AI-бухгалтер сам проводит платежи?

Нет. Он готовит черновик проводки и помечает аномалии, но необратимое действие подтверждает человек. Это сознательное ограничение, а не недоработка — в учёте ошибка AI необратима.

Чем это отличается от AI у SAP или Microsoft?

Их агенты работают в их облаке на их моделях, с надбавкой за пользователя. У нас — открытая модель на вашем железе: данные не уходят наружу, и нет премии за AI-место.

Можно поставить AI сразу при внедрении?

Нет смысла: на грязных и разрозненных данных модель чаще ошибается. Сначала единая чистая база, потом AI-слой поверх неё — следующим этапом.

Какую модель вы используете?

Открытую модель с инструментальными вызовами — класса Qwen 3.6, GLM или DeepSeek; конкретную подбираем под задачу и железо, как в частном ИИ. Жёстко одну модель не обещаем: выбор движка диктует задача, а не отдел маркетинга.

SAP и Microsoft уже дали агентам проводить платежи сами — вы отстали?

Мы делаем так специально. Их автономные агенты (например, Microsoft Payflow) сами проводят платежи для типовых случаев — это ровно та зона, где ошибка необратима, а EU AI Act и FINRA требуют человеческого надзора. Скорость на подготовке мы даём ту же, но необратимый шаг оставляем человеку.

AI-сотрудники в ERP: что реально умеет AI-бухгалтер, складчик, кадровик — и где проходит граница

Nigar Hüseynova, инженер по ИИ и данным viasoft · 2026-06-02

AI-сотрудник в ERP ничего не доводит до конца молча. Он читает накладную и готовит черновик проводки, замечает аномалию, отвечает сотруднику про отпуск, по запросу собирает дашборд по марже. Но как только дело доходит до необратимого — провести платёж, запустить начисление — последнее слово остаётся за человеком. Так это устроено у нас. И так, по консенсусу 2026 года, оно и должно работать в учёте, где ошибку AI потом уже не отыграешь. Ниже разбираем, что каждый из четырёх «AI-сотрудников» делает безопасно уже сегодня, где у него граница и почему приватная модель на вашем железе для финансов весит больше облачного агента.

Покажем живого AI-складчика на ваших остатках или разберём пачку накладных AI-бухгалтером → Контакты · Прикинуть масштаб → Оценка масштаба проекта

Сразу честно: «такого ни у кого нет» — это неправда

Если встроенных AI-агентов вам продают как уникальную магию — насторожитесь. К середине 2026 они есть у всех, и вендоры ушли в автономность. SAP на Sapphire в мае 2026 показала Autonomous Suite: больше 50 ассистентов поверх двух сотен агентов — по финансам, закупкам, кадрам. Microsoft выкатила Payflow — агента, который для типовых платежей сам сверяет реквизиты, проводит оплату и постит проводку, без участия человека. Odoo 20 идёт туда же. Так что вопрос давно не в том, у кого AI есть, а в том, как он устроен: в чьём облаке крутится, на каком языке говорит, кто отвечает за ошибку и сколько стоит за каждое рабочее место. Сам факт «у нас есть AI» уже почти ничего не значит — разница прячется в этих ответах.

Где настоящая разница: приватность, надзор, цена

У нас AI-сотрудники устроены иначе, чем у глобальных вендоров. Три отличия, которые особенно важны для бизнеса в Азербайджане:

Данные не уходят наружу. Агенты SAP и Microsoft крутятся в их облаке на их моделях, и ваши проводки, зарплаты, остатки уезжают туда же. У нас модель открытая и стоит на вашем железе (тот же подход, что в частном ИИ). Там, где есть требования к резидентности данных, для финансов это уже не деталь, а условие работы.
Надзор встроен с самого начала. Мы не торгуем «автопилотом, который сам распоряжается деньгами», и прямо предупреждаем об этом в разборе безопасности ИИ-агентов. AI-сотрудник готовит и предлагает, утверждает человек, каждый шаг пишется в журнал действий.
Без премии за AI-место. У SAP и Microsoft AI идёт надбавкой за пользователя. Self-hosted открытая модель эту строку из счёта просто убирает.

Четыре AI-сотрудника: что делает и где граница

Под капотом это одна технология (открытая модель плюс инструментальные вызовы к данным ERP), повёрнутая к четырём ролям. Граница у всех общая: черновик и сигнал — пожалуйста; необратимое действие без человека — нет.

AI-сотрудник	Делает безопасно сегодня	Граница — решает человек
AI-бухгалтер	OCR накладной/чека → черновик проводки; флаг аномалий («платёж в 10× больше обычного»)	сам необратимую проводку не делает
AI-складчик	на естественном языке: «что заканчивается? собери заявку поставщику»	заявка уходит после подтверждения
AI-кадровик	расчёт зарплаты-2026 (прогрессивный налог, DSMF, медстрахование), ответы по отпускам, подготовка документов	начисление утверждает человек
AI-финансист	«какая маржа за месяц», прогноз кассового разрыва, дашборд по запросу	аналитика — да; распоряжение деньгами — нет

Технология за этим зрелая, а не экспериментальная. В индустрии распознавание накладных и счетов уже даёт 95–99% точности на типовых документах и срезает время обработки счёта на величину до 72% — на этом давно строят автоматизацию кредиторки крупные компании. AI-бухгалтер работает на той же базе, разница в двух вещах: данные остаются у вас, а необратимый шаг подтверждает человек.

