AI для бухгалтерии и документов: что можно доверить, а что нельзя

Почему именно бухгалтерия

Работа с первичкой устроена так, что квалифицированный специалист с профильным образованием тратит большую часть дня на действия, для которых квалификация не нужна: открыть PDF, найти в нём ИНН, номер, дату и сумму, перенести в учётную систему, сверить с договором, положить в папку. Это не бухгалтерия — это перекладывание символов из одного окна в другое.

Классическая автоматизация здесь всегда упиралась в разнообразие форм. Счёт от одного поставщика не похож на счёт от другого: другая вёрстка, другие названия полей, печать поверх текста, скан под углом. Жёсткие шаблоны ломались на каждом новом контрагенте, и поддержка шаблонов съедала выигрыш.

Современные языковые модели с обработкой изображений сняли именно это ограничение. Они читают документ не по координатам, а по смыслу: понимают, что «ИНН/КПП» и «Идентификационный номер» — это одно поле, а «К оплате» и «Итого с НДС» — про одну сумму. Поэтому новый поставщик не требует нового шаблона.

Что реально работает: четыре участка

1. Распознавание и разбор первички

На вход — скан, фото, PDF или письмо с вложением. На выходе — структурированный набор полей: контрагент, ИНН, номер и дата документа, позиции, количество, цена, ставка и сумма НДС, итог. Модель справляется с плохими сканами лучше классического OCR, потому что достраивает смысл: видит, что сумма прописью совпадает с цифрами, и выбирает правильную интерпретацию смазанного знака.

2. Извлечение условий из договоров

Отдельная боль — вытащить из договора то, что влияет на учёт и на деньги: срок оплаты, порядок приёмки, размер аванса, штрафные санкции, условие о пролонгации. Обычно это делается глазами и по памяти, а потом выясняется, что в одном из договоров отсрочка не 30, а 90 дней. AI проходит весь портфель договоров и собирает таблицу условий, которую можно проверить целиком.

3. Сверка и поиск расхождений

Самая недооценённая задача. Сопоставить акт с договором, счёт с поступлением, номенклатуру поставщика со своей, платёж с назначением. Здесь AI силён тем, что справляется с неточным совпадением: понимает, что «ООО ТД Ромашка» и «Торговый дом Ромашка, ООО» — вероятно, один контрагент, и помечает это как гипотезу, а не как факт.

4. Маршрутизация и подготовка ответов

Входящее письмо разбирается автоматически: это счёт — в оплату, это акт — на подписание, это запрос сверки — ответственному, это претензия — юристу. Плюс черновик ответа, который человек правит, а не пишет с нуля.

Что можно доверить, а что нельзя

Это главная таблица статьи. Граница проходит не по сложности задачи, а по тому, кто отвечает за результат.

Логика простая: чем ближе операция к суждению и к подписи, тем меньше в ней места автоматике. Распознать сумму — механика. Решить, принимается ли расход к учёту, — квалификация, за которую отвечают конкретные люди. Ни одна модель не станет субъектом ответственности перед налоговым органом, и рассуждать об этом как о «когда-нибудь» не стоит.

Где AI ошибается предсказуемо

Честный разговор про ограничения экономит месяцы разочарования. Типичные места сбоев:

• Плохой исходник. Фотография мятого документа под углом, печать поверх суммы, третья копия факса. Точность падает, и это нормально — вопрос в том, признаёт ли система, что не уверена.
• Уверенная выдумка. Модель может «дочитать» поле, которого в документе нет, если оно обычно там бывает. Лечится не уговорами, а архитектурой: система обязана отдавать не только значение, но и место в документе, откуда оно взято.
• Арифметика на глаз. Складывать позиции и считать НДС должна не модель, а обычный код после извлечения. Расчёт — это детерминированная операция, ей незачем быть вероятностной.
• Похожие контрагенты. Два юрлица с почти одинаковым названием и разными ИНН — классическая ловушка. Сопоставление всегда идёт по ИНН, название только как подсказка.
• Редкие формы. Нестандартный документ, встречающийся раз в квартал, обучать не на чем. Такие уходят в ручную ветку, и это правильное решение, а не поражение.

Как встроить это в реальный контур

Рабочая схема выглядит одинаково почти в любой компании и состоит из четырёх слоёв.

1. Приём. Единая точка входа для документов: почтовый ящик, папка, форма. Пока документы приходят в шесть разных мест, автоматизировать нечего.
2. Извлечение. Модель разбирает документ и отдаёт поля с указанием источника и степени уверенности.
3. Проверка правилами. Обычный код проверяет арифметику, наличие обязательных реквизитов, существование контрагента в базе, попадание в период. Всё, что можно проверить формулой, проверяется формулой.
4. Окно человека. Бухгалтер видит документ и извлечённые данные рядом. Зелёное подтверждает пачкой, жёлтое правит. Именно здесь достигается основная экономия: не «не смотреть», а «смотреть быстро и по существу».

Смысл не в том, чтобы убрать человека из процесса. Смысл в том, чтобы человек перестал быть устройством ввода и стал контролёром. Та же идея подробно разобрана в материале о том, как заменить рутину сотрудников нейросетями — бухгалтерия просто самый структурированный её случай.

Данные и конфиденциальность

Первичные документы содержат коммерческую тайну, а часто и персональные данные — от физлиц-контрагентов до сотрудников в авансовых отчётах. Прежде чем документ уйдёт в обработку, нужно ответить на три вопроса: куда именно он уходит, что там с ним происходит и что написано об этом в договоре с подрядчиком. Это отдельная большая тема, и мы разобрали её в статье про безопасность данных при внедрении AI.

Хороший критерий зрелости внедрения: бухгалтер стал тратить меньше времени, но при этом видит каждый документ, который прошёл через систему. Плохой: документы «как-то проводятся», и никто не может показать, кто это утвердил. — команда Aivonix

Как понять, что получилось

До старта фиксируются три цифры: сколько документов обрабатывается в месяц, сколько минут в среднем уходит на один, сколько ошибок находится при последующей проверке. Через месяц пилота те же три цифры измеряются заново. Всё остальное — ощущения. Методика замера подробно разобрана в материале о том, как измерить эффект от внедрения AI.

Если вы только подступаетесь к теме и хотите понять общий порядок действий, начните с разбора о том, как внедрить AI в бизнес: бухгалтерия почти всегда оказывается в коротком списке первых кандидатов, но выбирать процесс всё равно нужно по цифрам, а не по интуиции.

FAQ

Может ли AI полностью заменить бухгалтера?

Нет. AI снимает механическую часть — ввод, распознавание, сопоставление, поиск расхождений. Квалификация суждения, выбор способа отражения операции, общение с проверяющими и подпись под отчётностью остаются за человеком. Ответственность за отчётность несёт организация и её должностные лица, а не программа.

Насколько точно AI распознаёт первичку?

Зависит от качества исходников. Чистый PDF из учётной системы читается почти без ошибок, кривой скан или фото мятого документа — заметно хуже. Поэтому в рабочем контуре всегда закладывают проверку: система показывает уверенность и отправляет сомнительные поля человеку.

Куда уходят документы при обработке AI?

Зависит от архитектуры. При облачной модели документ покидает периметр компании — это нужно осознанно оформить в договоре с подрядчиком. Для чувствительной документации применяют локальные модели или обезличивание, когда наружу уходит только структура без реквизитов сторон.

С какого участка начинать?

С самого массового и шаблонного — обычно это входящие счета и акты от поставщиков. Там больше всего однотипных документов, эффект виден за несколько недель, а цена ошибки на пилоте невелика, потому что каждая позиция всё равно проходит через глаза бухгалтера.