Искусственный интеллект в бухгалтерском учете. Как это трансформирует работу

Каждая вторая маркетинговая статья в 2026 году обещает «революцию благодаря искусственному интеллекту в бухгалтерском учёте». На практике в Украине реально работает один сценарий — автоматическое распознавание первичных документов. Всё остальное в теме AI для бухгалтера — пока теория или доступно через внешние сервисы, которые нужно отдельно интегрировать. В статье разбираем честно: где искусственный интеллект уже в вашей BAS-системе, чем наше решение «AI Scan для BAS» на базе Google Gemini принципиально отличается от OCR-конкурентов, и сколько реально экономит ваша бухгалтерия. Статья для тех, кто ищет не «волшебную кнопку», а рабочий инструмент под реальные задачи учёта.

Искусственный интеллект в бухгалтерском учёте: рыночная реальность 2026 в Украине

Если вы посещали конференции по digital-трансформации в последние два года, то слышали десятки примеров того, что искусственный интеллект в бухгалтерском учёте якобы уже делает за бухгалтера: автоматические прогнозы денежных потоков, чат-боты-консультанты по внутренним данным, выявление аномалий в проводках, автогенерация управленческих отчётов. Всё это звучит убедительно — и именно поэтому стоит различать, что из этого уже работает в Украине на практике, а что осталось маркетинговым обещанием в пресс-релизах вендоров.

Кто из украинских разработчиков автоматизирует ввод первички в BAS

По состоянию на май 2026 года на украинском рынке есть как минимум пять заметных решений, покрывающих близкую задачу — автоматический ввод первичных документов в BAS или через интеграцию с учётными системами. AI Scan для BAS запустили в ноябре 2025 — на дату этой статьи в промышленной эксплуатации около шести месяцев. За это время обработка прошла 5 мажорных версий (текущая v5.1), на основе реальных запросов и ошибок наших первых клиентов.

• SoftInform AI Scan для BAS (наше решение) — отдельная обработка для BAS, использующая искусственный интеллект Google Gemini для распознавания документов.
• CONTO «Загрузка первичных документов в BAS» — модуль на базе классического OCR с прямым интерфейсом в BAS.
• Иннора (RaccoonDoc) — OCR-сервис с экспортом структурированных данных в XML/CSV для последующего импорта в ERP.
• elDoc — обработка документов на базе OCR + ICR + машинного обучения, интегрируется через открытый API.
• Вчасно — прежде всего сервис электронного документооборота с дополнительным OCR-распознаванием PDF, передаёт данные в учётную систему через REST API.

Все эти решения покрывают одну и ту же задачу — автоматический ввод первички. Но технологически они построены по-разному: на сегодня мы единственные среди проверенных решений работаем на полноценной большой языковой модели (LLM), остальные — на классическом OCR с разными уровнями постобработки. Именно эта разница определяет, какой документ вы сможете обработать, а на каком конкретном скане система сломается — детали в следующем разделе.

Почему AI ≠ OCR (и почему это принципиально меняет бухгалтерскую работу)

Это самая важная секция статьи. Большинство конкурентных решений на рынке работают на классической OCR-технологии. Мы в SoftInform используем LLM (Large Language Model) Google Gemini — и именно эта архитектурная разница формирует настоящий искусственный интеллект в бухгалтерском учёте, в отличие от OCR-автоматизации. Эти два подхода дают принципиально разный результат на одних и тех же документах. Разберём почему.

OCR: «видит» текст в заданных координатах

Классический OCR (Optical Character Recognition) — это технология, распознающая пиксели как буквы. Базовая логика: «в этом участке изображения такие-то пиксели формируют букву А, такие — букву Б». Дальше надстраиваются правила: «номер документа находится в верхней правой части, после слов „№“ или „Номер“; ЕДРПОУ — после соответствующей метки; таблица номенклатуры — между строкой „Наименование“ и строкой „Итого“».

Слабые места OCR:

• Документ от нового поставщика имеет нестандартное расположение полей — система путается
• Скан сделан под углом или с тенью — точность падает
• Печатная часть перекрывается печатью или подписью — позиция «съедается»
• Документ с нетипичным расположением таблицы (например, реквизиты сбоку, а не сверху) — требует отдельной настройки

OCR-системам нужно обучаться на каждом типовом шаблоне документа. Скан накладной от нового поставщика с нестандартным расположением таблицы или фото с телефона под углом — для многих OCR-систем вызов. Для человека — всё ещё читаемо.