Почему «ассистент под надзором», а не «автономный бухгалтер»

В учёте ошибка AI и необратима, и опасна: модель способна уверенно сочинить проводку или аудит-заметку, которая выглядит настоящей, но таковой не является. Поэтому отраслевой консенсус 2026 года звучит просто: не «доверил и забыл», а человек подтверждает, ведётся полный журнал действий, есть кнопка «стоп». Это ограничение мы не обходим красивыми словами — мы строим систему вокруг него. «AI-сотрудник под надзором» честнее и безопаснее «AI-автопилота», и консервативному бизнесу, которому скрытая ошибка в финансах не по карману, подходит как раз такой подход.

Куда смотрит регуляция — и почему мы заранее на этой стороне

Пока вендоры соревнуются в автономности, регуляторы двигаются в обратную сторону. EU AI Act требует к августу 2026 человеческого надзора и прослеживаемости для рискованных AI-систем; FINRA и PCAOB ещё в конце 2025 предупредили о галлюцинациях и об агентах, которые действуют «сверх своих полномочий». Правило простое: чем автономнее агент, тем тяжелее надзор за ним. Тому, кто готовит черновик на проверку, доверия нужно меньше, чем тому, кто сам проводит платёж. Необратимые действия мы держим за человеком сознательно — туда и движется регуляция, и туда консервативному бизнесу спокойнее идти самому.

Одна честная оговорка: надзор работает, только если он содержательный. Люди склонны переоценивать AI и машинально соглашаться с его решениями. Поэтому проверку мы делаем осмысленной — агент не просто предлагает, а показывает, на чём основан черновик, и помечает, что именно стоит перепроверить. Плюс журнал действий и кнопка «стоп».

Когда подключать AI-слой (важно для результата)

AI-сотрудников нельзя ставить на хаос данных: чем сильнее данные разрознены и засорены, тем выше шанс, что модель ошибётся. Отсюда порядок:

Сначала — единая чистая база (внедрение ERP, перенос, наведение порядка в данных).
Потом — AI-слой поверх стабильной базы.

Так честнее и по результату, и по логике этапов: AI здесь не стартовый шаг, а усиление уже работающей системы. Поэтому в проекте AI-сотрудники идут следующим этапом после запуска ERP, а не в первом MVP.

Рыночные цифры это подтверждают. К 2026 году большинство компаний переносят бюджеты с классической RPA на AI-агентов, но в реальную эксплуатацию их вывели пока единицы — около 17%. Хайпа много, продакшена мало, и чаще всего спотыкаются как раз о грязные данные. Поэтому мы ставим AI на готовую чистую базу, а не обещаем «агентов с первого дня».

Техническая основа (это собирается сегодня, а не обещание)

«AI-агенты в ERPNext» — это не стройка с нуля. Для ERPNext уже есть открытый MCP-сервер — слой, через который модель безопасно обращается к данным, с правами пользователя и журналом действий. Сам протокол MCP в 2026 году стал отраслевым стандартом: его передали в Linux Foundation, и его поддерживают все крупные платформы — от ChatGPT и Claude до Microsoft Copilot. Есть и открытый агент changAI с локальным режимом — он гоняет поиск по вашей базе прямо на вашем сервере, так что приватный AI на ERPNext это рабочая практика, а не теория. Сверху мы ставим открытую модель с инструментальными вызовами (класса Qwen 3.6 / GLM / DeepSeek — движок подбираем под задачу, как в частном ИИ, конкретную модель жёстко не фиксируем) и свои инструменты под местные процессы. Так агент видит ровно столько же, сколько видит сам сотрудник, и ни строкой больше.

Честно про деньги. Self-hosted — это в первую очередь про приватность и суверенность данных, а не про «дёшево любой ценой». Видеокарта под модель уровня 30B стоит разовые тысячи долларов плюс десятки долларов электричества в месяц, и экономия против облачных API на железе появляется на объёме. Скрытая статья здесь не GPU, а сопровождение модели — мы закладываем его в смету открыто. Если объёма под self-hosting мало, так и скажем и предложим вариант дешевле — как и на бесплатном разборе по самой ERP.

FAQ

AI-бухгалтер сам проводит платежи? Нет. Он готовит черновик проводки и помечает аномалии, но необратимое действие подтверждает человек. Это сознательное ограничение, а не недоработка — в учёте ошибка AI необратима.
Чем это отличается от AI у SAP или Microsoft? Их агенты работают в их облаке на их моделях, с надбавкой за пользователя. У нас — открытая модель на вашем железе: данные не уходят наружу, и нет премии за AI-место.
Можно поставить AI сразу при внедрении? Нет смысла: на грязных и разрозненных данных модель чаще ошибается. Сначала единая чистая база, потом AI-слой поверх неё — следующим этапом.
Какую модель вы используете? Открытую модель с инструментальными вызовами — класса Qwen 3.6, GLM или DeepSeek; конкретную подбираем под задачу и железо, как в частном ИИ. Жёстко одну модель не обещаем: выбор движка диктует задача, а не отдел маркетинга.
SAP и Microsoft уже дали агентам проводить платежи сами — вы отстали? Мы делаем так специально. Их автономные агенты (например, Microsoft Payflow) сами проводят платежи для типовых случаев — это ровно та зона, где ошибка необратима, а EU AI Act и FINRA требуют человеческого надзора. Скорость на подготовке мы даём ту же, но необратимый шаг оставляем человеку.