31 августа 2026 года фирма «1С» анонсировала практический вебинар по применению искусственного интеллекта в 1С:УНФ. Среди заявленных сценариев — контроль дебиторской задолженности, прогноз оплаты, обработка заказов из текста, таблиц и изображений, подбор номенклатуры и классификация платежей.
Для малого бизнеса это гораздо интереснее обычного «AI напишет письмо». Речь идёт о задачах, на которые сотрудники ежедневно тратят рабочее время.
Разберёмся, где нейросеть уже может быть полезна и какие процессы имеет смысл автоматизировать в первую очередь.
AI в 1С — это не одна волшебная кнопка
Сначала важное уточнение.
Не стоит понимать новость так, будто после очередного обновления в 1С:УНФ появилась кнопка «Включить искусственный интеллект», после которой программа самостоятельно работает с заказами и долгами.
AI-сценарии могут строиться по-разному:
- на стандартных сервисах 1С;
- через интеграции;
- с помощью AI-агентов;
- через дополнительные обработки и расширения;
- с использованием внешних нейросетевых сервисов.
У самой платформы 1С уже есть целое направление AI-технологий: прогнозирование продаж, распознавание документов, распознавание речи, синтез речи и другие инструменты.
Поэтому правильный вопрос звучит не «есть ли AI в 1С», а «какую конкретную ручную операцию бизнеса мы хотим убрать».
1. Обработка заказа покупателя из письма или сообщения
Представим обычную ситуацию.
Клиент присылает менеджеру:
Добрый день. Нужно 10 упаковок кофе, 5 коробок сахара и 20 пачек стаканов. Доставка завтра.
Менеджер открывает 1С:УНФ и вручную:
- ищет клиента;
- создаёт заказ покупателя;
- ищет каждую позицию;
- вводит количество;
- сверяет наименования;
- проверяет остатки.
Если таких заказов десятки в день, значительная часть рабочего времени уходит на механический перенос информации.
Один из заявленных фирмой «1С» AI-сценариев — обработка заказов покупателей из текста с подбором номенклатуры.
Нейросеть получает исходный запрос, разбирает его и пытается сопоставить написанные клиентом позиции со справочником 1С.
Например:
Клиент написал:
«Вода Аква 0,5 — 20 упаковок».
В 1С товар называется:
«Вода питьевая Аква негазированная 0,5 л, уп. 12 шт.».
AI может помочь установить соответствие, а менеджеру остаётся проверить результат.
Именно последнее слово здесь важно: проверить.
Автоматическое создание заказа полезно, но в рабочем процессе должен оставаться контроль человека, особенно если система сомневается в выборе номенклатуры.
2. Заказ можно распознать даже с фотографии
Ещё интереснее работа с изображениями.
В небольших компаниях заказы до сих пор приходят совершенно разными способами:
- фотография заполненного листа;
- скриншот таблицы;
- Excel;
- сообщение в мессенджере;
- электронное письмо;
- фотография рукописного заказа.
1С прямо заявляет сценарий обработки заказов из текста, таблиц и изображений.
То есть схема может выглядеть так:
клиент прислал фото → AI распознал позиции → сопоставил их с номенклатурой → подготовил данные заказа → менеджер проверил → заказ создан в 1С.
Это уже применяется в реальных проектах автоматизации. Например, в опубликованном 1С кейсе пекарни нейросеть распознавала сообщения и фотографии заказов клиентов, после чего данные передавались дальше для формирования заказов. В результате время обработки заказов сократилось с двух часов примерно до 30 минут.
Для компаний, которые до сих пор переносят заявки из WhatsApp, Telegram, почты или Excel вручную, такой сценарий может дать заметный эффект.
3. AI помогает контролировать дебиторскую задолженность
Вторая большая задача — долги покупателей.
Обычно контроль дебиторки выглядит примерно так:
- бухгалтер или менеджер формирует отчёт;
- сортирует клиентов по срокам задолженности;
- проверяет договоры и оплаты;
- пишет менеджерам;
- менеджер звонит клиенту;
- информация о предполагаемой оплате хранится в голове, заметках или переписке.
В заявленных сценариях для 1С:УНФ AI используется для:
- контроля задолженности;
- формирования персональных напоминаний;
- прогнозирования оплаты.
Например, вместо одинакового сообщения:
«У вас задолженность 150 000 рублей. Просим оплатить».
можно формировать более содержательное уведомление с учётом контрагента, документов и срока долга.
А руководителю AI может помочь разделить задолженность условно на группы:
оплата ожидается в ближайшее время;
есть риск задержки;
требуется внимание менеджера.
Это не значит, что нейросеть гарантированно знает, когда клиент заплатит. Прогноз — это вероятностная оценка, а не банковская гарантия.
Но как инструмент приоритизации работы менеджеров такой подход гораздо интереснее обычного списка из ста должников.
4. Не звонить всем подряд, а работать с проблемными долгами
Представим, что в отчёте 150 покупателей с задолженностью.
Сотруднику физически сложно одинаково внимательно обработать всех.
Автоматизация может помочь выделить:
- самые крупные долги;
- наиболее длительные просрочки;
- клиентов с изменившимся поведением оплаты;
- задолженность, требующую срочного внимания;
- клиентов, которым достаточно автоматического напоминания.
Тогда менеджер не тратит день на последовательный обзвон списка от первой строки до последней.
Он начинает с действительно проблемных ситуаций.
Для руководителя это превращает дебиторскую задолженность из отчёта «на конец месяца» в рабочий инструмент управления деньгами.
5. AI может классифицировать банковские платежи
Ещё один заявленный фирмой «1С» сценарий — классификация платежей с помощью искусственного интеллекта.
