Коротко

Нейросеть не заменяет 1С и не живёт внутри неё. Она работает рядом: читает отчёты и данные базы, отвечает на вопросы обычным языком, разбирает входящие счета и акты, ищет расхождения и готовит черновики. Считает по-прежнему 1С, проводит документы и платит по-прежнему человек.

Начать можно без программиста и без доработки конфигурации. Бухгалтер выгружает отчёт в Excel, убирает лишнее и отдаёт его ChatGPT или Claude. Следующая ступень: агент на вашем компьютере вроде Claude Code или Codex, который сам разбирает папку с выгрузками. Когда ответы нужны каждый день и многим сотрудникам, агента подключают к базе в режиме «только чтение», а запись разрешают позже и только с подтверждением.

Дальше мы проведём через все ступени одну компанию: оптового поставщика электротоваров с филиалами в Алматы и Караганде, его бухгалтера Дану и коммерческого директора Ерлана. Компания вымышленная, задачи у неё самые обычные.

ИИ в 1С и ИИ для 1С: что встроено в платформу, а что подключается снаружи

У фирмы «1С» есть собственная линейка ИИ-сервисов, и проверить её стоит раньше, чем заказывать разработку. Для бухгалтерии самый полезный из них 1С:Распознавание первичных документов. Он превращает сканы, фото и файлы счетов, актов, накладных и УПД в документы базы и сам сопоставляет контрагентов и номенклатуру с уже заведёнными. По описанию фирмы, сервис работает в 1С:Бухгалтерии, ERP, УТ, УНФ, Комплексной автоматизации и Рознице. Для программистов есть 1С:Напарник. Состав линейки и условия доступа меняются, актуальный список смотрите на портале ИТС.

Для Казахстана всё это надо уточнять у партнёра «1С»: в казахстанских конфигурациях доступно не всё, что есть в российских редакциях. А 1С:Аналитика, которую часто приводят в обзорах «ИИ в 1С», строит отчёты и дашборды, языковой модели в ней нет.

Встроенные сервисы хороши в своей узкой задаче, но процесс компании редко помещается в одну базу. У Ерлана вопрос приходит в WhatsApp, ответ требует данных из 1С и amoCRM, правило скидок лежит в Excel, а итог надо отправить клиенту. Такой маршрут собирают снаружи: универсальная модель (GPT, Claude, GigaChat, YandexGPT или развёрнутая у себя) получает данные 1С через выгрузку или API и работает по вашим правилам. Это и называют «ИИ для 1С» в широком смысле.

Что можно делать: каталог сценариев

Ниже сценарии, которые чаще всего окупаются в компаниях на 1С:Бухгалтерии, УТ, ERP, УНФ и 1С:Бухгалтерии для Казахстана. Каждый можно начать в чате и довести до системы.

Вопросы к базе обычным языком

«Сколько кабеля ВВГ 3×2,5 осталось в Караганде?», «Отгрузили ли заказ 1482?», «Кто из клиентов должен больше 60 дней?». Сейчас на такие вопросы отвечает бухгалтер или кладовщик, отрываясь от своей работы. Модель находит нужный отчёт или регистр, берёт цифру из 1С и пишет ответ с датой актуальности. Вопрос можно задать на русском, на казахском или вперемешку.

У Даны таких вопросов от менеджеров набирается два-три десятка в день. Каждый отнимает пару минут, но ещё больше отнимает переключение.

Разбор входящих счетов и актов

Счёт в PDF приходит на почту, акт фотографией в мессенджер. Модель вытаскивает БИН или ИНН, номер договора, сумму, НДС и позиции, находит контрагента в базе и готовит черновик поступления или список расхождений: цена выше договорной, позиции нет в заказе, реквизиты не совпадают с карточкой. Логику такой проверки мы подробно разбирали в статье о том, как AI-агент проверяет документы.

Сверки и ночные проверки

Контрагент прислал акт сверки, и суммы не сходятся. Модель сравнивает его акт с данными 1С построчно и находит документ, который есть только у одной стороны: забытую возвратную накладную, оплату, отнесённую к другому договору.

Ночные проверки работают без запроса. Новый банковский счёт у давнего поставщика, документ задним числом в закрытом периоде, отрицательный остаток, два одинаковых счёта за неделю. Утром список лежит у того, кто отвечает за контроль. Ещё больше таких проверок в материале про ИИ для финансового отдела.

Отчёты и объяснение отклонений

«Почему дебиторка в карагандинском филиале выросла за квартал на треть?» Отчёт в 1С показывает цифру, но не причину. Модель сравнивает периоды, раскладывает рост по клиентам и договорам и пишет короткое объяснение со ссылками на документы. Финансист проверяет вывод, а не собирает его с нуля. Как то же самое делать с продажами, разобрано в статье про ИИ для аналитики продаж.

