Консультанты обещают бухгалтерии и закупкам заметную экономию от ИИ, а российские компании чаще всего застревают между пилотом и масштабом. Разбор показывает: распознавание первичных документов и сверка счётов-фактур уже дают измеримую отдачу, тогда как генеративные модели на строгих реквизитах документов создают новые риски. Важно развести два этих класса задач и понять, где внедрение окупается, а где только добавляет этапы контроля.
Где консультанты обещают экономию в бухгалтерии и закупках
Аналитика последних месяцев сходится в одном: в финансовых и закупочных процессах ИИ способен отнять у рутины ощутимую долю времени. McKinsey оценивает, что финансовые специалисты в компаниях, которые внедрили генеративный ИИ, тратят на 20–30% меньше времени на обработку данных. В функциях закупок потенциал эффективности, по оценке McKinsey, достигает 25–40%.
Gartner идёт дальше и связывает экономию с переносом финансовых процессов в облачные ERP-системы со встроенными ИИ-ассистентами. Прогноз на 2028 год — финансовое закрытие на 30% быстрее, чем без них. Долю расходов на такие системы аналитики доводят до 62% всех затрат на облачный ERP к 2027 году против 14% в 2024-м.
Речь о вполне конкретных операциях: распознавание первичных документов, сверка счётов-фактур, обработка авансовых отчётов, согласование платежей. Именно на них приходится основная масса рутинного труда, который первым попадает под автоматизацию. Для руководителя это и есть отправная точка для оценки, а не абстрактные обещания «цифровой трансформации».
Прогнозная рамка понятна, и она оптимистична. Вопрос в том, превращается ли она в измеримую отдачу на практике — здесь источники расходятся, и это самый важный разрыв для тех, кто решает вопрос о внедрении.
Что показывает практика: внедряют многие, эффект видят немногие
Числа «доли внедривших ИИ» у аналитиков разные, потому что методики и определения не совпадают. По опросу Gartner, генеративный ИИ в финансовой функции использовали 59% финансовых руководителей в 2025 году — почти без роста к 58% годом ранее, после скачка с 37% в 2023-м. По McKinsey, 88% организаций применяют ИИ хотя бы в одной функции, но подавляющее большинство всё ещё в стадии экспериментов или пилотов.
Разрыв между использованием и эффектом становится заметен при сравнении прогнозов с измеренной отдачей. По данным McKinsey, лишь 39% респондентов видят влияние ИИ на прибыль уровня компании. Только 23% организаций масштабируют агентный ИИ хотя бы в одной функции. PwC фиксирует 79% компаний, внедряющих ИИ-агентов, но при этом меньше половины из них пересматривают операционные модели под новую технологию.
| Метрика | Прогноз аналитики | Измеренная отдача |
|---|---|---|
| Время финпрофессионалов на данных | −20–30% (McKinsey) | 39% видят эффект на EBIT |
| Эффективность функций закупок | +25–40% (McKinsey) | 23% масштабируют агентов |
| Финансовое закрытие | +30% к 2028 (Gartner) | 59% используют, тренд-плато |
| Внедрение ИИ-агентов | 79% компаний (PwC) | 45% пересматривают модели |
Вывод из таблицы простой: широкое внедрение и глубокая трансформация — разные вещи. Опросы показывают, что многие компании тормозят не технологии, а неумение измерить эффект и перестроить процессы. Gartner фиксирует: 25% финансовых функций не знают, как перейти от планирования к пилоту, а 16% вообще не планируют внедрение.
Где экономия на первичке и сверке реальна уже сейчас
Наибольшая измеримая отдача в бухгалтерии приходится на потоковую обработку однотипных документов: первичных документов, счётов-фактур, авансовых отчётов. Здесь работает класс систем уровня IDP — интеллектуальной обработки документов, которые распознают печатные и рукописные данные, извлекают реквизиты и передают их в учётную систему.
Производительность таких систем уже высока: по данным TAdviser, современные IDP распознают до 900 страниц в минуту, или около 1,3 миллиона страниц в сутки на одном сервере, при качестве распознавания до 99,9%. Российский рынок это уже принимает: по данным «Сбераналитики», в каждой второй IT-компании России применяют системы распознавания документов.
Именно на этом участке мотив внедрения совпадает с реальной выгодой. По опросу Банка России, снижение операционных затрат называют главным стимулом 84% организаций финансового рынка, внедряющих ИИ. Первичка и сверка — как раз тот процесс, где сокращение ручного ввода и перепроверки превращается в сокращение затрат напрямую.
Условие одно: распознавание должно быть верифицируемым. Реквизиты извлекаются строго в том виде, в каком указаны в документе, без интерпретаций по контексту. Только тогда результат можно передавать в систему без этапа ручной сверки, а не создавать новые точки контроля над работой самого ИИ.
Где ИИ опасен: строгие реквизиты и галлюцинации
Обратная сторона — внедрение генеративных моделей в сценарии, где ошибка обходится дорого. В первичном документе по 402-ФЗ каждая деталь имеет юридическое значение: неверный ИНН, сумма или реквизиты контрагента превращаются в основание для спора с ФНС и претензий со стороны партнёров.
Проблема в том, что большие языковые модели изначально не предназначены для посимвольного извлечения данных. TAdviser прямо указывает: LLM «додумывают» и непригодны там, где нужна воспроизводимость результата и отсутствие генеративных галлюцинаций. Ошибка даже в одном символе реквизита может привести к финансовым потерям или регуляторным рискам.