LLM (Gemini): «понимает» документ как человек

Большая языковая модель не видит «буквы». Она видит изображение целиком и применяет тренировку на миллиардах документов, чтобы «понять», что это такое. Накладная — это накладная, даже если её исказил плохой скан, и даже если поставщик использует собственный нестандартный шаблон. Модель интерпретирует контекст и возвращает вам структурированные данные: поставщик, получатель, номер, дата, позиции, цены, НДС.

Что это меняет практически:

• Не зависит от расположения полей: документ от нового поставщика обрабатывается с той же точностью, что и типовой
• Работает с фото с телефона: AI понимает документ, даже если он сфотографирован под углом, с бликом, частично в тени
• Распознаёт рукописные правки на печатных формах: бухгалтер изменил сумму ручкой — модель прочитает правильно
• Понимает контекст: если в позициях документа вместо штук количество измерено в часах работы, модель понимает, что это акт услуг, а не товарная накладная
• Переживает шум сканера: отсутствующие фрагменты текста LLM восстанавливает по контексту (так же, как вы читаете слово, в котором пропущена буква)

На практике это означает, что бухгалтер не сортирует документы перед сканированием на «нормальные» и «плохие». Любая накладная, акт, счёт или заказ идёт в обработку — LLM справится с тем, на чём OCR сломается.

Как работает AI Scan для BAS: технология Google Gemini «под капотом»

Разберём технически, что происходит с вашей накладной от момента загрузки файла до создания документа в BAS. Это важно для двух вещей: вы понимаете, за что платите, и ваш IT-руководитель может оценить архитектурные решения.

Архитектура: отдельная обработка .epf для BAS

AI Scan для BAS — это внешняя обработка в формате `.epf`, которая устанавливается в BAS Конфигураторе или через справочник «Внешние обработки». Она не изменяет типовые объекты BAS, не модифицирует конфигурацию, не требует перехода на новую версию платформы. Если обработка вам перестанет подходить — удалить её одно действие, последствий для базы нет.

Между клиентом и сервером BAS файлы передаются через временное хранилище — это важно для SQL/PostgreSQL баз и веб-клиента, где сервер не имеет доступа к клиентской файловой системе.

Как это работает шаг за шагом

1. Загружаете файл. Скан накладной, фото с телефона, PDF — все распространённые форматы. Не нужно никаких предварительных преобразований или обрезки.
2. Нажимаете «Распознать». Обработка передаёт документ Google Gemini для анализа. Через несколько секунд искусственный интеллект возвращает все данные документа в структурированном виде: контрагент, ЕДРПОУ, дата, номер, договор, валюта, все позиции с наименованием-количеством-ценой-суммой, НДС.
3. Видите результат распознавания. Обработка показывает распознанные данные документа рядом с оригиналом — реквизиты, позиции, суммы, НДС. Это визуальное сравнение: вы убеждаетесь, что ИИ правильно прочитал скан. Исправления на этом этапе ещё не нужны — это только предварительный просмотр перед созданием документа.
4. Нажимаете «Создать документ». Обработка ищет контрагента в вашей базе по ЕДРПОУ (если нет — предлагает создать, с подключением к сервису Пактум.Контрагент для автозаполнения карточки) и запускает выбранный метод сопоставления номенклатуры.
5. Готово. Если все позиции сопоставились идеально — документ создаётся автоматически, вы сразу видите его готовым в базе. Если в чём-то есть неоднозначность — появляется промежуточная форма выбора номенклатуры, где вы одним кликом выбираете правильную позицию из вашего справочника для тех строк, где ИИ не смог определиться сам, и при необходимости исправляете другие поля. Готовы подтвердить — тот же «Создать документ», и документ в базе.

Проверка «цена × количество = сумма» выполняется автоматически — обработка ловит ошибки модели (бывает, ИИ путает флаг «цены включают НДС») и корректирует сама, до показа вам. Настройка по умолчанию — модель gemini-2.5-flash, оптимальная по скорости и качеству, но вы можете выбрать другую модель Gemini в окне настроек. Почему именно Gemini, а не ChatGPT или другой — объясняем в видео.

