ИИ в 1С:ЗУП: кадровые сценарии, которые реально автоматизируются 

Кадровик в компании на две тысячи человек тратит на переписывание паспортов меньше времени, чем кажется по презентациям про ИИ. Зато он теряет вечер, когда СФР возвращает ЕФС-1 из-за одной опечатки в СНИЛС, и еще один — когда обнаруживает, что сведения по новому сотруднику ушли в военкомат позже срока. Экономика кадровой автоматизации живет именно здесь, и разговор про сэкономленные часы ввода описывает ее плохо.

Разберем поток по этапам: где лежит ручная работа, что снимает распознавание, что языковая модель, что закрывается обычным кодом без всякого обучения. Персональные данные вынесены отдельно — в кадрах контур задан законом до первой строки кода.

Кадровый поток по этапам: где горят сроки

Кадровый документооборот отличается от бухгалтерского одним свойством: почти у каждого действия есть срок, установленный законом, и цена промаха измеряется штрафом. Потерянные часы тут вторичны.

Правая колонка объясняет, почему первый эффект в кадрах дают календарь и проверка реквизитов, задолго до нейросетей.

Прием сотрудника: восемь документов и одна грабля со справочниками

На одного принимаемого приходится пачка: паспорт, СНИЛС, ИНН, трудовая книжка или СТД-Р, документ об образовании, военный билет либо приписное, свидетельства о рождении детей для вычетов, реквизиты счета. В базу переносится порядка полусотни полей, и почти все проверяются формально.

• Паспорт. Серия из четырех цифр, номер из шести, код подразделения, дата выдачи, адрес регистрации. Дата выдачи не бывает раньше четырнадцатилетия, а документ подлежит замене в двадцать и сорок пять лет. Паспорт сорокасемилетнего сотрудника, выданный ему в девятнадцать, недействителен — ловится арифметикой на дате рождения.
• СНИЛС. Одиннадцать цифр, последние две — контрольное число, которое считается до похода в базу. Опечатка тут означает отказ СФР по ЕФС-1 и повторную сдачу.
• ИНН физического лица. Двенадцать знаков с двумя контрольными разрядами, тоже проверяется арифметически.
• Военный билет. Категория запаса, звание, состав, ВУС из шести цифр с буквой, категория годности, наименование комиссариата.

Как поля снимаются со скана и что ломает разбор конкретных бланков — тема отдельного разбора про распознавание паспорта и сканов в 1С. Важнее то, что происходит после извлечения.

Главная грабля ЗУП живет в справочниках «Физические лица» и «Сотрудники». Человек один, а записей «Сотрудник» у него столько, сколько трудовых договоров: совместительство и повторный прием создают новые. Заведет автоматика новое физлицо на каждый скан — доходы одного человека разъедутся по двум карточкам, а с ними НДФЛ и вычеты. Дедуп строится лестницей: ИНН, затем СНИЛС, затем ФИО плюс дата рождения плюс реквизиты документа. Совпало частично — карточка уходит человеку на подтверждение.

Распознавание отвечает «что написано», модель — «что это значит»

Под словом «ИИ» в кадрах смешивают четыре технологии с разной ценой и разными рисками. Разделять их полезно до сметы.

Извлечение полей из документа. Детекция полей, распознавание текста, разбор структуры бланка. Работает с паспортом, военным билетом, дипломом, бумажным заявлением. Ошибается на символах, проверяется контрольными суммами и справочниками. Ремесло с понятной ценой; как устроен поток — на странице распознавания документов в 1С.

Классификация. Определить, что именно на скане: паспорт, диплом, заявление, справка. Нужна там, где сотрудник присылает пачку фотографий одним сообщением. Задача дешевая и давно решенная.

Правила и календарь. Никакого обучения: сроки, лимиты, контрольные суммы, сверка табеля с графиком, остатки отпуска, напоминание о заканчивающемся патенте или медосмотре. Половина того, что в кадрах называют искусственным интеллектом, — это пара сотен строк кода, и писать их надо первыми.

