Когда мы говорим об искусственном интеллекте, очень легко уйти в разговор о будущем. Об универсальных помощниках, цифровых сотрудниках и системах, которые однажды смогут делать практически все.
Но мне хотелось бы поговорить не о будущем, а о настоящем. О том, какие задачи искусственный интеллект уже сегодня решает непосредственно внутри экосистемы 1С.
Для меня главный вопрос звучит не так: «Может ли искусственный интеллект работать с 1С?»
Он уже работает.
Гораздо важнее понять, где именно его применение действительно приносит пользу бизнесу. В большинстве компаний в 1С уже находятся важнейшие данные: продажи, заказы, остатки, документы, номенклатура, сведения о клиентах, расчеты и показатели деятельности.
Поэтому проблема часто заключается не в отсутствии информации. Проблема в том, что эту информацию долго вводить, сложно искать, необходимо постоянно проверять, а для ее анализа иногда приходится выгружать данные в Excel, строить дополнительные отчеты и обращаться к специалистам. Именно здесь искусственный интеллект может дать наиболее заметный результат. При этом я бы не стала противопоставлять искусственный интеллект и 1С.
У них разные роли.
1С отвечает за достоверные данные, учетные правила, права доступа и бизнес-процессы. Искусственный интеллект помогает работать с неструктурированной информацией: понимать обычный человеческий текст, распознавать документы и изображения, находить закономерности и формулировать подсказки.
Вместе они могут создать гораздо более удобный интерфейс между человеком и учетной системой.
Первый и, пожалуй, самый понятный сценарий — распознавание документов.
Каждый день сотрудники получают счета, накладные, УПД, фотографии и сканы документов. Затем они вручную переносят поставщика, номенклатуру, количество, цены и налоговые данные в 1С.
Искусственный интеллект может распознать документ, извлечь из него данные и подготовить документ 1С. Сотруднику остается проверить результат и подтвердить его.
Здесь особенно важно слово «проверить». Мы не говорим о бесконтрольном заполнении учетной системы. Искусственный интеллект выступает помощником: выполняет предварительную работу, но окончательное решение остается за человеком.
Второй сценарий — работа с номенклатурой.
Заполнение товарной карточки может включать десятки характеристик: описание, размеры, вес, материал, назначение, изображения и дополнительные реквизиты.
Сегодня существуют решения, которые по наименованию и артикулу товара могут предложить значения этих характеристик. Другие инструменты формируют описание товара для интернет-магазина или маркетплейса. Это особенно полезно компаниям с большим ассортиментом, где ручное заполнение карточек превращается в отдельный производственный процесс.
Третий сценарий — создание документов из обычного человеческого текста.
Представьте, что клиент пишет менеджеру: «Нам нужно двадцать упаковок этого товара, доставка в пятницу, счет выставьте на прежнюю организацию». Человек понимает такой запрос сразу. Учетная система ожидает строго определенные поля, справочники и табличные части.
Искусственный интеллект становится переводчиком между естественным языком и структурой 1С. Он выделяет товары, количество, дату доставки и сведения о контрагенте, после чего готовит заказ. Похожим образом можно извлекать реквизиты контрагента из письма или визитки, а из текста счета — создавать платежное поручение.
Четвертый сценарий — работа с клиентскими обращениями.
Например, продавцы на маркетплейсах ежедневно получают отзывы, вопросы и сообщения покупателей. Искусственный интеллект может классифицировать такие обращения, подготовить вариант ответа, определить тональность сообщения или помочь заполнить описание товара.
При этом данные о заказах, товарах и клиентах остаются связаны с учетной системой, а работа сотрудника проходит в привычном интерфейсе.
Пятый сценарий — управленческая аналитика.
Обычно руководителю не нужен еще один сложный отчет. Ему нужен ответ на конкретный вопрос: Почему снизились продажи? Какие товары заканчиваются? Какие клиенты перестали покупать? Где выросла себестоимость?
