Собираем свою AI-бухгалтерию: ChatGPT распознаёт первичку, делает проводки и готовит отчёты без 1С

Меня зовут Натали Васильева, я эксперт по нейросетям и продюсер онлайн-школы «Финансовый директор | Мастер CFO». Вместе с основателем школы Софьей Бурцевой я второй год показываю финансистам и бухгалтерам, как нейросети снимают рутину, а через курс «AI-навыки финансиста» прошли уже 800+ выпускников. В этой статье рассказываю, как собрать свою AI-бухгалтерию: связку из ChatGPT, ваших правил и трёх модулей, которые распознают первичку, делают проводки и готовят отчёты. Без 1С в том смысле, что для управленки и большей части механики 1С не нужна, а для официальной отчётности останется учётная система. Материал актуален на 27 августа 2026 года. Внутри 10 готовых промптов, сравнительная таблица моделей, три кейса с цифрами в часах и рублях и чек-лист на неделю. Если вы только начинаете с нейросетями, сначала советую пройти большой бесплатный курс ChatGPT для финансиста, а потом возвращаться сюда за сборкой системы.

Что такое «своя AI-бухгалтерия» и чем она отличается от покупных сервисов

За последний год я собирала такие связки вместе с учениками курса, и почти каждый начинал с одного вопроса: можно ли заменить ручной ввод первички связкой на ChatGPT. Можно, если собрать её из нейросети и ваших правил. Своя AI-бухгалтерия через обычный диалог распознаёт первичку, делает проводки и собирает отчёты. Она не привязана к 1С, собирается за неделю и обходится как подписка на ChatGPT.

Когда я говорю «своя», я имею в виду не коробочный сервис, а конструктор. Покупные сервисы автоматизации бухгалтерии дают готовые сценарии: загрузил скан, получил карточку документа. Удобно, но есть три минуса. Первый: цена. Хорошие сервисы стоят от 1000 до 5000 рублей в месяц на пользователя, а за распознавание и разноску берут отдельно, по количеству документов. Второй: правила. Сервис работает по своим сценариям, и если у вас нестандартная операция, вы подстраиваетесь под него, а не он под вас. Третий: закрытость. Вы не видите, по каким правилам сервис делает проводку, и не можете быстро поменять логику.

Своя AI-бухгалтерия решает эти три пункта иначе. Вместо готовых сценариев у вас промпты, которые вы написали или адаптировали под свои процессы. Вместо абонентской платы за каждую функцию подписка на ChatGPT, около 20 долларов в месяц. Вместо закрытой логики прозрачная: вы видите каждый шаг, потому что нейросеть показывает ход расчёта, когда вы просите считать в коде.

Почему это стало возможным именно в 2026 году, а не раньше. Три вещи совпали. Первая: модели научились по-настоящему работать с файлами. GPT-5.5 принимает XLSX, PDF, изображения и сканы, читает таблицы и считает в Python, а не только генерирует текст. Вторая: у моделей появилась память. Недавно в ChatGPT прокачали память: модель сама формирует и упорядочивает воспоминания на основе истории чатов, их можно посмотреть на отдельной странице управления памятью и задать инструкции, какие темы нейросети затрагивать. Это значит, что нейросеть запоминает вашу учётную политику между диалогами. Третья: выросло качество распознавания документов. На чистых сканах ошибки единичные, о чём я подробно писала в разборе слепого теста ChatGPT и Claude на живых проводках.

Важная оговорка, чтобы не было ложных ожиданий. Своя AI-бухгалтерия не заменяет официальный бухгалтерский учёт и не сдаёт отчётность в налоговую. Она заменяет ручную механику: ввод первички, разноску, сверку, подготовку. Юридическую ответственность и финальную проверку оставляет человеку. Про границы подробно расскажу в разделе про 1С.

Внутри статьи будет: схема из трёх модулей, десять готовых промптов, сравнительная таблица моделей, три кейса с цифрами и чек-лист на неделю. Если вы бухгалтер, который тонет в первичке, эта статья для вас. Если вы собственник и хотите понять, можно ли собрать учёт без дорогой автоматизации, тоже для вас.

Что ChatGPT умеет в бухгалтерии в 2026 году и чего не умеет

Возьмём типовую операцию: пришёл акт от поставщика, на счету движение по договору, в конце месяца нужен отчёт. ChatGPT закрывает все три шага, если заданы правила. Конкретно в 2026 году он умеет распознавать первичку, извлекать реквизиты, делать проводки по вашим правилам, категоризировать выписки, готовить черновики отчётов и объяснять нормы. Не умеет знать вашу учётную политику без инструкции, нести ответственность и заменять официальный учёт.

Начну с конкретных умений, которые я проверяла на практике и вижу у учеников.

Распознавание первички. ChatGPT принимает сканы, фото и PDF актов, накладных, счетов-фактур и УПД. Извлекает реквизиты, перечень позиций, суммы и НДС. На чистом скане типовой документ обрабатывается за 20-40 секунд. Точность на хорошем качестве близка к 100 процентам, на плохом скане падает, и это надо учитывать.

Разноска проводок. По вашему промпту модель превращает распознанную первичку в проводки. Вы задаёте правила: какие счета корреспондируют, как учитывать НДС, как работать с авансами. Нейросеть применяет правила к документу и объясняет, почему выбрала именно такую проводку.

Категоризация выписок. Загружаете банковскую выписку, модель разносит операции по статьям движения денежных средств по вашим правилам. Это одна из самых быстрых по окупаемости задач, потому что объём большой, а суждения минимум.

Подготовка отчётов. На основе распознанной и разнесённой первички модель собирает управленческий P&L, ДДС, остатки и пояснительные записки для собственника. Это черновики, которые вы проверяете.

Проверка и сверка. Критическим промптом можно попросить модель пересчитать суммы в коде, найти расхождения и аномалии. Это вторая пара глаз перед сдачей.

Память о ваших правилах. Модель запоминает справочник статей, типы операций и ваши требования между диалогами. Подробно про память разберу в отдельном разделе.

Теперь честно про то, чего ChatGPT не умеет.

Не знает вашу учётную политику сама. Если вы не написали правила, модель будет угадывать по общим знаниям. Угадывание в учёте это риск.

Не несёт ответственности. За ошибку в отчётности отвечает компания и бухгалтер, а не нейросеть. Уверенный ответ модели не имеет юридической силы.

Галлюцинирует на неполных данных. Если в промпте нет важной детали, например даты перехода права собственности при валютной сделке, модель может выдать логичный, но неверный ответ.

Не заменяет официальный учёт. Регистры, налоговая отчётность, электронная сдача через операторов это зона учётной системы, а не чат-бота.

Вывод простой. ChatGPT это очень быстрый и старательный исполнитель ваших правил, а не замена бухгалтерской экспертизы. Чем точнее правила, тем точнее результат.

