Я была разработчиком, аналитиком, консультантом. Сейчас занимаюсь направлением ИИ. То, о чем я расскажу в этой статье, я реализовывала сама вместе с разработчиком. Поэтому вы узнаете обо всем из первых рук. Я обозначу, что конкретно мы решали с помощью GigaChat и покажу, как можно его подключить. Мы посмотрим рабочий код и узнаем, какие ИИ-модели могут нам помочь в создании решений на базе 1С.
Описание бизнес-задачи
Нам необходимо вести взаиморасчеты в 1С по заказам. Это означает, что в документах с покупателями мы указываем Заказ покупателя, по которому идет отгрузка или оплата. Мы хотим сделать так, чтобы в платежных документах Заказы покупателей заполнялись автоматически , т.к около 10–20 часов в месяц уходит у бухгалтера на ручное заполнение документов.
Рассмотрим, как работает система без использования ИИ-инструментов.
Настройки договоров, детализация по заказам выглядят следующим образом:
Отчет, в котором мы можем все это посмотреть, мы назвали «Отчет по планируемым поступлениям денежных средств». Он выглядит следующим образом:
У нас есть приход – это запланированные по заказам деньги на ту дату, когда мы ожидаем поступление средств. А также расход – уже пришедшие денежные средства по каждому заказу в отдельности.
Для того, чтобы это работало, у нас во всех документах присутствует Заказ – в актах, в счетах и платежках. И в платежках это выглядит следующим образом:
Изначально, когда платеж приходит к нам из клиент-банка, в нем есть назначение платежа, в котором указан номер счета, по которому прошла оплата.
Бухгалтер ориентируется по названию этого назначения платежа, смотрит, по какому счету была оплата, указывает счет в специальном поле, и счет подставляется в заказ. Работа достаточно монотонная, однообразная, и мы понимаем, что ее можно автоматизировать. Мы задумались, как мы можем это сделать.
Варианты решения задачи
Вариант первый – мы ничего не делаем. Бухгалтер заполняет документы вручную. Это приемлемо, если объем документов совсем небольшой.
Вариант второй – мы можем решить эту задачу без применения искусственного интеллекта. Это можно сделать с помощью регулярных выражений. Можно обработать назначение платежа по вхождению какой-то подстроки: «счет», «счета», «счету» и так далее. Но этих вариаций настолько много, что придется написать довольно много кода для обработки всех ситуаций. И не факт, что мы получим достаточно хороший результат, возможно, мы закроем далеко не все случаи написания назанчения платежа.
И вариант третий – с использованием искусственного интеллекта. Он, пожалуй, самый интересный. И при этом будет самым эффективным.
Обзор доступных ИИ-решений
Если говорить про отечественные решения, то у нас есть GigaChat, YandexGPT, и еще мы можем использовать какие-то open-source решения, которые будут совершенно бесплатными.
Мы могли бы выбрать для реализации YandexGPT: он выдает правильные результаты. Есть интерфейс, в котором мы можем его протестировать – задать определенный промт и посмотреть, как он работает.
Мы даем ему промт, в котором говорим: «У нас есть назначение платежа с такими-то словами. Из этого назначения платежа выдели номер счета и дату». И YandexGPT с этим справляется. Обратите внимание, что это самая дешевая модель – YandexGPT 3 Lite. Эта задача для платных ИИ достаточно простая.
Теперь проверим open-source решения – я потестировала маленькую Llama. Это модель, требующая 2,5 гигабайта оперативной памяти. Она не справилась совсем.
DeepSeek я тоже посмотрела – он справился.
Маленькие модели в принципе не справляются. Под маленькими я имею в виду те, которые занимают от 2 до 8 гигабайт. А размер 8, 16 или 24 гигабайт достаточно критичен, потому что это объем требуемой видеопамяти. Если мы будем делать локальные решения, мы должны размещать их на своих мощностях. При этом мы хотим, чтобы решение работало быстро, поэтому лучше использовать видеопамять. Следовательно, возникают определенные требования к ресурсам.
Выбор GigaChat и подключение к сервису
Мы выбрали для себя GigaChat. Чтобы к нему подключиться, нужно зарегистрироваться в определенном пространстве. Вы будете регистрироваться от имени организации, подписывать документы по ЭДО, и у вас появится доступ к корпоративному пространству, как на иллюстрации. Там есть необходимые токены, данные и так далее.
Все достаточно просто. С подписанием по ЭДО на подключение уйдет пару дней.
У GigaChat есть несколько тарифов. Тот тариф, который мы использовали, называется pay-as-you-go. Вы платите за то количество токенов, которые потратили. Токены – это единицы измерения модели. Один токен – это 2–3 буквы русского языка. Текст, который мы передаем в модель, пересчитывается в токены, и за каждый токен мы платим определенную сумму.
