Искусственный интеллект уже умеет сверять документы, искать расхождения в таблицах, готовить черновики ответов на требования ФНС и за минуты анализировать договоры. Но он с той же уверенностью может придумать статью НК РФ, сослаться на несуществующее письмо Минфина или использовать устаревшую норму. На вебинаре аудитор и налоговый адвокат Людмила Ганичева показала, где нейросеть действительно разгружает бухгалтера — и где без проверки человека она превращается из помощника в источник новых рисков.

«Умеете пользоваться нейросетями?» — этот вопрос уже задают на собеседованиях. Еще недавно знание нейросетей можно было воспринимать как дополнительный навык. Сейчас ситуация меняется.

На вебинаре Людмила рассказала, что сама задает кандидатам вопрос об использовании ИИ при найме. В презентации также разбирались вакансии, где умение применять нейросети в повседневной работе уже появляется среди требований к бухгалтеру.
Причина вполне практическая. Работу, на которую раньше уходили часы, в некоторых случаях можно сократить до нескольких минут. Но это не означает, что нейросеть становится бухгалтером вместо человека.

Один из главных тезисов вебинара: меняется структура работы, а не исчезает потребность в профессионале. Автоматизации можно отдавать распознавание, сверку, черновики документов и другие рутинные операции. Спорные трактовки, налоговые последствия и окончательные решения остаются зоной ответственности специалиста.

Людмила привела показательный кейс из собственной практики. Ей прислали трудовой договор, где было указано, что аванс составляет 30% от оклада. Эксперт обратила внимание на условие и решила дополнительно протестировать документ через ИИ: попросила проанализировать порядок выплаты зарплаты. Нейросеть также указала на проблему с таким условием. Но есть принципиальная разница между этим кейсом и подходом «загрузить договор и сделать все, что сказал бот».

Эксперт уже понимала, что именно проверяет. Нейросеть в этом случае выступила вторым инструментом анализа, а не человеком, которому передали профессиональное решение. Такой подход проходит красной нитью через весь вебинар: ИИ готовит — бухгалтер проверяет.

Особенно хорошо нейросети работают там, где бухгалтеру приходится сопоставлять большие массивы однотипной информации. На вебинаре приводился пример запроса: проанализировать сканы 15 накладных, сверить реквизиты с договором, найти расхождения по суммам и сформировать таблицу проблемных позиций с номером документа, датой и описанием несоответствия.

Другой реальный кейс Людмилы — аудиторская проверка.

Нейросеть использовали для автоматической сверки данных из:

• устава;

• выписки ЕГРЮЛ;

• оборотно-сальдовой ведомости по счету 80.

Задача — найти расхождения в размере уставного капитала и номинальной стоимости долей. Вместо ручного поиска нужной информации в большом объеме документов специалист получил результат значительно быстрее. И вот здесь ИИ раскрывается не как «электронный консультант по налогам», а как очень быстрый помощник по обработке информации.

Еще один сценарий — ответы на требования налоговой. По словам Людмилы, черновик относительно простого пояснения нейросеть способна подготовить за 2–3 минуты вместо 30–40 минут ручной работы. Но эксперт сразу провела границу: серьезные споры, от которых зависит налоговый режим компании или крупные доначисления, нельзя сводить к генерации ответа в чат-боте.

На вебинаре был приведен пример компании, которой налоговая предъявила претензии, связанные с предполагаемой майнинговой деятельностью и правом применять УСН. Компания, по словам эксперта, занималась услугами связи и интернет-провайдингом. Такой спор уже требует полноценной профессиональной работы — вплоть до привлечения аудитора и налогового специалиста. То есть условное: «Почему зарплата ниже МРОТ?» и «Докажите право организации на налоговый режим» — совсем не одинаковые задачи для ИИ. В первом случае нейросеть может серьезно ускорить подготовку черновика. Во втором — быть только одним из вспомогательных инструментов.

Это, пожалуй, самый важный блок всего вебинара для бухгалтера. Нейросеть — не справочно-правовая система. Она не обязана хранить актуальный текст НК РФ и знать последние поправки. В результате возникают так называемые галлюцинации: модель может назвать несуществующую статью или совершенно правдоподобно оформить ссылку на письмо Минфина, которого на самом деле нет. Особенно опасно то, что уверенность текста ничего не говорит о его достоверности. Ответ может выглядеть профессионально, подробно и логично — и при этом быть ошибочным.

В чате участники тут же начали делиться собственным опытом. Например, одна из слушательниц написала, что Qwen сообщил ей, будто в России нет ставки 22%. Другая участница рассказала, что не смогла добиться от GigaChat информации об уведомлениях об исчисленных налогах. Получился практически идеальный пример тезиса вебинара: красивый ответ еще не означает правильный ответ.

