Как роботы забрали скучную работу у бухгалтеров

В 2016 году Минфин заявил ^[1], что потребность ^[2] в бухгалтерах в ближайшие годы будет стремиться к нулю. Однако через два года прогноз скорректировали: оказалось, что без бухгалтеров невозможно обойтись. Вместе с тем автоматизация отдельных сфер их деятельности может быть оправданной и весьма эффективной.

Всем привет! Меня зовут Мирза, я руководитель проектов ROBIN компании SL Soft. Сегодня расскажу про интеллектуальную автоматизацию и поделюсь своим опытом ^[3] внедрения платформы ROBIN для трансформации бухгалтерских процессов на примере одного проекта, реализованного для крупного продуктового ритейлера.

Кратко о роботах и интеллектуальной автоматизации

Интеллектуальная автоматизация — это концепция, предполагающая использование технологий искусственного интеллекта ^[4] в симбиозе с программными роботами и OCR для автоматизации бизнес‑процессов в компании.

Программный робот — это программное обеспечение, которое может выполнять повторяющиеся рутинные операции вместо человека. К примеру, можно настроить программного робота, который будет подключаться к приложению 1С, формировать справку 2-НДФЛ и отправлять по почте сотруднику — шаг за шагом, как это сделал бы бухгалтер. Важно, что робот работает с пользовательским интерфейсом приложений — это основное отличие от классических методов автоматизации. Подробнее об основах роботизированной автоматизации можно прочитать в этой статье ^[5].

Интеллектуальная автоматизация имеет несколько ключевых преимуществ перед классической:

• Высокая скорость разработки, внедрения и внесения изменения благодаря Low‑code/No‑code конструкторам. Для использования данного инструментария не нужен программист. Это, конечно, не означает, что любой бизнес‑пользователь сможет сам автоматизировать свой процесс — обычно внедрением программных роботов занимаются бизнес‑аналитики. Надо пройти обучение ^[6], но оно существенно меньше по объему, чем изучение языка программирования.

• Избежание доработок информационных систем. Зачастую классическая автоматизация спотыкается о необходимость выстраивания сквозных процессов. А чем больше информационных систем задействовано в процессе, тем это сложнее. У каждой ИС свой владелец (со своими задачами и интересами), свой подрядчик на поддержке, свой контракт — договориться об автоматизации бывает очень не просто. В случае с интеллектуальной автоматизацией задачу взаимодействия с ИС берут на себя программные роботы, используя существующие графические интерфейсы. И даже там, где доработки невозможны (legaсу‑системы, внешние и государственные ресурсы) и автоматизация казалась мечтой, программные роботы отлично справляются.

• Когнитивные функции с использованием ИИ и OCR. Автоматизация, дополненная искусственным интеллектом, охватывает процессы, где классические подходы или RPA (Robotic Process Automation) были малоэффективны или невозможны. Особенно это актуально для бухгалтерских операций, характеризующихся сложной, разветвленной логикой ^[7]. При отсутствии четко регламентированных инструкций бухгалтеры часто принимают решения, опираясь на свой опыт и интуицию ^[8]. Например, программный робот с ИИ может автоматически отсканировать документ, распознать ключевые данные и на их основе, вместо сотрудника принять решение — подписать документ, отправить его на доработку или запросить уточнения.

Разбор кейса: интеллектуальная автоматизация сверки взаиморасчетов

Рассмотрим применение интеллектуальной автоматизации в бухгалтерии на примере одного из наших проектов для крупного продуктового ритейлера.

Я думаю, практически всем известен процесс сверки взаиморасчетов, выполняемый любой организацией. Основная цель этого процесса — найти и зафиксировать расхождения (если таковые имеются) по всем расчетам между сторонами сверки.

Самое простое, что может выполнить программный робот в этом процессе, — это сопоставить два акта сверки формата Excel, полученные от сотрудника (из сетевой папки, по электронной почте) или из системы, и сформировать протокол расхождений. Однако интеллектуальная автоматизация позволяет сделать гораздо больше.

В рамках проекта был автоматизирован весь бизнес‑процесс сверки взаиморасчетов с десятками тысяч контрагентов ритейлера — от создания графика сверки контрагентов до занесения результатов в нормативно‑справочную систему. При выполнении данной задачи был задействован комплекс технологий:

• RPA — для выполнения рутинных операций,

• OCR — для извлечения данных со сканов документов,

• ML — для классификации сообщений,

• NER — для извлечения именных сущностей из сообщений.

Сам бизнес‑процесс, перенесенный в платформу, крупными мазками представлен на схеме:

В частности, роботы вместо сотрудников распределяют сверку контрагентов по кварталам, основываясь на финансовых оборотах и количестве контрагентов. Для этого используется сложная система расчетов. Помимо этого, роботы формируют акты сверки, которые затем отправляются контрагентам через три системы заказчика: SAP, Navision ERP и 1С:Бухгалтерия предприятия.

Для понимания сложности и масштабности задачи: ранее, чтобы сформировать готовый график сверки, отдел бухгалтерии должен был выгрузить несколько отчетов по разным сценариям из каждой системы, свести их в один файл и вручную распределить, в каком квартале необходимо сверять каждого контрагента. Этот процесс повторялся ежеквартально. Кроме того, вручную формировались акты сверки для каждого контрагента — около 15 тысяч актов в квартал. Теперь эти действия полностью автоматизированы. Роботы обновляют график сверки ежеквартально, а также формируют и рассылают акты сверки для всех контрагентов.

