Где заканчивается автоматизация и начинается живой бухгалтер?

На днях попалась статья — исследование о том, как нейросети справляются с управленческим учётом: сопоставлением внутренних записей бизнеса с банковскими выписками. Сравниваются 6 ведущих моделей, расписаны промпты, описаны подходы… только вот результат — довольно типичный для LLM.

Поначалу в той статьей выглядело очень прилично: проводки сходятся, суммы совпадают. Но дальше — хуже.

И это понятно, т.к. модели начинают «подгонять» данные, лишь бы что-то получилось. Им важнее выдать ответ, чем быть точными. Они совмещают несвязанные операции, начинают опираться на собственные ошибочные выводы, и накапливают искажения.

Собственно именно это и называют галлюцинациями.

И с этой проблемой сталкивается практически любой, кто ведёт более-менее длительные "разговоры" с нейросетями: в какой-то момент эта самая нейросеть начинает нести откровенную дичь, которая никак не связана с тем, о чём говорили ранее.

А ещё забавней бывает, когда нейросеть делает какой-либо вывод и в дальнейшем начинает относиться к этому своему выводу, как к факту.

🤔 Но вернёмся к цифровым ассистентам. Есть ли им место в учёте?

В обсуждениях той статьи кто-то пошутил, что в бухучёте "ничего творческого нет", и ИИ с этим справится. Да, в некоторых случаях — действительно так.

📌 Например:

Если у бизнеса всё крутится вокруг «купи-продай», а учётная система (1С или другая ERP/CRM система) настроена как надо - то там и сейчас работает почти магия. Документы формируются по шаблонам, проводки тянутся из правил, налоги начисляются автоматически. Всё это и так без нейросетей. Просто офигеть какие сложные алгоритмы

Но как только начинается хоть какая-то нестандартная ситуация - нейросети бессильны.

⚠️ Почему?

Потому что бухгалтерия (и особенно налогообложение) — это не просто таблицы и формулы. Это:

📜 Постоянно меняющееся законодательство

Законы, налоговые правила и подзаконные акты регулярно обновляются:

• ставка налога изменилась;
• форма отчётности обновлена;
• появилась новая "льгота" или "специфика", о которой никто толком не знает;
• порядок применения поправок — не всегда очевиден: с какой даты, с какими ограничениями, есть ли обратная сила.

Нейросеть не узнает об этом сама. Она не может «чувствовать рынок», «читать между строк» или отслеживать комментарии Минфина. Даже если загрузить в неё закон — она вряд ли отличит старую редакцию от новой без явной подсказки. А уж когда отдельным законом вносятся изменения в статью другого закона, который в свою очередь регламентируется огромным количеством подзаконных актов... ну тут уж любого контекстного окна любой нейросети не хватит ))

⚖️ Серая зона трактовок

Одна и та же ситуация может трактоваться по-разному:

• Закон молчит, а практика расходится.
• Есть письма ФНС, но они противоречат друг другу.
• Судебная практика — неоднородна.
• Бухгалтер выбирает между безопасностью (переплатить) и выгодой (попасть под проверку).

ИИ не решает такие дилеммы. Он может дать "в среднем по больнице", но не учтёт конкретику региона, сферы, оборота, проверяющих и всё вот это. И уж точно не возьмёт на себя ответственность за риск.

🎯 Нюансы, которые надо «чувствовать»

Это профессиональное чутьё:

• Контрагент странный? Лучше проверить.
• Клиент из определённого региона — надо оформить по-особому.
• Документ с ошибкой — можно ли провести или лучше вернуть?
• Новый сотрудник — какие вычеты ему положены? Что он не знает, а знать должен?

Такие вещи в учёте — на каждом шагу.
Нейросеть не «чувствует» контекст и не понимает, что партнёр — «проблемный». Да, по тону письма она может предупредить, что "что-то странное", но для того, чтобы полноценно проверить контрагента - надо много чего сделать.

🧠 Формально одинаковые ситуации, которые требуют разных решений

Пример:

• Два одинаковых акта выполненных работ.
• Один от ИП, другой от ООО.
• Или: один по госзаказу, другой — по гражданскому договору.

Формально документы одинаковы. Но проводки, налоги, срок оплаты, отчётность — могут отличаться.
Или: списание основного средства — в одном случае с НДС, в другом — без. Почему? Потому что история у них разная.

ИИ не видит "предысторию", если её явно не изложили в тексте. А бухгалтер её просто знает — потому что он в теме, он ведёт клиента, он понимает бизнес-логику.

Да, можно настроить шаблоны.
Можно автоматизировать рутину.
Но даже продвинутые LLM не удержат весь объём нормативки в своём «контекстном окне».
А главное — не поймут, когда нельзя так делать, даже если формально можно.

🧩 Что нейросети могут делать рядом с 1С?

И вот тут Чатик меня удивил

В настоящее время (июль 2025 года) нейросети и 1С сейчас практически никак не связаны в боевых условиях. Но интерес в том, что:

1. Теоретически — связать можно, особенно для задач ввода, интерпретации и анализа.
2. Практически — кое-где это уже делают (но через внешние сервисы и интеграции, а не внутри самой 1С).

✅ Реально применимо уже сейчас (через внешние сценарии):

• Распознавание и предварительная обработка первички: нейросети вытаскивают данные из PDF, Excel, e-mail, Telegram — и формируют подготовленные структуры, которые затем загружаются в 1С.
• Генерация текстов документов (сопроводительные письма, акты, служебки и т.п.).
• Сопоставление платежей с контрагентами и договорами по вероятностным признакам.
• Создание SQL-запросов или 1С-запросов по описанию задачи.
• Автокомментарии и объяснения к проводкам — на случай, если кто-то в отчёте «не понял, почему так».
• Автоматическая генерация инструкций по действиям в интерфейсе 1С.

🤖 Почему это вообще обсуждают:

• У крупных разработчиков (в т.ч. у 1С-Франчайзи и у вендоров ERP) растёт интерес к LLM как интерфейсной прослойке.
• Уже есть проекты, где GPT подключают к управленческим панелям — чтобы объяснять «что здесь не так» в отчётах.
• В будущем появятся «мягкие» интеграции — когда ИИ не «лезет в расчёт», но помогает интерпретировать, находит аномалии, подсказывает действия.

🔚 Вывод от Чатика

ИИ уносит рутину — и это хорошо.
Но живой бухгалтер в сложных случаях остаётся незаменим.
Потому что он работает не только с цифрами, но и с реальностью, которая не всегда укладывается в логику.

Автоматизация — да. Искусственный интеллект — пока что нет.
А если и «да» — то в виде помощника, но не решающего.

P.S.
А ведь есть еще забавный нюанс

О "серой бухгалтерии"

Мой приятель метко подметил:

"Я как раз 'серую бухгалтерию' и имел в виду — где надо натягивать 'левые' проводки и подгонять баланс, чтоб сошёлся. У ИИ это уже неплохо получается."

И ведь правда: если задача — просто «свести дебет с кредитом», не заботясь о законности, смысле или последствиях — то нейросети уже умеют в такое.
Им всё равно, насколько "левая" проводка — лишь бы баланс закрылся, сумма совпала, а ошибка не вылезла наружу.

Проблема только в том, что они делают это не из коварства, а по глупости.
То есть не потому, что хотят "оптимизировать налоги", а потому что думают: «о, сумма совпадает — задача решена».
Именно поэтому такие "решения" и пугают: они неосознанны, но выглядят убедительно.

Я бы, честно говоря, поостерёгся от такого применения нейросеточек ))