Из чего собрать свою AI-бухгалтерию: три модуля одной схемы

Схема всегда одна и та же, я не меняю её уже год: три модуля, между ними правила и проверки. Распознавание первички, разноска проводок, сборка отчётов. Данные текут по цепочке: скан в таблицу, таблица в проводки, проводки в отчёт.

Представьте конвейер. На входе пачка документов: акты, накладные, счета-фактуры, выписки. На выходе готовые отчёты и понятная картина по компании. Внутри три станции.

Станция 1. Распознавание. Скан или фото документа превращается в структурированную таблицу: номер, дата, контрагент, позиции, суммы, НДС. Здесь же происходит первичная проверка качества распознавания.

Станция 2. Проводки. Таблица из первички превращается в учётные записи по вашим правилам. Каждая строка получает корреспонденцию счетов, аналитику и комментарий, почему так.

Станция 3. Отчёты. Проводки собираются в управленческий P&L, ДДС, остатки и пояснения для собственника или банка.

Между станциями стоят три вещи, без которых конвейер не работает. Первая: справочник. Единые названия статей, контрагентов и типов операций. Вторая: промпты. Мастер-промпты под каждую станцию и критические промпты под проверку. Третья: контроль. Выборочная сверка результата с реальными данными.

Главный принцип, который я повторяю ученикам: нейросеть работает настолько хорошо, насколько подготовлены ваши правила. Если справочник собран, промпты проверены, контроль настроен, модули работают стабильно месяц за месяцем. Если правил нет, каждый документ это лотерея.

Дальше разберу каждый модуль по шагам с готовыми промптами. Начинаем с распознавания, потому что это самая частая и самая быстрая по окупаемости задача. Отдельно про распознавание счетов и накладных я писала в статье Первичные документы и нейросети, там больше про типы документов, здесь соберём всю систему.

Собираем три модуля: распознавание, проводки и отчёты

Порядок сборки важен: каждый модуль опирается на предыдущий. Сначала распознавание, потому что оно даёт таблицы для всего остального. Потом проводки по правилам учётной политики. Потом отчёты. Между ними стоят справочник и критические проверки, а каждый модуль закрывается своим промптом.

Модуль 1. Распознавание первички: сканы, PDF, фото в структурированные данные

Вы прикрепляете скан, фото или PDF документа в chatgpt.com, отправляете промпт распознавания и получаете структурированную таблицу с реквизитами, позициями, суммами и НДС. Типовой документ обрабатывается за 20-40 секунд.

Распознавание это фундамент всей AI-бухгалтерии. Если таблица из первички собрана верно, дальше проводки и отчёты ложатся ровно. Если в распознавании ошибка, она разъезжается по всему конвейеру. Поэтому модуль 1 я советую настраивать первым и проверять строже всего.

Как это работает на практике. Вы открываете диалог, прикрепляете файл или фото, отправляете промпт. Модель извлекает поля: тип документа, номер, дата, кто продавец, кто покупатель, перечень позиций, суммы, итог и НДС отдельной строкой. На выходе таблица, которую можно сохранить и передать в модуль 2.

Что важно про качество сканов. На идеальном скане точность близка к 100 процентам. На плохом скане с наклоном, засветкой или рукописными пометками модель начинает ошибаться в мелких деталях: перепутать последнюю цифру суммы, номер счёта-фактуры, НДС. В слепом тесте на 12 сканах обе модели ошиблись по одному документу, и это были именно дефектные сканы. Поэтому в промпт распознавания я добавляю финальную строку: попросить модель указать, какие поля выглядят ненадёжно из-за качества изображения.

Ещё одна деталь про формат. Модель принимает PDF, JPG, PNG и другие форматы. Фото с телефона работают хуже, чем ровный скан, потому что на снимке есть перспектива и тени. Если вы фотографируете документы на телефон, старайтесь снимать сверху при хорошем свете, без вспышки и теней от рук.

Промпт 1. Распознавание первичного документа

Ты помощник бухгалтера, который превращает скан документа
в структурированную таблицу.

Прикрепляю скан (акт / накладная / счёт-фактура / УПД).

Извлеки:
1. Тип документа, номер, дату
2. Продавца и покупателя (обезличенно, если указано)
3. Перечень позиций с количеством, ценой и суммой
4. Итоговую сумму и НДС отдельной строкой
5. Валюту, если есть

В конце:
- Укажи, какие поля читаются ненадёжно из-за качества скана
  (наклон, засветка, рукописные пометки)
- Если какой-то реквизит не виден, напиши "не видно",
  не выдумывай

Формат: таблица с колонками Поле, Значение, Надёжность.

Промпт требует формат с колонкой «Надёжность». Это ключ: модель честно отмечает, чему верить сразу, а что перепроверить глазами. На моей практике такая формулировка снижает количество незамеченных ошибок распознавания заметно, потому что вы знаете, куда смотреть.

Когда распознавание настроено, переходим к проводкам. Если у вас поток документов большой и распознавать нужно пачками, а не по одному, загружайте по 5-10 документов за раз. GPT-5.5 справляется с пачкой, если документы однотипные. Разнородную пачку лучше разбивать.

Модуль 2. Проводки: из распознанной первички в учётные записи

Распознанную таблицу документа вы передаёте в модуль проводок вместе с правилами учётной политики, и ChatGPT возвращает проводки с обоснованием по каждой. Типовой документ разносится за один прогон.

Проводки это сердце AI-бухгалтерии. Здесь нейросеть применяет ваши правила к факту хозяйственной жизни и решает, какой счёт дебетуется, какой кредитуется, как учесть НДС и авансы. Именно на проводках цена ошибки самая высокая, поэтому модуль 2 строится на правилах, а не на угадывании.

Как это работает. Вы передаёте модели таблицу из модуля 1, добавляете блок правил: учётная политика по НДС, авансам, валютным операциям, справочник корреспонденции счетов. Модель разносит каждый документ и объясняет, почему выбрала такую проводку. Если данных не хватает, модель задаёт уточняющий вопрос, а не угадывает.

Сразу про то, где модели чаще всего ошибаются. В слепом тесте на живых проводках обе модели путались в трёх зонах: НДС при частичной оплате, курсовые разницы по валютным операциям и нестандартные операции вроде взаимозачёта. Общий знаменатель один: правильный ответ зависит от деталей, которых нет в тексте промпта. Поэтому в правилах я всегда указываю даты отдельно, условия договора и требование «не угадывай, спрашивай».

Промпт 2. Проводки по распознанной первичке

Ты бухгалтер с опытом работы на ОСНО [или ваша система
налогообложения]. Ниже таблица распознанных документов
и правила учётной политики.

Задача: по каждому документу сделай проводку.

