Короткий ответ: сервисы есть, но не в том виде, в каком их ищут

Если вбить в каталоги запрос «нейросеть для напоминаний об оплате», найдётся десяток ботов и лендингов с обещанием «ИИ сам выбьет долг». На практике зрелое решение почти всегда собрано из трёх слоёв: учётная система, канал коммуникации и языковая модель. Отдельно взятая LLM не знает, кто и сколько вам должен, — она умеет только формулировать текст и разбирать ответы клиента.

Поэтому вопрос корректнее ставить так: какие ИИ-инструменты закрывают каждый этап работы с просрочкой и что из этого реально внедрить в вашем контуре. Ниже — разбор слоёв, рабочий сценарий и границы, за которые ИИ лучше не пускать.

Три слоя, из которых собирается любое решение

Слой факта. Источник правды о долге — это 1С (Бухгалтерия, Управление торговлей, ERP), банковская выписка и электронный документооборот. Пока сумма и срок не сверены здесь, любой текст останется догадкой.

Слой канала. Доставка сообщения: роботы и дела в Битрикс24, цифровые воронки в amoCRM, retailCRM, Telegram-бот, корпоративная почта. Здесь же живёт очередь: кому писать сегодня, кому через три дня, кого уже пора передать менеджеру.

Слой языка. GigaChat, YandexGPT или открытая модель вроде Qwen на собственном сервере. Он превращает сухие поля «счёт, сумма, срок» в короткое деловое сообщение и обратно — из ответа клиента в структурированный статус.

Готовые CRM-сценарии закрывают второй слой и частично первый. ИИ добавляет третий — и именно его обычно не хватает, когда шаблонные письма перестают работать.

Что уже умеют обычные сервисы без ИИ

Не стоит платить за нейросеть там, где хватает штатной автоматизации. Рассылка счетов из 1С, робот в CRM, который ставит задачу менеджеру за три дня до срока, автоматическое письмо из банковского кабинета при неоплате — всё это работает годами и стоит копейки.

Проблема начинается на второй-третьей неделе просрочки. Шаблон «Просим оплатить счёт №...» либо игнорируется, либо злит клиента, а менеджер всё равно переписывает его руками под каждого. Вот здесь подключается ИИ.

Где ИИ даёт то, чего не дают роботы

• Подбор тона под историю отношений. Для клиента с десятью оплаченными поставками и для того, кто второй месяц кормит завтраками, нужны разные формулировки. Модель получает контекст: сумму, срок, число предыдущих напоминаний, историю просрочек — и собирает черновик.
• Разбор ответа. «Платёж ушёл вчера», «нам не пришёл акт», «согласуем у финдиректора до пятницы» — всё это ИИ раскладывает по статусам и обновляет карточку в CRM. Менеджер не читает ветку переписки заново.
• RAG по договору. Модель находит пункт об условиях расчётов и показывает его с номером раздела. Это снимает главный источник конфликтов — напоминание с неверным сроком.
• Сверка документов. OCR разбирает акт или накладную, сопоставляет с выпиской и подсвечивает расхождения: оплата пришла, но по другому счёту; сумма частичная; платёж завис в статусе «в обработке».
• Классификация просрочки. Спор по качеству, забывчивость и кассовый разрыв требуют разных действий. ИИ разделяет эти случаи, чтобы письма не уходили в спорные позиции.

Как это выглядит в рабочем процессе

Ночью система сверяет открытые позиции в 1С с банковской выпиской и обновляет очередь. Утром языковая модель готовит черновики для тех, у кого срок истёк: короткий текст, точная сумма, ссылка на счёт, один понятный следующий шаг.

Менеджер открывает список, правит одно-два сообщения и утверждает остальные. Отправка идёт через CRM или бота, ответы возвращаются в систему и размечаются автоматически. Если клиент молчит после третьего касания — задача уходит руководителю с историей переписки.

Ключевой принцип: ИИ готовит, человек утверждает. Такой контур внедряется за две-три недели и не требует переписывать учёт.

Российская специфика: данные и контур

Суммы, названия контрагентов и переписка — чувствительные данные. Если используете облачную модель, отправляйте обезличенные фрагменты: без ИНН, названий и реквизитов. Для компаний с жёсткими требованиями разумнее локальная LLM на своём сервере — она слабее топовых облачных, но с задачей «собрать деловое письмо по фактам» справляется уверенно.

Отдельно проверьте, кто владеет текстом и как он хранится: переписка о долгах может понадобиться в суде, и лог должен быть выгружаемым.

Чего ИИ делать не должен

Модель не признаёт долг, не начисляет пени, не меняет условия отсрочки, не угрожает и не списывает задолженность. Все юридически значимые действия остаются за сотрудником. Это не перестраховка: одна фраза про «штрафные санкции», сгенерированная без сверки с договором, способна стоить дороже всей просрочки.

С чего начать пилот

Возьмите 30–50 клиентов с просрочкой до 30 дней и один канал. Три-четыре недели достаточно, чтобы увидеть эффект. Метрики простые: сколько часов в неделю экономит менеджер, какая доля черновиков уходит без правок, как меняется срок до первой оплаты и объём просрочки старше месяца.

Чек-лист выбора сервиса

• Есть ли интеграция с вашей 1С и CRM, а не только «экспорт в Excel».
• Видно ли, откуда взялась сумма и срок в каждом сообщении.
• Можно ли ограничить модель: запрет на пени, скидки, юридические формулировки.
• Хранится ли история переписки и выгружается ли она.
• Понятно ли, где физически обрабатываются данные.
• Есть ли режим «только черновики» без автоотправки.

Если сервис отвечает «да» на первые пять пунктов — это рабочая связка, а не демо. Если обещает «полную автономность без человека», стоит насторожиться: в работе с дебиторкой цена ошибки слишком высока, чтобы отдавать её модели целиком.