В тарифе pay-as-you-go есть три варианта модели: GigaChat Max, GigaChat Lite и GigaChat Pro. Они отличаются по стоимости: чем более продвинута и чем лучше «разговаривает» модель, тем дороже она стоит. Стоимость за одну тысячу токенов – 1,95 руб., 0,2 руб. и 1,5 руб. соответственно. При этом есть минимальный платеж – 600 руб. в месяц. Если вы в месяц потратите меньшую сумму, вы все равно заплатите 600 руб.
Также в GigaChat можно зарегистрироваться как физическое лицо. При регистрации дают бесплатные токены.
Вы можете поэкспериментировать, реализовать любую задачу, протестировать сервис из личного аккаунта и не потратить ни копейки от организации. А потом, когда вас устроит результат, подписаться на корпоративное пространство и на корпоративные токены.
Выбор модели и оценка стоимости
Модель мы будем выбирать, во-первых, по стоимости, а во-вторых – по тому, насколько хорошо она справляется с задачей.
Итак, Lite, Pro и Max. По стоимости для наших задач это от 75 до 731 руб. в месяц.
Если у вас другая задача, вы можете выбрать модель посложнее. С нашей задачей GigaСhat Lite справляется. Переплачивать за более дорогую модель смысла нет. Поэтому мы останавливаемся на ней. А значит, для оборота 1500 документов в месяц мы будем платить минимальный платеж – 600 руб. Если у вас документооборот больше, вы можете запасти в 4, 5, 6 раз больше токенов.
Не забываем про такой момент, как конфиденциальность. При заключении соглашения вы будете подписывать и оферты, и договор, в котором указаны все моменты по конфиденциальности. В них говорится, что все данные, которые вы передаете в GigaChat, не должны содержать персональную информацию и не должны быть конфиденциальными, потому что GigaChat обучается на основе этой информации.
У нас текстовое назначение платежа – это номер и дата счета, там нет каких-то телефонов, дней рождения и так далее. Поэтому для той задачи, которую делали мы, эти условия подходят. Но для любой другой задачи вы сами будете принимать решение.
Архитектура решения: 1С + Python
Вы можете спросить: «А почему вы реализовывали 1С плюс Python? Почему просто не подключили GigaChat к 1С?»
Действительно, можно было подключить GigaChat напрямую к 1С. Но у нас часть решения написана на коде 1С, часть – на языке Python на сервере. Потому что у нас уже был сервер, и мы не просто подключали GigaChat к 1С – мы тестировали несколько разных моделей.
Для нас это удобно: из 1С идет обращение на сервер Python, и там ты можешь поменять модели – одну, вторую, третью, четвертую, пятую – а 1С обновлять не нужно. Если задача будет другая, то можно написать обращение напрямую из 1С к GigaChat, и все будет работать.
Подключение выглядит так: мы выбираем модель и передаем ей промт, состоящий из назначения платежа и текста промта с описанием ответа, который хотим получить:
НазначениеПлатежа ="За оказ.услуг по дог. №Оферта от 16.06.2023г. Акт №6/н от 05.12.2024г. за Ноябрь 2024г. по счету 35 от 01 ноября 2024"
ТекстПромта = "Выдели из текста поля номер счета, дата счета."
ТекстПромта2 = '''Ответь номером счета и датой одной строкой без лишних слов в таком формате: 'Number:34 Date:01.01.2024'.
Т.е. Слово Number - двоеточие, номер счета, пробел, слово Date - двоеточие, дата счета.
Если год в дате будет двумя цифрами - поправь на 4 цифры. День, месяц и год в дате разделяй точками.
Например, 01.03.24 - это 01.03.2024'''
ТекстЗапроса = ТекстПромта+ " Текст " + НазначениеПлатежа + ". " + ТекстПромта2
И модель возвращает ответ просто строкой, например: «Number:35, Date:01.11.2024».
Это упрощенный код, а полный, как это выглядит на веб-сервере, будет ниже.
Промт выверяется опытным путем: задали, получили результат, начинаете доуточнять промт. В конечном счете придете к тому, что благодаря наиболее точному промту ИИ будет качественно работать с ИИ-задачей.
Полный код выглядит следующим образом:
Это код на языке Python: запускается веб-сервер, который принимает обращение от 1С, передает в GigaChat, получает ответ GigaChat и передает его обратно в 1С. Максимум 30 строк, и все работает.
На стороне 1С это выглядит следующим образом. Мы сделали HTTP-соединение, которое обращается на наш сервер Python и получает обратный результат.
