В прошлом году у нас был проект у дистрибьютора: руководство хотело «умную» 1С ERP, а по факту бухгалтерия тонула во входящих УПД и счетах. Мы не трогали ядро системы, подняли внешний сервис на Python 3.12, подключили OCR и LLM через API и за 6 недель сократили первичную обработку документа с 7-10 минут до 1-2 минут.
Если смотреть на ИИ для ERP без лишних ожиданий, фильтр простой: где сотрудники копируют, сверяют, ищут и пересылают одно и то же. В SMB эффект почти всегда находится именно там, а не в красивых дашбордах для руководителя. ROI у таких пилотов появляется за 6-12 недель, если не заходить в переделку половины 1С.
Деньги лежат в рутине, а не в «умной ERP»
Быстрее всего окупаются участки, где есть поток и цифровой след. Если операций меньше 50-100 в неделю, пилот часто не отбивается: модели просто нечего экономить.
У нас лучше всего работали такие сценарии:
- входящие документы и реквизиты
- классификация заявок и обращений
- поиск ответа по регламентам
- сопоставление номенклатуры
- прогноз пополнения по истории спроса
В производственной компании AI-классификация внутренних заявок сняла с координаторов 60-70% ручной маршрутизации. На другом проекте в оптовой торговле нормализация номенклатуры убрала около 40% ручных сопоставлений в неделю.
Логика здесь простая: руководитель открывает отчет пару раз в день, а оператор делает 200 одинаковых действий в неделю. Поэтому мы почти всегда начинаем со второго.
Рабочая схема - внешний AI-слой рядом с 1С
В реальных проектах ИИ почти всегда живет рядом с 1С, а не внутри ее ядра. 1С ERP хранит учет, документы, проводки и справочники. Внешний сервис забирает узкую задачу: распознать документ, классифицировать заявку, найти ответ по внутренним правилам, подсказать риск.
Типовой поток выглядит так: почта или API -> AI-сервис -> черновик в 1С -> подтверждение сотрудником. Такая связка обычно дает ускорение в 3-5 раз и не ломает критичный контур.
| Где живет | Что там должно быть |
|---|---|
| 1С ERP | учет, документы, справочники, проводки |
| AI-сервис | OCR, извлечение реквизитов, классификация, подсказки |
| CRM | клиент, сделка, коммуникации |
| BI | отчеты по ошибкам, скорости, экономии времени |
Для поиска по регламентам мы обычно собираем отдельный сервис на FastAPI, векторную базу Qdrant 1.13 и HTTP-доступ к внутренним документам. На одном внедрении время поиска ответа по правилам сократилось с 8-12 минут до менее 1 минуты.
В ERP лучше всего работает режим «предложил - человек утвердил»
Самый полезный режим в ERP - когда ИИ готовит, а человек утверждает. Если ошибка влияет на проводки, налоги, договоры или себестоимость, автопубликация на старте обычно только мешает.
У клиента из закупок мы делали помощника на Node.js 20 + NestJS, PostgreSQL 16 и API к 1С ERP. Он подсказывал похожие позиции, предупреждал о риске дефицита и подтягивал условия из прошлых заказов. На подготовке заказа команда экономила 20-30% времени, но финальное решение оставалось у закупщика.
CTO производственной компании хорошо сформулировал это на созвоне: самые удачные AI-проекты в ERP - это подсказки, встроенные в роль пользователя, а не попытка заменить весь процесс.
С аномалиями цен мы идем тем же путем. Модель помечает до 15% подозрительных позиций для проверки, но не блокирует закупку сама. Так доверие к системе растет быстрее.
Где пилоты ломаются в первые месяцы
Самый неудачный кейс у нас был у компании, которая хотела автоматизировать проводки под ключ. На демо все выглядело уверенно: документы распознавались, статьи предлагались, черновики формировались. В боевом режиме полезли дубли номенклатуры, разные шаблоны первички и расхождения между 1С, почтой и Excel. Бухгалтерия начала обходить систему вручную, потому что исправлять было дольше, чем сделать с нуля.
Мы ошиблись в том, что слишком рано попытались автоматизировать последний шаг. Потом пересобрали сценарий: убрали автопубликацию, дочистили справочники, договорились об одном источнике данных и вернули человеку подтверждение. После этого точность выросла, а сопротивление команды резко упало.
Когда ИИ в 1С запускать рано?
Когда никто не отвечает за процесс, нет метрики «до и после» и данные живут в трех местах сразу. В такой точке ИИ только ускоряет хаос.
Когда пилот уже имеет смысл?
Когда у вас есть один процесс, понятная ручная стоимость операции и человек, который будет владельцем результата. Для старта этого достаточно.
Сильные сценарии часто живут между CRM и ERP
Много пользы появляется не внутри одной системы, а на стыке. CRM - это клиент, сделка и коммуникации. ERP-система - исполнение, закупки, склад, финансы, производство. AI-слой между ними снимает ручную сборку данных.
У нас был B2B-проект без права на разглашение, где менеджер вел сделку в CRM, а потом вручную собирал из 1С ERP историю отгрузок, остатки и ограничения для коммерческого предложения. Мы сделали внешний слой: сервис подтягивал данные, проверял ограничения и собирал черновик ответа клиенту. Подготовка предложения сократилась на 25-40%, при этом учетную логику в 1С мы вообще не трогали.
Если бы я начинал такой проект заново, в первый день я бы считал не точность модели, а цену ручной минуты в конкретной роли. Как только эта цифра появляется на столе, у идеи пропадает магия и начинается нормальная продуктовая работа.
