Кейс производства: AI-обработка 1800 накладных в месяц на одного бухгалтера

Мебельное производство в Подмосковье обрабатывало 1800 первичных документов в месяц: накладные от поставщиков, счета на оплату, акты, УПД. Каждый — 4 минуты ручного ввода в 1С. Это 120 часов в месяц — почти весь рабочий месяц младшего бухгалтера. Вот подробный разбор: как заменили эту рутину на AI, сэкономили зарплату, и что было нелегко.

Контекст

Компания: производство корпусной мебели (B2B + B2C через маркетплейсы), 60 сотрудников.

Бухгалтерия (до внедрения):

• 1 главный бухгалтер
• 1 младший бухгалтер
• 1 кассир-бухгалтер на 0.5 ставки

Поток первички:

• 1 200 накладных от поставщиков (ткани, дерево, фурнитура)
• 350 счетов на оплату (материалы, услуги)
• 250 актов и УПД (логистика, услуги)

Главная проблема: младший бухгалтер физически не успевал за потоком, накапливалась задолженность по проводкам, главный отвлекался на её разгребание.

Гипотеза

Если AI распознает фотографию или PDF документа и сразу подготовит проект проводки в 1С (с заполненными полями: ИНН, КПП, сумма, НДС, контрагент), то бухгалтер тратит 30 секунд на проверку и подтверждение — против 4 минут на ручной ввод.

Архитектура

[Поставщик присылает PDF / фото]
    ↓
Email / Telegram-бот / папка на сервере
    ↓
n8n-воркер:
  1. Извлечение файла
  2. GigaChat Vision — структурированный JSON документа
  3. Поиск контрагента в 1С по ИНН (через API 1С 8.3)
  4. Если контрагента нет — создание (с предзаполнением реквизитов)
  5. Создание документа поступления в 1С (статус «Черновик»)
  6. Уведомление бухгалтера в Telegram-боте
    ↓
Бухгалтер открывает 1С → проверяет → утверждает проводку

Стек

• n8n на VPS (600 ₽/мес)
• GigaChat Vision API — основной распознаватель
• API 1С 8.3 через расширение конфигурации
• Telegram-бот для уведомлений и загрузки фото со склада

Подробнее про интеграцию AI с 1С — «Интеграция AI с 1С и amoCRM».

Промпт для распознавания накладной

Ты — экстрактор данных из российских товарных накладных.
На вход — скан или фото документа ТОРГ-12 / УПД.
Выдай JSON:
{
  "type": "torg12|upd|invoice|act",
  "doc_number": "...",
  "doc_date": "YYYY-MM-DD",
  "seller": { "name": "...", "inn": "...", "kpp": "..." },
  "buyer": { "name": "...", "inn": "...", "kpp": "..." },
  "items": [
    { "name", "qty", "unit", "unit_price", "vat_rate", "total" }
  ],
  "total_no_vat": число,
  "total_vat": число,
  "total_with_vat": число,
  "currency": "RUB",
  "confidence": 0.0-1.0
}
Если поле нечитаемо — null. Никогда не выдумывай.
Если confidence < 0.85 — пометь документ для ручной проверки.

Тонкость в том, что русские накладные приходят в десятках форматов (даже одного типа). Помогли few-shot примеры — 10 образцов разных поставщиков в системном промпте.

Внедрение

Месяц 1: Подготовка

• Сбор 100 эталонных документов разных поставщиков
• Разработка n8n workflow
• Расширение конфигурации 1С для приёма данных через API
• Telegram-бот для приёма фото от прорабов на складе

Месяц 2: Тестирование на 10% потока

• Параллельная работа: AI готовит проводку, бухгалтер делает руками для контроля
• Замер расхождений
• Тюнинг промпта на проблемных типах документов

Месяц 3: Расширение до 50%

• AI работает на половине потока
• Бухгалтер только проверяет и утверждает

Месяц 4–5: 100% и ручная проверка first 200 документов

• Полный поток через AI
• Каждый день первые 30 минут — ручной аудит для уверенности
• Постепенное снятие ручного контроля по типам документов

Результаты за 6 месяцев

Метрика	До	После
Время на 1 документ	4 мин	30 сек
Часы бухгалтера на routine/мес	120	25
Ошибки ввода (рассинхрон с банк-выпиской)	~2.5%	~0.3%
Задержка проводки от получения	5–10 дней	1 день
Процент документов, требующих ручной правки	—	12%

Бухгалтер занялся:

• Управленческой отчётностью
• Налоговой отчётностью (раньше делалось «как-нибудь»)
• Анализом прибыльности по продуктам Что закрыло ранее открытую вакансию аналитика.