Масштаб проблемы подтверждается и глобальными данными. По McKinsey, 51% организаций, использующих ИИ, сталкивались минимум с одним негативным последствием, и почти треть из них — из-за неточности моделей. На это консультанты отвечают контролем: Gartner связывает финансовые ИИ-системы с детекцией аномалий, непрерывным мониторингом и журналированием для аудита.
Для практики вывод однозначен: не стоит отдавать генеративной модели задачи, где цена ошибки выше выгоды от автоматизации. Сверку счётов-фактур можно ускорять верифицируемым распознаванием, а не «умным» пересказом документа. Генеративный ИИ полезнее на следующем слое — в подготовке разъяснений, справок и аналитических выдержек, где допустима человекоподобная формулировка.
Российский контекст: 152-ФЗ, суверенность и локальные интеграции
Глобальные опросы рисуют ажиотаж вокруг ИИ-агентов, российские данные сдержаннее. По консультативному докладу Банка России, ИИ на постоянной основе применяет лишь каждая пятая организация финансового рынка, ещё 15% тестируют пилоты, а 35% не используют и не планируют внедрение. Основные барьеры — высокая стоимость, дефицит экспертизы и сложность оценки экономического эффекта: последнюю называют 43% респондентов.
Этот барьер дословно совпадает с глобальной проблемой: если лишь 39% компаний видят эффект на прибыль, значит, метрику внедрения большинство так и не настроило. Для бухгалтерии это практический сигнал: считать отдачу стоит на уровне конкретного процесса — часов ручной обработки, доли операций без перепроверки, числа расхождений при сверке.
Without simplifying and standardizing core workflows first, AI only adds to the complexity.
McKinsey & Company, ноябрь 2025
Наконец, российская специфика — это данные и интеграции. В сканах первички могут содержаться персональные данные, подпадающие под 152-ФЗ, поэтому обработка в зарубежных облачных сервисах создаёт отдельный правовой риск. Практичные системы в России строятся на локальных вендорах и интеграциях с 1С и системами электронного документооборота, где контур данных остаётся внутри компании.
Что нужно, чтобы дойти от пилота до масштаба
Разрыв между прогнозами и эффектом закрывается не покупкой модели, а последовательной инженерией процесса. Перечисленные ниже шаги выстраивают путь от пилота до промышленного внедрения в бухгалтерию:
- Стандартизировать процесс до автоматизации: без упрощения и унификации шагов ИИ только добавляет сложности.
- Выбрать верифицируемое распознавание для реквизитов и строгих полей, а не генеративный ИИ для первички.
- Настроить контур контроля: аномалии, мониторинг, журналирование для аудита каждого документа.
- Определить метрику до старта: часы ручной обработки, доля операций без перепроверки, число ошибок при сверке.
- Интегрировать с учётной системой и электронным документооборотом, сохраняя данные внутри локального контура.
Тогда экономия в 20–30% времени на данных перестаёт быть обещанием консультанта и становится цифрой, которую компания измеряет на своём процессе. Выбирая решения, стоит ориентироваться на возможности платформы, которые позволяют выстроить именно такой контур — от распознавания до контроля.
Итог в одном предложении: распознавание первички и сверка дают измеримую отдачу уже сейчас, а генеративные модели на строгих реквизитах переносят на компанию новый риск. Считать нужно отдачу на конкретном процессе, а не долю внедривших.
Частые вопросы
Можно ли доверять ИИ распознавание первичных документов?
Да, если речь о верифицируемом посимвольном распознавании (IDP), которое извлекает реквизиты строго по документу без «додумывания». Генеративные модели для этой задачи непригодны из-за галлюцинаций.
Ускоряет ли ИИ закрытие отчётного периода?
По прогнозу Gartner, к 2028 году финансовое закрытие ускорится на 30% при использовании облачного ERP со встроенным ИИ. Это достижимо при стандартизации процессов и правильной интеграции.
Опасны ли нейросети для сверки счётов-фактур?
Зависит от класса решения. Верифицируемое распознавание безопасно и надёжно, а генеративная модель, «пересказывающая» документ, может исказить реквизиты и создать риск спора с налоговой.
С чего начать внедрение ИИ в бухгалтерию?
С пилота на потоковой первичке с метрикой до старта, верифицируемым распознаванием и интеграцией с учётной системой. Стандартизируйте процесс до автоматизации, а не после.
Источники
- How finance teams are putting AI to work today — McKinsey & Company, обращение 2026-09-18
- Transforming procurement functions for an AI-driven world — McKinsey & Company, обращение 2026-09-18
- The State of AI: Global Survey 2025 — McKinsey & Company, обращение 2026-09-18
- Gartner Survey Shows Finance AI Adoption Remains Steady in 2025 — Gartner, обращение 2026-09-18
- Embedded AI in Cloud ERP Applications Will Drive a 30% Faster Financial Close by 2028 — Gartner, обращение 2026-09-18
- AI agent survey — PwC, обращение 2026-09-18
- Интеллектуальная обработка документов. Обзор TAdviser 2026 — TAdviser, обращение 2026-09-18
- ЦБ: ИИ использует каждая пятая организация финансового рынка России — Ведомости, обращение 2026-09-18