеграция с ФНС через ЭДО. Каждый квартал что-нибудь новое, требующее изменений в конфигурации.
ИИ знает общие принципы налогообложения. Он не знает разъяснения ФНС, вышедшего в прошлую пятницу. Он не понимает, как это разъяснение влияет на настройки конкретной конфигурации 1С у заказчика с нестандартной схемой оплаты труда. Аналитик, специализирующийся на зарплатном учете, знает и понимает. В условиях, когда цена ошибки в расчете НДФЛ - штраф 20% от недоимки, а при умысле - 40%, это не абстрактное преимущество.
Что реально происходит с профессией
На самом деле профессия аналитика не уходит в прошлое. Она расслаивается и видоизменяется.
Тот слой, который занимался формальным документированием и переносом слов заказчика в шаблоны, под реальным давлением. Здесь ИИ действительно конкурирует, и скоро будет выигрывать по стоимости. Это надо признать, не утешая тех, кто в этом слое застрял.
Тот слой, который понимает бизнес-процессы изнутри, умеет договариваться между враждующими отделами и берет на себя ответственность за результат, дорожает. Потому что ИИ снял с него рутину, оставив именно ту работу, за которую всегда платили дороже. McKinsey фиксирует: компании, сочетающие ИИ-инструменты с грамотными специалистами, показывают рост EBIT на 5% и более против тех, кто делает ставку только на одно из двух.
Всемирный экономический форум приводит хорошую историческую аналогию: появление калькуляторов и Excel не уничтожило финансовую профессию, оно сдвинуло ее в сторону большей сложности и, что важно, большей оплаты. Бухгалтер, который раньше складывал столбцы цифр вручную, не исчез, он переключился на анализ и интерпретацию. То же самое происходит сейчас.
Ключевой вопрос не «заменит или нет». Ключевой вопрос: в каком слое профессии находится конкретный человек. Ответ на него определяет, выиграет ли он от волны автоматизации или пострадает.
Ответ директору
Итак, возвращаемся к директору, который посмотрел демо.
ChatGPT написал ТЗ за четыре минуты. Прекрасно. Но это ТЗ для компании из «сферического вакуума», без истории, без конфликтов, без российского налогового законодательства. Его можно взять как заготовку. Нельзя взять как готовый документ для внедрения в реальную организацию.
Реальный вопрос, который стоит задать: не «аналитик или ChatGPT», а «какой аналитик». Тот, кто умеет использовать нейросети для ускорения рутины и тратит свое время на задачи, которые ИИ не может решить по определению, стоит больше, чем год назад. Тот, кто продолжает делать все руками, как в 2019 году, стоит меньше.
Победит в тендере на автоматизацию в 2026 году не ChatGPT и не аналитик, отрицающий ChatGPT. Победит аналитик с ChatGPT, тот, кто понимает, где технология помогает, и не тратит время на то, с чем она справляется лучше него.
Это требует системного понимания ERP изнутри: как устроены процессы, как работает система, где находятся точки, где человек незаменим, а где его можно и нужно заменить инструментом. Именно этому: не работе с интерфейсом, а архитектурному мышлению и пониманию бизнеса, обучают Курс аналитика 1С и Курс «1С:ERP с нуля до профессионала» CORS Academy. Потому что специалист, который понимает систему изнутри, тот, кого не заменит ни одна нейросеть. По крайней мере, в обозримом будущем.
Хотите получить востребованную профессию аналитика 1С?
Оставьте контакты, и мы свяжемся с вами.
Реклама: ООО «КОРС», ИНН 5003144169, erid: 2W5zFJPSGJd
Начать дискуссию