Для программистов: генерация кода 1С

Если вы искали «ИИ для 1С», чтобы писать код, вам в другую сторону. Для разработки у фирмы «1С» есть 1С:Напарник, который встраивается в 1С:EDT, а многие программисты работают с универсальными помощниками: Claude Code, Codex, Cursor. Лучше всего они пишут код, когда видят выгрузку конфигурации в файлы и знают стандарты разработки компании. Подробные разборы есть на Infostart и Хабре, а эта статья написана для бухгалтерии, продаж и руководителей.

Без интеграции: выгрузка из 1С в ChatGPT, Claude или Claude Code

Первый месяц Дана обходилась без единой доработки. Ей хватило отчётов, которые 1С и так умеет сохранять в Excel.

Какие отчёты выгружать

  • Оборотно-сальдовая ведомость по счетам расчётов. В российском плане счетов это 60 и 62, в казахстанском 3310 и 1210. Разворот по контрагентам и договорам, период: квартал или месяц.
  • Анализ субконто или карточка счёта по проблемному клиенту, если нужно понять, откуда взялась сумма.
  • Ведомость по товарам на складах для вопросов про остатки.
  • Реестр документов за период: реализации, поступления, оплаты. Удобен для поиска дублей и документов задним числом.
  • Акт сверки контрагента из 1С и акт, который прислал сам контрагент, если ищете расхождение.

Выгружайте в Excel, а не в PDF: модель надёжнее читает таблицу, чем распознаёт страницу. Одна выгрузка отвечает на один вопрос, сваливать в чат всю базу бессмысленно.

Что отрезать перед отправкой

Перед тем как отдать файл внешнему сервису, Дана удаляет столбцы, которые для вопроса не нужны: ИИН и ФИО физлиц, паспортные данные, зарплаты, номера банковских карт. Эти данные защищает закон: в Казахстане Закон РК «О персональных данных и их защите» № 94-V, в России 152-ФЗ. Зарплатные отчёты из ЗУП в публичный чат не отправляют вовсе.

Второе правило касается самого сервиса. В бизнес-тарифах ChatGPT и Claude данные клиентов по умолчанию не используются для обучения моделей. В личных тарифах есть соответствующая настройка, её стоит проверить и выключить. Если политика компании запрещает выносить учётные данные наружу, есть GigaChat и YandexGPT или модель в собственном контуре.

Промпт для разбора оборотно-сальдовой ведомости

Дана загрузила ОСВ по счёту 1210 за третий квартал, развёрнутую по контрагентам и договорам, и написала:

Это ОСВ по расчётам с покупателями за 3 квартал. Найди 10 контрагентов с наибольшим ростом долга за квартал, для каждого покажи сальдо на начало и конец, обороты и номер договора. Отдельно перечисли контрагентов с кредитовым сальдо. Все цифры бери только из файла и указывай строку, ничего не досчитывай сам. Если в файле чего-то не хватает для ответа, так и скажи.

Последние две фразы важнее первой. Модель охотно «помогает», додумывая цифры, и прямой запрет плюс ссылка на строку сильно снижают риск. Любую цифру из ответа, которую вы понесёте руководителю, сверьте с отчётом в 1С. Это занимает минуту.

Через полчаса у Ерлана был список клиентов, у которых долг рос быстрее отгрузок, и три кредитовых сальдо, о которых никто не помнил. Вручную Дана собирала бы такой разбор полдня. Это наша оценка для подобного кейса, а не замер у клиента, но порядок разницы именно такой.

Агент на компьютере: Claude Code и Codex

Чат удобен для одного файла. Когда выгрузок десяток и разбор повторяется каждую неделю, полезнее агент, который работает прямо на компьютере. Claude Code от Anthropic и Codex от OpenAI устроены так: вы открываете программе одну папку. Они читают файлы в ней, сами пишут и запускают небольшие расчёты, сводят несколько таблиц и сохраняют результат в новый Excel или текстовый отчёт. Программировать для этого не нужно: задачу ставят обычными словами, как в чате, а каждое действие агент показывает и спрашивает разрешения.

Дана завела папку «Сверки», куда раз в неделю кладёт свежие выгрузки, и положила туда короткий файл с правилами, который агент читает перед работой:

Это выгрузки из 1С:Бухгалтерии для Казахстана, оптовая торговля.
Дебиторка покупателей на счёте 1210, поставщики на 3310.
Цифры бери только из файлов, в ответе указывай файл и строку.
Контрагента сопоставляй по БИН, а не по названию.
Итог сохраняй в папку «Отчёты» с датой в названии.

