Мы заменили бухгалтерию искусственным интеллектом. И остановились не потому, что он не справился

Кто знает нас и нашу компанию, тот знает: к искусственному интеллекту, робототехнике и новым технологиям мы относимся не как к модной игрушке, а как к рабочему инструменту.

Мы не из тех, кто вчера поставил нейросеть на аватарку, сегодня назвал себя цифровым визионером, а завтра пошёл объяснять бизнесу, как жить в будущем. Мы это будущее давно трогаем руками: тестируем, внедряем, ломаем, переделываем и снова запускаем.

Причём началось это не вчера. Ещё семь лет назад, когда большинство людей воспринимали роботов как что-то из фантастических фильмов, у нас в офисе уже ездили роботы. Они приносили кофе, распознавали сотрудников, реагировали на лица и даже делали замечания тем, кто вел себя недостаточно технологично. В общем, иногда казалось, что восстание машин начнётся не с завода Boston Dynamics, а с нашей переговорной. Но не будем о грустном.

Поэтому сегодня поговорим об ИИ спокойно и честно. Без восторженного визга, без паники и без офисного шаманства в стиле: «человека никогда не заменить».

Заменить можно. Вопрос только — кого, в каких задачах и за какие деньги.

Мы попробовали заменить не просто бухгалтера, а саму бухгалтерскую функцию

Важно сразу честно обозначить масштаб эксперимента: мы не ставили перед собой скромную задачу «немного помочь бухгалтеру», не пытались просто ускорить ввод первички, не делали красивую демоверсию для презентации, где нейросеть торжественно распознаёт один счёт и все делают вид, что наступило цифровое будущее.

Мы поставили задачу намного жёстче и, честно говоря, намного интереснее: можно ли заменить не отдельную операцию, не помощника бухгалтера, не “умную подсказку” в программе, а полноценное рабочее место бухгалтера — а в перспективе и значительную часть функций главного бухгалтера как центра учета, контроля, анализа и налоговой безопасности компании.

То есть мы проверяли не игрушку, не чат-бота для ответов на вопросы в стиле «какая ставка НДС», а систему, которая должна была выполнять реальную бухгалтерскую работу: заходить в программу, понимать, где что находится, забирать нужную информацию, вносить данные, сверять документы, анализировать операции, готовить платежи, обрабатывать первичку, проверять ошибки, смотреть на налоговые последствия и предлагать, как лучше действовать.

И вот здесь стало по-настоящему интересно, потому что ИИ не просто “что-то написал” или “что-то посоветовал”, а начал вести себя как полноценный цифровой сотрудник: он заходил в бухгалтерскую программу, находил нужные разделы, работал с данными, сверял цифры, забирал документы, анализировал поступления и расходы, готовил платежки, обрабатывал первичку, которую мы специально отправляли ему на почту, проверял взаимосвязи между документами и операциями, находил слабые места и предупреждал, где компания может получить проблемы.

Причём это были не абстрактные советы уровня «соблюдайте законодательство и будьте внимательны», от которых хочется закрыть ноутбук и уйти в лес разводить коз. Система могла указать, где не хватает документа, где операция выглядит рискованно, где формулировка в договоре может вызвать вопросы, где платеж выбивается из логики сделки, где бухгалтерская проводка вроде бы красивая, но налоговая потом может посмотреть на неё как инспектор на подозрительно счастливого директора.

Особенно важный момент: ИИ справлялся не только с рутиной обычного бухгалтера, но и заходил на территорию, которую многие привыкли считать почти священной зоной главного бухгалтера, — контроль, аналитика, налоговые риски, оценка последствий, подготовка рекомендаций для директора, выявление ошибок до того, как их найдёт ФНС.

Да, это звучит дерзко. Да, кому-то это может не понравиться.
Да, профессиональное сообщество сейчас может сказать: «Ну нет, главного бухгалтера точно нельзя заменить».

Но если убрать эмоции, профессиональную гордость и уютную веру в то, что “человеческий опыт неповторим”, картина получается довольно жёсткая: многие функции главного бухгалтера ИИ уже способен выполнять, а некоторые — выполнять быстрее, системнее и без человеческой усталости.