Языковая модель. Свободный текст: понять заявление, написанное человеком своими словами, собрать проект приказа, найти в регламенте ответ на вопрос сотрудника со ссылкой на пункт. Модель хорошо обращается со смыслом и плохо с числами и датами, поэтому арифметику и календарь ей не отдают.

Заявления, справки и вопросы сотрудников

Справка — это шаблон и запрос в базу

Справка о доходах, справка с места работы, справка о среднем заработке для службы занятости, СТД-Р — типовые формы с полями из базы. Языковой модели тут делать нечего: текст фиксирован, данные берутся запросом, генерация добавляет риск. Автоматизация в другом: сотрудник заказывает справку сам через бота или личный кабинет, документ собирается по шаблону, кадровик подписывает пачкой раз в день.

Деталь из жизни: справку 182н отменили в двадцать третьем году, а спрашивают ее до сих пор. Заявки на несуществующие формы отсекает справочник доступных документов — снова правило, никакого интеллекта.

Заявления в свободной форме

Вот здесь языковая модель уместна. Заявление на отпуск за свой счет, на перенос дней, на материальную помощь приходит текстом, написанным как получилось. Модель извлекает намерение и параметры — вид события, даты, основание — и складывает их в структуру. Дальше правила проверяют график, остаток дней и пересечение с командировкой. Документ создается черновиком, кадровик подтверждает. Не разобрала даты — заявление уходит человеку целиком, с исходным текстом рядом.

Ассистент по кадровым регламентам

Самый недооцененный сценарий в компаниях от двухсот человек. Поток вопросов «сколько у меня осталось отпуска», «как оформить отгул», «когда придет расчетный» не попадает ни в одну смету, потому что нигде не учитывается: он приходит в дверь, в мессенджер и по внутреннему номеру. Неделя отметок в блокноте у кадровика закрывает вопрос, и цифра регулярно обгоняет ввод паспортов. Часть закрывается запросом в базу, часть — поиском по положению об оплате труда и коллективному договору.

Технически это локальный RAG, и требование к нему жесткое: ответ обязан содержать ссылку на пункт документа, а на вопросы за пределами базы знаний ассистент отвечает отказом и передает кадровику. Ассистент, который сочиняет норму про отпуск, опаснее его отсутствия.

Табель: расчет закрыт платформой, сбор отклонений — нет

В ЗУП табель заполняется сам, из документов-отклонений: «Отпуск», «Больничный лист», «Командировка», «Прогул», индивидуальные графики. Расчет давно автоматизирован, и предложение поставить сюда нейросеть означает, что подрядчик не открывал конфигурацию.

Ручная работа лежит на входе. Отклонения живут в подразделениях: начальник смены прислал фото рукописного списка, руководитель отдела написал в чат, мастер сказал голосом. Кадровик собирает это по кускам к сроку расчета. Задача решается формой сбора и ботом с напоминанием ответственным, а распознавание подключается там, где вход остался бумажным: рукописные графики смен, наряды, путевые листы. Электронные больничные, кстати, приходят из СФР уже структурированными, распознавать в них нечего.

Воинский учет: участок, где ошибка дороже часа

Его в среднем бизнесе ведут по остаточному принципу, а спрашивают всерьез. Работа состоит из трех частей, и автоматизируется только первая.

1. Перенос данных. Военный билет или удостоверение гражданина, подлежащего призыву: десяток полей, часть которых вписана от руки и заверена печатью комиссариата. Извлекается распознаванием, проверяется словарями — ВУС по справочнику специальностей, категория годности из фиксированного перечня, комиссариат по классификатору.
2. Ведение и сверка. Карточки, списки для сверки с комиссариатом, отслеживание изменений: должность, адрес, семейное положение, предельный возраст пребывания в запасе. Регламентные задания и правила, машинное обучение здесь лишнее.
3. Сдача сведений. Сроки и формы установлены, ответственность персональная. Автоматика приносит напоминание и заполненную форму, отправляет и отвечает человек.

Таблица решений: задача, метод, что остается человеку

Сводка по всему потоку. Правая колонка важнее левой: она показывает, какая работа никуда не денется, и позволяет считать эффект честно.

Из таблицы выводится правило отбора. Кадровая задача идет в автоматизацию, если выполняются все четыре условия сразу.