Появляются решения, которые позволяют задавать такие вопросы обычным языком - текстом или даже голосом. Система обращается к данным 1С, анализирует показатели и формирует понятный ответ.
Это важное изменение.
Раньше пользователь должен был знать, какой отчет открыть, какие отборы установить и как интерпретировать таблицу. Теперь интерфейсом к данным постепенно становится вопрос на естественном языке.
Шестой сценарий — корпоративные помощники.
В компании могут храниться инструкции, регламенты, договоры, техническая документация и база знаний.
Обычная языковая модель не знает содержание этих материалов. Но специальный помощник может сначала найти нужную информацию в корпоративных документах, а затем сформировать ответ на ее основе.
Например, сотрудник спрашивает: «Как оформить возврат по этому типу договора?» - и получает ответ не из общих интернет-источников, а из утвержденных документов своей организации.
Седьмой сценарий — интеллектуальные агенты.
Например, найти данные в 1С, сформировать отчет, проверить остатки или подготовить документ.
Конечно, такие возможности требуют особенно внимательной настройки прав и контроля действий. Агент должен иметь доступ только к тем функциям и данным, которые действительно необходимы для его задачи.
И наконец, отдельное большое направление — искусственный интеллект для разработчиков 1С.
Уже появляются инструменты, которые анализируют конфигурацию, помогают писать код, создавать объекты, составлять запросы и выполнять тестирование. Это не означает, что разработчик больше не нужен. Наоборот, ценность специалиста смещается от ручного написания каждой строки к постановке задачи, проектированию архитектуры, проверке результата и ответственности за качество системы.
Искусственный интеллект может ускорить работу, но он не заменяет знание предметной области и понимание того, как устроен бизнес-процесс.
Что мы видим со стороны Инфостарт Маркетплейс?
Еще несколько лет назад использование искусственного интеллекта в 1С чаще всего начиналось как индивидуальный эксперимент. Компании нужно было найти разработчиков, выбрать модель, организовать интеграцию и самостоятельно пройти весь путь от идеи до первого результата.
Сегодня формируется рынок готовых продуктов. На Маркетплейсе уже представлены решения для распознавания документов, обработки Excel, заполнения номенклатуры, создания заказов, анализа продаж, работы с корпоративными знаниями, подключения ИИ-агентов и помощи разработчикам. И это, на мой взгляд, один из важнейших признаков зрелости технологии.
Технология становится массовой не тогда, когда о ней много говорят, а тогда, когда появляется выбор готовых решений под конкретные задачи.
Однако слово «искусственный интеллект» в названии продукта само по себе еще ничего не гарантирует. При выборе решения я рекомендую начинать не с модели и не с модного термина, а с бизнес-процесса.
Какую операцию мы хотим ускорить? Сколько времени она занимает сейчас? Какие ошибки возникают? Какие данные будут передаваться модели? Кто проверяет результат? Можно ли сначала запустить решение на ограниченном участке? И самое главное: как мы поймем, что внедрение оказалось успешным?
Хороший проект с искусственным интеллектом должен давать измеримый эффект: сокращать время обработки документа, уменьшать число ручных операций, ускорять подготовку ответа или помогать руководителю быстрее принимать решение.
Я считаю, что наиболее реалистичный сценарий развития искусственного интеллекта в 1С это не появление одной универсальной системы, которая заменит всех специалистов. Скорее, мы увидим десятки прикладных помощников. Один распознает документы. Другой проверяет товарные карточки. Третий помогает разработчику. Четвертый анализирует продажи. Пятый отвечает на вопросы сотрудников по внутренним регламентам. Каждый из них решает ограниченную, понятную задачу и встроен в конкретный бизнес-процесс.
Именно в такой форме искусственный интеллект перестает быть экспериментом и становится рабочим инструментом. Следующий этап цифровизации состоит уже не только в том, чтобы накапливать данные в учетной системе. Он состоит в том, чтобы научиться разговаривать с этими данными, быстро извлекать из них смысл и превращать полученные выводы в действия.
И этот этап в экосистеме 1С уже начался.