Стоимость

Статья	Сумма
Разработка (1 разработчик, 8 нед)	420 000 ₽
Расширение конфигурации 1С	80 000 ₽
API GigaChat Vision (1800 док/мес × 3 ₽)	~5 400 ₽/мес
n8n VPS	600 ₽/мес
Поддержка	8 000 ₽/мес
Итого старт	500 000 ₽
Итого месяц	~14 000 ₽

Окупаемость: 5 месяцев. Эквивалент зарплаты младшего бухгалтера (ставка 70 000 ₽ с налогами + соцпакет) минус AI-расходы = ~70 000 ₽ экономии в месяц.

Что было сложным

Качество фотографий со склада

Прорабы фотографируют накладные на телефон — часто криво, в плохом освещении. Решение:

• Telegram-бот предупреждает «фото нечёткое, переснимите» (через AI-проверку качества)
• Отчёт «топ-10 проблемных поставщиков по качеству документов» — главный бухгалтер связался с ними и попросил отправлять PDF

Печати и подписи

AI плохо распознавал штампованные подписи. Решение: помечать наличие/отсутствие подписи, но не пытаться валидировать её содержание.

Нестандартные накладные

Один поставщик использовал свой странный формат, который AI каждый раз парсил неправильно. Решение: для этого конкретного поставщика добавили отдельный шаблон в промпт.

Compliance

Главный бухгалтер беспокоился, что отправлять реквизиты контрагентов (ПДн ИП) в API — нарушение 152-ФЗ. Решение:

• GigaChat — российский сервис, данные хранятся в РФ
• Подписан договор о zero retention с СберДевайс
• Логи всех вызовов хранятся у нас 6 месяцев для аудита

Подробнее — «Регулирование ИИ в России и ЕС».

FAQ

Можно ли повторить меньшем потоке? От 200 документов в месяц окупается за год. Меньше — не стоит.

Что если поставщик присылает скан плохого качества? Документ помечается как «нужна ручная обработка». Около 12% документов попадают в эту категорию.

Можно ли заменить главного бухгалтера? Категорически нет. Главный отвечает за регламентированную отчётность, общение с ФНС, подпись отчётов. AI снимает только рутину младшего.

Какая модель лучше: GigaChat Vision или GPT-4.1 Vision? GPT-4.1 Vision на сложных сканах чуть точнее, но дороже и не подходит по 152-ФЗ. На типовых накладных GigaChat не отстаёт.

Сколько нужно эталонных документов для запуска? 50 — минимум. 100–200 — комфортный набор для старта. Чем больше типов документов, тем больше нужно эталонов.

Как обновлять промпт при изменении форматов? Раз в месяц проводим аудит «топ-30 ошибок», добавляем новые few-shot примеры в системный промпт.

Можно ли использовать на УСН? Да, схема не зависит от системы налогообложения. Меняется только обработка НДС в проводках.

Что делать дальше

Если ваше производство похоже:

1. Сегодня: посчитайте, сколько часов в месяц команда тратит на ввод первички.
2. Эту неделю: соберите 50 типичных накладных от разных поставщиков.
3. Этот месяц: запустите пилот через GigaChat Vision API на 30% потока.

Связанные материалы:

• 10 кейсов внедрения ИИ в малом бизнесе
• Нейросети в финансах и бухгалтерии
• AI для OCR и распознавания документов

Производство — отрасль, где AI окупается особенно быстро на потоке первички. Это «низковисящий фрукт» автоматизации: понятные правила, измеряемая выгода, минимальный риск.