Как AI оптимизировал работу в казначействе

Андрей Березнев, финансовый директор, ДипИФР (ACCA).

Утром открываешь почту и ЭДО — там 30, 50, иногда 100 входящих счетов. Каждый нужно открыть, прочитать PDF, найти контрагента в 1С, вручную заполнить заявку на расходование денежных средств. Проверить наличие договора, условия оплаты, первичные документы. Прикрепить файл. Передать на согласование.

Никакого профессионального суждения здесь не нужно: просто перенести данные из одного места в другое. Пятнадцать минут на документ. При 50 счетах в день — почти полный рабочий день только на механическую работу.

Я двадцать лет управляю финансами в разных компаниях — разные отрасли, разные масштабы, разные конфигурации 1С. И двадцать лет наблюдаю одну и ту же картину.

1С:РПД. Первое, на что смотришь. Сервис умеет читать PDF и извлекать реквизиты — это удобно. Но участие сотрудника никуда не делось: нужно вручную запустить распознавание каждого документа, проверить результат, создать заявку. Один шаг из десяти стал чуть быстрее.

К тому же 1С:РПД не умеет создавать Заявки на расходование денежных средств напрямую — только через Заказ поставщику. Лишний шаг в и без того длинном процессе.

Кастомные доработки. Прорабатывал вопрос серьёзно: написать скрипт, который сам будет забирать документы из почты, распознавать и создавать заявки. Теоретически это работает. Практически — получил коммерческие предложения в районе нескольких сотен тысяч рублей с негарантированным результатом от нескольких компаний, которые сразу предупредили: полностью исключить сотрудника из процесса не получится.

В 2025 году языковые модели достигли точности, достаточной для реальной работы с финансовыми документами. Появилась архитектура AI-агентов: модель не просто отвечает на вопрос, а управляет цепочкой действий — от получения письма до готового документа в учётной системе.

Именно это сочетание сделало возможным то, чего раньше не было: автономный агент, который ведёт весь процесс — от входящего письма до готовой заявки в 1С — без участия человека на каждом шаге.

Агент мониторит корпоративный почтовый ящик и сам забирает входящие счета — PDF, Excel, сканы. Без участия бухгалтера.

Читает каждый документ и извлекает реквизиты: поставщик, ИНН, сумма, валюта, договор, документы поставки, банковские реквизиты, назначение платежа, срок оплаты.

Проверяет: статус контрагента в СПАРК, наличие договора в 1С, дубли (этот счёт уже в работе?), лимиты по статьям бюджета, признаки рискованных платежей.

Создаёт Заявку на расходование денежных средств в 1С напрямую — все реквизиты заполнены, документ передаётся на согласование.

Бухгалтер получает готовые заявки. Его задача — проверить и подтвердить. Тридцать минут в день вместо четырёх-пяти часов.

Апрель 2026 года, реальное предприятие, реальные входящие счета:

Ускорение — в 22,5 раза. 13% документов, которые агент не распознал с нужной точностью, бухгалтер вносит вручную. Точность продолжает расти — модель обучается на данных конкретной компании.

Агент работает в двух режимах: облако и локальное развёртывание (on-premise). При локальном развёртывании данные не покидают периметр компании. Соответствие требованиям 152-ФЗ.

Продукт сейчас в стадии раннего развития. В планах — автоматическое распознавание и разнесение банковской выписки, функции валютного контроля и валютных платежей, банковский мониторинг, формирование отчётности и платёжного календаря в полностью автоматическом режиме.

Если интересно посмотреть, как это работает на ваших реальных данных — пишите.