Конечно, это не значит, что завтра утром любой директор откроет ноутбук, нажмёт волшебную кнопку «заменить главбуха» — и из облака к нему спустится идеальный цифровой бухгалтер в белом пальто, который не ошибается, не болеет, не уходит в отпуск, не просит повысить зарплату и не произносит легендарное: «Я это не видела, мне не приносили».

Хотя будем честны: если у компании есть практически неограниченный бюджет, сильная техническая команда, доступ к дорогим моделям, нормальная интеграция с учетными системами и готовность оплачивать вычисления, то такую конструкцию уже сейчас можно собрать.

Не для всех. Не дёшево. Не “по подписке за 999 рублей в месяц”. Но технически это уже реальность. Просто пока она живёт не в массовом бизнесе, а в зоне дорогих экспериментов, крупных компаний и тех, кто может позволить себе сжигать деньги быстрее, чем бухгалтер закрывает квартал.

И самое неприятное для профессии — мы не увидели такой типовой бухгалтерской или главбуховской задачи, про которую можно было бы уверенно сказать: “Нет, это ИИ принципиально не сможет”.

Где-то он работает быстрее человека.
Где-то требует уточняющих инструкций.
Где-то нужно перепроверять выводы.
Где-то он ошибается.

Но давайте честно: люди тоже ошибаются, причём иногда так креативно, что потом смотришь на учет и думаешь — это бухгалтерия или арт-проект “НДС как форма боли”.

Операционного бухгалтера ИИ заменяет уже сейчас, а функции главного бухгалтера он будет забирать постепенно — сначала как помощник, потом как аналитик, потом как контролёр, а затем как полноценный центр принятия учетных и налоговых решений.

Разница только в одном. Бухгалтера ИИ заменяет руками. Главного бухгалтера — аналитикой, скоростью, памятью, контролем и способностью видеть связи там, где человек уже устал, отвлёкся или просто не успел.

А вот ответственность пока всё равно остаётся на людях: на директоре, компании, подписантах и тех, кто потом будет объяснять налоговой инспекции, почему искусственный интеллект оказался умным, а документы — не очень.

И вот здесь начинается самое важное. Потому что вопрос уже не в том, может ли ИИ заменить бухгалтера или главного бухгалтера. МОЖЕТ!

Проблема не в том, может ли ИИ заменить бухгалтера. Проблема в том, сколько будет стоить один рабочий день такого ИИ

Проблема в другом — в цене этого удовольствия.

По нашим тестам, день работы полноценного “ИИ-бухгалтера”, который не просто отвечает на вопросы, а реально работает с бухгалтерской программой, документами, почтой, первичкой, платежами, отчетностью, анализом ошибок и налоговыми рисками, может стоить от 1 000 долларов в день и выше.

И это не потому, что нейросеть внезапно захотела премию к Новому году. Это стоимость вычислений, дорогих моделей, длинного контекста, обработки документов, повторных проверок, интеграций, доступа к учетным системам, безопасности, логирования, контроля и человеческого надзора.

Чтобы понять, откуда берётся эта цена, нужно разобраться с главным словом ИИ-экономики — токен.

Токен — это не монета и не криптовалюта. Это минимальный кусочек текста, который модель читает или пишет. Иногда это целое слово, иногда часть слова, иногда пробел, знак препинания или фрагмент фразы. OpenAI объясняет, что токены — это “строительные блоки” текста: примерно 1 токен ≈ 4 символа, 100 токенов ≈ 75 английских слов, но точное число зависит от языка, структуры текста и модели.

Для русского языка расчёт может отличаться, поэтому в реальной работе считать надо не “страницами”, а именно токенами: сколько текста вошло в модель, сколько она сгенерировала, сколько “подумала” внутри и сколько раз повторила операцию.

В ИИ обычно есть несколько видов токенов.

Входные токены — это то, что вы отправили модели: договор, акт, счёт, переписка, выписка, оборотно-сальдовая ведомость, требование ФНС, пояснения бухгалтера.

Выходные токены — это то, что модель написала в ответ: анализ, выводы, проводки, рекомендации, письмо, пояснение, предупреждение.