Это скрин не из самой последней редакции, а из тестовой версии. Промт задан на стороне 1С. По большому счету, этот промт лучше задавать через какие-то константы, чтобы иметь возможность в любое время менять его без необходимости обновлять 1С.
Итого с точки зрения пользователя система выглядит так:
У бухгалтера в обработке «Загрузка выписки банка» появляется кнопка «Заполнить заказы ИИ». Он ее нажимает, и благодаря этому происходит вся магия: на основании текста назначения платежа в платежных поручениях заполняются счета, а из них подтягиваются все необходимые заказы.
При этом, если цепочка достаточно сложная – например, бывает счет на основании договора, заказ на основании счета, – то все эти варианты надо обработать на стороне 1С. Главное, что ИИ нам возвращает номер счета и дату, а дальше мы можем написать на их основе все, что хотим.
Можно было реализовать и без кнопки, в фоновом режиме. Но на первых этапах удобнее с кнопкой: когда все делается подконтрольно, ты нажимаешь и видишь, что происходит – это добавляет уверенности бухгалтеру. Он спокойнее, потому что все делается с его разрешения.
В тестовом режиме мы обработали порядка 10% поступивших платежных поручений. То есть на основании назначения и номера счета заполнили все реквизиты.
Дальше есть несколько моментов, которые можно улучшить. Можно довести до 30%, если обработать все возможные варианты. Структура иногда бывает достаточно сложной: в одном счете – два заказа, оплата может быть неполной по счету, может быть предоплата. Если обработать все такие варианты операций, можно довести охват примерно до 30%. Но самое необходимое для нашей задачи – чтобы само назначение платежа содержало номер счета и дату счета.
Использование ИИ-систем для разработки (актуально на февраль 2025 г. – Прим. ред.)
Мы можем воспользоваться различными ИИ-системами, которые помогут нам во всем этом разобраться.
Для примера я протестировала:
-
ChatGPT,
-
DeepSeek,
-
Claude Sonnet,
-
Perplexity.
Первая задача, на которой можно посмотреть, как работают эти нейросети – мой тестовый пример: работа с динамическим списком в 1С.
Здесь не обязательно вдаваться в код. Вопрос в том, что предложат нейросети, насколько они сейчас продвинуты и как с этим справляются.
Первые две нейросети – Claude Sonnet и ChatGPT.
Я протестировала все версии ChatGPT: 4o считается старой, o1 – тоже, сейчас уже появилась o3 mini. Ни одна из этих систем не работает. Для динамического списка они не могут предложить адекватные решения и выдают неправильный ответ.
DeepSeek тоже с 1С на этих задачах не очень дружит – его решения не самые интересные.
А вот это было для меня достаточно неожиданным.
Есть такая нейросеть, как Perplexity. Она доступна в России, бесплатная – ты просто задаешь в ней запрос, а она выдает ответ для 1С. Понятно, что его еще нужно перепроверить, но это уже не «обход списка циклом», а «компоновщики макетов» и так далее.
И второй момент: я полчаса тестировала разные нейросети, задавала вопросы. Потом решила просто забить запрос в Google. Первая ссылка – на «Инфостарт», на форум. Ответы, которые там есть, в целом верные.
Вывод: по-прежнему есть задачи, для которых стандартный поиск в интернете дает лучшие результаты, чем ИИ.
Еще одна элементарная задача, на которой легко посмотреть, как работают ИИ системы – найти документ в 1С по номеру. Результаты на разных ИИ:
Perplexity справилась и написала правильный ответ.
Claude Sonnet также справилась достаточно неплохо. Поэтому Claude Sonnet тоже можно иметь в виду. Остальные нейросети не смогли дать максимально правильный ответ.
ИИ для 1С по-прежнему работает плохо (актуально на февраль 2025 г. – Прим. ред.). Есть задачи, в которых ИИ может помочь – на 4 балла из 10. Две лучшие – Perplexity и Claude Sonnet, но Perplexity в данном контексте поинтереснее.
Если говорить про язык Python – все ИИ работают с ним достаточно хорошо. Для реализации этой конкретной задачи каждая нейросеть написала рабочий код для работы с веб-сервером.
Примеры:
Выводы
-
Подключить GigaChat можно на любом сервере. Можно запустить с кодом Python, как это сделали мы. Можно запустить и без него – обращаться к GigaChat напрямую из 1С.
-
Это доступно. Можно использовать маленькие модели: это будет стоить порядка 600 руб. в месяц (актуально на февраль 2025 г. – Прим. ред.).
*************
Статья написана по итогам доклада (видео), прочитанного на конференции INFOSTART TEAMLEAD & CIO EVENT.
Вступайте в нашу телеграмм-группу Инфостарт