Теперь недельный разбор она запускает одной фразой: «Сравни дебиторку с прошлой неделей и подготовь список для Ерлана». Агент находит новые просрочки, сверяет их с реестром оплат и пишет отчёт. Тот же подход годится для акта сверки: обе версии акта кладутся в папку, агент сопоставляет их построчно.

Две оговорки. Агент работает с копией данных, поэтому всё, что случилось в базе после выгрузки, он не видит. И папка с выгрузками становится чувствительным местом на рабочем ноутбуке, хранить её надо так же аккуратно, как саму базу.

Научиться этому самому

Выгрузка, промпт и агент на компьютере осваиваются за несколько вечеров, если показать на ваших задачах. Мы готовим практический курс по ИИ для работы с данными и документами: запишитесь в лист ожидания курса, а личную сессию на ваших отчётах можно провести по запросу.

Как подключить ИИ к 1С

Выгрузка перестаёт работать, когда ответ нужен сейчас, а не по состоянию на понедельник, и когда спрашивают двадцать менеджеров, а не один бухгалтер. Тогда модель подключают к самой базе. Способов три, и все они знакомы вашему 1С-специалисту.

Стандартный интерфейс OData. Он есть в платформе и не требует доработки конфигурации. Базу публикуют на веб-сервере, в состав интерфейса включают нужные справочники, документы и регистры, и внешняя программа может их читать. Для пилота этого обычно хватает. Минус в том, что OData отдаёт сырые объекты, и логику вроде «долг с учётом просрочки по договору» приходится собирать снаружи.

HTTP-сервисы. Программист 1С пишет несколько узких методов под задачу: «долг контрагента», «остаток товара на складе», «статус заказа». Каждый метод отдаёт ровно то, что нужно, и считает по правилам вашей учётной политики. Это небольшая доработка, но её придётся сопровождать при каждом обновлении релиза.

Копия базы или отдельное хранилище. Данные раз в час или раз в ночь копируются в отдельную базу для отчётов, и агент читает оттуда. Рабочая 1С не нагружается тяжёлыми запросами, а ошибка агента ничего в ней не испортит. Подходит для аналитики по нескольким юрлицам, но записать что-либо через такую копию нельзя.

Между моделью и 1С в любом варианте стоит промежуточный сервис, который хранит логин от базы, проверяет, кто спрашивает, и ограничивает, какие поля и сколько строк модель может получить. Модель видит только список разрешённых действий. Если сотрудник попросит её выгрузить всех физлиц, она просто не сможет. Технически это часто делают через MCP, стандартный способ подключать инструменты к моделям, но для бизнеса важнее сам принцип: у модели нет прямого доступа к базе.

Чего делать не стоит: читать таблицы SQL в обход платформы. Права пользователей 1С там не действуют, а обновление конфигурации меняет структуру без предупреждения.

В нашей компании Ерлан выбрал OData для пилота и пообещал себе HTTP-сервисы, если пилот приживётся.

Сначала чтение, потом запись с подтверждением

Доступ агента расширяют по ступеням, и на каждую следующую переходят, только когда предыдущая работает без сюрпризов.

  1. Выгрузки. Агент работает с копией, база не затронута. С этого начинала Дана.
  2. Только чтение. У агента отдельный пользователь 1С с ролью на просмотр нужных объектов. Он отвечает на вопросы, но ничего не меняет.
  3. Черновики. Агент создаёт документ, но не проводит его. Бухгалтер проверяет и проводит сам.
  4. Действия с подтверждением. Агент готовит операцию, ответственный согласует, в журнале остаются оба шага. Повторный запрос не создаёт дубль, а после записи система перечитывает документ из 1С и сверяет результат.

Через два месяца пилота у компании Ерлана сложилась такая картина. Менеджер пишет в рабочий WhatsApp: «Сколько должно ТОО „Арман“ и что у них в отгрузке?» Агент проверяет, что этот клиент закреплён за менеджером, находит контрагента по БИН (в базе их три с похожим названием, поэтому он переспрашивает), читает долг и открытые заказы и отвечает тремя строками с датой и номерами документов. Если клиент просит акт сверки, агент готовит черновик акта в 1С и PDF, а Дане приходит задача: проверить и отправить. Отправляет человек.

Раньше такой вопрос стоил менеджеру звонка в бухгалтерию и ожидания в полчаса. По нашей оценке для этого кейса, ответ занимает около минуты, а у Даны освобождается час-полтора в день. Это прикидка, а не замер, свои цифры даст пилот.