Правила:
1. ОСНО [замените на вашу систему], НДС выделяется
   отдельной строкой
2. Авансы учитываются на счёте 62.02 / 60.02
3. Суммы без НДС в таблице помечай как "без НДС"
4. Если для проводки не хватает данных (нет договора,
   неясен тип операции), не угадывай, задай уточняющий вопрос
5. Считай в коде на Python и покажи ход расчёта

Формат по каждому документу:
- Номер и дата
- Проводка: Дт [счёт] Кт [счёт] на сумму [сумма]
- Обоснование одной строкой
- Комментарий, если операция нестандартная

Таблица документов: [вставьте результат модуля 1]

Пять правил в этом промпте закрывают большинство типовых ошибок. Пункт 4 про «не угадывай» снижает количество уверенных, но неверных ответов почти вдвое. Пункт 5 про код на Python убирает арифметические ошибки: нейросеть запускает настоящий интерпретатор, а не предсказывает цифру.

Отдельно про связку с 1С. Если вы работаете в 1С, проводки из ChatGPT это черновик: вы переносите их в базу и проверяете. Некоторые ученики делают так: распознавание и проводку AI готовит, бухгалтер проверяет и переносит, на это уходит несколько минут вместо часа ручного ввода. Подробнее про перенос из AI в учётные системы я писала в статье AI-бухгалтеры для QuickBooks и Xero и подготовка к 1С.

Когда модуль проводок настроен, можно собирать отчёты.

Модуль 3. Отчёты: P&L, ДДС, остатки и пояснения для собственника

На основе распознанной и разнесённой первички ChatGPT собирает управленческий P&L, ДДС, остатки и черновик пояснительной записки за один прогон с промптом сборки. Это черновик, который вы проверяете перед отправкой: собственнику уходит только проверенная версия.

Отчёты это то, ради чего затевается вся AI-бухгалтерия. Собственник не хочет видеть пачку документов, ему нужна картина: сколько заработали, откуда пришли деньги, куда ушли, какой остаток. ChatGPT собирает эту картину из ваших данных.

Как это работает. Вы передаёте модели проводки из модуля 2 и промпт сборки с правилами: структура отчёта, статьи, группировки, период. Модель считает в коде, собирает таблицу и пишет комментарий к отклонениям. За один прогон получается три вещи: управленческий P&L, ДДС и пояснительная записка.

Важная деталь: отчёты из нейросети это управленка, а не официальная отчётность. Для управленки формат и статьи определяете вы, поэтому нейросеть идеально подходит: она выполняет ваши правила. Для официальной отчётности нужна учётная система и ваша подпись.

Промпт 3. Сборка управленческих отчётов

Ты финансовый аналитик. Ниже проводки за [период] и справочник
статей. Собери управленческие отчёты.

Собери:
1. Управленческий P&L: статьи выручки и расходов по справочнику,
   валовая прибыль, EBITDA, чистая прибыль
2. ДДС по трём блокам: операционная, инвестиционная, финансовая
3. Остатки по основным счетам на конец периода

Правила:
1. Считай в коде на Python, показывай контрольные суммы
2. Сверь итоги отчётов между собой: чистая прибыль в P&L
   и изменение денежных средств в ДДС не обязаны совпадать,
   но контрольные суммы по статьям должны сойтись
3. Если расхождение не сходится, напиши об этом, не подгоняй
4. В конце дай три абзаца комментария для собственника:
   главное изменение, главный риск, один вопрос на период

Проводки: [вставьте результат модуля 2]
Справочник статей: [вставьте справочник]

Пункт 3 про «не подгоняй» критичен. Нейросеть иногда пытается сделать так, чтобы цифры «сошлись», даже если данные не бьются. Запрет на подгонку заставляет её честно сообщить о расхождении, а это ценнее красивой таблицы.

После сборки отчётов обязателен модуль проверки, о нём расскажу отдельно. А пока разберу, как научить нейросеть вашим правилам, потому что без этого все три модуля будут работать вслепую.

Как память и справочник закрепляют вашу учётную политику

Как память ChatGPT запоминает вашу учётную политику

Прямой ответ: в ChatGPT появилась память, которая сама формирует и упорядочивает воспоминания на основе истории чатов. Вы можете посмотреть, что модель помнит, поправить это и задать инструкции. Для AI-бухгалтерии это значит: ваша учётная политика и справочник применяются автоматически между диалогами.

Раньше каждый новый диалог с нейросетью начинался с нуля. Вы заново объясняли, что у вас ОСНО, как считаете НДС, какие статьи в управленке. Это съедало время и добавляло ошибок: модель могла «забыть» правило в середине длинного разговора. С памятью картина другая.

Как это работает. Модель в фоновом режиме формирует воспоминания на основе ваших диалогов и упорядочивает их. Сводка доступна на отдельной странице управления памятью, там же можно добавить информацию о себе или дать инструкции, какие темы нейросети затрагивать. То есть вы не просто полагаетесь на автоматику, а можете явно закрепить правила.

Что я советую закрепить в памяти для AI-бухгалтерии. Вашу систему налогообложения. Справочник статей управленки. Типовые корреспонденции счетов. Правило про обезличивание данных. Формат ответов, который вы используете. Всё это модель будет применять в каждом новом диалоге.

Промпт 4. Закрепление правил в памяти ChatGPT

Запомни эти правила для всех будущих диалогов:

1. Моя компания на [ОСНО/УСН/патент], НДС [учитывается/
   не учитывается]
2. Справочник статей управленческой отчётности:
   [вставьте справочник]
3. Типовые проводки:
   - поступление оплаты: Дт 51 Кт 62
   - аванс поставщику: Дт 60.02 Кт 51
   - [добавьте свои]
4. При работе с данными всегда напоминай мне обезличить
   документы до загрузки
5. В финансовых расчётах всегда считай в коде на Python
   и показывай ход расчёта
6. Если данных не хватает, задавай уточняющий вопрос,
   не угадывай

Это системные правила, применяй их всегда.

Память это и есть переход от «попробовал нейросеть» к «внедрил систему». Пока вы каждый раз объясняете правила заново, у вас инструмент. Когда правила закреплены, у вас AI-бухгалтерия. Разница в часах на каждую операцию.

Один нюанс, о котором я честно предупреждаю учеников. Память это не панацея. Модель может помнить правила, но не применять их идеально в каждой нестандартной ситуации. Поэтому в промптах к конкретным задачам я всё равно дублирую ключевые правила, особенно в проводках. Дублирование стоит секунд, а снимает класс ошибок.

Про то, где ещё можно закрепить правила. Поле персонализации в ChatGPT работает похоже: вы вставляете системные инструкции, и каждый новый диалог их видит. В Claude аналогичную роль играют проекты, в Gemini инструкции можно сохранить в настройках. Промпт 4 подходит для любого из этих мест, просто замените название сервиса.

Справочник: единые названия статей, контрагентов и типов операций

Прямой ответ: справочник это таблица соответствий, которая сводит все названия из вашей учётки к единым каноническим. Он собирается один раз, на него опираются все три модуля, и без него AI-бухгалтерия не работает.

