Штучний інтелект в бухгалтерському обліку. Як це трансформує роботу

Кожна друга маркетингова стаття у 2026 році обіцяє «революцію завдяки штучному інтелекту в бухгалтерському обліку». На практиці в Україні реально працює один сценарій — автоматичне розпізнавання первинних документів. Усе інше у темі AI для бухгалтера — поки теорія або доступне через зовнішні сервіси, які треба окремо інтегрувати. У статті розбираємо чесно: де штучний інтелект уже у вашій BAS-системі, чим наше рішення «AI Scan для BAS» на базі Google Gemini принципово відрізняється від OCR-конкурентів, і скільки реально економить ваша бухгалтерія. Стаття для тих, хто шукає не «диво-кнопку», а робочий інструмент під реальні завдання обліку.

Штучний інтелект в бухгалтерському обліку: ринкова реальність 2026 в Україні

Якщо ви ходили на конференції з digital-трансформації в останні два роки, то чули десятки прикладів того, що штучний інтелект в бухгалтерському обліку нібито вже робить за бухгалтера: автоматичні прогнози грошових потоків, чат-боти-консультанти за внутрішніми даними, виявлення аномалій у проводках, авто-генерація управлінських звітів. Усе це звучить переконливо — і саме тому варто розрізняти, що з цього вже працює в Україні на практиці, а що залишилось маркетинговою обіцянкою у пресрелізах вендорів.

Хто з українських розробників автоматизує введення первинки у BAS

На травень 2026 року на українському ринку є щонайменше п'ять помітних рішень, що покривають близьке завдання — автоматичне введення первинних документів у BAS чи через інтеграцію з обліковими системами. AI Scan для BAS запустили у листопаді 2025 — на дату цієї статті у бойовому використанні близько шести місяців. За цей час обробка пройшла 5 мажорних версій (поточна v5.1), на основі реальних запитів і помилок наших перших клієнтів.

• SoftInform AI Scan для BAS (наше рішення) — окрема обробка для BAS, що використовує штучний інтелект Google Gemini для розпізнавання документів.
• CONTO «Завантаження первинних документів у BAS» — модуль на базі класичного OCR із прямим інтерфейсом у BAS.
• Іннора (RaccoonDoc) — OCR-сервіс із експортом структурованих даних у XML/CSV для подальшого імпорту в ERP.
• elDoc — обробка документів на базі OCR + ICR + машинного навчання, інтегрується через відкритий API.
• Вчасно — насамперед сервіс електронного документообігу з додатковим OCR-розпізнаванням PDF, передає дані в облікову систему через REST API.

Усі ці рішення покривають одне й те саме завдання — автоматичне введення первинки. Але технологічно вони побудовані по-різному: на сьогодні ми єдині серед перевірених рішень працюємо на повноцінній великій мовній моделі (LLM), інші — на класичному OCR з різними рівнями постобробки. Саме ця різниця визначає, який документ ви зможете обробити, а на якому конкретному скані система зламається — деталі у наступному розділі.

Чому AI ≠ OCR (і чому це принципово змінює бухгалтерську роботу)

Це найважливіша секція статті. Більшість конкурентних рішень на ринку працюють на класичній OCR-технології. Ми у SoftInform використовуємо LLM (Large Language Model) Google Gemini — і саме ця архітектурна різниця формує справжній штучний інтелект в бухгалтерському обліку, на відміну від OCR-автоматизації. Ці два підходи дають принципово різний результат на одних і тих самих документах. Розберемо чому.

OCR: «бачить» текст у заданих координатах

Класичний OCR (Optical Character Recognition) — це технологія, що розпізнає пікселі як літери. Базова логіка: «у цій ділянці зображення такі-то пікселі формують літеру А, такі — літеру Б». Далі надбудовуються правила: «номер документа знаходиться у верхній правій частині, після слів „№“ або „Номер“; ЄДРПОУ — після відповідної мітки; таблиця номенклатури — між рядком „Найменування“ і рядком „Разом“».

