Локальная LLM для 1С: как подключить нейросеть к учётной системе и зачем это бизнесу

Локальную LLM подключают к 1С через ограниченный обмен: учётная система предоставляет разрешённые данные, модель готовит объяснение или черновик, а бизнес-правила проверяют результат. Разберём выбор первой задачи, контракт обмена и пример возврата заказа с ошибками, которые нужно остановить до записи.

Что можно поручить локальной модели рядом с 1С

Начните с операции, в которой сотрудник читает свободный текст и переносит его смысл в ограниченный набор полей. Например, определяет тип обращения, извлекает номер заказа из письма или готовит пояснение к уже рассчитанному показателю. У такой операции есть вход, ожидаемый результат и способ проверить ошибку.

Модель не должна самостоятельно определять остаток, сумму задолженности или допустимость возврата. Эти значения и правила принадлежат учётному контуру. Если задачу полностью описывает правило «поле A равно B», обычный обработчик будет проще и предсказуемее LLM.

ЗадачаЧто делает LLMЧто проверяет система
Разбор обращенияВыделяет намерение и упомянутые реквизитыЕсть ли клиент, заказ и разрешённая операция
Пояснение показателейОбъясняет подготовленные значенияПериод, организация, формула и исходные цифры
Черновик документаПредлагает заполнение полейСсылки, количество, сумма и обязательное согласование

Как разделить ответственность между 1С, приложением и моделью

1С хранит документы и выполняет учётные операции. Приложение получает контекст пользователя, выбирает доступные данные, вызывает модель и проверяет её ответ. Локальный runtime исполняет модель. Это логические роли: для пилота приложение может быть небольшой обработкой или сервисом без очереди и отдельной интеграционной шины.

Локальная LLM: доступ, контекст и результат. Пользователь → Web / 1С / Corporate Portal; Web / 1С / Corporate Portal → AI Service; AI Service → Symfony AI; Symfony AI → Ollama; Ollama → Local LLM; Local LLM → Structured Result; Structured Result → 1С / PostgreSQL / UI
Локальная LLM: доступ, контекст и результат. Нажмите на схему, чтобы увеличить.

Symfony и Ollama на схеме — один из вариантов реализации. Если в конфигурации уже есть поддерживаемая AI-функция или готовый модуль, сначала проверьте его на нужной задаче. Собственный сервис оправдан, когда требуется общий контракт для нескольких приложений, независимые обновления модели или отдельные правила доступа.

Что подготовить до первого запроса

  1. Выберите один процесс и владельца результата: например, оператор подтверждает черновик заявки на возврат.
  2. Определите разрешённые организации, документы и поля. Для опыта подготовьте обезличенные примеры и отдельные учётные данные.
  3. Проверьте интерфейс 1С: имеющийся модуль, опубликованный HTTP-сервис или стандартный REST/OData. Названия объектов берите из своей конфигурации.
  4. Опишите формат ответа и причины отказа. Система должна принимать «недостаточно данных», а не требовать заполнения всех полей любой ценой.
  5. Зафиксируйте ручной результат на контрольной выборке, чтобы сравнивать одинаковые операции.

Стандартный REST-интерфейс 1С не повторяет все проверки интерактивной формы: проверка заполнения является исключением. Поэтому доступный метод записи ещё не доказывает, что AI можно безопасно передать готовый объект.

Разобранный пример: обращение о возврате

Учебные данные: клиент пишет: «Верните две штуки из заказа А-17». Сначала приложение определяет отправителя и проверяет его доступ к заказу. Модели передают текст обращения и минимальный контекст, например список разрешённых действий. Доступ к произвольным заказам ей не нужен.

{
  "action": "prepare_return",
  "order_number": "А-17",
  "quantity": 2,
  "needs_clarification": true,
  "question": "Какую позицию заказа нужно вернуть?"
}

Это предложение модели, а не команда на проведение возврата. Если в заказе несколько позиций, номера заказа и количества недостаточно. После уточнения приложение само получает ID строки, единицу измерения и доступное к возврату количество. Цену и НДС берут из согласованной учётной методики, не из текста модели.

Предположим, в выбранной строке отгружена одна штука, а клиент просит две. Приложение возвращает отказ проверки количества и предлагает оператору уточнить обращение. Подмена значения на «одну» без подтверждения тоже была бы ошибкой: она меняет намерение клиента.

AI может предлагать действие, но не обязан выполнять его самостоятельно. Пользователь → AI; AI → Предложение действия; Предложение действия → Validation / Business Rules; Validation / Business Rules → Human Approval; Human Approval → 1С
AI может предлагать действие, но не обязан выполнять его самостоятельно. Нажмите на схему, чтобы увеличить.

После подтверждения сотрудником создаётся черновик с уникальным идентификатором исходного обращения. Если ответ от 1С потерялся, обработчик ищет результат по этому идентификатору, прежде чем повторять запись. Такой контракт защищает и от ошибки модели, и от обычного сетевого сбоя.

Что делать с ответом модели

Проверка состоит из четырёх независимых шагов: JSON читается; поля соответствуют схеме; ссылки и значения существуют; действие разрешено пользователю и текущему состоянию документа. Ошибка на любом шаге должна завершать автоматическую обработку понятной причиной.

Не используйте придуманное моделью поле confidence как вероятность правильного решения. Для автоприёма нужен проверенный на независимых примерах критерий. На первом этапе достаточно черновика и подтверждения сотрудника.

СбойРеакция приложения
Неверный JSON или неизвестное действиеОтклонить результат; ограничить число повторов, затем передать оператору
Заказ отсутствует или недоступенНе расширять поиск на чужие организации; вернуть отказ
Данные изменились после подготовкиПеречитать состояние перед записью и повторить бизнес-проверки
Модель недоступнаСохранить обращение и дать сотруднику ручной путь

Как проверить пользу и решить, продолжать ли внедрение

На одной выборке сравните ручную обработку и работу с черновиком AI. Время измеряйте до принятого результата, включая уточнения и исправления. Отдельно считайте неверные ссылки, ошибочные количества, корректные отказы и попытки доступа к чужим данным.

Учебный расчёт: 100 обращений обрабатывались по 4 минуты, а с черновиком — по 2,5 минуты с учётом проверки. Высвобождено 150 минут. Из этой оценки ещё нужно вычесть время разбора технических сбоев и сопровождения; она не означает автоматического сокращения расходов на зарплату.

Продолжайте пилот, если качество соответствует согласованному порогу, сотрудник понимает причину отказа, а полный процесс действительно стал удобнее. Если проверка черновика занимает столько же времени, сколько ручное заполнение, сначала меняйте задачу или входные данные, а не увеличивайте размер модели.

Где искать детали следующего шага

Для запуска runtime используйте инструкцию по Ollama. Оборудование и эксплуатационные расходы разобраны в статье об on-premise. Числовая аналитика требует отдельной методики доступа к показателям, а поиск по регламентам — RAG с проверкой редакций и источников. Эти компоненты добавляют по задаче, а не обязательным комплектом.

Проверено : особенности стандартного REST-интерфейса 1С. Пример возврата учебный; названия полей и действий не являются штатным API 1С.

ModernERP Integration Monitor

Узнавайте о сбоях обменов раньше, чем о них сообщат сотрудники

Ошибки, задержки и история обменов между 1С, CRM, WMS и API — в одном сервисе. Контролируйте критичные интеграции с Integration Monitor.

Посмотреть Integration Monitor ↗

Работает на наших серверах · До 15 интеграций · 90 дней истории