ИИ-агент для бухгалтерии: чат меньше 1 %

Если ты оцениваешь ИИ-агента для бухгалтерии по его чат-демо, то смотришь на самую маленькую часть работы.

За последние 30 дней видимый пользователю copilot дал в Norman меньше одного из ста отслеженных запусков агентов. Примерно три из четырёх запусков классифицировали операции. Около одного из пяти извлекали данные из документов. Сопоставление, проверка налоговой готовности, подготовка подачи и сводки документов образовали ещё один рабочий слой. Чат был дверью, а не фабрикой.

Это различие важно именно сейчас, потому что «бухгалтерский агент» превращается из ярлыка функции в отдельную категорию. Поставщики выпускают конструкторы агентов, агентов месячного закрытия и библиотеки финансовых навыков. Моя позиция проста: полезен не тот бухгалтерский агент, который убедительнее говорит. Полезен тот, который заканчивает ограниченную работу, показывает доказательства и останавливается перед правильным решением.

Что такое ИИ-агент для бухгалтерии?

ИИ-агент для бухгалтерии читает текущее состояние книг, выбирает или выполняет следующий шаг, использует инструменты и оставляет результат, который может проверить человек или другая система.

Это определение исключает многие продукты, которые продаются как агенты. Чат-бот, объясняющий отчёт о прибылях и убытках, может быть полезен, но книги он не изменил. Фиксированный скрипт импорта меняет книги, но не приспосабливает следующий шаг к найденному состоянию. Агент находится между ними: он способен понять исключение, выбрать из разрешённых действий и продолжить, но только внутри контролируемого процесса.

Последняя строка особенно важна. Конструктор может превратить фразу «каждую пятницу проверь несопоставленные операции и подготовь сообщение клиенту» в последовательность. Но он не изобретёт бухгалтерскую правду под этой последовательностью. Ему всё равно нужны надёжные состояния операций, налоговые правила, права и определение слова «сопоставлено».

Поэтому процент точности плохо измеряет качество ИИ-бухгалтерии. Риск не только в том, что модель даст неверную метку. Правдоподобная метка может запустить неверное действие в большом масштабе, а система этого не заметит.

Почему поставщики бухгалтерских систем выпускают конструкторы агентов?

Два объявления этого месяца показывают направление категории.

20 августа 2026 года Xero представила нового агента месячного закрытия внутри XeroForce, конструктора индивидуальных агентов на естественном языке. Описанный процесс проверяет сопоставление документов, готовит ручные проводки для предоплат и амортизации, а затем выдаёт клиенту полный перечень действий для проверки и принятия. Продукт находился в раннем доступе, общая доступность планировалась позже в том же году.

25 августа Google Cloud запустила агентную среду для финансовых услуг с более чем 50 повторно используемыми финансовыми навыками, защищёнными подключениями и управляемым исследовательским агентом. Важнее было не число навыков, а пакет контроля вокруг них: оценки уверенности, явные методы, проверяемые снимки данных и точные ссылки на источники.

Одна компания упрощает сборку процессов. Другая упаковывает навыки и доказательства для регулируемой среды. Обе говорят одно: модель необходима, но сама по себе ещё не является бухгалтерским продуктом. Продуктом становится система вокруг модели.

Что нужно бухгалтерскому ИИ-агенту кроме модели?

Ему нужны пять вещей, которые хороший ответ в чате способен скрыть.

Состояние: Агент должен знать, новая ли операция, уже проведена ли она, вошла ли в поданную декларацию, не хватает ли документа или ожидается подтверждение. Один и тот же чек значит разное в каждом состоянии.

Узкая поверхность инструментов: Инструмент должен выражать допустимое предметное действие, а не открывать каждое поле базы данных. Мы поняли это, сокращая поверхность собственного агента: инженерия часто заключена в инструментах, которых агент никогда не видит.

Детерминированные правила: Направление НДС, сторона проводки, округление и период подачи не должны каждый раз превращаться в новую догадку. Модель работает с неоднозначностью. Стабильные бухгалтерские правила остаются стабильными.

Доказательства: У каждого действия должно быть достаточно происхождения, чтобы ответить: «почему эта операция, почему этот счёт, почему сейчас?» Поэтому наш агент для недостающих чеков связывает запрос с пробелом в регистре, который его вызвал, а не просто пишет убедительное письмо.

Настоящая остановка: «Человек в контуре» ничего не значит, если человек появляется только после изменения регистра. Остановка должна стоять перед необратимым или внешне значимым действием, а точная полезная нагрузка должна оставаться видимой.

Эти ограничения делают агента менее театральным и более полезным. Они также позволяют тестировать процесс как последовательность изменений состояния, а не оценивать формулировку последнего ответа.

Что производственные данные говорят о бухгалтерских агентах?

Наш 30-дневный набор включал примерно 150 000 отслеженных запусков. Мы группировали их по процессу, владевшему результатом, а не по экрану, на котором начал пользователь.

Это операционные показатели, а не метрики клиентов или выручки. Они показывают форму, выдержавшую производство: специализированные процессы несут объём, а разговор координирует крайние случаи.

Это не значит, что чат не важен. Чат должен направлять намерение в работу с состоянием. Фраза «найди, что блокирует мою декларацию по НДС» может быть началом, но ответ обязан превратиться в проверку налоговой готовности, список недостающих доказательств и набор действий с владельцами. Иначе пользователь по-прежнему сам переводит прозу в бухгалтерскую работу.

Тот же принцип сработал, когда мы проверяли, способен ли ИИ подготовить полный годовой отчёт GmbH. Значимым результатом было не гладкое объяснение закрытия, а готовый отчёт, чьи сальдо совпали до цента с поданным профессиональным результатом.

Стоит строить одного агента или несколько специализированных процессов?

Строй несколько специализированных процессов за одной входной дверью.

Один агент может быть маршрутизатором. Он способен понять «приведи этот месяц в порядок» и решить, что нужно запустить сбор документов, сопоставление операций и проверку налоговой готовности. Но каждая из этих работ должна владеть своим состоянием, правами, тестами и определением готовности.

Альтернатива выглядит как универсальный агент с большим набором инструментов и расплывчатой инструкцией «веди бухгалтерию». На демонстрации это кажется гибким. В производстве трудно ответить на базовые вопросы: Какое правило изменилось? Какой шаг безопасно повторить? Пользователь подтвердил проводку или только план? Можно ли подавать декларацию, если шаг с документом завершился ошибкой?

Специализация не означает отказ от автономности. Она делает автономность проверяемой. Маршрутизатор адаптирует план, а контракты процессов сохраняют предсказуемость регистра.

Как оценить ИИ-агента для бухгалтерии?

Попроси завершённый процесс, а затем проверь его границы.

1. Запуск: Какое событие или цель пользователя начинает работу?
2. Состояние: Какая система владеет правдой на каждом шаге?
3. Инструменты: Что агент может читать, писать и никогда не получать?
4. Правила: Какие решения детерминированы, а какие используют модель?
5. Доказательства: Может ли каждое действие указать на источник?
6. Условия остановки: Что вызывает запрос данных, проверку или отказ?
7. Повтор: Может ли исправленный производственный случай стать регрессионным тестом?

Если ответы в основном о формулировке промпта, ты оцениваешь демонстрацию. Если они о переходах состояния, доказательствах и подтверждениях, перед тобой может быть бухгалтерский агент.

Окно чата останется заметным, потому что его легко понять. Настоящая конкурентная работа тише: тысячи узких решений безопасно завершаются в фоне. Наш собственный набор запусков не позволяет это игнорировать.