Слабкі місця OCR:

• Документ від нового постачальника має нестандартне розташування полів — система плутається
• Скан зроблений під кутом або з тінню — точність падає
• Друкована частина перекривається печаткою або підписом — позиція «з'їдається»
• Документ з нетиповим розташуванням таблиці (наприклад, реквізити збоку, а не зверху) — потребує окремого налаштування

OCR-системам потрібно навчатись на кожному типовому шаблоні документа. Скан накладної від нового постачальника з нестандартним розташуванням таблиці або фото з телефону під кутом — для багатьох OCR-систем виклик. Для людини — все ще читабельно.

LLM (Gemini): «розуміє» документ як людина

Велика мовна модель не бачить «літери». Вона бачить зображення цілком і застосовує тренування на мільярдах документів, щоб «зрозуміти», що це таке. Накладна — це накладна, навіть якщо її викривив поганий скан, і навіть якщо постачальник використовує власний нестандартний шаблон. Модель інтерпретує контекст і повертає вам структуровані дані: постачальник, отримувач, номер, дата, позиції, ціни, ПДВ.

Що це міняє практично:

• Не залежить від розташування полів: документ від нового постачальника обробляється з тією ж точністю, що й типовий
• Працює з фото з телефону: AI розуміє документ, навіть якщо він зафотографований під кутом, з відблиском, частково в тіні
• Розпізнає рукописні правки на друкованих формах: бухгалтер змінив суму ручкою — модель прочитає правильно
• Розуміє контекст: якщо у позиціях документа замість штук кількість виміряна в годинах роботи, модель розуміє, що це акт послуг, а не товарна накладна
• Переживає шум сканера: відсутні фрагменти тексту LLM відновлює за контекстом (так само, як ви читаєте слово, у якому пропущена літера)

На практиці це означає, що бухгалтер не сортує документи перед скануванням на «нормальні» і «погані». Будь-яка накладна, акт, рахунок чи замовлення йде в обробку — LLM упорається з тим, на чому OCR зламається.

Як працює AI Scan для BAS: технологія Google Gemini «під капотом»

Розберемо технічно, що відбувається з вашою накладною від моменту завантаження файлу до створення документа в BAS. Це важливо для двох речей: ви розумієте, за що платите, і ваш IT-керівник може оцінити архітектурні рішення.

Архітектура: окрема обробка .epf для BAS

AI Scan для BAS — це зовнішня обробка у форматі `.epf`, що встановлюється у BAS Конфігураторі або через довідник «Зовнішні обробки». Вона не змінює типові об'єкти BAS, не модифікує конфігурацію, не вимагає переходу на нову версію платформи. Якщо обробка вам перестане підходити — видалити її одна дія, наслідків для бази немає.

Між клієнтом і сервером BAS файли передаються через тимчасове сховище — це важливо для SQL/PostgreSQL баз і веб-клієнта, де сервер не має доступу до клієнтської файлової системи.

Як це працює крок за кроком

1. Завантажуєте файл. Скан накладної, фото з телефону, PDF — всі поширені формати. Не треба жодних попередніх перетворень або обрізки.
2. Натискаєте «Розпізнати». Обробка передає документ Google Gemini для аналізу. Через декілька секунд штучний інтелект повертає всі дані документа у структурованому вигляді: контрагент, ЄДРПОУ, дата, номер, договір, валюта, всі позиції з найменуванням-кількістю-ціною-сумою, ПДВ.
3. Бачите результат розпізнавання. Обробка показує розпізнані дані документа поряд з оригіналом — реквізити, позиції, суми, ПДВ. Це візуальне порівняння: ви переконуєтесь, що ШІ правильно прочитав скан. Виправлення на цьому етапі ще не потрібні — це тільки попередній перегляд перед створенням документа.
4. Натискаєте «Створити документ». Обробка шукає контрагента у вашій базі за ЄДРПОУ (якщо немає — пропонує створити, з підключенням до сервісу Пактум.Контрагент для автозаповнення картки) і запускає вибраний метод співставлення номенклатури.
5. Готово. Якщо всі позиції зіставились ідеально — документ створюється автоматично, ви одразу його бачите готовим у базі. Якщо в чомусь є неоднозначність — з'являється проміжна форма вибору номенклатури, де ви одним кліком обираєте правильну позицію з вашого довідника для тих рядків, де ШІ не зміг визначитися сам, і за потреби виправляєте інші поля. Готові підтвердити — той самий «Створити документ», і документ у базі.