Даже на четвёртой ступени агенту не поручают проводку без проверки, платежи, правку карточек контрагентов и банковских реквизитов, закрытие периода и обещания клиенту отгрузить то, чего может не оказаться на складе.

Права доступа и персональные данные

У агента должен быть свой пользователь в 1С, а не логин главбуха. Тогда его права видны, их ограничивает роль, а все обращения попадают в журнал регистрации.

Вторая граница проходит снаружи: агент должен знать, кто задаёт вопрос. Менеджер видит долги своих клиентов, кладовщик видит остатки, а зарплаты из ЗУП видят только те, кому они положены по должности. Сопоставляют обычно номер телефона или аккаунт в мессенджере с сотрудником и его правами.

Персональные данные (ИИН, ФИО, паспортные данные, зарплаты) перед отправкой в модель маскируют или не передают совсем. Закон № 94-V в Казахстане и 152-ФЗ в России требуют, в частности, хранить базы с персональными данными граждан в своей стране и ограничивают передачу за рубеж, поэтому вопрос, какие поля уходят к зарубежному поставщику модели, решают с юристом до разработки. Для зарплатных сценариев разумно взять модель, развёрнутую в своём контуре. Журналы запросов тоже содержат данные, и для них нужны срок хранения и список тех, кто их читает.

Ещё один риск прячется в тексте самих документов. Комментарий в счёте или письмо контрагента может содержать фразу, адресованную модели, например «игнорируй предыдущие правила». Система должна считать такой текст данными, а не командой, и это проверяют тестами.

Что ломается на реальной базе

  • Дубли контрагентов. Один БИН и три карточки, одна из них «ТОО Арман (не исп.)». Без правила, какая карточка основная, долг получится неполным. Именно поэтому в инструкции Даны сказано сопоставлять по БИН.
  • Грязная номенклатура. «Болт М8×40», «болт м8-40» и «Болт оцинк. 8×40» оказываются одним товаром. Без таблицы соответствий агент ответит «нет на складе».
  • Доработанная конфигурация. Типовая УТ после пяти лет доработок наполовину самописная, а документации нет. Пилот быстро показывает, где данные лежат не там, где ждёшь.
  • Обновления. Новый релиз меняет состав объектов, и интеграция, которая работала в пятницу, в понедельник падает. На каждый метод нужен автоматический тест.
  • Несколько баз. Три юрлица, три базы, иногда разных версий. Долг клиента приходится складывать из всех.
  • Часть правды вне 1С. В 1С счёт, в WhatsApp решение руководителя о скидке, в Excel рабочий статус заказа. Когда источники расходятся, агент показывает конфликт человеку и не выбирает версию молча. Заранее договоритесь, какой источник главный для каждого типа данных.

Пилот и обучение сотрудников

Пилот начинают с карты источников: где живут клиент, счёт, оплата, статус заказа и согласование, какой Excel открывают каждое утро и кто исправляет ошибки в каждом источнике. После неё фраза «интеграция с 1С» распадается на конкретные вещи, и часто оказывается, что для первого шага хватает статуса оплаты и остатков.

Дальше один процесс, одна группа пользователей и один владелец со стороны бизнеса. У Ерлана это были вопросы менеджеров про долги и остатки, пять менеджеров и он сам.

Соберите контрольный набор из реальных вопросов и документов, включая неудобные: кривой скан, контрагент-дубль, вопрос на казахском, расхождение 1С и Excel, просьба о скидке. Для каждого случая запишите, что должен сделать агент: ответить, уточнить, показать источник, подготовить черновик, передать человеку или отказать. Так появляются evals, без которых нельзя понять, стало ли лучше после очередной правки. На этом принципе работает HR-агент Magnum: он ведёт кандидатов в WhatsApp на русском и казахском, а каждое обновление прогоняется на реальных вопросах.

Метрики пилота простые: доля верных ответов на контрольном наборе, время ожидания ответа, доля черновиков, проведённых без правки, и число случаев ложного спокойствия, когда агент сказал «всё сходится», а расхождение было. Последняя метрика самая важная.

Ещё в пилоте участвуют люди, и их надо готовить. Бухгалтеру надо понимать, где модель ошибается и как перепроверять цифру. Менеджеру надо знать, как сформулировать вопрос и что делать, если агент переспрашивает. Руководителю нужно заранее определить, что остаётся за человеком. Без этого даже хорошая система превращается в «ещё один бот, которому никто не верит». Отдел на ваших отчётах и процессах мы учим на корпоративном обучении ИИ: бухгалтерия и продажи выходят с готовыми промптами, правилами работы с данными и понятными границами.

