Менеджеры перебивают заказы из писем в 1С: когда это работа для ИИ-агента, а когда нет
В дистрибуции, логистике и на производстве картина похожая: клиенты присылают заказы письмом — текстом, таблицей, сканом, — а менеджеры переносят их в 1С руками. Очевидный кандидат на ИИ: агент прочитает письмо, найдёт клиента и номенклатуру, заведёт документ. Технически это решаемо. Вопрос в том, что это даст бизнесу.
Считайте не минуты, а дни
Первое, что обычно считают, — часы ручного ввода в месяц: заказы умножить на минуты. Цифра нужна, но решение принимают по другой: сколько проходит от письма клиента до отгрузки и сколько заказов команда доводит до конца за неделю. Если заказ дольше всего ждёт согласования цены, проверки остатков или машины, быстрый ввод почти ничего не изменит. А если агент начнёт заводить черновики быстрее, чем менеджеры успевают их проверять, очередь просто переберётся на проведение.
Когда агент не нужен
- Заказов мало: ввод занимает несколько часов в месяц.
- Все приходят в одной форме — одна таблица или портал заказов. Хватит обычной загрузки без ИИ.
- Крупные клиенты готовы отдавать заказы через ЭДО или API — договориться с ними дешевле.
- Во входящих типовая первичка: счета, ТОРГ-12, УПД. У 1С для этого есть собственный сервис распознавания.
- В справочниках дубли контрагентов и номенклатуры. Сначала чистка, иначе агент будет множить ошибки.
Если нужен — три правила
Писать в 1С штатно, а не кликами. У платформы есть автоматический REST-интерфейс на OData, собственные HTTP-сервисы конфигурации и обмен в формате EnterpriseData. Робот, который нажимает кнопки в экранных формах, ломается при первой их переделке. Тонкость из документации 1С: при записи через REST платформа проверяет права, но проверку заполнения не запускает — обязательные поля агент контролирует сам. Если перевозки ведут в 1С:TMS, потребность в перевозке уходит туда из 1С:ERP штатным обменом; с другой ТМС агент работает через её API.
Проводит человек. Агент оставляет документ непроведённым, менеджер видит письмо и черновик рядом и подтверждает. Доверие расширяют по цифрам: сначала проверяют каждый документ, потом — помеченные и выборку, и лишь затем агенту отдают узкий класс повторных заказов постоянных клиентов.
У каждого поля — источник. Дату или адрес, которых нет в письме, модель способна «додумать». Поле без ссылки на место в письме остаётся пустым и подсвечивается, а похожих контрагентов сверяют по ИНН и адресу отправителя.
Поучительная история
К2Тех в своём блоге на Habr (август 2026) описал пилот по маршрутизации входящих документов: секретари разбирали около 100 документов в день с точностью около 90%, модель на тесте показала около 80%. Пилот стоил около 2 000 000 ₽, доработка требовала ещё 2 000 000–3 000 000 ₽, эффект вышел меньше затрат — проект заморозили. Сравнивать агента нужно с людьми на том же потоке, и до старта.
Как это устроено у нас
Начинаем с бесплатной диагностики примерно на две недели: снимаем поток, время, ошибки и срок от письма до отгрузки, выбираем способ записи в 1С и к концу показываем Прототип, который разбирает обезличенный образец ваших писем. Если узкое место не во вводе, скажем прямо. Запуск ИИ-агента — от 400 000 ₽, пилот — по желанию.
Разбор интерфейсов 1С, ошибок агента и чек-лист замеров: https://a2labs.ru/znaniya/zayavki-v-1s-erp.html
A2 Labs — российская команда внедрения ИИ-агентов, сайт a2labs.ru.