Справочник это правила игры для нейросети. Без него модель видит «Выручку», «Реализацию» и «Продажи» как три разных статьи, хотя это одно и то же. В кейсе из практики финансист сгрузил файлы по юрлицам без справочника, модель сложила три разных строки выручки, и собственник задал вопрос, на который не должно было быть повода.

Как собрать справочник. Откройте ваши документы, выписки и отчёты за последние месяцы. Выпишите все названия статей, контрагентов и типов операций. Напротив каждого напишите каноническое название. Чаще всего разных названий двадцать-сорок, и на сопоставление уходит 20-30 минут. Дальше справочник живёт отдельным файлом и переиспользуется каждый месяц.

Что должно быть в справочнике для бухгалтерии. Статьи отчётов: «Выручка», «Себестоимость», «Аренда», «Зарплата», «Налоги». Типы операций: «Поступление от покупателя», «Оплата поставщику», «Аванс», «Зарплата», «Налог». Контрагенты с обезличенными кодами: «ООО Альфа» становится «Контрагент 1». Корреспонденции счетов для типовых операций: поступление оплаты Дт 51 Кт 62 и так далее.

Промпт 5. Сборка справочника из ваших данных

Ты бухгалтер-аналитик. Ниже список названий, которые встречаются
в моих документах и отчётах. Собери справочник.

Задача:
1. Сгруппируй похожие названия в одну каноническую статью
   («Выручка», «Реализация», «Продажи» -> «Выручка»)
2. Для каждого названия укажи канонический вариант
3. Отметь сомнительные случаи, где непонятно, это одно
   и то же или разные статьи

Список названий: [вставьте ваши названия]

Формат: таблица из трёх колонок: как написано / каноническая
статья / комментарий. Считай, что все названия могут
различаться по регистру и падежам.

Справочник это та инвестиция, которая окупается в первый же месяц. Один вечер на сборку, и дальше каждый документ, каждая выписка, каждый отчёт разносятся по единым правилам. Без справочника вы каждый раз объясняете нейросети то, что она должна была запомнить.

Когда справочник готов, вложите его в память ChatGPT вместе с промптом 4. Тогда модель будет применять его автоматически. В следующий раз, когда встретится «Реализация», она сразу поймёт, что это «Выручка», и не спросит заново.

Теперь про то, как защитить результат от ошибок. Три модуля собраны, правила закреплены, но контроль никто не отменял. Об этом следующий раздел.

Как проверять результат AI-бухгалтерии: промпт критической проверки

Прямой ответ: перед тем как проводка или отчёт уйдёт дальше, прогоните результат через критический промпт, который просит модель пересчитать в коде, найти расхождения и аномалии и отказаться от подгонки. Это 10-15 минут, которые снимают большинство ошибок.

Самый важный навык в AI-бухгалтерии это не умение формулировать запросы, а привычка проверять. Нейросеть выдаёт уверенный, красиво оформленный ответ, и мозгу трудно усомниться в нём. Именно поэтому я повторяю на каждом эфире: уверенный ответ AI это не показатель правильности. Показатель правильности это сходимость контрольных сумм и совпадение с реальными данными.

Критический промпт построен на четырёх проверках. Арифметика: пересчитать суммы в коде и сравнить с контрольными. Полнота: все ли документы попали в разноску, ничего ли не потерялось. Логика: не выглядят ли значения аномальными, например скачок статьи при ровном периоде. Правила: применена ли учётная политика, особенно по НДС и авансам.

Промпт 6. Критическая проверка разноски и отчётов

Ты критический аудитор. Проверь результат ниже.

Сделай четыре проверки:
1. Арифметика: пересчитай в коде на Python все суммы,
   сравни с контрольными суммами исходных документов
2. Полнота: все ли документы из исходной пачки попали
   в разноску, ничего ли не задвоилось или не потерялось
3. Логика: не выглядят ли какие-то значения аномальными
   (резкий скачок, нулевая статья, которая не должна быть нулевой)
4. Правила: применена ли учётная политика, особенно по НДС,
   авансам и курсовым разницам

Контрольные суммы исходников: [вставьте суммы]
Результат разноски и отчёты: [вставьте результат]

Формат: нумерованный список проблем с указанием документа
и суммы. Если всё корректно, напиши «замечаний нет»
без лишних похвал.

Финальная фраза «без лишних похвал» работает лучше, чем кажется. Без неё модель может завершить проверку вежливым «всё выглядит отлично». С ней модель фокусируется на поиске проблем, а не на одобрении.

Отдельно про цену ошибки. В одном кейсе из практики школы бухгалтер принял ответ ChatGPT по НДС без перепроверки. Модель не учла, что часть аванса вернули покупателю до отгрузки, это меняло базу восстановления налога. При камеральной проверке налоговая выявила расхождение, итогом стали доначисление, пени и штраф на 84 000 рублей. Ошибка была не в модели, а в пропущенном контроле. Поэтому критический промпт это не опция, а часть процесса.

Когда вы прогнали критическую проверку и нашли ошибки, не переписывайте результат руками молча. Отправьте модели список замечаний и попросите исправить с объяснением, что изменилось. Так вы строите цикл: распознавание, разноска, проверка, исправление. После двух-трёх циклов результат стабилизируется, и вы сохраняете финальные промпты как шаблон.

Какие данные грузить в нейросеть можно, а какие нельзя

Прямой ответ: в публичную нейросеть грузим только обезличенные данные, документы под NDA и банковскую тайну не грузим вообще, а для особо чувствительного есть корпоративные тарифы с отключённым обучением. Ответственность за данные всегда на человеке.

Вопрос безопасности данных встаёт у каждого второго ученика, когда речь заходит о загрузке первички в ChatGPT. Отвечу честно и по пунктам.

Что обязательно обезличить. Названия компаний и контрагентов, ИНН, ОГРН, КПП, номера расчётных счетов, названия банков, ФИО сотрудников и подписантов, суммы, которые в сочетании с названием раскрывают конкретную сделку. Схема простая: справочник-мэппинг, где «ООО Альфа» становится «Контрагент 1», «Банк Открытие» становится «Банк 1». После ответа нейросети возвращаете настоящие названия по справочнику.

Что можно оставлять. Суммы, даты, структуру операции, тип документа, содержательные условия сделки. Всё, что нужно для правильного расчёта, но не идентифицирует конкретных людей и компании.

Что не грузим вообще. Договоры под NDA, кредитные договоры, банковские выписки в привязке к реальным реквизитам, персональные данные, коммерческую тайну. Для этих документов два пути: корпоративные тарифы Business у OpenAI и Anthropic, где данные не используются для обучения и контур защищён договором, либо локальные модели на вашем сервере. Локальные модели я разбирала в статье Ollama для финансиста: локальная нейросеть без утечки данных.