Экономика: бесплатно для большинства бизнесов

Google AI Studio предоставляет бесплатный лимит 1500 запросов в день на свой Gemini API. Один документ — это 1 запрос на распознавание плюс 1–11 запросов на поиск номенклатуры (в зависимости от выбранного метода и того, сколько позиций уже в Умной памяти). На практике бесплатного лимита хватает на 80–500 документов в день в типичной компании. Для 9 из 10 украинских компаний малого и среднего бизнеса это означает, что сама модель распознавания им стоит 0 грн.

После бесплатного лимита действует стандартная тарификация Google Gemini API (по токенам и обработке изображений). В наших тестах типичный документ (накладная 1–2 страницы, 5–20 позиций) обходился в $0,001–0,003 за обработку, но фактическая стоимость зависит от объёма и модели — актуальные тарифы смотрите на официальной странице Google. API-ключ вы получаете самостоятельно в Google AI Studio за 5 минут — в обработке есть ссылка на видеоинструкцию. Это принципиальное отличие от OCR-сервисов, которые за каждый документ берут свою цену поверх подписки.

5 методов поиска номенклатуры — и когда какой выбрать

Распознать документ — это лишь полдела. Вторая половина — связать названия позиций из документа поставщика с номенклатурой в вашей базе BAS. Это классическая проблема: в документе написано «Молоко Яготинське 2,5%», а у вас — «Яготин молоко жирн. 2,5%». Или «Краска акриловая белая 14кг» против «Снежка краска акрил. белая 14 кг».

AI Scan для BAS предлагает 5 методов поиска — выбираете один в настройках в соответствии с размером вашей базы и характером документооборота.

Как выбрать свой метод

«Рекомендованного по умолчанию» среди методов нет — выбор зависит от характера вашей номенклатуры:

• Метод 4 (Embeddings) — семантический поиск, выполняющийся локально без вызова ИИ на каждую позицию. Это делает его очень быстрым для больших баз с логично сформулированными названиями товаров («Молоко Яготинське 2,5%», «Краска акриловая белая», «Сахар песок 1кг»). Требует однократной индексации номенклатуры — далее работает без вызова внешнего AI.
• Метод 5 (Smart Match) — для сложной технической номенклатуры, где есть много визуально похожих позиций с артикулами, типоразмерами, маркировкой: резьба, крепёж, марки металла, цветовые коды красок. Здесь простое сходство подводит — нужен ИИ, который поймёт, что именно в названии важно, а что синонимическое обозначение. Smart Match передаёт ИИ каждую позицию вместе с набором похожих кандидатов — и модель сама решает, какой вариант действительно соответствует, а какой лишь похож. Платой за качество является скорость — поскольку на одну накладную идёт много промежуточных запросов к ИИ, Smart Match медленнее других методов.
• Метод 3 (по поставщику) — для постоянных поставщиков, с которыми вы работаете регулярно. Один раз настроили соответствия — далее автоматически и мгновенно.
• Метод 2 (по наименованию) — самый простой, без ИИ. Найдёт только если название в документе идентично названию в вашей базе.
• Метод 1 (ИИ Gemini) — универсальный, лучший стартовый выбор для небольших баз: все позиции документа и вся ваша номенклатура передаются одним запросом к ИИ.

Больше деталей о сравнении методов и для каких задач какой лучше — в нашем видео «Сравнение методов поиска номенклатуры».

Алгоритм Smart Match под капотом — 4 шага:

1. Нормализация. Название товара очищается от омоглифов (латинская A → кириллическая А, латинская O → кириллическая О — распространённая ошибка поставщиков), приводится к единому регистру, нормализуются пробелы и разделители.
2. Точное совпадение. Сначала быстрая проверка на 100% совпадение — без вызова AI. Если найдено — поиск завершён за миллисекунды.
3. Фильтрация кандидатов. Если точного совпадения нет, алгоритм извлекает токены (слова из 3+ символов и последовательности цифр) из названия и фильтрует номенклатуру по принципу «должна содержать 3+ общих токенов». Из 25 000 позиций остаётся 50–500 — наиболее вероятных кандидатов.
4. AI на кандидатах. Только отфильтрованный список вместе с названием из документа отправляется в Gemini. Модель выбирает наилучшее совпадение.

