Примеры применения искусственного интеллекта в бухгалтерии и финансовых службах: работа с первичными документами, расчётами и финансовой информацией. Кейсы российских компаний с результатами и первоисточниками.
Кейсов внедрения: 63.
Модель выявляет безнадёжных для текущих способов взыскания заёмщиков и рекомендует перевод между стадиями soft, hard и legal collection.
Повысились эффективность и скорость взыскания, сократилось число звонков безнадёжным клиентам.
AI/ML-модели выбирают следующий инструмент урегулирования и оптимизируют операционные действия; LLM и ИИ-агенты автоматизируют речевую аналитику, сопровождение переговоров и генерацию документов.
Подтверждённый прирост финансового результата — более 2,3 млрд руб.; удовлетворённость взаимодействием с банком выросла на 50%; более 98% первичных контактов и около 70% звонков выполняются роботом; более 1,5 млн клиентов урегулировали задолженность; более 4 тыс. клиентов сохранили имущество и кредитную историю.
Ассистент интегрирован в рабочие приложения сотрудников для анализа отчётности и подготовки документов.
По оценке компании, высвобождается 15–50% рабочего времени и экономится более 1 млрд рублей в год.
Внедрена интеллектуальная система распознавания печатных и рукописных данных паспортов лизингополучателей в процесс рассмотрения заявок и заключения договоров лизинга.
По словам директора по цифровой трансформации, из 1000 паспортов 984 документа обрабатываются со 100% качеством без единой ошибки; ручные операции при проверке паспортов практически исключены, рассмотрение заявок ускорено.
Роботы используют базу знаний компании и ведут диалоги с клиентами без опоры на жёсткие скрипты.
Количественный результат не раскрыт.
Скоринг анализирует ретроспективные данные, глубину просрочки, вероятность выплаты и другие параметры, рассчитывает балл и прогнозирует возвратность по клиенту и собираемость портфеля.
Количественный результат не раскрыт.
Локальный ИИ-ассистент распознаёт поступившие документы, извлекает и проверяет реквизиты, затем автоматически создаёт документы в 1С; система интегрирована с СЭД.
В кейсе заявлены точность распознавания 98%, экономия на аутсорсе 900 000 рублей в год, сокращение штата на обработке первичных документов на 75% и ускорение закрытия месяца на три дня.
Банк запустил AI-Ассистента в Telegram: продавец загружает данные Wildberries и себестоимость, после чего получает финансовый отчёт, динамику показателей, сравнение и рекомендации.
Количественный эффект не раскрыт.
С помощью Beorg Smart Vision предприятие оцифровало архив рукописных зарплатных журналов и создало единую базу для подготовки ответов Социальному фонду РФ.
Оцифрованы 300 000 рукописных записей и 1,2 млн параметров. По оценке представителя предприятия, ручной перенос занял бы минимум 3 года и потребовал бы затрат как минимум на 30% выше бюджета автоматизированной оцифровки.
Алгоритм анализирует новости компаний и оценивает их влияние на котировки, чтобы клиенты могли использовать эту информацию при принятии инвестиционных решений.
Количественный эффект не раскрыт.
Внедрены ИИ-функции для автоматической обработки входящих писем и финансовых документов: занесения документов с почты или сканера, классификации, извлечения и заполнения реквизитов.
Работа с письмами, приказами, распоряжениями, договорами и финансовыми документами переведена в цифровой вид; сократилось время поиска документов и упростилась подготовка к проверкам.
YOLOv8 обрабатывает видеопоток, распознает и подсчитывает тушки рыбы, после чего данные о выработке автоматически передаются в 1С.
Время ввода данных о выработке сократилось примерно с часа до 10 минут, то есть в 6 раз; время консультаций сотрудников по расчету зарплаты — с двух часов в день до 30 минут в неделю, или в 20 раз.
Агента обучили сценариям досудебного взыскания и встроили в чат с клиентами. Команда отслеживает фиксацию договорённостей, исполнение обещаний, скорость ответа и экономику процесса.
В пилоте доля полученных обещаний оплаты составила 26,61% у агента против 47,75% у сотрудников. После доработок компания передала агенту около 90% текстовых коммуникаций.
Автоматизированы бюджетные процессы и согласование платежей.
Формирование бюджетных планов ускорилось в 5–20 раз; согласование платежей — в 4 раза.
Внутри компании развёрнуты умные ассистенты для обработки информации, подготовки текстов и поддержки решений в области методологии бухгалтерского учёта.
Количественный эффект не раскрыт.
Генеративный ИИ применяется в бухгалтерских процессах.
Количественный эффект не раскрыт.
Модель FIS Collection прогнозирует самостоятельное погашение задолженности и позволяет исключать таких клиентов из обзвона.
Банк не обзванивает клиентов, которым модель с заявленной точностью 81% прогнозирует самостоятельное погашение в течение трёх дней.
Более 200 моделей ИИ составляют портрет клиента, поддерживают планирование и принятие решений по задолженности; робот-оператор выполняет звонки.
Робот выполняет 84% звонков без человека; заявлен эффект 2,4 млрд рублей в год и совокупный эффект 3,7 млрд рублей за 2024 год.
ИИ-агенты сопровождают закупку от формирования заявки и проверки бюджета до подготовки полного комплекта закупочной документации.
Потенциальный объём таких закупок превышает 5 тысяч процедур в год.
ИИ-агент автоматически формирует закупочные документы, проверяет наличие бюджета и помогает определить источник финансирования.
Среднее время подготовки заявки сократилось с 60 до 5 минут, примерно в 12 раз.
ML-модели анализируют поведение и сегментируют должников, выбирают эффективный вид коммуникации, динамически распределяют каналы и определяют следующее наилучшее действие.
Результат не раскрыт.
ИИ внедрён в документооборот ЦБУиО Департамента здравоохранения Москвы; функциональность распространяется на направления бухгалтерского учёта амбулаторно-поликлинических учреждений.
Обработка данных ускорилась в 107 раз.
Мультиагентная ИИ-система автоматизирует финансовые операции, включая эквайринг и зарплатные проекты.
Количественный эффект не раскрыт.
Во внутренних процессах Сбербанка ИИ-агенты автоматизируют управление ликвидностью.
В обзоре заявлено высвобождение сотрудников для более сложных задач.
GigaChat внедрён для проверки условий проектного финансирования.
Специалисты могут сосредоточиться на задачах, требующих экспертизы.
ИИ-модуль встроен в цифровой банк в MAX для переводов через СБП, сканирования квитанций и оплаты по QR-коду.
Поставщик называет ВТБ первым российским банком, встроившим такую функциональность в MAX.
Языковая модель анализирует основания начисления сорри-бонусов и эмоциональный фон общения, дополняя формальный контроль.
Точность начислений выросла с 85% до 97%.
В метрополитене внедрена бесконтактная оплата проезда посредством распознавания лица.
Запуск сервиса указан в ноябре 2024 года.
Для учета рабочего времени используется биометрическое решение Verme.
Учет рабочего времени становится прозрачным; заявлено снижение фонда оплаты труда.
Заявка, счёт, договор и акт формируются из карточки рейса, после чего сотрудник проверяет реквизиты.
Количественный эффект не раскрыт.