Если бухгалтер хочет использовать ИИ для нормативной работы, эксперт рекомендовала задавать жесткие рамки. Например, не просто спросить: «Как применяется АУСН?»

А попросить найти конкретное разъяснение Минфина, указать номер, дату и источник. И уже затем самостоятельно проверить найденный документ. Еще надежнее — дать самой нейросети нормативный документ и попросить отвечать только на основании загруженного текста.

По словам Людмилы, именно в таком режиме модель становится гораздо полезнее: не пытается «вспоминать» законодательство, а работает с конкретной нормативной базой, которую ей предоставил специалист.

На вебинаре отдельно разбирали, почему один пользователь получает от ИИ полезный результат, а другой — бессмыслицу. Людмила привела собственный пример расчета чистых активов. Первый запрос дал неудовлетворительный результат. После того как она указала нейросети роль финансового аналитика, конкретный приказ Минфина и правила, которыми нужно руководствоваться, получился уже рабочий расчет.

🔺 Еще одно правило — не пытаться решить сложную задачу одним гигантским промптом.

Например, при анализе договора сначала попросить найти риски. После этого самому выбрать действительно существенные пункты. И только затем поручить нейросети подготовить по ним проект протокола разногласий.

То есть профессиональный навык заключается уже не просто в умении написать: «Ты — бухгалтер». Нужно понимать, какую задачу разделить на этапы, какие данные дать и какой результат считать правильным.

В чате именно безопасность стала одной из самых обсуждаемых тем.

Участники спрашивали:

На вебинаре отдельно назывались зарплатные ведомости, сведения о доходах работников, паспортные и иные персональные данные. Работать нужно с обезличенной информацией. Например, при работе с документами удаляем фамилии, имена и другие персональные сведения перед загрузкой. Полностью загрузить трудовые договоры сотрудников вместе со всеми их данными и попросить нейросеть «проверить все» — подход, который на вебинаре прямо назван недопустимым.

Этот вопрос тоже прозвучал в конце встречи. Людмила Ганичева рассказала, что при начале работы с сервисом проверяет настройки использования загруженной информации и отключает обучение модели на своих данных, если такая настройка предусмотрена. Но это не отменяет базового правила: конфиденциальные и персональные сведения все равно нужно предварительно обезличивать. Именно поэтому безопасное внедрение ИИ — это не просто покупка подписки на нейросеть.

Компании придется определить:

• что можно загружать;

• что необходимо обезличить;

• какие задачи допускается отдавать ИИ;

• кто проверяет результат;

• где проходит граница ответственности человека.

Эксперт рекомендовала закреплять правила использования искусственного интеллекта во внутренних регламентах организации. Итоговую ответственность за результат при этом несет специалист.

Людмила подчеркнула, что под разные задачи нужны разные инструменты. Для начального знакомства назывались в том числе DeepSeek, GigaChat и Алиса как доступные варианты, не требующие сложного старта. На встрече также упоминались ChatGPT, Claude, Gemini и другие модели. Но выбор конкретной нейросети — только половина дела.

В чате одна из участниц рассказала, что ИИ не смог сравнить две таблицы: названия основных средств различались, часть символов была на кириллице, часть — на латинице, отличалась и длина названий. В результате сверку пришлось вернуть бухгалтеру для ручной работы.

Людмила предположила, что причина могла быть не только в самой модели, но и в выбранном режиме или постановке задачи. Именно поэтому работа с ИИ — отдельный навык, а не кнопка «сделать автоматически».

Пожалуй, да. Но смысл не в том, чтобы превратить каждого бухгалтера в программиста.
Наоборот:

1. Найти расхождения в документах.

2. Сопоставить несколько таблиц.

3. Подготовить структуру ответа на требование.

4. Проверить договор на потенциальные риски.

5. Собрать данные в таблицу.

6. Найти место в нормативном документе, которое стоит проверить человеку.

7. Сделать первый черновик за несколько минут вместо получаса.

И оставить бухгалтеру то, где действительно нужен бухгалтер: оценку ситуации, профессиональное суждение и ответственность за итоговое решение. Как сформулировала Людмила, рабочая модель выглядит именно как связка: инструмент делает черновик — человек проверяет и подтверждает результат.

Разбираться в нейросетях методом «попробую загрузить ОСВ и посмотрю, что получится» — не самый безопасный путь для бухгалтера.

После покупки курса запись этого вебинара также будет доступна. Посмотреть ее бесплатно могут и подписчики Клерк.Премиум и Клерк.Система.
Если пропустили вебинар, смотрите ниже 👇

Чем больше задач бухгалтер отдает нейросети, тем важнее становится его собственная квалификация. Потому что написать ответ ИИ уже умеет. А понять, можно ли этот ответ отправить в налоговую, — пока по-прежнему должен человек.