По результатам нашего внутреннего тестирования на сложной технической номенклатуре (65 позиций с артикулами и типоразмерами), Smart Match дал точность 75% против 71% у метода 1 — и это именно тот случай, для которого Smart Match предназначен. Большее время обработки (~29 мин против 5 мин) — обоснованное, потому что ИИ пересматривает каждую позицию отдельно вместе с похожими кандидатами. На простой семантической номенклатуре такого прироста качества не будет, поэтому тратить время на Smart Match там нет смысла — для неё быстрее Embeddings или метод 1. Для объективной оценки на ваших документах существует демо-режим (7 дней / 30 сканирований).

Умная память: почему с каждым документом обработка становится быстрее

Это функция, отличающая AI Scan для BAS от всех других систем распознавания, с которыми мы сравнивали. Она называется Умная память (Smart Memory) и работает так:

Когда бухгалтер один раз подтвердил, что позиция «Молоко Яготинське 2,5% 1л» из накладной поставщика соответствует номенклатуре «Яготин молоко жирн. 2,5%» в вашей базе — это соответствие сохраняется. В следующий раз, когда в документе появится точно такое же название (после нормализации — омоглифы, пробелы, регистр приводятся к каноническому виду), система мгновенно подставит правильную номенклатуру без вызова AI.

Как это работает

Все подтверждённые соответствия сохраняются прямо в учётной системе — в пользовательских настройках обработки. Размер такой «памяти» растёт с количеством уникальных позиций, которые вы уже прошли через проверку, и ограничен только размером настроек базы BAS (на скриншоте настроек выше видно типичное значение для уже-работающей базы: 53 записи / ~21 КБ).

Перед каждым поиском обработка сначала проверяет эту память. Только не найденные в ней названия отправляются на ИИ-поиск. Это даёт три эффекта:

• Скорость поиска номенклатуры. На повторных позициях подстановка мгновенная — без вызова ИИ. Распознавание самого документа Gemini всё равно занимает 5–20 секунд (это внешний API), но фаза сопоставления номенклатуры ускоряется в разы.
• Экономия бесплатного лимита. Запомненные позиции не идут на ИИ — меньший шанс упереться в бесплатный лимит Google AI Studio 1500 запросов/день.
• Стабильность соответствий. Если вы один раз правильно выбрали номенклатуру для типового товара — в следующий раз не появится сюрприз от ИИ с другой (тоже технически валидной, но другой) опцией.

Умная память работает для методов 1, 4 и 5 — то есть для методов с семантическим поиском (где модель может вернуть разный результат на одинаковый вход). Для методов 2 (по наименованию) и 3 (по поставщику) память не нужна — там и так мгновенный детерминированный локальный поиск. Очистить запомненные соответствия можно одним нажатием в настройках, если база номенклатуры кардинально изменилась.

Точность и скорость: реальные цифры, а не маркетинговые обещания

Ни одна коммерческая страница про AI-распознавание не публикует реальных бенчмарков. Мы нарушим эту традицию.

Две разные точности — не путайте

Когда говорим «AI распознаёт документ», на самом деле происходят две отдельные задачи с разными метриками точности:

1. Извлечение данных из документа — кто-кому-сколько-когда-чего. Что именно написано на скане: контрагент, дата, номер, ЕДРПОУ, позиции с наименованием-количеством-ценой, суммы, НДС.
2. Сопоставление позиций с вашей базой номенклатуры — какой позиции из вашей базы BAS соответствует строка «Молоко Яготинське 2,5%» из документа поставщика.

Точность №1: извлечение данных — 95%+

На типичных украинских первичных документах (расходные накладные, счета на оплату, акты выполненных работ, заказы) Google Gemini 2.5 Flash даёт точность извлечения реквизитов и позиций от 95%. Это включает разные случаи — печатные документы, фото с телефона, PDF, сканы с мобильной камеры.

Когда система ошибается: фрагменты с нечёткими рукописными правками, документы с печатью/подписью поверх числовых полей, сканы в очень низком разрешении (ниже 150 DPI). В таких случаях обработка отмечает поле как «низкая уверенность» и просит бухгалтера подтвердить. То есть 95% — это точность без вмешательства; с вмешательством на сомнительных позициях итоговая точность приближается к 100%.

