В производственном холдинге управленческая отчётность собиралась вручную почти неделю, прогноз cash-flow жил в таблицах, а кассовые разрывы обнаруживались по факту. Мы собрали AI-финансиста: он сверяет операции с банком, собирает отчётность по шести юрлицам, считает прогноз и предупреждает о разрыве за дни до его наступления.
Прямой ответ. За шесть недель мы внедрили AI-финансиста в производственном холдинге из шести юридических лиц: агент сверяет банковские операции, собирает управленческую отчётность, строит прогноз cash-flow с точностью 94,1% и предупреждает о кассовых разрывах. Закрытие месяца сократилось с шести дней до четырёх часов, три разрыва были предотвращены до наступления, а в сверке актов нашлось 17 расхождений, которые раньше никто не замечал. Стек — 1С, банк-клиент, PostgreSQL и LLM, всё в контуре клиента.
Клиент — производственный холдинг, который ведёт несколько направлений одновременно: собственное производство, сбыт и сервис. Группа состоит из шести юридических лиц, часть из них работает на общей производственной площадке, часть — как отдельные сбытовые компании. Управление централизовано: бухгалтерия, финансовый отдел и казначейство обслуживают все шесть юрлиц, а решения принимает финансовый директор вместе с собственниками.
Пока холдинг был одной компанией, финансовая отчётность собиралась терпимо. После выделения юрлиц картина распалась: у каждого — свои счета, свои правила закрытия, свои справочники контрагентов и номенклатуры. Свод по группе собирался вручную в Excel, и к моменту готовности отчёта решения приходилось принимать уже по устаревшим данным. Именно этот разрыв между производством и финансами стал точкой, с которой начался проект.
Отдельная сложность — платёжный календарь. Платежи шли из четырёх банков по одиннадцати расчётным счетам, сроки по договорам жили в разных учётных системах и в головах сотрудников. Собрать единый прогноз движения денег на месяц вперёд получалось только к середине месяца — то есть, по сути, постфактум. Похожая задача возникала и в других проектах: например, в кейсе AI-обработки документов в логистической компании мы решали родственную проблему — превращали поток бумаг и выписок в структурированные проводки.
География проекта — Москва и производственная площадка в регионе, работали удалённо с выездами на аудит процесса. Такой формат для нас стандартный: Лидерс AI ведёт внедрения по всей России и в странах СНГ, а офисы расположены в Москве и Санкт-Петербурге.
Мы разложили финансовый контур по операциям и посчитали, сколько каждая ручная процедура съедает в часах и рублях. Оценки сделаны по данным клиента и данным учётных систем за предыдущие месяцы — это расчёт, а не гарантия результата.
Свод по шести юрлицам собирался вручную: выгрузки, сверки, пересчёт по каждой компании отдельно. Первые четыре дня уходили на сведение данных, ещё два — на устранение расхождений.
Оценка стоимости: около 420 000 ₽ в месяц рабочего времени финансового блока только на процедуру закрытия и уточнения, без стоимости отсроченных решений.
Платёжный календарь собирался из выгрузок банка, условий договоров и ручных заметок. Разные версии файла ходили по почте, а прогноз устаревал быстрее, чем попадал к собственнику.
Оценка стоимости: до 90 000 ₽ в месяц на подготовку и пересборку прогноза, плюс стоимость неверных решений по закупкам и платежам.
Разрыв обнаруживался в момент платежа: денег на счёте не хватало, приходилось сдвигать контрагентов, ловить пени и объясняться с поставщиками. Три таких ситуации за год обошлись дороже любой профилактики.
Оценка стоимости: от 150 000 ₽ на один разрыв с учётом пеней, штрафов и сдвига производства — по расчёту клиента за предыдущие периоды.
Каждое утро бухгалтер сверяла выписки по одиннадцати счетам вручную: искала несовпадения сумм, назначений и дат. Ошибки в проводках всплывали уже на этапе отчётности.
Оценка стоимости: около 130 000 ₽ в месяц на сверку и исправление ошибок, плюс риск некорректной отчётности перед банками и контрагентами.
Сверка актов с контрагентами шла по остаточному принципу: когда закрытие месяца уже горело. Часть расхождений просто не доходила до разбора, и компания переплачивала за работы, которых не было.
Оценка стоимости: единичные переплаты по актам складывались в суммы порядка 200 000 ₽ в квартал — точная величина зависит от объёма подрядных работ.
Мы не меняли учётную систему и не трогали то, что работает. Агент встроился в существующий контур: 1С осталась учётной системой, банк-клиент — источником факта, а новая логика легла сверху и закрыла ручные операции.
Разложили финансовый цикл на 14 процессов: от загрузки выписки до свода по группе. Для каждой операции посчитали время, стоимость и вероятность ошибки. На выходе — карта процесса с точками потерь и список операций, которые агент закрывает целиком.
Описала архитектура: единый справочник контрагентов и счетов, правила сверки по каждому юрлицу, модель прогноза, роли доступа. Отдельно зафиксировали регламент: какие действия агент делает сам, а какие требуют подтверждения финансового директора.
Запустили агента на сверке банка и сборке отчёта для двух компаний группы. Проверили точность на исторических данных за шесть месяцев: агент прошёл те же операции, что и бухгалтерия, и мы сравнили результат построчно до совпадения правил.
Подключили оставшиеся четыре юрлица, добавили консолидацию по группе, прогноз cash-flow и алерты о разрывах. Настроили автосоздание задач для расхождений: спорная операция сразу попадает ответственному с контекстом и ссылкой на документ.
Обучили финансовый блок, передали документацию и регламенты, зафиксировали метрики в договоре. Дальше — поддержка: разбор инцидентов, донастройка правил при изменении учётной политики и ежемесячный отчёт по точности.
