Задача
Оптовая компания работала с сотнями контрагентов. Бухгалтеры вручную сопоставляли поступления со счетами, разбирали возвраты и корректировки, проверяли задолженности.
Особенно много времени занимали частичные оплаты, один платёж за несколько заказов и переводы от другого юридического лица.
Что сделали
- 01
Сверка оплат
Сопоставляет банковские поступления со счетами и заказами в 1С.
- 02
Поиск расхождений
Выявляет дубли, переплаты, недоплаты и некорректно закрытые документы.
- 03
Сложные платежи
ИИ анализирует назначение и предлагает счета, к которым может относиться платёж.
- 04
Контроль задолженности
Находит просроченные оплаты и формирует список клиентов для связи.
- 05
Документы и уведомления
Готовит черновики актов сверки и отчётов, передаёт бухгалтеру спорные операции.
Как реализовали
Python получает данные из 1С и сверяет суммы, контрагентов, договоры и номера документов. GPT-6 Luna разбирает нестандартные назначения платежей и помогает объяснить расхождения.
n8n управляет синхронизацией и уведомлениями. FastAPI обслуживает обмен, PostgreSQL хранит данные обработки.
Платёж нельзя сопоставить напрямую
Клиент может перевести 450 000 ₽ за три счёта, указав только «Оплата по договору». Система находит открытые счета и проверяет возможные комбинации сумм.
Если вариантов несколько, правильное распределение выбирает бухгалтер. ИИ не проводит сомнительные операции самостоятельно: расчёты выполняются программно, а исправления в учёте требуют подтверждения.
Результат
- Сверка формирует список конкретных расхождений и просроченных задолженностей.
- Для нестандартного назначения платежа бухгалтер получает варианты распределения, а не автоматическую проводку без проверки.
- Черновики актов сверки и отчётов готовятся на основе данных учётной системы.
Цели пилота
Показатели плановые. Долю автоматического сопоставления и экономию времени необходимо подтвердить замерами.
- Целевая доля платежей без ручного поиска соответствия
- 80%+
- Потенциальная экономия рабочего времени в день
- 2–3 часа