1. Документ или запрос типовой и повторяется десятки раз в месяц.
2. Результат проверяется формально: контрольной суммой, справочником, календарем.
3. Ошибка обнаруживается до того, как наступят юридические последствия.
4. Есть человек, который подписывает результат и отвечает за него.

Хотя бы одно не выполняется — задача остается ручной. Простой фильтр, экономит месяцы обсуждений.

Персональные данные: почему кадровые сканы не уходят в публичное облако

Статья 88 Трудового кодекса запрещает сообщать персональные данные работника третьей стороне без его письменного согласия. Часть 3 статьи 6 закона 152-ФЗ разрешает поручить обработку другому лицу — с согласия субъекта и договором поручения, где перечислены действия и требования к защите. Часть 5 статьи 18 требует, чтобы запись, систематизация, накопление и хранение персональных данных граждан России велись в базах на территории страны.

Сложите три нормы и получите практический вывод. Отправка скана паспорта в публичный сервис распознавания или в чат с зарубежной моделью — это передача персональных данных третьей стороне. Чтобы делать так законно, нужны правовое основание, договор поручения, согласия сотрудников с упоминанием такой передачи, локализация и готовность объяснить конструкцию при проверке. Поставить модель у себя обычно дешевле.

Отдельно про категории данных. В кадровом контуре лежат не только анкетные поля: сведения о состоянии здоровья из медзаключений и справок об инвалидности относятся к специальной категории со своим режимом, а фотография, если она используется для установления личности, — к биометрии. Как выбирают контур под такие данные, разобрано в статье про локальную LLM для 1С.

Что это значит для архитектуры

Требования переводятся в шесть инженерных решений. Все шесть пишутся в техническое задание до старта и проверяются на приемке.

• Инференс в своем контуре. Модели распознавания и языковая модель разворачиваются на вашем железе или в изолированном сегменте.
• Минимизация на входе. В модель уходит ровно то, что нужно для задачи. Чтобы посчитать остаток отпуска, паспортные данные и адрес регистрации не нужны.
• Журнал доступа с привязкой к человеку. Сервис ходит в ЗУП под своей учетной записью с правами только на нужные объекты. Работа из-под полных прав превращает журнал регистрации платформы в бесполезный файл: там на каждой строке будет «Администратор».
• Сроки хранения и уборка временных копий. Скан по дороге оседает минимум в пяти местах: почтовый ящик, папка обмена, очередь распознавания, лог сервиса, резервная копия. Каждое — отдельный носитель персональных данных со своим сроком. Регламент удаления пишется до запуска, иначе через год у компании пять неучтенных архивов паспортов.
• Промпты и логи не хранят исходные данные. Отладочное логирование запросов к модели — самый быстрый способ создать теневую базу персональных данных. Механику контроля того, что уходит в модель, разбирали в статье про DLP для трафика LLM.
• Обучение на обезличенных данных. Дообучать модель на реальных сканах сотрудников без отдельного правового основания нельзя. Рабочий вариант — обезличивание и синтетические примеры на ваших бланках.

Со стороны учетной системы требования обычные: конфигурация не правится, обмен идет через штатные интерфейсы платформы, документы создаются черновиками. Механика встройки — в отдельном разборе, как встроить ИИ в 1С и не трогать конфигурацию.

Решения, которые не отдают модели ни при каких условиях

Список короткий: отказ в приеме на работу, увольнение по инициативе работодателя, дисциплинарное взыскание, отбор кандидатов под сокращение, оценка для повышения или премии, отказ в отпуске или переводе. Причин три, и каждой хватает по отдельности.

Юридическая. У каждого такого действия есть процедура: письменное объяснение, сроки, мотивированный отказ по требованию кандидата, доказательства в суде. «Так решила модель» не является ни мотивом, ни доказательством. Спор проигрывается на первом заседании.

Механическая. Модель, обученная на прошлых решениях компании, воспроизводит их закономерности, включая те, которые никто не собирался закреплять. Брали исторически на позицию людей одного профиля — модель усвоит профиль как признак пригодности. Дискриминация в трудовых отношениях разбирается отдельно, и объясняться придется работодателю.