Про настройки платных тарифов. В платных тарифах ChatGPT и Claude можно отключить обучение на ваших данных в настройках. Это снимает вопрос использования данных для обучения, но не делает публичную нейросеть хранилищем банковской тайны. Поэтому базовое правило остаётся: обезличиваем всегда, что нельзя обезличить, то не грузим.

Про доступ из России. Для работы с ChatGPT, Claude и Gemini из России понадобятся средства доступа, об этом честно скажу сразу, без этого никуда. DeepSeek V3.2 работает без VPN, но в РФ я использую его только с обезличенными данными и для черновых задач. Подробно про бесплатные и доступные модели я писала в статье DeepSeek для финансиста без VPN.

Про ответственность. Нейросеть не подпишет договор о неразглашении и не отвечает за утечку. Отвечает тот, кто загрузил данные. Перед первой загрузкой проверьте учётную политику компании и внутренний регламент работы с данными. Если в компании есть запрет на внешние сервисы, он важнее любых плюсов нейросети.

Сравнительная таблица: GPT-5.5, Claude Sonnet 4.6, Gemini 2.5 и DeepSeek V3.2 для AI-бухгалтерии

Прямой ответ: для AI-бухгалтерии базовая связка в 2026 году это GPT-5.5 для распознавания и разноски, Claude Sonnet 4.6 для длинных регламентов, Gemini 2.5 для данных в Google Таблицах, DeepSeek V3.2 бесплатно для черновиков. Актуально на август 2026 года.

Как выбирать на практике. Если вы работаете с первичкой и делаете проводки, база это GPT-5.5: он лучше всех распознаёт документы, считает в коде и помнит правила через память. Если у вас сложные регламенты и длинные документы, добавляйте Claude Sonnet 4.6 с XML-промптами, они читаются точнее на длинных прогонах. Если вся учётка живёт в Google Таблицах, попробуйте Gemini 2.5, интеграция с таблицами заметно ускоряет работу. DeepSeek V3.2 держу как бесплатный запасной вариант для черновых задач без чувствительных данных.

Про цены. Платные тарифы ChatGPT, Claude и Gemini стоят сопоставимо, около 20 долларов в месяц за базовую подписку. Для бухгалтерии это окупается первой же сэкономленной неделей. DeepSeek V3.2 бесплатный. Подробнее про выбор нейросети для финансиста я писала в статье Какую нейросеть выбрать финансисту в 2026.

Останется ли 1С в вашей жизни: честная граница между AI и учётной системой

Прямой ответ: 1С останется для официального учёта, регистров и сдачи отчётности, а AI-бухгалтерия заберёт механику: распознавание, разноску, подготовку. Это не замена, а разделение труда, и оно выгодно бухгалтеру.

Вопрос про 1С звучит на каждом эфире, и я отвечаю честно. Закон не требует конкретно 1С, есть и другие учётные системы. Но закон требует вести учёт, формировать регистры и сдавать отчётность через утверждённые каналы. Это зона учётной системы, а не чат-бота. Ни одна нейросеть не подпишет отчётность электронной подписью и не понесёт ответственность за налоговые последствия.

Что это значит на практике. Вы не выкидываете 1С, вы перестраиваете процесс. Раньше: бухгалтер вручную вводит первичку в 1С, разносит проводки, готовит отчёты. Теперь: AI распознаёт документы и готовит проводки, бухгалтер проверяет и переносит в 1С, AI собирает управленческие черновики, бухгалтер проверяет и утверждает. Рутина уходит, контроль остаётся.

Отдельно про встроенные AI-инструменты 1С. В платформе есть свои ассистенты, заточенные под работу с самой 1С: запросы на встроенном языке, конфигурация, печатные формы. Это помощь тем, кто настраивает платформу, а не замена содержательному анализу. Сравнивать их с ChatGPT на изолированных бухгалтерских кейсах некорректно, это инструменты с разным назначением.

Что я советую ученикам. Оставьте 1С или другую учётную систему основой официального учёта. Подключите AI-бухгалтерию как слой поверх, который снимает механику и готовит черновики. Используйте встроенные AI-инструменты 1С по назначению, для работы с платформой. Такая связка экономит часы в неделю, не теряя юридической чистоты. Подробно про встроенные AI-инструменты 1С и MCP-серверы для бухгалтерии я писала в статье MCP-серверы для бухгалтерии и 1С.

Три кейса из практики: часы, рубли и скорость

Кейс 1: ИП на УСН собрал AI-бухгалтерию за неделю и сэкономил 12 часов в неделю

Прямой ответ: индивидуальный предприниматель на УСН с оборотом около 1,5 миллиона рублей в месяц настроил AI-бухгалтерию за неделю и сократил время на учёт с 15 часов до 3 часов в неделю, а расходы на бухгалтерское сопровождение на 18 000 рублей в месяц.

Первый кейс про то, что AI-бухгалтерия работает не только у больших компаний, но и у ИП, где каждый час на счету. Герой истории, назову его Сергей, продаёт оборудование через интернет-магазин. У него ООО на УСН «доходы минус расходы», около 200 первичных документов в месяц: акты, накладные, счета-фактуры, плюс выписки по двум счетам.

Было. Сергей вёл учёт с бухгалтером на аутсорсе. Бухгалтер брал 25 000 рублей в месяц, работал удалённо, и на согласование каждой операции уходило время. Сам Сергей тратил около 15 часов в неделю на подготовку: собрать документы, сфотографировать, отправить, ответить на уточнения, проверить, что учтено. Плюс задержки в учёте по полторы-две недели.

Что сделали. Сергей прошёл курс «AI-навыки финансиста» и решил собрать свою AI-бухгалтерию. Первая неделя ушла на настройку: справочник статей на 28 названий, промпты распознавания и проводок, тестовый прогон на прошлом месяце. Он подключил платный ChatGPT, отключил обучение на данных, обезличил документы по справочнику-мэппингу. Каждый документ теперь проходит цепочку: скан в ChatGPT, таблица, проводки, проверка критическим промптом.

Стало. Через месяц учёт занимает 3 часа в неделю вместо 15. Экономия 12 часов в неделю. Сергей отказался от аутсорс-бухгалтера и оставил только ежеквартальную сдачу отчётности у знакомого специалиста за 7 000 рублей в квартал. Итого экономия на сопровождении около 18 000 рублей в месяц. Учёт перестал отставать: документы разносятся в день поступления, а не через две недели.

Что здесь сработало. Сергей не пытался автоматизировать всё сразу, а начал с распознавания первички, где объём самый большой. Он один раз потратил вечер на справочник, и он окупился в первую же неделю. Он сохранил промпты и закрепил правила в памяти ChatGPT, поэтому настройка не повторялась. И главное: он оставил живого специалиста на официальной отчётности, а механику забрал себе.

Оговорюсь честно, как и во всех кейсах из практики: цифры из конкретной истории, а не гарантированный результат для любого бизнеса. Но структура процесса универсальна, и именно её я разбираю в статье.