Перевірка «ціна × кількість = сума» виконується автоматично — обробка ловить помилки моделі (буває, ШІ плутає прапор «ціни включають ПДВ») і коригує сама, до показу вам. Налаштування за замовчуванням — модель gemini-2.5-flash, оптимальна за швидкістю та якістю, але ви можете обрати іншу модель Gemini у вікні налаштувань. Чому саме Gemini, а не ChatGPT чи інший — пояснюємо у відео.

Економіка: безкоштовно для більшості бізнесів

Google AI Studio надає безкоштовний ліміт 1500 запитів на день на свій Gemini API. Один документ — це 1 запит на розпізнавання плюс 1–11 запитів на пошук номенклатури (залежно від обраного методу та того, скільки позицій уже у Розумній пам'яті). На практиці безкоштовного ліміту вистачає на 80–500 документів на день у типовій компанії. Для 9 з 10 українських компаній малого та середнього бізнесу це означає, що сама модель розпізнавання їм коштує 0 грн.

Після безкоштовного ліміту діє стандартна тарифікація Google Gemini API (по токенах і обробці зображень). У наших тестах типовий документ (накладна 1–2 сторінки, 5–20 позицій) обходився у $0,001–0,003 за обробку, але фактична вартість залежить від обсягу і моделі — актуальні тарифи дивіться на офіційній сторінці Google. API-ключ ви отримуєте самостійно у Google AI Studio за 5 хвилин — в обробці є посилання на відеоінструкцію. Це принципова відмінність від OCR-сервісів, які за кожен документ беруть свою ціну поверх підписки.

5 методів пошуку номенклатури — і коли який обрати

Розпізнати документ — це лише пів задачі. Друга половина — зв'язати назви позицій з документа постачальника з номенклатурою у вашій базі BAS. Це класична проблема: у документі написано «Молоко Яготинське 2,5%», а у вас — «Яготин молоко жирн. 2,5%». Або «Фарба акрилова біла 14кг» проти «Снєжка фарба акрил. білий 14 кг».

AI Scan для BAS пропонує 5 методів пошуку — обираєте один у налаштуваннях відповідно до розміру вашої бази та характеру документообігу.

Як обрати свій метод

«Рекомендованого за замовчуванням» серед методів немає — вибір залежить від характеру вашої номенклатури:

• Метод 4 (Embeddings) — семантичний пошук, що виконується локально без виклику ШІ на кожну позицію. Це робить його дуже швидким для великих баз з логічно сформульованими назвами товарів («Молоко Яготинське 2,5%», «Фарба акрилова біла», «Цукор пісок 1кг»). Потребує одноразової індексації номенклатури — далі працює без виклику зовнішнього AI.
• Метод 5 (Smart Match) — для складної технічної номенклатури, де є багато візуально схожих позицій з артикулами, типорозмірами, маркуванням: різьба, кріплення, марки металу, кольорові коди фарб. Тут проста схожість підводить — потрібен ШІ, що зрозуміє, що саме у назві важливе, а що синонімічне позначення. Smart Match передає ШІ кожну позицію разом із набором схожих кандидатів — і модель сама вирішує, який варіант справді відповідає, а який лише схожий. Платою за якість є швидкість — оскільки на одну накладну йде багато проміжних запитів до ШІ, Smart Match повільніший за інші методи.
• Метод 3 (по постачальнику) — для постійних постачальників, з якими ви працюєте регулярно. Один раз налаштували відповідності — далі автоматично та миттєво.
• Метод 2 (по найменуванню) — найпростіший, без ШІ. Знайде тільки якщо назва у документі ідентична назві у вашій базі.
• Метод 1 (ШІ Gemini) — універсальний, найкращий стартовий вибір для невеликих баз: усі позиції документа і вся ваша номенклатура передаються одним запитом до ШІ.