Скриншот панели — в обложке кейса выше. Внутри контура три рабочих модуля: сверка с банком, прогноз движения денег с алертами и автоотчётность с консолидацией по группе. Каждый модуль отдаёт результат в 1С и в Telegram-отчёт руководителю.
Агент забирает выписки по всем расчётным счетам, сопоставляет операции с документами в 1С и размечает статус: сходится, требует проверки, расхождение. Спорные операции уходят ответственному с выдержкой из документа.
Модель считает движение денег на основе фактических поступлений, условий договоров и платёжного календаря. Если прогноз показывает разрыв, ответственный получает предупреждение заранее — с датой, суммой и вариантами закрытия.
Управленческий отчёт собирается по каждому юрлицу и сводится в группу. Собственник получает короткий утренний отчёт в Telegram: остатки, прогноз, отклонения от плана, список расхождений, требующих решения.
Ниже — сравнение по метрикам, которые мы измеряли вместе с клиентом до старта и через три месяца после запуска. Эффект в рублях — расчётная оценка на данных холдинга, а не гарантия: суммы зависят от объёма операций и стоимости вашего часа.
| Метрика | До | После | Эффект |
|---|---|---|---|
| Закрытие месяца по группе | 6 дней | 4 часа | ≈ 420 000 ₽/мес высвобожденного времени |
| Точность прогноза cash-flow | Экспертные допущения, ошибка до ±18% | 94,1%, MAE 2,4% | 3 предотвращённых разрыва |
| Кассовые разрывы | Обнаружение в момент платежа | Алерт за 21 день до разрыва | ≈ 450 000 ₽ сохранённых средств (оценка) |
| Сверка банка и учёта | Вручную, ежедневно, 11 счетов | Автоматически, с разметкой расхождений | ≈ 130 000 ₽/мес |
| Сверка актов с контрагентами | Выборочно, по остаточному времени | По каждому документу | 17 расхождений, ≈ 200 000 ₽/квартал |
| Прогноз по юрлицам | 6 отдельных файлов Excel | Единая модель и консолидация | ≈ 90 000 ₽/мес |
Важно. Стоимость времени и суммы переплат рассчитаны по данным клиента и данных учётных систем за предыдущие периоды. Это оценки для принятия решения, а не обещание конкретной выручки.
Проект шёл по тарифу «Автоматизация направления». Мы считаем экономику консервативно: в расчёт берём только те эффекты, которые подтверждаются учётными данными, и не записываем в экономию «потенциальную выручку».
Что не входило: замена учётной системы, ведение бухгалтерского учёта, подписание документов и принятие финансовых решений. Это остаётся за вашей командой.
Как устроена услуга AI-аналитики →Мы не строили отдельную «систему с ИИ», а соединили то, что уже работало в холдинге. Учёт остался в 1С, факт по деньгам — в банке, а агент стал связующим слоем, который превращает разрозненные данные в решения.
Источник учётных данных: документы, проводки, справочники контрагентов и номенклатуры по всем шести юрлицам. Агент читает и создаёт документы только в рамках согласованных правил.
Выписки по одиннадцати расчётным счетам забираются автоматически и сопоставляются с учётом. Это даёт ежедневную сверку вместо ручной утренней процедуры.
Рабочее хранилище нормализованных данных и расчётной модели: история операций, статусы сверки, прогнозы и журнал действий агента для аудита.
Модель разбирает назначения платежей, сопоставляет формулировки из актов с договорами и формирует понятный текст отчёта и алерта для руководителя.
Схема связей: банк-клиент и 1С → агент сверки → PostgreSQL → модель прогноза → алерт в Telegram и отчёт в 1С. Контур развёрнут на серверах клиента, доступы ограничены ролями, каждое действие фиксируется в журнале.
«Мы много лет жили с ощущением, что цифры по группе всегда чуть-чуть вчерашние. Закрытие месяца превращалось в марафон, а прогноз был скорее жанром устного творчества — каждый считал по-своему. Первое, что изменилось, — мы начали видеть картину в день, когда она складывается, а не через неделю. Второе — появилось предупреждение о разрыве заранее. За полгода мы трижды успели сдвинуть платежи и не сорвать поставки. Это не про магию ИИ, а про то, что кто-то наконец аккуратно собрал наши же данные в одну модель».
Финансовый директор, производственный холдинг (6 юрлиц)
Не нашли свой вопрос? Напишите в Telegram или позвоните по номеру.
Если задача похожа на вашу, посмотрите, как мы решали её в других отраслях. Полный список — в разделе все кейсы.
18 400 счетов и актов в месяц разносились вручную, ошибки в проводках доходили до отчётности. Агент читает, сверяет с 1С и проводит документы без оператора.
Внезапные поломки четырёх линий останавливали выпуск и съедали бюджет на запчасти. Агент ловит аномалии телеметрии до отказа и сам создаёт наряды.
42 машины распределялись вручную, водителей обзванивали голосом, просрочки достигали 11%. Агент строит маршруты, прогнозирует ETA и перестраивает рейсы на ходу.
На разборе мы возьмём один ваш процесс — закрытие месяца, сверку банка или прогноз cash-flow — и разложим его по шагам: где теряется время, где возникают расхождения и сколько это стоит в рублях. Покажем, как то же самое решалось в этом холдинге, и дадим смету со сроками. Без презентаций: даже если вы решите ничего не внедрять, карта процесса и расчёт останутся у вас.
Ответим в течение 30 минут в рабочее время. Пришлём вопросы для подготовки, чтобы не тратить ваше время.
Мы свяжемся с вами в течение 30 минут в рабочее время и пришлём вопросы для подготовки к аудиту.