Автоматизация рутины с ИИ: шесть задач бухгалтерии и граница, где ИИ не помогает
Летом 2026 к нам пришла задача: аутсорсинговая бухгалтерская компания хотела снять с людей рутину. Заказчик сам разложил работу на шесть блоков и отметил, какие считает простыми, а какие сложными.
Проект дошёл до стадии оценки и не превратился в разработку, поэтому это не кейс, а разбор постановки. Но именно на этой постановке хорошо видно, где ИИ работает, а где создаёт видимость работы.
Шесть блоков, из которых состояла задача
Перенос сумм между таблицами. Выставление счетов на основании писем и сообщений в чатах, с заходом в учётную систему. Ответы на типовые вопросы. Подготовка платёжных поручений. Документы на отгрузку. Проверка расчёта налогов перед сдачей отчётности.
Список полезен тем, что в нём видно два разных типа работы, которые заказчик воспринимает одинаково, а разработчик обязан различать.
Первый тип: перенос и подготовка
Перенос сумм, счета, платёжки, отгрузочные документы. Здесь работа повторяемая, данные машиночитаемые, а результат проверяем: документ либо сформирован правильно, либо нет.
Сложность этих задач лежит не в модели, а в доступе. Может ли система читать почту и чаты. Даёт ли учётная система доступ на запись или только на чтение. Кто в компании имеет право выдать эти доступы. Пока на эти вопросы нет ответа, обсуждать интерфейс бессмысленно, поэтому такие проекты мы начинаем с проверки доступа, а не с дизайна.
Второй тип: суждение и ответственность
Проверка расчёта налогов перед отчётностью выглядит как задача того же ряда, но устроена иначе. Здесь система может найти расхождение, но не может взять на себя ответственность за подпись под отчётностью.
У этой задачи, кстати, был прямой конкурент: встроенный механизм проверки в самой учётной системе, который заказчик считал слабым. Это важная деталь для оценки: вы соревнуетесь не с ручным трудом, а с существующим инструментом, и разница должна быть заметной, иначе проект не окупится.
Формулировка, которая снимает страх
Главный вывод из подготовки к этому разговору оказался не техническим. Когда нетехническому заказчику объясняют устройство системы терминами, он не успокаивается, а настораживается.
Работающая формулировка звучит так: система готовит черновик, решение принимает человек. Она честная и одновременно снимает главный страх, что машина начнёт отправлять документы в налоговую самостоятельно.
Из неё же следует и требование к интерфейсу: у человека должна быть возможность увидеть, на основании чего система предложила результат, и исправить его за один шаг. Автоматизация, в которой нельзя быстро поправить черновик, превращается в лишнюю работу.
Где автоматизация упирается не в технологию
Похожая граница встретилась нам в другом проекте, в системе для колледжа. Автоматизировать приём и обработку данных оказалось несложно. А вот всё, что связано с суждением, автоматизации не поддавалось: смена статуса, причина отказа, оценка спорной ситуации требуют человека, и узкое место находится не в скорости ввода данных, а в дисциплине их обновления.
Правило, которое из этого выросло: если процесс сегодня ведётся нерегулярно и держится на памяти конкретного сотрудника, автоматизация его не спасёт. Сначала процесс должен существовать, потом его можно ускорять.
Как мы предлагаем это делать
Один процесс за раз, с измеримой частотой: сколько раз в неделю он повторяется и сколько времени занимает сейчас.
Проверка доступа до разработки: маленький платный шаг, который отвечает на вопрос, читаются ли данные и создаётся ли документ в реальной системе заказчика.
Критерий успеха, записанный заранее: например, доля документов, которые человек принял без правок. Без такого числа через два месяца невозможно понять, стало лучше или просто изменилось.
И честный разговор о том, кто отвечает за ошибку. Это не юридическая формальность, а проектное требование: от ответа зависит, сколько в системе будет ручных подтверждений и как выглядит журнал действий.
Частые вопросы
Какие задачи автоматизируются проще всего
Повторяемые операции с машиночитаемыми данными и проверяемым результатом: перенос данных между системами, подготовка типовых документов, ответы на типовые вопросы по известной базе. Там, где результат можно сверить автоматически, внедрение проходит быстрее всего.
Где ИИ не помогает
Там, где нужно суждение и ответственность: решение об отказе, оценка спорной ситуации, выбор между вариантами с неполными данными. Систему можно научить готовить вариант, но подтверждение остаётся за человеком, иначе ошибки всплывают там, где их дороже всего исправлять.
С чего начинать внедрение
С одного процесса, у которого есть измеримая частота и понятный критерий успеха. Сначала проверяется доступ к данным, и только потом обсуждается интерфейс. Широкое внедрение сразу во все процессы обычно заканчивается пилотом, который никто не использует.
Сколько времени занимает такой проект
Для одного процесса это обычно недели, а не месяцы, при условии, что доступ к данным есть. Основная задержка почти всегда не в разработке, а в получении доступов и в согласовании того, кто отвечает за результат.
Продуктовая стратегия, коммуникация с клиентами, управление проектами
[Telegram →]