Точность №2: сопоставление номенклатуры — зависит от характера названий

Это отдельная задача, и её точность зависит от характера вашей номенклатуры:

• Семантически-логичные названия («Сахар белый песок 1кг», «Молоко Яготинське 2,5%», «Краска акриловая белая») — лучший метод 4 (Embeddings): быстрый, локальный, с высоким процентом автоматических совпадений.
• Аббревиатурные и технические позиции (типоразмеры резьбы, артикулы комплектующих, маркировка марок металла, цветовые коды красок) — лучший метод 5 (Smart Match): он проходит каждую позицию отдельно вместе с похожими кандидатами, поэтому ловит разницу в одной букве или цифре. Платой является скорость — много промежуточных запросов к ИИ, поэтому одна накладная обрабатывается дольше.
• Постоянные поставщики — стоит инвестировать разово в настройку метода 3 (По номенклатуре поставщика). Далее автоматически и мгновенно.

Позиции, которые не сопоставились автоматически, бухгалтер видит на промежуточной форме проверки и выбирает правильную номенклатуру вручную из вашей базы. Это всё равно быстрее полного ручного ввода — реквизиты, количество, цена, НДС уже заполнены.

Точные цифры — дело конкретного внедрения. Для объективной оценки на ваших документах есть демо-режим (7 дней / 30 сканирований). Маркетинговые «95%» от конкурентов обычно не выдерживают теста на вашей реальной номенклатуре — поэтому мы предлагаем посчитать на вашей.

Скорость — что мы реально измеряли

Hero-изображение вверху статьи заявляет «10–15 мин → 1–2 мин на документ». Расшифровываем честно — что из этого измерено нами и что зависит от ваших условий:

Чего ожидать: ИИ-распознавание документа в наших тестах занимает 5–20 секунд независимо от метода поиска номенклатуры (время зависит от нагрузки на Gemini API). Скорость поиска — от выбранного метода: Embeddings — самый быстрый, Smart Match — самый медленный (за счёт большого количества промежуточных запросов к ИИ для максимального качества на технических позициях).

При 100% совпадении всех позиций обработка вообще пропускает промежуточную форму проверки — после нажатия «Создать документ» сразу создаётся готовый документ в базе. На повторных документах от постоянных поставщиков благодаря Умной памяти фаза поиска номенклатуры значительно ускоряется — меньше вызовов ИИ, меньше нагрузки на ваш бесплатный лимит Google AI Studio.

Прозрачность vs маркетинг

На страницах большинства OCR-конкурентов конкретных цифр точности мы не находим. Обычно используются формулировки «высокая точность», «минимум ошибок», «до 70% экономии времени» — без конкретных метрик. Это не сговор — это особенность OCR-технологии: точность сильно зависит от конкретного документа. Один шаблон поставщика — 95%, другой — 60%, и среднее число «без звёздочки» было бы обманом. LLM-подход выравнивает вариацию, поэтому мы готовы говорить о среднем показателе для типичных украинских первичных документов.

Кейсы: как это работает в реальных компаниях

Без выдумок. Ниже — два сценария: один из наших существующих внедрений (анонимизировано) и один типичный профиль клиента, с которым мы работаем ежемесячно. Цифры — от реального использования.

Кейс 1. Производитель полуфабрикатов — 40 приходных в день, BAS КУП

Профиль: небольшое производственное предприятие пищевой отрасли, изготавливает замороженные полуфабрикаты. Бухгалтерия обрабатывает входящее сырьё — мясо, овощи, специи, упаковку — от 8–12 регулярных поставщиков. Учёт ведётся в BAS КУП.

Ситуация до AI Scan: 40 приходных накладных в день. На обработку одного документа бухгалтер тратил ~5 минут: открыть PDF, перенести реквизиты поставщика, найти контрагента в базе (или создать), добавить каждую позицию (8–15 на накладную) из номенклатуры, ввести количество/цену, проверить суммы и НДС. Плюс — отдельное время на поиск ошибок (контрольные соотношения сумм, неправильно найденная номенклатура, ошибки округления), которые «всплывали» при закрытии месяца.

Итог: ~200 минут (3 ч 20 мин) в день чистого времени бухгалтерии на ввод первички. В месячном измерении (21 рабочий день) — около 70 часов, или эквивалент почти двух рабочих недель одного сотрудника.

Что сделали: установили AI Scan для BAS, лицензия на основную базу, метод поиска — Embeddings (на семантически-логичной пищевой номенклатуре он самый быстрый), Умная память включена. Настройки под типичную конфигурацию КУП — подразделение, склад сырья, статус документа по умолчанию. На запуск — несколько минут вместе с нашим специалистом.