Кейс 2: ООО на ОСНО закрывает месяц за вечер вместо двух дней

Прямой ответ: главный бухгалтер производственной компании на ОСНО с 300 документами в месяц сократила закрытие месяца с двух дней до одного вечера с помощью AI-бухгалтерии, освободив время на управленку и разбор отклонений.

Второй кейс про компанию побольше. Главный бухгалтер, назову её Марина, работает в производственной компании на ОСНО, штат 60 человек, около 300 первичных документов в месяц: закупка сырья, реализация, зарплата, налоги. Раньше закрытие месяца было марафоном.

Было. Два полных рабочих дня на закрытие: разноска первички в 1С вручную, проверка авансов, учёт НДС, сверка с контрагентами, подготовка пояснений для главного бухгалтера группы. Плюс ночные правки, когда что-то не сходилось. После закрытия Марина была выжата и откладывала управленческие задачи на потом.

Что сделали. Марина прошла курс и собрала AI-бухгалтерию вместе с коллегой. Настроили распознавание первички с проверкой качества сканов, промпт проводок по учётной политике ОСНО, критическую проверку. Справочник собрали на 40 статей за один вечер. Проводки из ChatGPT переносятся в 1С после проверки, на это уходит несколько минут на документ вместо десяти.

Стало. Закрытие месяца занимает один вечер: с 18:00 до 22:00 вместо двух дней. Экономия около 14 часов в месяц на закрытии. Освободившееся время Марина тратит на управленческую отчётность и разбор отклонений по расходам, это задачи, которые раньше всегда откладывались. Через два месяца компания подключила второй модуль, сборку управленческого P&L, и собственник теперь получает отчёт на второй день после закрытия, а не через неделю.

Что здесь важно. Марина не убрала 1С, а сделала его точкой финального контроля. Проводки готовит AI, проверяет она, переносит в базу. Это разделение труда убрало рутину, но сохранило ответственность. И второе: она начала с закрытия месяца, а не со всего сразу. Одна больная задача, решённая полностью, дала ей мотивацию и навык для следующей. Про закрытие месяца с нейросетью я подробно писала в статье Закрытие месяца с ChatGPT.

Кейс 3: пакет для банка за 4 часа вместо двух дней

Прямой ответ: финансовый менеджер собрала пакет расшифровок для банка по группе из пяти юрлиц за 4 часа вместо двух дней с помощью промптов распознавания и сверки, и банк не задал ни одного уточняющего вопроса.

Третий кейс про скорость реакции, когда дедлайн жёсткий и цена опоздания высокая. Финансовый менеджер, назову её Анна, работает в группе из пяти юрлиц. Компания привлекала кредит, и банк запросил расшифровку остатков по расчётным счетам и взаиморасчётов между юрлицами группы.

Было. Раньше такой пакет собирался два дня: реестры по счетам, ручная сверка, кто кому должен, объяснения по каждой цифре. В прошлый раз Анна сдавала пакет с опозданием и нервным разговором с кредитным менеджером.

Что сделали. Анна собрала выписки и реестры по пяти юрлицам, обезличила их для загрузки в ChatGPT, вернув реальные названия уже в готовом документе. Промптом сверки взаиморасчётов получила таблицу по парам юрлиц: кто кому должен и где расхождения. Отдельным промптом сформировала расшифровку остатков по счетам. Всё прогнала через критическую проверку.

Стало. Пакет для банка был готов за 4 часа вместо двух дней. Экономия 75 процентов времени. Анна успела к дедлайну без сверхурочных и сдала расшифровку, где расхождения были разложены по парам юрлиц с пояснениями. Банк не задал ни одного уточняющего вопроса, а это лучший показатель качества.

Что здесь сработало. Ключевым был промпт сверки, который раскладывает расхождения по парам и размерам. Банк любит, когда вместо «вот реестр» приходит «вот кто кому должен и где расхождения». Анна не отдавала банку «сырой ответ нейросети», она отдала документ, который подготовила вместе с нейросетью и проверила сама. Это правило универсально: AI готовит, человек проверяет и подписывает.

Три кейса показывают общую картину. AI-бухгалтерия экономит от 4 до 15 часов в неделю, снимает рутину и ускоряет отчёты в 3-10 раз. Но везде работает одно правило: финальный контроль человека. Теперь про то, как выстроить такой же процесс с нуля.

Типичные ошибки при сборке своей AI-бухгалтерии

Прямой ответ: семь ошибок, которые я вижу у учеников, и все они про подготовку, а не про нейросеть. Если убрать эти семь причин, AI-бухгалтерия работает стабильно с первого месяца.

Ошибка 1. Начинать со всего сразу. Хотеть распознавание, проводки, отчёты и сверку в первый же день. Итог: ничего не доведено до конца, промпты не проверены, контроль не настроен. Лечится правилом одной задачи: выберите распознавание или категоризацию, доведите до стабильного результата, потом добавляйте следующий модуль.

Ошибка 2. Грузить документы без обезличивания. Названия компаний, ИНН, ФИО в публичную нейросеть. Даже в платном тарифе с отключённым обучением это вопрос конфиденциальности, а не только использования. Обезличиваем всегда, документы под NDA не грузим вообще.

Ошибка 3. Пропускать справочник. Нейросеть сложит суммы, но не поймёт, что «Банк Открытие» и «Банк „Открытие“» это один счёт, а «Выручка» и «Реализация» одна статья. Справочник собирается один раз и окупается в первый месяц.

Ошибка 4. Доверять арифметике «на глаз». Без фразы «считай в коде на Python» модель может «округлить» сумму так, что итог разойдётся. С кодом нейросеть запускает настоящий интерпретатор, и цифры перестают угадываться.

Ошибка 5. Пропускать критическую проверку. Нейросеть вернула красивую таблицу, вы отправили её собственнику, а там потерялась операция. Критический промпт занимает 15 минут и находит то, что глаза пропускают на третьей проверке.

Ошибка 6. Не закреплять правила. Вы один раз настроили промпты, получили хороший результат, а в следующем месяце начинаете с нуля. Закрепите правила в памяти ChatGPT или поле персонализации, и процесс пойдёт по шаблону.

Ошибка 7. Не проверять на тестовом месяце. Сразу запускать AI-бухгалтерию на живых данных без прогона на прошлом периоде. Возьмите закрытый месяц, прогоните через конвейер, сравните с реальными проводками и отчётами. Ошибки на тестовом месяце ничего не стоят, на живых данных стоят дорого.

Если сложить все семь ошибок, картина простая. AI-бухгалтерия не «решает учёт», она выполняет ваши правила. Чем точнее правила, тем точнее результат. Вся подготовка, справочник, обезличивание, проверка, это и есть ваши правила.