Почему это полезно?
Назначения платежей бывают очень разными:
- «Оплата по счёту 125».
- «За услуги согласно договору».
- «Возврат денежных средств».
- «Предоплата».
- «Оплата за август».
Человек понимает смысл текста достаточно быстро, а обычной программе сложно построить универсальный набор правил для всех вариантов.
AI способен анализировать текст назначения и предлагать категорию операции.
Например:
- оплата покупателя;
- оплата поставщику;
- возврат;
- комиссия;
- налог;
- прочие расходы.
Далее сотруднику остаётся подтвердить предложенную классификацию.
Особенно полезно это может быть компаниям с большим количеством банковских операций.
6. Распознавание первички — ещё одно направление AI
Работа с изображениями для 1С вообще не новая тема.
У 1С уже есть сервис распознавания первичных документов, позволяющий получать данные со сканов и фотографий бухгалтерской первички.
На практике это означает уменьшение количества ручного ввода.
Вместо:
документ передали бухгалтеру → бухгалтер вручную переносит реквизиты → сверяет позиции → создаёт документ в 1С
получаем:
скан или фото → распознавание → проверка данных → создание документа.
В одном из опубликованных кейсов 1С:УНФ распознавание первичных документов и механизм номенклатуры поставщиков помогли компании отказаться от значительной части ручного ввода и снизить риск ошибок при оприходовании материалов.
Это хороший пример того, как AI ценен не эффектным интерфейсом, а устранением повторяющихся операций.
Где AI принесёт больше всего пользы
Начинать внедрение нейросетей лучше не с идеи:
«Нам нужен искусственный интеллект».
Начинать нужно с вопроса:
«Что наши сотрудники делают руками каждый день?»
Хорошими кандидатами являются процессы, где человек постоянно:
- переносит данные из письма в 1С;
- разбирает таблицы заказов;
- ищет похожую номенклатуру;
- сортирует платежи;
- проверяет список должников;
- пишет одинаковые напоминания;
- вводит данные с бумажных документов.
Если операция занимает две минуты, но повторяется 100 раз в день, именно там автоматизация может дать наибольший эффект.
Где AI лучше не давать полную свободу
Нейросеть может ошибаться.
Поэтому есть большая разница между двумя сценариями:
AI предлагает → человек подтверждает
и
AI сам принимает критическое решение и сразу записывает результат.
На старте лучше использовать первый вариант.
Особенно если операция связана с:
- деньгами;
- изменением цены;
- списанием товара;
- платежами;
- созданием финансовых документов;
- выбором юридически значимых реквизитов;
- большими заказами.
Например, если AI определил товар из фотографии с уверенностью 98%, менеджер может просто подтвердить позицию.
Если уверенность низкая — система должна попросить выбрать товар вручную.
Так автоматизация ускоряет работу, но не превращает ошибку нейросети в ошибку учёта.
Нужен порядок в номенклатуре
Есть ещё один важный нюанс.
AI не исправит плохую структуру справочника автоматически.
Если в базе существуют:
- «Бумага А4»;
- «Бумага офисная А4»;
- «Бумага А4 белая»;
- «Бумага А4 новая»,
даже хорошей нейросети будет сложнее понять, какую именно карточку нужно выбрать.
25 августа 1С отдельно опубликовала свежий кейс о наведении порядка в номенклатуре УНФ, где большое количество похожих карточек мешало нормальной работе пользователей.
Поэтому перед серьёзной AI-автоматизацией полезно проверить:
- дубли номенклатуры;
- артикулы;
- единицы измерения;
- характеристики;
- штрихкоды;
- правила наименования товаров.
Чем качественнее исходные данные, тем качественнее результат автоматизации.
Что можно попробовать автоматизировать уже сейчас
Для компании на 1С:УНФ я бы начинал с одного небольшого процесса.
Например:
Вариант 1. Заказы
Письмо клиента → распознавание → подбор номенклатуры → проверка менеджером → заказ в 1С.
Вариант 2. Дебиторка
Отчёт по долгам → анализ → список рисковых клиентов → персональное напоминание → задача менеджеру.
Вариант 3. Платежи
Банковские операции → AI-классификация → подтверждение бухгалтером.
Вариант 4. Первичные документы
Скан → распознавание → сопоставление → документ в 1С.
Не нужно пытаться одновременно автоматизировать всё предприятие.
Один хорошо работающий сценарий приносит больше пользы, чем пять экспериментальных AI-проектов, которыми сотрудники перестают пользоваться через неделю.
AI в 1С должен экономить время, а не добавлять новую работу
Главная ценность искусственного интеллекта в учётной системе — не сам факт наличия нейросети.
Пользователь вообще не должен думать о модели, промптах и технической архитектуре.
Для менеджера результат должен выглядеть просто:
- раньше заказ вводил 10 минут → теперь проверяет за минуту.
Для бухгалтера:
- раньше классифицировал платежи вручную → теперь подтверждает предложенный вариант.
Для руководителя:
- раньше открывал большой отчёт по долгам → теперь сразу видит клиентов, требующих внимания.
Именно в такой форме AI становится бизнес-инструментом, а не технологической игрушкой.
Фирма «1С» уже показывает конкретные сценарии использования AI в 1С:УНФ: работу с дебиторской задолженностью, обработку заказов из текста, таблиц и изображений и классификацию платежей.
Специалисты «Экспресс АйТи» помогут определить процессы, где AI действительно может сократить ручную работу, подготовить данные в 1С:УНФ, настроить интеграцию и протестировать автоматизацию до запуска на реальных документах.
Лучший AI-сценарий — не самый сложный, а тот, который каждый день избавляет сотрудников от одной и той же ручной операции.