Результат: время обработки одного документа снизилось до ~1 минуты. В месячном измерении — около 14 часов вместо 70. Освобождено ~56 часов в месяц, которые команда теперь тратит на контроль производственных себестоимостей и нормативов списания сырья — задачи, на которые раньше «не хватало рук».

Кейс 2. Небольшой дистрибьютор стройматериалов — типичный профиль клиента

Это не один конкретный клиент, а обобщённый профиль, с которым работаем ежемесячно. Цифры — диапазон того, что видим в реальных внедрениях такого размера.

Профиль: оптово-розничный дистрибьютор стройматериалов — лакокрасочные, крепёж, инструмент, отделка. ~30 приходных накладных в день от ~20 поставщиков. Учёт ведётся в BAS Управление торговлей.

Особенность, усложняющая задачу: номенклатура преимущественно техническая — артикулы, типоразмеры, маркировка. В документе написано «Дюбель-гвоздь 6×40 (упак. 200 шт)», в базе — «Дюбель гв. 6×40 уп.200 (B-DBL-0640-200)». Семантических совпадений практически нет — нужен ИИ, который поймёт, что именно в этих двух записях является важным (размер, упаковка), а что — синонимическим обозначением того же товара. Это классический кейс для метода 5 (Smart Match) — он пропускает каждую позицию через ИИ отдельно вместе с похожими кандидатами, и ИИ определяет, какой вариант действительно соответствует, а какой — лишь похож по внешнему виду.

Ситуация до AI Scan: ~7 минут на документ за счёт ручного поиска правильной номенклатуры (часто бухгалтер проверял в предыдущих документах от этого же поставщика). 30 документов × 7 минут = ~210 минут (3 ч 30 мин) в день. Ошибки в выборе номенклатуры появлялись регулярно и обнаруживались на инвентаризации.

Что рекомендуем для такого профиля: метод 5 «Smart Match» как основной — он самый точный на технических артикулах. Дополнение — метод 3 «По номенклатуре поставщика» для топ-10 постоянных поставщиков (настраиваем соответствия один раз). Умная память обязательно включена — в документах, где артикулы регулярно повторяются, после 2–3 недель работы большинство позиций подтягивается мгновенно из памяти, без повторных обращений к ИИ.

Ориентировочный результат: ~1,5 минуты на документ после стабилизации — ~45 минут в день вместо 3,5 часов. Часть позиций (на новых поставщиках, нетипичных артикулах) проходит через промежуточную форму проверки, где бухгалтер выбирает правильную номенклатуру вручную. Это всё равно быстрее полного ручного ввода — реквизиты, количество, цена, НДС уже подставлены.

Какие типы документов и конфигурации BAS поддерживаются

Типы документов (текущий релиз v5.1)

• ✅ Накладные (расходные и приходные) — самый распространённый сценарий
• ✅ Счета на оплату — для авансовых платежей и контроля
• ✅ Акты выполненных работ — для услуг
• ✅ Заказы — для контроля поставок

По запросу клиентов добавляем новые типы документов. Если в вашей отрасли доминирует специфический тип первички (товарно-транспортная накладная, спецификация поставки, экспортный инвойс) — напишите нам, планируем расширение.

Конфигурации BAS

AI Scan для BAS работает со всеми стандартными конфигурациями BAS, в которых есть тип документа с соответствующей структурой:

• BAS Бухгалтерия (Проф) — полная поддержка
• BAS Бухгалтерия КОРП — полная поддержка с кадровым контуром
• BAS ERP — полная поддержка с архитектурой Партнёр/Контрагент
• BAS КУП (Комплексное управление предприятием) — полная поддержка
• BAS Управление торговлей — полная поддержка

А также отраслевые конфигурации, построенные на базе этих стандартных — например, наши собственные решения в каталоге «BAS Совместимо» (элеваторные, маслоэкстракционные, для зерновых компаний), плюс решения других разработчиков. Если ваша конфигурация — это BAS Бухгалтерия + отраслевые доработки, обработка работает без дополнительной настройки.

Интеграция с Пактум.Контрагент: качественная карточка контрагента

Если в вашей базе нет контрагента, встретившегося в распознанном документе (по ЕДРПОУ), обработка предлагает его создать. Вручную заполнять реквизиты не нужно — мы подключаем сервис Пактум.Контрагент, который подтягивает полную карточку: полное наименование, ИНН плательщика НДС, номер свидетельства, статус плательщика НДС, юридический адрес.

