Что даёт ИИ для бухгалтерии, исследователи Стэнфорда и MIT изучили по данным учёта 79 малых и средних компаний. После перехода на учётную платформу с ИИ от операции до её записи в учёте проходило в среднем на 7,5 дня меньше - авторы называют это более быстрым закрытием месяца. Компании выбирали платформу сами, поэтому разницу нельзя целиком отнести на ИИ.
На платформе подсказки модели проверял человек. Если модель была не уверена, к какой статье отнести операцию, бухгалтер чаще выбирал другую. Но в пилотном эксперименте тех же авторов модель иногда предлагала разным участникам разные статьи для одной и той же операции. Более редкий вариант оставили в 40 случаях из 54. Поэтому вопрос не только в том, какие операции отдать ИИ, но и в том, кто проверяет его подсказки.
Выигрыш пришёлся на разноску
Платформа американского разработчика разносила банковские операции по статьям учёта и готовила проводки по начислениям, а бухгалтер подтверждал или менял её выбор. К каждой подсказке модель ставила оценку уверенности. Выше она была, если контрагент уже встречался в прошлых месяцах, а сумма была ниже порога, заданного в системе.
По ответам 277 бухгалтеров, у тех, кто пользовался ИИ активно, на ввод данных уходило примерно на 3,5 часа в неделю меньше. Если первичка приходит сканами и письмами в разном виде, её разбор можно поручить ИИ-агенту, настроенному на правила компании. Он извлекает сведения из документа, готовит черновик записи и отмечает пустые и неоднозначные поля, а в учёт запись попадает только по отдельному разрешению.
Что опытные бухгалтеры оставляли себе
Чем опытнее был бухгалтер, тем чаще он пользовался подсказками модели в разноске и тем реже поручал ей списание расходов будущих периодов. Это данные по штатным бухгалтерам разработчика, а их в исследовании около десяти. ИИ, по оценке авторов, пригодился и опытным, и менее опытным, только вторые поручали ему больше разных задач.
Авторы предполагают, что опытные лучше понимают оценку уверенности и чаще вмешиваются, когда она низкая, а менее опытные могут полагаться на модель и там, где она сомневается. В материале MIT Sloan об исследовании руководителям советуют отдавать случаи с низкой уверенностью опытным бухгалтерам.
Где проверка не сработала
В пилотном эксперименте 24 участника разносили одни и те же операции, и две трети из них получали подсказки модели. С подсказками справились точнее и примерно на 24 минуты быстрее. Но по операциям, где подсказки модели расходились, участники обычно соглашались с той, что досталась им. Авторы делают вывод, что ошибки ИИ могут пройти и через проверку человеком.
С чего начать в своей бухгалтерии
- Отдайте ИИ разноску операций с постоянными контрагентами - по ним модель увереннее. Если платежи приходят одинаковыми, сначала проверьте, не хватит ли правила в самой учётной программе, ведь для одинаковых полей ИИ-агент обычно не нужен.
- Подсказки с низкой уверенностью и операции новых контрагентов направляйте тому, кто сам умеет их разнести.
- Начисления, например списание расходов будущих периодов, оставьте опытным бухгалтерам, пока не проверите модель на своих операциях.
- Раз в месяц смотрите, как часто бухгалтеры меняют подсказки модели. Если правок почти нет, выборочно проверьте разнесённые операции - подсказку могли принять не глядя.
- Персональные данные и коммерческую тайну в публичные нейросети не загружайте. Что можно передавать внешнему сервису, решите с юристом и службой безопасности.
Модель можно проверить на своей разноске и до выбора системы - на десятке операций прошлого месяца без персональных данных и реквизитов, как проверяют любую задачу перед тем, как отдать её нейросети.
Источники
- Рабочая статья исследователей Стэнфорда и MIT о бухгалтерах и ИИ, 03.05.2025
- MIT Sloan о результатах исследования, 05.08.2025
