Искусственный интеллект, Разработка | Олег Брагинский, Марина Строева
Основатель «Школы траблшутеров» Олег Брагинский и ученица Марина Строева на примере разработки сервиса распознавание первичных документов покажут, как ИИ ускоряет процесс: анализирует требования и структуру проекта, создаёт вёрстку страниц, пишет готовый код, подключает к API больших LLM моделей и вносит необходимые правки после тестирования.
Бухгалтерия – одна из самых понятных и простых областей для внедрения машинного обучения. Высокий объём транзакций, единые правила учёта и повторяющиеся шаги создают идеальную среду для скоростной и надёжной автоматизации рабочих процессов.
Говорить о полной интеллектуализации пока рано, но в ряде рутинных задач ИИ нашёл своё место и успешно применяется. Распознавание «первички» – одна из таких функций. Модель извлекает данные из фото документов (договоров, счетов, УПД), сопоставляет и подсвечивает расхождения.
Первые предложения подобных сервисов появились на рынке одновременно со способностями ИИ моделей работать с изображениями – 2–3 года назад. Воспользоваться функциями можно было как в чат-ботах, так и в ряде ERP и CRM систем. Компания 1С также реализовала такую возможность.
На примере «1С:Распознавание первичных документов» встроенной в программы 1С:УНФ и 1С:Розница, сделаем аналог с использованием ИИ для написания кода. В основу обучения модели положим подробную инструкцию по сервису, которую возьмём из инструкции по работе ERP.
На первом этапе копируем описание и просим ИИ изучить. Важно, что данный эксперимент проводим с целью демонстрации возможностей LLM, а не для подражания. Для разработки реальных продуктов прямой копипаст лучше не использовать, а писать ТЗ для модели самостоятельно, во избежание нарушения авторских прав и патентных законодательств.
Задачу можно поставить двумя способами. Первый: скормить конкретную ссылку на пример, который нужно исследовать. В случае с 1С это не удастся, так как доступ к разделам сайта требует авторизации. Второй: копируем текст инструкции и даём модели изучить.
В зависимости от модели получаем или краткое или более полное описание функционала. В нашем случае используется ИИ для кода, поэтому ответ не многословный, а более схематичный, но максимально соответствующий требуемой задаче:
- Сервис позволяет создавать документы в 1С из сканов или фотографий бумажных документов без ручного ввода данных. Поддерживаются: счета, акты, приходные накладные, УПД, счета-фактуры.
- Выполняется через Настройки → Интеграции → Распознавание документов. Требует подписки 1С:ИТС. При подключённой интернет-поддержке ИТС доступен бесплатный тестовый период – 250 страниц на 1 год.
После определения функций даём модели задачу: разработай аналогичный сервис распознавания документов. Так как в данном эксперименте не требуется индивидуальный дизайн и нет готовых примеров страниц, в промпте это не указываем. Но для реальной разработки добавляем в описание необходимые стили и вставляем картинки с примерами интерфейсов.
А теперь начинается самое интересное! Аналог «1С:Распознавание первичных документов» делается от 5 до 7 минут! При этом включает следующие функции:
- загрузка через drag&drop или выбор файлов – pdf, jpeg, png, tiff, docx, xlsx, zip
- очередь документов, индикатор прогресса, статусы: Ожидание/Распознаётся/Готово
- для изображений – реальный предпросмотр с превью
- распознавание через API: тип документа, номер, дата, продавец, покупатель, табличная часть, итоги, НДС
- уверенность распознавания по каждому полю: подсветка красным при ошибке, жёлтым при сомнении
- три вкладки: Реквизиты/Позиции/JSON; кнопки «Создать документ» и «Экспорт JSON»
- счётчик баланса страниц.
Функция загрузки документов реализована через drag&drop или выбор файлов. Поддерживаются большинство форматов. Позволяет: загрузить несколько файлов, предварительно просмотреть изображения. Предпросмотр docx, xlsx невозможен: нужно встраивать редакторы.
Из замечаний: нет возможности удалить один файл, если загружено несколько. Отсутствие такой перспективы критично, поэтому записываем, что блок нужно доработать. По итогу список всех замечаний скормим модели, чтобы улучшить функционал.
Реализовано распознавание через API. Запрос уходит на эндпоинт /v1/messages. Изображение передаётся в base64 прямо в теле запроса вместе с текстовым промптом. LLM видит картинку и читает текст. Дополнительная промпт–инструкция для модели:
«Ты – система распознавания первичных бухгалтерских документов. Проанализируй изображение документа и извлеки все реквизиты. Верни результат СТРОГО в JSON формате (без markdown, без пояснений».
Распознавание идёт по каждому полю, с подсветкой и процентами. Если файл не распознан, система пишет про ошибки. В блоке с результатами можно посмотреть отдельно каждую строку с реквизитами документа, данными продавца и покупателя, табличную часть и общие итоги.
Распознанный документ преобразуется в формате JSON. Можно посмотреть, проверить на соответствие, и сохранить для интеграции данных в 1С. Структуру кода можно менять в промпте модели, для обмена с другими ERP и CRM системами.
Таким образом, с помощью LLM получили не только скопированное, но и улучшенное решение сервиса «1С:Распознавание первичных документов». Заняло это от 5 до 7 минут. Общее количество строк кода в данном проекте – 1’431. Дополнительных правок только одна:
Но не стоит обольщаться, так как это не полноценный сервис, а только его функциональная часть. Она хорошо демонстрирует возможности и реализует конкретный небольшой функционал. Но требует обязательной ручной доработки и тестирования.
Помимо этого, если с помощью ИИ реализовывать полноценные сервисы, необходима разработка обязательного рабочего функционала: главной страницы, возможности регистрации и авторизации, личных кабинетов и эквайринга для оплаты.
Для создания полноценного продукта нужен уже не чат с ИИ, а агент-сервис: AI Studio, Antigravity, Vertex AI, Gemini CLI. Который интегрирован со средой разработки, и позволяет не только писать код, но и создавать рабочие проекты. По времени это может занять от 1 до 3 часов.
На примере сервиса распознавания первичных документов видим картину:
- больше не нужно приглашать дизайнера и верстальщика, для реализации и запуска на прод достаточно одного программиста
- время разработки MVP сокращается до 5–7 минут; время разработки рабочего сервиса может составлять несколько часов, в зависимости от сложности и объёма
- модели умнеют с каждым днём, и всё, что остаётся людям – процесс формирования ТЗ, просмотр и доработка интерфейса, тестирование и контроль за безопасностью системы.