Отдельно про миф, который всплывает на каждом эфире: «нейросеть заменит бухгалтера». Нет. Нейросеть заменила ту часть работы, которая не требует суждения: ввод, распознавание, разноску, подготовку. А суждение, что означает падение маржи и что с этим делать, осталось за человеком. Бухгалтер, который раньше тратил два дня на ввод первички, теперь тратит эти два дня на анализ и разговоры с директорами. Это не потеря работы, это смена нагрузки с механики на интеллект.

Чек-лист: как собрать свою AI-бухгалтерию за семь дней

Используйте как пошаговый план на первый запуск. В первый раз заложите неделю по вечерам, дальше процесс идёт по шаблону.

• Выбрал одну задачу для старта: распознавание первички или категоризация выписки
• Подключил платный тариф ChatGPT, отключил обучение на данных, включил память
• Собрал справочник статей, контрагентов и типов операций из своих документов
• Подготовил 10-20 обезличенных образцов первички для теста
• Прогнал промпты распознавания, проводок и критической проверки на тестовом месяце
• Сравнил результат AI с реальными проводками и отчётами, исправил промпты
• Закрепил правила в памяти ChatGPT или поле персонализации
• Настроил регулярную сверку: раз в неделю в первый месяц

Если закрыто меньше четырёх пунктов, начните с выбора одной задачи и справочника, это 80 процентов успеха. Если закрыто больше шести, вы почти готовы: осталось закрепить правила и перейти на регулярный процесс.

Что я хочу, чтобы вы вынесли из этой статьи. Своя AI-бухгалтерия это не покупка сервиса, а сборка системы из трёх модулей и ваших правил. Распознавание, проводки, отчёты, плюс справочник и контроль. Настройка занимает неделю, окупается в первый месяц, а дальше процесс идёт по шаблону. Нейросеть не решает за вас, она выполняет ваши правила, поэтому правила и есть главный навык. Именно его я и учу на курсе «AI-навыки финансиста», где AI-бухгалтерия разобрана вместе с закрытием месяца, сверками и управленческой отчётностью.

Три шага на ближайшие 24 часа

Если дочитали до этого места, у вас есть всё, чтобы начать. Три конкретных шага прямо сейчас.

Шаг 1. Откройте chatgpt.com, подключите платный тариф, отключите обучение на ваших данных и включите память. Прогоните промпт 4 из статьи, чтобы закрепить вашу учётную политику и справочник.

Шаг 2. Возьмите 10-20 обезличенных документов из прошлого месяца и прогоните их через промпт распознавания. Посмотрите, где модель ошибается, и добавьте в промпт уточнения про ваши типы документов.

Шаг 3. Сравните результат AI с реальными проводками за тот же месяц и посчитайте, сколько часов ушло бы на ручной ввод. Эта цифра и есть ваш персональный ROI от AI-бухгалтерии.

Первые результаты появляются в первую же неделю, не через месяцы. Проверено на 800+ финансистах и бухгалтерах, которые прошли через курс.

Два уточнения перед стартом. Первое: для работы с ChatGPT, Claude и Gemini из России понадобятся средства доступа, об этом честно скажу сразу, без этого никуда. Подписка стоит около 20 долларов в месяц и окупается первой же сэкономленной неделей. Второе: данные в нейросеть грузим только после обезличивания, и никогда не отправляем документы под NDA в публичные тарифы. С этими двумя оговорками можно начинать спокойно.

Ещё четыре рабочих промпта для вашей AI-бухгалтерии

Прямой ответ: к шести промптам из модулей добавлю ещё четыре: категоризация выписки, сверка с контрагентами, подготовка пояснений для собственника и распознавание пачки документов. Всего в статье десять готовых промптов.

Эти четыре промпта закрывают задачи, которые возникают после базовой сборки. Не все они нужны с первого дня, но когда понадобятся, они уже готовы.

Промпт 7. Категоризация банковской выписки

Ты помощник бухгалтера. Прикрепил банковскую выписку
за период. Разнеси операции по статьям.

Правила:
1. Используй справочник статей движения денежных средств:
   [вставьте справочник]
2. Типовые соответствия:
   - поступления от покупателей -> Поступления от продаж
   - оплата поставщикам -> Оплата поставщикам
   - налоги -> Налоги
   - зарплата -> Зарплата
   - [добавьте свои]
3. Операции, которые не подходят ни под одну статью,
   помечай как "требует уточнения", не угадывай
4. Считай в коде на Python, покажи итоговые суммы по статьям

Формат: таблица операций с колонками Дата, Сумма, Статья,
Комментарий + сводная таблица по статьям.

Промпт 8. Сверка взаиморасчётов с контрагентами

Ты бухгалтер-аналитик по сверке взаиморасчётов.

Приложил реестры по контрагентам: кто сколько должен,
по каким документам.

Задача:
1. Сведи остатки по каждому контрагенту
2. Найди расхождения: мой учёт считает 100, контрагент
   считает 120
3. Сгруппируй расхождения по размеру: до 10 тысяч,
   10-100 тысяч, больше 100 тысяч
4. Для крупных расхождений предложи, что проверить
   в первую очередь

Считай в коде на Python.

Формат: таблица сверки по каждому контрагенту + сводная
таблица расхождений + список крупнейших проблем.

Промпт 9. Пояснения для собственника по итогам месяца

Ты финансовый директор, готовишь отчёт собственнику без
финансового образования.

Приложил управленческие отчёты за текущий и прошлый месяц.

Задача: напиши пояснения для собственника.

Правила:
1. Три главных изменения: что выросло, что упало, почему
2. Один главный риск на следующий месяц
3. Один вопрос, который стоит задать команде
4. Никакого жаргона, только понятные формулировки
5. Если причина не видна из данных, напиши
   "причина требует уточнения", не додумывай

Формат: три абзаца по 3-5 предложений + маркированный
список цифр, на которые ссылаешься.

Промпт 10. Распознавание пачки однотипных документов

Ты помощник бухгалтера. Прикрепил пачку однотипных
документов [акты/накладные/счета-фактуры/УПД] за период.

Задача:
1. Распознай каждый документ: номер, дата, контрагент,
   позиции, сумма, НДС
2. Сформируй общую таблицу по всем документам
3. Посчитай итоговую сумму по пачке в коде на Python
4. Отметь документы, где распознавание ненадёжное
   (наклон, засветка, рукописные пометки)

Формат: одна таблица на все документы с колонкой "Номер
документа" + сводная строка с итогами + список документов
для ручной проверки.

Десять промптов закрывают полный цикл AI-бухгалтерии. Первые шесть, из модулей, это база: распознавание, проводки, отчёты, память, справочник, проверка. Последние четыре, из этого раздела, это расширение: выписка, сверка, пояснения, пачка документов. Вместе они покрывают 90 процентов бухгалтерской рутины малого и среднего бизнеса.