Когда нужна система

Личного инструмента хватает, пока с данными работает один-два человека и ответ подождёт до следующей выгрузки. Систему стоит строить, когда:

  • вопросы задают десятки сотрудников или клиенты, и отвечать нужно по свежим данным;
  • процесс проходит через несколько систем: 1С, amoCRM или Битрикс24, WhatsApp, почту, Excel;
  • нужны права по сотрудникам, журнал действий и маскирование персональных данных;
  • агент должен создавать черновики документов или готовить операции на подтверждение;
  • баз несколько, а конфигурации доработаны.

Если агент будет жить в мессенджере, прочитайте про ИИ-агента для WhatsApp в Казахстане: официальный API, передача диалога человеку, ограничения канала. Слой поверх 1С, CRM и мессенджеров с правами, журналом и тестами мы строим, когда делаем интеграцию GPT в рабочие системы. Начинаем с карты источников и пилота на чтение, запись подключаем, когда пилот доказал точность.

Итог

ИИ для 1С начинается не с проекта, а с выгрузки: оборотно-сальдовая ведомость, аккуратный промпт и проверка цифр по отчёту. Следующий шаг: агент на компьютере, который разбирает папку с выгрузками по вашим правилам. Когда ответы нужны многим и сразу, агента подключают к базе через OData или HTTP-сервисы, сначала только на чтение, потом с черновиками и подтверждением. Если хотите освоить первые ступени сами, запишитесь в лист ожидания курса. Если нужна система для компании, посмотрите, как мы делаем интеграцию GPT в 1С, CRM и мессенджеры, и напишите нам.

FAQ

Можно ли подключить ChatGPT к 1С?

Напрямую нет: модель сама в базу не ходит. Самый простой путь: выгрузить отчёт в Excel и загрузить его в чат. Для постоянной работы между моделью и 1С ставят сервис, который проверяет права сотрудника, читает данные через OData или HTTP-сервис и передаёт модели только нужное. Модель подойдёт любая: GPT, Claude, GigaChat, YandexGPT или развёрнутая у себя.

Есть ли бесплатный ИИ для 1С?

Для первых шагов есть. У ChatGPT, Claude и GigaChat есть бесплатные тарифы с ограничениями, их хватает, чтобы разобрать выгрузку отчёта. Учётные данные компании в бесплатный личный чат лучше не загружать без проверки настроек приватности. Условия доступа к сервисам фирмы «1С», включая 1С:Напарник, менялись несколько раз, актуальные смотрите на портале ИТС. Бесплатной готовой интеграции агента с вашей базой не бывает: её всё равно надо настроить под ваши права и данные.

Какая нейросеть лучше пишет код 1С?

Для разработчиков у фирмы «1С» есть 1С:Напарник для 1С:EDT, он знает специфику платформы. Универсальные модели вроде Claude и GPT в агентах Claude Code, Codex или Cursor тоже хорошо пишут на встроенном языке, если видят выгрузку конфигурации в файлы и стандарты компании. Лучшую выбирают на своих задачах, а код в любом случае проверяет программист и тесты.

Нужна ли доработка конфигурации?

Для пилота часто нет: хватает выгрузок или стандартного интерфейса OData. Для рабочей версии обычно добавляют несколько HTTP-сервисов с узкими методами. Доработка небольшая, но её надо учитывать при каждом обновлении релиза.

Безопасно ли давать ИИ доступ к 1С?

Да, если у агента свой пользователь с ролью на чтение, права проверяются по каждому сотруднику, персональные данные маскируются, логин от базы хранится в промежуточном сервисе, а все обращения пишутся в журнал. Запись появляется позже и только через подтверждение человеком.

Работает ли это с 1С:Бухгалтерией для Казахстана?

Да, механизмы интеграции платформы те же. Отличаются план счетов, состав объектов, реквизиты вроде БИН и ИИН, формы документов и доступность штатных сервисов «1С». Это выясняется на этапе карты источников.

Сколько стоит и сколько занимает?

Разбор выгрузок в чате стоит только подписки на сервис. Цена системы зависит от числа баз, степени доработки конфигурации и того, нужна ли запись. Пилот на чтение по одному процессу обычно занимает несколько недель. Из чего складывается бюджет, мы разобрали в статье сколько стоит внедрение ИИ в Казахстане.

Что делать, если данные в WhatsApp и 1С расходятся?

Агент показывает конфликт ответственному и не выбирает версию сам. Заранее фиксируется, какой источник главный для каждого типа данных: для долга это 1С, для договорённости о скидке это решение руководителя, записанное в CRM.