Кэшированные токены — повторяющиеся данные, которые могут стоить дешевле, если система умеет их сохранять и переиспользовать.

Reasoning-токены — это внутренние “токены мышления”, которые некоторые продвинутые модели используют для сложного анализа, даже если пользователь их не видит; OpenAI прямо указывает, что такие внутренние reasoning-токены могут учитываться для биллинга и отслеживания использования.

И вот здесь начинается бухгалтерия уже самого ИИ.

Например, по опубликованным условиям OpenAI, GPT-5.5 для API заявлен по цене 5 долларов за 1 млн входных токенов и 30 долларов за 1 млн выходных токенов, а более точный GPT-5.5 Pro — 30 долларов за 1 млн входных токенов и 180 долларов за 1 млн выходных токенов. Приоритетный быстрый режим может стоить в 2,5 раза дороже, а Batch/Flex — наоборот, вдвое дешевле, но не всегда подходит для живой работы “здесь и сейчас”.

Теперь переведём это на бухгалтерский язык. Одна короткая переписка с ИИ — это копейки. Один договор на 10 страниц — уже тысячи токенов. Папка первички за месяц, выписка банка, ОСВ, договоры, акты, счета-фактуры, переписка с контрагентами, требования ФНС и ещё просьба “проанализируй всё и найди риски” — это уже сотни тысяч или миллионы токенов.

А если ИИ не просто читает текст, а ходит в программу, сверяет данные, возвращается, перепроверяет, делает несколько вариантов вывода, формирует платежки, готовит отчетность, ищет ошибки и ещё объясняет, почему так делать нельзя, — токены начинают улетать так, будто у них тоже майские праздники.

Именно поэтому дешёвый токен не равен дешёвой задаче.

Можно написать поздравление с Днём бухгалтера за копейки. Можно быстро пересказать статью. Можно сделать простую таблицу. Но когда ИИ начинает выполнять функцию главного бухгалтера — анализировать документы, оценивать налоговые риски, сопоставлять данные, проверять логику операций, выявлять противоречия и предлагать безопасную позицию, — это уже не “поболтать с нейросетью”. Это полноценная вычислительная работа.

Да, стоимость токенов формально быстро снижается. Исследование рынка LLM-инференса за 2020–2026 годы показывает примерно 600-кратное снижение цен на токены. Но в том же исследовании есть неприятный нюанс: у флагманских моделей сохраняется высокая “премия за мышление” — reasoning-модели в среднем примерно в 31,5 раза дороже нерезонирующих моделей.

То есть массовый ИИ дешевеет, а действительно сильный ИИ, который способен делать сложную работу, остаётся дорогим.

И вот здесь надо сказать вещь, которая многим не понравится: сегодня цена токена во многом выглядит искусственно заниженной относительно полной стоимости создания и содержания этой инфраструктуры.

Это не значит, что кто-то обязательно “обманывает пользователей”. Нет. Это нормальная логика технологического рынка: сначала сервис делают доступным, чтобы захватить рынок, приучить людей и бизнес к новой модели работы, встроиться в процессы компаний, собрать массовое использование, показать инвесторам рост, занять место в продуктах и создать зависимость от инфраструктуры.

Сначала всем дают попробовать цифровой наркотик эффективности, а потом рынок начинает спрашивать: “А кто оплачивает дата-центры, видеокарты, электричество, инженеров и все эти красивые ответы за три секунды?”

Пока часть стоимости фактически перекрывается венчурными деньгами, облачными гигантами, гонкой за долю рынка и стратегическим желанием крупных компаний встроить ИИ в каждую бизнес-функцию. Но эта логика не вечная. Gartner прогнозирует, что мировые расходы на ИИ в 2026 году достигнут 2,527 трлн долларов, рост — 44% год к году, а расходы только на AI infrastructure составят примерно 1,366 трлн долларов.

Это не игрушка и не чатик для студентов. Это новая индустриальная инфраструктура, сравнимая с энергетикой, транспортом и телекомом.