Как пользоваться набором. Не пытайтесь запустить все десять в первый день. Начните с распознавания и проверки, доведите до стабильного результата. Потом добавьте проводки, потом отчёты. Остальные промпты подключайте по мере появления задач. Каждый промпт проверяйте на тестовом месяце, а не на живых данных.

Отдельно про то, что промпты из этой статьи рабочие, но не из платного курса. В курсе «AI-навыки финансиста» эти процессы разобраны глубже, с видеоразборами, готовыми шаблонами и обратной связью. Здесь вы получаете фундамент, который можно применять сразу.

Частые вопросы о своей AI-бухгалтерии

Собрала сюда вопросы, которые чаще всего задают на эфирах и в каналах школы. Короткие ответы, с цифрами.

Можно ли вести бухгалтерию без 1С с помощью ChatGPT?

Частично. ChatGPT закрывает механику: распознавание первички, разноску проводок, подготовку управленческих отчётов и сверку. Официальную налоговую отчётность и регистры он не заменяет. Закон не требует конкретно 1С, но требует вести учёт и сдавать отчётность через утверждённые каналы. Рабочая схема: AI-бухгалтерия для рутины и управленки плюс учётная система для официальных регистров.

Сколько времени занимает сборка своей AI-бухгалтерии?

Первая настройка занимает 3-7 дней, если делать по вечерам. Основное время уходит на справочник статей, шаблоны промптов и тестовый прогон на одном месяце. После настройки распознавание документа занимает 20-40 секунд, а разноска пачки первички час вместо дня.

Какую нейросеть выбрать для AI-бухгалтерии?

База это GPT-5.5 в ChatGPT: лучше всех распознаёт сканы, делает проводки в коде и помнит правила через память. Claude Sonnet 4.6 точнее на длинных регламентах и XML-промптах. Gemini 2.5 удобен, если работаете в Google Таблицах. DeepSeek V3.2 бесплатный вариант для черновых задач с обезличенными данными.

Безопасно ли загружать первичку в ChatGPT?

Только после обезличивания: убрать ИНН, названия компаний, ФИО, номера счетов, оставить суммы и структуру операции. В платном тарифе отключить обучение на данных. Документы под NDA и банковскую тайну в публичные тарифы не грузить, для них корпоративные тарифы или локальные модели.

Что ChatGPT делает с первичкой: распознаёт сканы или только текст?

Распознаёт и сканы, и фото, и PDF. Вы прикрепляете файл, модель извлекает реквизиты, позиции, суммы и НДС, а по вашему промпту делает проводку. На чистых сканах точность высокая, на плохих, с наклоном, засветкой или рукописными пометками, нужна проверка.

Сколько стоит своя AI-бухгалтерия?

Подписка на ChatGPT около 20 долларов в месяц. Покупные сервисы автоматизации стоят от 1000 до 5000 рублей в месяц на пользователя, плюс отдельно за распознавание и разноску по количеству документов. В кейсе с ИП экономия на сопровождении составила 18 000 рублей в месяц при подписке за 20 долларов.

Чем своя AI-бухгалтерия отличается от покупного сервиса?

Своя собирается из промптов и ваших правил, подстраивается под ваши процессы и не берёт плату за каждую функцию. Покупной сервис даёт готовые сценарии, но стоит дороже и работает по своим правилам. Своя AI-бухгалтерия прозрачнее: вы видите каждый шаг, потому что модель показывает ход расчёта.

Заменяет ли AI-бухгалтерия самого бухгалтера?

Нет. Она заменяет рутину: ввод, распознавание, разноску, подготовку. Суждение, ответственность и проверку оставляет человеку. Бухгалтер, который умеет настраивать и проверять AI, стоит дороже на рынке, чем тот, кто конкурирует с нейросетью в скорости набора.

Итоги: свою AI-бухгалтерию можно собрать уже в этом месяце

Своя AI-бухгалтерия это не фантастика и не покупка дорогого сервиса, а связка из трёх модулей и ваших правил, которая собирается за неделю. Распознавание первички, разноска проводок, сборка отчётов, плюс справочник, память и контроль. На выходе экономия от 4 до 15 часов в неделю и ускорение отчётов в 3-10 раз, как в трёх кейсах из статьи.

Ключевое правило, которое я повторяю на каждом эфире и в каждом разделе: нейросеть не решает за вас, она выполняет ваши правила. Чем точнее справочник, чем понятнее промпты, чем строже проверка, тем надёжнее AI-бухгалтерия. Официальная отчётность и юридическая ответственность остаются за учётной системой и человеком, а механика уходит нейросети.

И последнее, что будет с профессией через два-три года. Механическая работа продолжит уходить: распознавание первички, ввод, типовая разноска это уже не конкурентное преимущество бухгалтера, нейросеть делает это быстрее и дешевле. А спрос на контроль и суждение растёт: кто проверяет проводки, кто отвечает за корректность, кто объясняет собственнику, что означают цифры, это остаётся за человеком. По карьерам 800+ выпускников курса я вижу расслоение на два трека. Первый: углубление экспертизы, бухгалтер, который настраивает и проверяет AI, стоит дороже. Второй: упрощение типовых ролей, где конкуренция усиливается. Чем раньше вы переходите от позиции «я боюсь, что AI меня заменит» к позиции «я умею настраивать и проверять AI лучше других», тем устойчивее ваша позиция на рынке. AI-бухгалтерия это не угроза профессии, а новая квалификация внутри неё.

Для тех, кто хочет не просто попробовать, а выстроить системную работу с проверенными промптами, чек-листами контроля и пониманием, где AI ошибается в вашей специфике, есть курс «AI-навыки финансиста». За полтора года через него прошли 800+ выпускников, которые сегодня применяют нейросети в ежедневной работе осознанно, а не вслепую. Диплом с лицензией и налоговый вычет 13 процентов в подарок.

Начните с трёх шагов из чек-листа на ближайшие 24 часа: подключите тариф, закрепите правила, прогоните тестовый месяц. Первые результаты появятся в первую же неделю.

Где следить за AI для бухгалтеров: три канала школы

Нейросети обновляются быстро, новые модели выходят каждые несколько месяцев, и то, что работало вчера, сегодня уже можно ускорить. Чтобы оставаться в курсе без лишнего шума, подпишитесь на каналы школы:

@findir_pro. Основной Telegram-канал «Финансовый директор | Мастер CFO». 45 000 подписчиков. Ежедневно: практические разборы, кейсы выпускников, обновления инструментов, новые промпты для финансистов и бухгалтеров.

«АИ с Софьей и Натали». Канал об AI для финансистов. 13 000 подписчиков. Вместе с Софьей Бурцевой, основателем школы, разбираем новые модели, делаем живые тесты и публикуем обновлённые промпты сразу после выхода новых версий.

MAX. Закрытое сообщество для действующих финансовых директоров. 5 000+ участников. Кейсы коллег, шаблоны, закрытые эфиры по AI и стратегии CFO.