Більше деталей про порівняння методів і для яких задач який краще — у нашому відео «Порівняння методів пошуку номенклатури».

Алгоритм Smart Match під капотом — 4 кроки:

1. Нормалізація. Назва товару очищується від омогліфів (латинське A → кириличне А, латинське O → кириличне О — поширена помилка постачальників), приводиться до єдиного регістру, нормалізуються пробіли та розділювачі.
2. Точний збіг. Спершу швидка перевірка на 100% збіг — без виклику AI. Якщо знайдено — пошук завершено за мілісекунди.
3. Фільтрація кандидатів. Якщо точного збігу немає, алгоритм витягує токени (слова з 3+ символів та послідовності цифр) із назви та фільтрує номенклатуру за принципом «має містити 3+ спільні токени». Зі 25 000 позицій залишається 50–500 — найімовірніших кандидатів.
4. AI на кандидатах. Тільки відфільтрований список разом із назвою з документа відправляється в Gemini. Модель обирає найкращий збіг.

За результатами нашого внутрішнього тестування на складній технічній номенклатурі (65 позицій з артикулами і типорозмірами), Smart Match дав точність 75% проти 71% у методу 1 — і це саме той випадок, для якого Smart Match призначений. Більший час обробки (~29 хв проти 5 хв) — обґрунтований, бо ШІ переглядає кожну позицію окремо разом зі схожими кандидатами. На простій семантичній номенклатурі такого приросту якості не буде, тому витрачати час на Smart Match там немає сенсу — для неї швидші Embeddings або метод 1. Для об'єктивної оцінки на ваших документах існує демо-режим (7 днів / 30 сканувань).

Розумна пам'ять: чому з кожним документом обробка стає швидшою

Це функція, що відрізняє AI Scan для BAS від всіх інших систем розпізнавання, з якими ми порівнювали. Вона називається Розумна пам'ять (Smart Memory) і працює так:

Коли бухгалтер один раз підтвердив, що позиція «Молоко Яготинське 2,5% 1л» з накладної постачальника відповідає номенклатурі «Яготин молоко жирн. 2,5%» у вашій базі — ця відповідність зберігається. Наступного разу, коли в документі з'явиться точно така ж назва (після нормалізації — омогліфи, пробіли, регістр приводяться до канонічного вигляду), система миттєво підставить правильну номенклатуру без виклику AI.

Як це працює

Усі підтверджені відповідності зберігаються прямо в обліковій системі — у користувацьких налаштуваннях обробки. Розмір такої «пам'яті» зростає з кількістю унікальних позицій, які ви вже пройшли через перевірку, і обмежений лише розміром налаштувань бази BAS (на скриншоті налаштувань вище видно типове значення для вже-працюючої бази: 53 записи / ~21 КБ).

Перед кожним пошуком обробка спершу перевіряє цю пам'ять. Тільки незнайдені у ній назви відправляються на ШІ-пошук. Це дає три ефекти:

• Швидкість пошуку номенклатури. На повторних позиціях підстановка миттєва — без виклику ШІ. Розпізнавання самого документа Gemini все одно займає 5–20 секунд (це зовнішній API), але фаза співставлення номенклатури прискорюється у рази.
• Економія безкоштовного ліміту. Запам'ятовані позиції не йдуть на ШІ — менший шанс впертись у безкоштовний ліміт Google AI Studio 1500 запитів/день.
• Стабільність відповідностей. Якщо ви один раз правильно обрали номенклатуру для типового товару — наступного разу не з'явиться сюрприз від ШІ з іншою (теж технічно валідною, але іншою) опцією.