Наш опыт показывает похожую картину с другой стороны: уже 88% организаций используют ИИ хотя бы в одной бизнес-функции, но большинство пока остаётся на стадии экспериментов и пилотов; только примерно треть компаний начала масштабировать ИИ-программы. То есть рынок уже массовый, но экономика ещё не устоялась: все пробуют, многие тратят, но далеко не все понимают, где реальная прибыль.

А теперь добавим к этому электричество. IEA оценивает, что потребление электроэнергии дата-центрами к 2030 году вырастет более чем вдвое — примерно до 945 ТВт·ч, что чуть больше нынешнего годового потребления Японии. Главный драйвер роста — именно ИИ и цифровые сервисы.

То есть за каждым “сделай анализ договора”, “проверь НДС”, “найди налоговые риски” и “подготовь отчетность” стоит не магия, а дата-центр, железо, охлаждение, электричество и люди, которые всё это поддерживают. И кто-то должен оплатить банкет.

Поэтому, когда мы говорим: “ИИ-бухгалтер может стоить от 1 000 долларов в день”, это не фантастическая цена, а вполне логичный результат, если система работает не как чат-бот, а как цифровой сотрудник: читает документы, держит контекст компании, работает с учетной программой, проверяет данные, делает выводы, использует дорогие модели, повторяет операции, исправляет ошибки и действует под контролем.

Да, бухгалтер будущего уже пришёл. Просто пока он приехал не на маршрутке, а на личном самолёте.

Главный вывод такой: технология уже есть, но экономика пока не для всех.

Именно поэтому я не верю в красивую сказку, что через пару лет у каждого малого бизнеса будет свой почти бесплатный ИИ-главбух, который всё сделает, всё проверит и ещё сам поругается с налоговой. Такой сценарий возможен, но только если вычисления продолжат резко дешеветь, конкуренция задавит цены, а провайдеры найдут устойчивую модель заработка.

Есть и другой, более жёсткий сценарий: сильный ИИ останется доступен прежде всего крупному бизнесу, банкам, платформам и государству, а малый бизнес получит урезанные версии, дешёвые модели и иллюзию автоматизации. То есть у крупных игроков будет ИИ, который реально анализирует риски, а у малого бизнеса — ИИ, который уверенно пишет: “Рекомендуем соблюдать законодательство Российской Федерации”.

Бухгалтерия — идеальная зона для ИИ, потому что там много повторяющихся операций, документов, правил, сверок, отчетности, типовых ошибок и данных для анализа.

Но именно поэтому бухгалтерия станет и одной из первых зон экономического расслоения: одни компании получат дорогой интеллектуальный контур контроля, а другие будут жить по старой схеме — бухгалтер, Excel, 1С, кофе и надежда, что ФНС не заметит.

И самое неприятное: ФНС тоже будет использовать ИИ. Причём, скорее всего, системнее, масштабнее и дешевле на единицу проверки, потому что у государства большие массивы данных и централизованная инфраструктура.

Поэтому вопрос будущего не в том, заменит ли ИИ бухгалтера.

Заменит.

Вопрос в другом: кто сможет оплатить сильный ИИ, кто будет управлять им и не получится ли так, что у налоговой будет цифровой инспектор нового поколения, а у бизнеса — бухгалтерия на морально устаревшем энтузиазме.

Если эта статья была полезной — поставьте лайк и сохраните.

P.S. Финансово мы выдержали этот эксперимент всего пару недель. Ещё около месяца ушло на настройку, тестирование и попытку довести систему до рабочего состояния. Потом проект пришлось поставить на паузу. Не потому, что ИИ не справился. Справился. И именно это было самым интересным. Проблема оказалась не в технологиях, а в деньгах.

Мы не инвестиционный фонд, не IT-гигант и не венчурная компания, которая может спокойно сжигать бюджеты ради красивого будущего. Мы обычная консалтинговая компания по налогам и бухгалтерскому учёту. Поэтому вывод получился честный и немного болезненный: ИИ-бухгалтер уже реален технически, но экономически он пока доступен далеко не всем. И вот это, пожалуй, главный вопрос ближайших лет: не заменит ли ИИ бухгалтера, а кто сможет себе позволить такого бухгалтера первым.