Также была автоматизирована работа с обратной связью от контрагентов. Когда поступает письмо по электронной почте, платформа с помощью модуля ROBIN AI его классифицирует, с использованием NER извлекает из сообщений и документов необходимые атрибуты, а затем принимает соответствующие решения. (Я был удивлен, что большая часть электронного документооборота между компаниями до сих проходит через электронную почту). Для этого в программном роботе настроены сценарии реагирования ^[9] на разные классы сообщений.

Рассмотрим подробнее первую (левую) ветку сценария: если на почту поступил акт сверки от контрагента, то срабатывает соответствующий сценарий. Робот распознает данные с поступившего акта, определяет, какой контрагент его прислал, затем сверяет со своим актом, который ранее был сформирован по данному контрагенту в ERP‑системе. В случае выявления расхождений оповещает ответственных сотрудников и запускает процесс корректировки, результаты сверки кладет в систему учета выполненных сверок, в качестве которой выступает 1С:MDM, где заведены карточки всех контрагентов. Если контрагент по ошибке ^[10] прислал не акт сверки, а какой‑то другой документ (такое случается довольно часто, человеческий фактор все‑таки:) ), то робот в ответном письме сообщает об ошибке и снова запрашивает акт.

Дополнительно было настроено распознавание информации со сканов актов сверки с помощью модуля OCR, что позволяет эффективно работать с различными форматами документов, которые присылают контрагенты: Excel, PDF (в том числе, без выделенного текстового слоя), изображения и другие. Это особенно важно, поскольку контрагенты используют собственные форматы документов, зачастую с уникальной структурой. Например, один контрагент может прислать акт сверки в виде скана с принтера, а другой — в виде таблицы Excel со сложной версткой.

Без внимания ^[11] со стороны человека все равно не обойтись. Бухгалтеры могут выборочно контролировать процесс сверки и отслеживать его стадии по каждому контрагенту с помощью графика сверки, который автоматически обновляется программным роботом в системе 1С:MDM. Выбор пал именно на эту систему, так как в ней содержится вся справочная информация по контрагентам, и, в отличие от Excel, с созданной таблицей графика сверки могут работать параллельно сразу несколько бухгалтеров.

По результаты выполнения проекта хочется отметить несколько результатов:

• Платформа интеллектуальной автоматизации связала в единый процесс сверки по всем компаниям холдинга, а их около 60, в том числе, сверку с зарубежными контрагентами (с ведомостями банковского контроля). Работа ведется в трех системах: SAP, Navision и 1С.

• Теперь сотрудникам не нужно думать о том, как и где выгружать акты сверки и вести график сверки — все выполняется автоматически и значительно быстрее, чем вручную.

• Процесс автоматизирован без единой доработки информационных систем заказчика, а значит, и без длительного согласования бюджетов и приоритетов развития этих ИС.

• Платформа ROBIN встроилась в текущий процесс быстро, от старта проекта до внедрения решения в промышленную эксплуатацию прошло 3 месяца. Дополнительного обучения сотрудников (пользователей) не потребовалось, так как работа ведется в привычных для сотрудников системах, а результаты выполненных процессов они получают через форму «График сверки» в 1С:MDM и почтовый ящик.

Стоит отметить, что описанный выше процесс и логика его выполнения не имеют жесткой структуры, что делает их гибкими для изменений. Настройка осуществляется в графическом конструкторе, который позволяет легко модифицировать процесс: добавлять новые шаги, дорабатывать существующие и адаптировать процесс под изменяющиеся потребности компании. Администрирование осуществляется через отдельный модуль — оркестратор. Подробнее о компонентах платформы ROBIN можно прочитать в документации: https://wiki.rpa‑robin.ru/x/g4DYEw ^[12].

Где еще применить интеллектуальную автоматизацию

В бухгалтерии платформу ROBIN можно внедрить и для других задач:

• распознавание первичной документации из ЭДО и занесение информации в бухгалтерскую систему,

• автоматическое формирование отчетов, выписок, справок любой сложности с последующей отправкой ответственным сотрудникам,

• учет и начисление амортизации на основные средства,

И это лишь небольшая часть возможных сценариев. Полный перечень процессов перечислять нет смысла, поскольку задачи и потребности бизнес‑заказчиков сильно отличаются в зависимости от компании.

Важно, что решение не ограничено отраслевой спецификой и может быть применимо в самых разных ситуациях. Программный робот, оснащенный искусственным интеллектом, способен выполнять задачи за компьютером, заменяя как ручной труд в процессах, где требуется как следование четким правилам, так и более сложный подход, связанный с анализом данных или принятием решений на основе заданных алгоритмов.

На примере проекта в крупной розничной компании я показал, что платформа интеллектуальной автоматизации способна выполнять сложные задачи в зоопарке систем и с использованием нескольких дополняющих друг друга технологий искусственного интеллекта. ИИ открывает новые горизонты для автоматизации не только бухгалтерских процессов, но и других задач, превращая программных роботов в интеллектуальные решения, способные адаптироваться к сложным и неоднозначным задачам.

Спасибо всем, кто дочитал. Буду рад ответить на ваши вопросы.