Розумна пам'ять працює для методів 1, 4 і 5 — тобто для методів із семантичним пошуком (де модель може повернути різний результат на однаковий вхід). Для методів 2 (по найменуванню) і 3 (по постачальнику) пам'ять не потрібна — там і так миттєвий детермінований локальний пошук. Очистити запам'ятовані відповідності можна одним натисканням у налаштуваннях, якщо база номенклатури кардинально змінилась.

Точність та швидкість: реальні цифри, а не маркетингові обіцянки

Жодна комерційна сторінка про AI-розпізнавання не публікує реальних бенчмарків. Ми порушимо цю традицію.

Дві різні точності — не плутайте

Коли говоримо «AI розпізнає документ», насправді відбуваються дві окремі задачі з різними метриками точності:

1. Витягування даних з документа — хто-кому-скільки-коли-чого. Що саме написано на скані: контрагент, дата, номер, ЄДРПОУ, позиції з найменуванням-кількістю-ціною, суми, ПДВ.
2. Співставлення позицій з вашою базою номенклатури — якій позиції з вашої бази BAS відповідає рядок «Молоко Яготинське 2,5%» з документа постачальника.

Точність №1: витягування даних — 95%+

На типових українських первинних документах (видаткові накладні, рахунки на оплату, акти виконаних робіт, замовлення) Google Gemini 2.5 Flash дає точність витягування реквізитів і позицій від 95%. Це включає різні випадки — друковані документи, фото з телефону, PDF, скани з мобільної камери.

Коли система помиляється: фрагменти з нечіткими рукописними правками, документи з печаткою/підписом поверх числових полів, скани у дуже низькій роздільній здатності (нижче 150 DPI). У таких випадках обробка позначає поле як «низька впевненість» і просить бухгалтера підтвердити. Тобто 95% — це точність без втручання; з втручанням на сумнівних позиціях підсумкова точність наближається до 100%.

Точність №2: співставлення номенклатури — залежить від характеру назв

Це окреме завдання, і його точність залежить від характеру вашої номенклатури:

• Семантично-логічні назви («Цукор білий пісок 1кг», «Молоко Яготинське 2,5%», «Фарба акрилова біла») — найкращий метод 4 (Embeddings): швидкий, локальний, з високим відсотком автоматичних збігів.
• Абревіатурні та технічні позиції (типорозміри різьби, артикули комплектуючих, маркування марок металу, кольорові коди фарб) — найкращий метод 5 (Smart Match): він проходить кожну позицію окремо разом зі схожими кандидатами, тому ловить різницю в одній літері чи цифрі. Платою є швидкість — багато проміжних запитів до ШІ, тому одна накладна обробляється довше.
• Постійні постачальники — варто інвестувати разово у налаштування методу 3 (По номенклатурі постачальника). Далі автоматично та миттєво.

Позиції, що не співставились автоматично, бухгалтер бачить на проміжній формі перевірки і обирає правильну номенклатуру вручну з вашої бази. Це все одно швидше за повне ручне введення — реквізити, кількість, ціна, ПДВ уже заповнені.

Точні цифри — справа конкретного впровадження. Для об'єктивної оцінки на ваших документах є демо-режим (7 днів / 30 сканувань). Маркетингові «95%» від конкурентів зазвичай не витримують тесту на вашій реальній номенклатурі — тому ми пропонуємо порахувати на вашій.

Швидкість — що ми реально вимірювали

Hero-зображення вгорі статті заявляє «10–15 хв → 1–2 хв на документ». Розшифровуємо чесно — що з цього виміряно нами і що залежить від ваших умов:

На що очікувати: ШІ-розпізнавання документа у наших тестах займає 5–20 секунд незалежно від методу пошуку номенклатури (час залежить від навантаження на Gemini API). Швидкість пошуку — від обраного методу: Embeddings — найшвидший, Smart Match — найповільніший (за рахунок багатьох проміжних запитів до ШІ для максимальної якості на технічних позиціях).