Эксплуатационная. Объяснение, которое языковая модель выдает после ответа, описывает правдоподобную версию событий. Ход вычисления оно не отражает, аудитом это не является. Решение, которое нельзя восстановить по шагам, нельзя и защитить.

Что рядом с этими решениями поручить модели можно: собрать факты по регламенту, посчитать сроки, найти нужный пункт положения, подготовить проект уведомления. Решает и подписывает человек. Правило одной строкой: если у действия есть срок обжалования, модель к нему не прикасается.

Экономика: считаем на своем потоке

Пример с явными исходными числами, подставьте свои. Производственная компания на две тысячи человек с заметной текучестью: 120 приемов в месяц, 100 увольнений, 60 переводов, 250 справок, 400 заявлений.

Стоимость часа считается как в бухгалтерии: (оклад + страховые взносы) ÷ 165 рабочих часов. Специалист с окладом 70 000 ₽ обходится компании примерно в 91 000 ₽ и стоит около 550 ₽ в час. 122 часа × 550 ₽ = 67 000 ₽ в месяц — цена ручной работы, которая уже платится.

Дальше неудобная арифметика. Реалистичный остаток после автоматизации — около трети объема: подтверждение черновиков, спорные документы, все нетиповое. Экономия выходит порядка 45 000 ₽ в месяц. Первый процесс на направлении ИИ в 1С стоит от 250 000 ₽, до пилота 3–5 недель, плюс сопровождение. Окупаемость по одним сэкономленным часам уезжает за горизонт, на котором такие проекты защищают.

Отсюда три честных вывода.

1. Бизнес-кейс строится на сроках и ошибках. Отказ по ЕФС-1, просроченное уведомление в МВД, неверно рассчитанный остаток отпуска — вот статьи, которые считаются в деньгах.
2. Пиковая нагрузка меняет расчет целиком. Массовый набор на сезон, вахта, перевод штата при реорганизации: когда за две недели надо оформить триста человек, вопрос стоит про физическую возможность успеть.
3. Кадровые сценарии резко дешевеют прицепом. Если в компании уже работает контур распознавания первички, очередь спорных, рабочее место оператора и коннектор оплачены. Добавление кадровых типов документов становится настройкой внутри существующего контура.

Когда не надо

• Работает кадровый ЭДО и анкету заполняет сам сотрудник. Данные приходят структурированными, распознавать нечего. Остаются контроль сроков и ассистент по регламентам — другие деньги и другие сроки.
• Меньше двух-трех десятков кадровых событий в месяц. Посчитайте свои часы по таблице выше. Вышло меньше двадцати — автоматика окупится разве что снижением риска, и честнее сказать сразу.
• Штатное расписание и справочники в беспорядке. Дубли физлиц, должности, которых нет в штатке, подразделения-призраки. Автоматика ускорит ввод мусора. Сначала порядок в данных.
• Нет ответственного за организацию обработки персональных данных и регламента доступа. Проект по кадровым сканам без этого создает риск быстрее, чем экономию.
• Цель звучит как «сократить кадровую службу». На объемах среднего бизнеса она и так небольшая, после автоматизации у нее меняется состав работы, численность остается прежней. Если ожидание другое, договоритесь о нем до старта, пока никто не нервничает.

С чего начать

Три шага, которые занимают неделю и не требуют подрядчика.

1. Выгрузите журнал кадровых приказов за прошлый месяц и посчитайте события по типам. Замерьте секундомером оформление пяти приемов. Свои числа важнее любых нормативов.
2. Составьте список сроков, которые вы обязаны соблюдать, и отметьте, где за последний год были срывы. Это и есть первая очередь.
3. Ответьте на вопрос про контур: где обрабатываются сканы, кто отвечает за персональные данные, какие согласия у вас собраны. Ответ определяет архитектуру и половину сметы.

Прикинуть бюджет под свой объем можно на калькуляторе. Если список кадровых событий и перечень горящих сроков у вас уже собраны, разговор укладывается в один созвон: по этим двум спискам видно, что закрывается правилами, что требует распознавания, а что честнее оставить людям.