Акты за секунды: как бухгалтерия сама собрала генератор документов из CRM

Несколько таких кругов легко растягиваются на дни переписки и задерживают оплату.

Мы решили поменять сам подход. Вместо того чтобы проверять и исправлять документы за контрагентом, мы собрали собственный инструмент, который формирует их заранее — на основе данных из нашей же CRM. И это хороший пример того, что сегодня дает вайбкодинг специалисту без опыта разработки: не превращать бухгалтера в программиста, а позволить ему самому собрать небольшой инструмент под конкретную задачу.

Вайбкодинг позволяет автоматизировать не только простые операции вроде переноса цифр из одной таблицы в другую. С его помощью можно описать целый рабочий сценарий: какие данные взять, как их проверить, по каким правилам посчитать и что получить на выходе.

И для этого не нужно становиться разработчиком. Бухгалтер и так знает свой процесс, видит, где возникают ошибки и лишняя ручная работа, а нейросеть помогает превратить это знание в инструмент. Это может быть регулярная выгрузка и сверка данных, проверка реквизитов контрагентов, повторяющиеся расчеты по тарифам и правилам, пакетная подготовка документов или сборка отчетов из данных, которые уже есть в системе. Логика везде одна: данные есть, а инструмент под них собирается без полноценной разработки с нуля.

Партнеры-контрагенты регулярно ошибались в первичных документах: неверная дата, формулировка услуги, реквизиты или сумма. Принять и подписать такой документ нельзя, поэтому он уходил обратно, и начиналась переписка: «исправьте, пожалуйста», «вот, исправили», «здесь еще нужно поправить».

Каждый такой цикл съедал время и откладывал оплату, а при большом числе сделок ручная проверка превращалась в отдельную рутину. Тогда мы и решили зайти с другой стороны: не ждать, пока партнер подготовит документ, а формировать его самим — из данных, которые у нас уже есть.

Прежде всего нужно найти повторяющуюся рутину. Поэтому сначала мы определили задачу, которая регулярно выполнялась вручную. Чем четче процесс повторяется по одному алгоритму, тем проще его переложить на инструмент. В нашем случае, по каждой сделке нужно было найти данные, проверить реквизиты, рассчитать сумму, заполнить шаблоны и подготовить акт и счет.

Далее мы подробно описали процесс для нейросети. Здесь важно уточнить, какие данные взять из CRM, как найти контрагента, какие реквизиты использовать, по каким правилам рассчитать сумму и какие документы сформировать на выходе. Нейросети нужно объяснить примерно так же подробно, как новому сотруднику. 

Сразу же на этом этапе прописали важные нюансы. Например, правила расчета, форматы документов, требования к реквизитам и другие детали, которые обычно держит в голове бухгалтер. Такие мелочи часто определяют, будет ли результат действительно пригоден для работы. После того как описали процесс, попросили нейросеть собрать первый вариант инструмента. В нашем случае это был небольшой скрипт на Python, который подключается к Битрикс24, получает данные по сделкам и формирует готовые документы. 

Так появился «Генератор партнерских актов и счетов» — небольшая программа, которая берет данные из Битрикс24 и сама создает готовые документы. Весь процесс разработки мы прошли самостоятельно, без привлечения ИТ-ресурсов. Собрали с помощью ИИ в режиме вайбкодинга.

Для бухгалтера все выглядит просто: он передает программе ссылки на сделки — списком или через Excel — и получает на выходе готовые акты и счета. За этой простотой скрывается цепочка операций, которые раньше делались вручную по каждой сделке. 

Бухгалтер отдает список сделок, а дальше программа сама вытаскивает из карточки нужные поля. Поэтому в документе всегда то же, что зафиксировано в CRM, — ничего не приходится перепечатывать. Партнера она находит по ИНН в справочнике и оттуда же берет реквизиты и банковские данные. Это и есть ключевой момент: раньше именно на реквизитах чаще всего и спотыкались, а теперь они берутся из одного проверенного источника, а не вбиваются каждый раз заново.

Сумму программа считает по тарифной таблице с учетом реальных условий сделки — в нашем случае это тип и формат мероприятия, город и число участников, — так что расчет не зависит от того, кто и как его сделал. На выходе формируются акт и счет из одного набора данных: сумма прописью проставляется автоматически, без ручного «сто двадцать три тысячи рублей 45 копеек», а счет полностью совпадает с актом. Если у партнера изменились реквизиты или нужно поправить шаблон, все правится в Excel без вмешательства в саму программу.

Техническая часть при этом остается за кадром, пользователю это знать не нужно — на входе сделки, на выходе готовые документы.

Главный эффект оказался даже не в скорости. Раньше мы сильно зависели от того, насколько быстро контрагент подготовит документ и учтет замечания: обратной связи ждали по нескольку дней, а документы тем временем копились.

Теперь первичка формируется корректной с нашей стороны — с точной датой, верной формулировкой, правильными реквизитами и суммой. Партнеру остается сверить готовый документ и подписать, и в большинстве случаев он этому только рад: не нужно готовить акт с нуля и по нескольку раз переделывать его после проверки. Меньше итераций, меньше напряжения — быстрее оплата.

Генератор решил конкретную задачу: убрал ручные операции, сократил переписку с контрагентами и ускорил подготовку документов. Но ценность этого кейса шире самого инструмента. Он показывает, что обычная команда — без программистов и без большого проекта — может сама закрывать свои рутинные задачи: специалист решает, что именно автоматизировать, а ИИ помогает превратить это в работающую программу. Иногда достаточно захотеть и немного разобраться.