При 100% збігу всіх позицій обробка взагалі пропускає проміжну форму перевірки — після натискання «Створити документ» одразу створюється готовий документ у базі. На повторних документах від постійних постачальників завдяки Розумній пам'яті фаза пошуку номенклатури значно прискорюється — менше викликів ШІ, менше навантаження на ваш безкоштовний ліміт Google AI Studio.

Прозорість vs маркетинг

На сторінках більшості OCR-конкурентів конкретних цифр точності ми не знаходимо. Зазвичай використовуються формулювання «висока точність», «мінімум помилок», «до 70% економії часу» — без конкретних метрик. Це не змова — це власне особливість OCR-технології: точність сильно залежить від конкретного документа. Один шаблон постачальника — 95%, інший — 60%, і середнє число «без зірочки» було б оманою. LLM-підхід вирівнює варіацію, тому ми готові говорити про середній показник для типових українських первинних документів.

Кейси: як це працює у реальних компаніях

Без вигадок. Нижче — два сценарії: один із наших існуючих впроваджень (анонімізовано) і один типовий профіль клієнта, з яким ми працюємо щомісяця. Цифри — від реального використання.

Кейс 1. Виробник напівфабрикатів — 40 прибуткових на день, BAS КУП

Профіль: невелике виробниче підприємство харчової галузі, виготовляє заморожені напівфабрикати. Бухгалтерія обробляє вхідну сировину — м'ясо, овочі, спеції, упаковку — від 8–12 регулярних постачальників. Облік ведеться у BAS КУП.

Ситуація до AI Scan: 40 прибуткових накладних на день. На обробку одного документа бухгалтер витрачав ~5 хвилин: відкрити PDF, перенести реквізити постачальника, знайти контрагента у базі (або створити), додати кожну позицію (8–15 на накладну) з номенклатури, ввести кількість/ціну, перевірити суми та ПДВ. Плюс — окремий час на пошук помилок (контрольні співвідношення сум, неправильно знайдена номенклатура, помилки округлення), який «випливав» при закритті місяця.

Підсумок: ~200 хвилин (3 год 20 хв) на день чистого часу бухгалтерії на введення первинки. У місячному вимірі (21 робочий день) — близько 70 годин, або еквівалент майже двох робочих тижнів одного співробітника.

Що зробили: встановили AI Scan для BAS, ліцензія на основну базу, метод пошуку — Embeddings (на семантично-логічній харчовій номенклатурі він найшвидший), Розумна пам'ять увімкнена. Налаштування під типову конфігурацію КУП — підрозділ, склад сировини, статус документа за замовчуванням. На запуск — кілька хвилин разом із нашим спеціалістом.

Результат: час обробки одного документа знизився до ~1 хвилини. У місячному вимірі — близько 14 годин замість 70. Звільнено ~56 годин на місяць, що команда тепер витрачає на контроль виробничих собівартостей і нормативи списання сировини — задачі, на які раніше «не вистачало рук».

Кейс 2. Невеликий дистриб'ютор будматеріалів — типовий профіль клієнта

Це не один конкретний клієнт, а узагальнений профіль, з яким працюємо щомісяця. Цифри — діапазон того, що бачимо у реальних впровадженнях такого розміру.

Профіль: оптово-роздрібний дистриб'ютор будматеріалів — лакофарбові, кріплення, інструмент, оздоблення. ~30 прибуткових накладних на день від ~20 постачальників. Облік ведеться у BAS Управління торгівлею.

Особливість, що ускладнює завдання: номенклатура переважно технічна — артикули, типорозміри, маркування. У документі написано «Дюбель-цвях 6×40 (упак. 200 шт)», у базі — «Дюбель цв. 6×40 уп.200 (B-DBL-0640-200)». Семантичних збігів практично немає — потрібен ШІ, що зрозуміє, що саме у цих двох записах є важливим (розмір, упаковка), а що — синонімічним позначенням того самого товару. Це класичний кейс для методу 5 (Smart Match) — він пропускає кожну позицію через ШІ окремо разом зі схожими кандидатами, і ШІ визначає, який варіант справді відповідає, а який — лише схожий за виглядом.