Пактум.Контрагент — это отдельная платная разработка с собственной подпиской. В рамках нашего внедрения AI Scan мы можем оформить эту подписку для вас — чтобы вы получили оба решения в одном пакете, с единым договором и единой поддержкой. Обратитесь при консультации — посчитаем вместе.

Что ещё ИИ может в бухучёте — и что пока только маркетинг

Честная секция. Распознавание первички — это единственный AI-сценарий, масштабно работающий в BAS-экосистеме Украины на май 2026. Остальное — либо в планах разработчиков, либо через внешние сервисы, либо единичные внедрения.

✅ Реально работает (можно внедрить уже сейчас)

• OCR/AI-распознавание первички в BAS — категория, в которой работаем мы (на LLM) и конкуренты (на OCR).
• Интеграция ИИ с BAS через внешние сервисы — подключение ChatGPT/Claude/Gemini к BAS через API и платформы автоматизации (n8n, Make). Позволяет построить собственные сценарии: автоматические ответы клиентам о статусе заказа, наличии товара, отправке документов. Подробнее в нашей статье Интеграция искусственного интеллекта в BAS.

🟡 Технически возможно, единичные внедрения

• ИИ-консультант на данных BAS — вопросы типа «сколько потратили на канцтовары в Q1» с ответом естественным языком. Технологически решается через ChatGPT/Claude API с доступом к данным BAS. Активно обсуждается, масштабных публичных внедрений в Украине мы не видели — только демо и концепты.
• Автокатегоризация банковских выписок — машинное обучение на исторических данных компании. Доступно через внешние сервисы, в стандартный BAS пока не встроено.
• Автогенерация управленческих отчётов с пояснениями — ИИ пишет текстовое сопровождение к цифрам. Можно реализовать через внешнее подключение.

❌ Пока маркетинг (в Украине в BAS не внедряется серийно)

• Прогноз денежных потоков — концептуально интересно, но стабильно работающих украинских продуктов в BAS-экосистеме для этого сейчас нет.
• Выявление аномалий в проводках — нет масштабных украинских внедрений.
• Custom ИИ-модели на собственной инфраструктуре (Llama, Mistral) — редкие внедрения в банках и финсекторе, не в стандартном учёте.

Это не значит, что эти темы невозможны — означает, что рынок ещё не созрел и эти продукты не существуют в виде «купил и запустил». Если ваш бизнес-кейс настолько специфичен, что требует именно такого — обсудим custom-внедрение отдельно. Если вы только начинаете знакомство с искусственным интеллектом в бухгалтерском учёте — начните с тех сценариев, где эффект очевиден и измеряем; остальное можно добавлять по мере созревания процессов.

Самопроверка: готов ли ваш бизнес

Как попробовать: демо, ИТС-скидка, годовая подписка

Мы предлагаем три варианта работы с AI Scan для BAS — от бесплатного теста до полного внедрения с годовым договором.

1. Бесплатная демо-версия

Все, кто запросил, получают демо-режим: 7 дней и 30 сканирований. Достаточно, чтобы обработать свой типичный документооборот и объективно оценить точность на ваших поставщиках. Демо лицензируется на конкретную вашу базу — для корректной оценки в реальных условиях.

Что для этого нужно: написать нам через форму ниже, мы предоставим файл обработки, инструкцию установки и поможем с активацией Gemini API-ключа (получите бесплатно в Google AI Studio).

2. ИТС-клиенты: 1 месяц бесплатно + 50% скидка

Если вы оформляете у нас пакет сопровождения ИТС (от ИТС ПРОФ — 1 250 грн/мес), первый месяц использования AI Scan для BAS — бесплатно, далее — постоянная скидка 50% на годовую подписку обработки.

ИТС-договор — это не просто скидка на AI: это регулярные обновления BAS-конфигурации, доступ к экспертной консультации 30–90 мин/день (в зависимости от тарифа), 12 бесплатных консультаций с аудит-консультантом в год, настройка дополнительных отчётов и форм в вашей базе. AI Scan становится естественным расширением пакета — без необходимости отдельных договоров.

3. Самостоятельная годовая подписка

Если вы не хотите брать ИТС — можно купить подписку на AI Scan для BAS отдельно, годовым договором. Точную стоимость узнаете в ответ на запрос — она зависит от конфигурации BAS, с которой работаете.

Частые вопросы