Ситуація до AI Scan: ~7 хвилин на документ за рахунок ручного пошуку правильної номенклатури (часто бухгалтер перевіряв у попередніх документах від цього ж постачальника). 30 документів × 7 хвилин = ~210 хвилин (3 год 30 хв) на день. Помилки у виборі номенклатури з'являлися регулярно й виявлялися на інвентаризації.

Що рекомендуємо для такого профілю: метод 5 «Smart Match» як основний — він найточніший на технічних артикулах. Доповнення — метод 3 «По номенклатурі постачальника» для топ-10 постійних постачальників (налаштовуємо відповідності один раз). Розумна пам'ять обов'язково увімкнена — у документах, де артикули регулярно повторюються, після 2–3 тижнів роботи більшість позицій підтягується миттєво з пам'яті, без повторних звернень до ШІ.

Орієнтовний результат: ~1,5 хвилини на документ після стабілізації — ~45 хвилин на день замість 3,5 годин. Частина позицій (на нових постачальниках, нетипових артикулах) проходить через проміжну форму перевірки, де бухгалтер обирає правильну номенклатуру вручну. Це все одно швидше за повне ручне введення — реквізити, кількість, ціна, ПДВ уже підставлені.

Які типи документів і конфігурації BAS підтримуються

Типи документів (поточний реліз v5.1)

• ✅ Накладні (видаткові й прибуткові) — найпоширеніший сценарій
• ✅ Рахунки на оплату — для авансових платежів та контролю
• ✅ Акти виконаних робіт — для послуг
• ✅ Замовлення — для контролю постачання

За попитом клієнтів додаємо нові типи документів. Якщо у вашій галузі домінує специфічний тип первинки (товарно-транспортна накладна, специфікація постачання, експортний інвойс) — напишіть нам, плануємо розширення.

Конфігурації BAS

AI Scan для BAS працює з усіма стандартними конфігураціями BAS, у яких є тип документа з відповідною структурою:

• BAS Бухгалтерія (Проф) — повна підтримка
• BAS Бухгалтерія КОРП — повна підтримка з кадровим контуром
• BAS ERP — повна підтримка з архітектурою Партнер/Контрагент
• BAS КУП (Комплексне управління підприємством) — повна підтримка
• BAS Управління торгівлею — повна підтримка

А також галузеві конфігурації, побудовані на базі цих стандартних — наприклад, наші власні рішення в каталозі «BAS Сумісно» (елеваторні, олійно-екстракційні, для зернових компаній), плюс рішення інших розробників. Якщо ваша конфігурація — це BAS Бухгалтерія + галузеві доопрацювання, обробка працює без додаткового налаштування.

Інтеграція з Пактум.Контрагент: якісна картка контрагента

Якщо у вашій базі немає контрагента, що зустрівся в розпізнаному документі (за ЄДРПОУ), обробка пропонує його створити. Вручну заповнювати реквізити не потрібно — ми підключаємо сервіс Пактум.Контрагент, який підтягує повну картку: повне найменування, ІПН платника ПДВ, номер свідоцтва, статус платника ПДВ, юридичну адресу.

Пактум.Контрагент — це окрема платна розробка з власною підпискою. У межах нашого впровадження AI Scan ми можемо оформити цю підписку для вас — щоб ви отримали обидва рішення в одному пакеті, з єдиним договором і єдиною підтримкою. Зверніться при консультації — порахуємо разом.

Що ще ШІ може у бухобліку — і що поки тільки маркетинг

Чесна секція. Розпізнавання первинки — це єдиний AI-сценарій, що масштабовано працює у BAS-екосистемі України на травень 2026. Решта — або у планах розробників, або через зовнішні сервіси, або поодинокі впровадження.

✅ Реально працює (можна впровадити вже зараз)

• OCR/AI-розпізнавання первинки в BAS — категорія, в якій працюємо ми (на LLM) і конкуренти (на OCR).
• Інтеграція ШІ з BAS через зовнішні сервіси — підключення ChatGPT/Claude/Gemini до BAS через API і платформи автоматизації (n8n, Make). Дозволяє побудувати власні сценарії: автоматичні відповіді клієнтам про статус замовлення, наявність товару, відправку документів. Детальніше у нашій статті Інтеграція штучного інтелекту в BAS.

🟡 Технічно можливо, поодинокі впровадження

• ШІ-консультант на даних BAS — питання типу «скільки витратили на канцтовари в Q1» з відповіддю природною мовою. Технологічно вирішується через ChatGPT/Claude API з доступом до даних BAS. Активно обговорюється, масштабних публічних впроваджень в Україні ми не бачили — лише демо та концепти.
• Автокатегоризація банківських виписок — машинне навчання на історичних даних компанії. Доступно через зовнішні сервіси, у стандартну BAS поки не вбудовано.
• Автогенерація управлінських звітів з поясненнями — ШІ пише текстовий супровід до цифр. Можна реалізувати через зовнішнє підключення.

❌ Поки маркетинг (в Україні в BAS не впроваджується серійно)

• Прогноз грошових потоків — концептуально цікаво, але стабільно працюючих українських продуктів у BAS-екосистемі для цього зараз немає.
• Виявлення аномалій у проводках — немає масштабованих українських впроваджень.
• Custom ШІ-моделі на власній інфраструктурі (Llama, Mistral) — рідкісні впровадження у банках і фінсекторі, не в стандартному обліку.

Це не означає, що ці теми неможливі — означає, що ринок ще не дозрів і ці продукти не існують у вигляді «купив і запустив». Якщо ваш бізнес-кейс настільки специфічний, що потребує саме такого — обговоримо custom-впровадження окремо. Якщо ви тільки починаєте знайомство зі штучним інтелектом у бухгалтерському обліку — почніть з тих сценаріїв, де ефект очевидний і вимірюваний; решту можна додавати у міру дозрівання процесів.

Самоперевірка: чи готовий ваш бізнес

Як спробувати: демо, ІТС-знижка, річна підписка

Ми пропонуємо три варіанти роботи з AI Scan для BAS — від безкоштовного тесту до повного впровадження з річним договором.

1. Безкоштовна демо-версія

Усі, хто запитав, отримують демо-режим: 7 днів і 30 сканувань. Достатньо, щоб обробити свій типовий документообіг і об'єктивно оцінити точність на ваших постачальниках. Демо ліцензується на конкретну вашу базу — для коректної оцінки в реальних умовах.

Що для цього потрібно: написати нам через форму нижче, ми надамо файл обробки, інструкцію встановлення та допоможемо з активацією Gemini API-ключа (отримаєте безкоштовно у Google AI Studio).

2. ІТС-клієнти: 1 місяць безкоштовно + 50% знижка

Якщо ви оформлюєте у нас пакет супроводу ІТС (від ІТС ПРОФ — 1 250 грн/міс), перший місяць використання AI Scan для BAS — безкоштовно, далі — постійна знижка 50% на річну підписку обробки.

ІТС-договір — це не просто знижка на AI: це регулярні оновлення BAS-конфігурації, доступ до експертної консультації 30–90 хв/день (залежно від тарифу), 12 безкоштовних консультацій з аудит-консультантом на рік, налаштування додаткових звітів і форм у вашій базі. AI Scan стає природним розширенням пакета — без необхідності окремих договорів.

3. Самостійна річна підписка

Якщо ви не хочете брати ІТС — можна купити підписку на AI Scan для BAS окремо, річним договором. Точну вартість дізнаєтесь у відповідь на запит — вона залежить від конфігурації BAS, з якою працюєте.

Часті запитання