Обсудить проект
Блог · инженерия ИИ

Заметки об инженерии ИИ

Как мы внедряем приватные модели, RAG и агентов в реальные процессы — без пафоса, на практике.

ИИ интеграция с 1С — практический разбор

Практический разбор: ИИ интеграция с 1С. Как это работает на российских процессах, где эффект, с чего начать. От инженерной студии АПС (a-ps.ru).

Что важно знать: ИИ интеграция с 1С

Обновлено: 05.10.2026 · Автор: команда АПС

Про ИИ интеграция с 1С у нас больше вопросов, чем общих слов — мы сталкиваемся с этим на реальных внедрениях. Тема относится к блоку «1С и ИИ», и в этом материале — как мы это видим из практики.

Контекст российского рынка

Российский бизнес всё чаще подходит к ИИ с практических позиций: не «покажите слайды», а «что конкретно даст автоматизация и когда окупится». Растёт и внимание к приватности: во многих сферах (право, медицина, бухгалтерия, финансы) данные не должны покидать контур компании.

Где эффект реален

  • Рутина с документами. Обработка чеков и накладных — OCR-сервис в проде экономит часам в неделю.
  • Поиск по архиву. Локальный RAG-поиск по договорам и статьям отвечает за секунды, без отправки данных наружу.
  • Ассистенты по базе знаний. Ответы сотрудникам и клиентам по внутренним документам.
  • Сценарии в CRM/1С. Обработка лидов, отчёты, интеграции с процессами компании.

С чего начать

  1. Опишите реальный процесс и данные, которые в нём участвуют.
  2. Запустите пилот на небольшом объёме — увидите эффект до большого бюджета.
  3. Внедрите рабочую систему: модель, RAG, агенты, мониторинг — на своей инфраструктуре.

Как мы можем помочь

Инженерная студия АПС разворачивает приватный ИИ на сервере клиента: локальные модели, RAG-поиск и ИИ-агенты под конкретные процессы. Данные не покидают контур компании. Опыт с 2012 года, четыре продукта в продакшене. Обсудить проект.

Семантический поиск в 1С: как подключить ИИ к справочникам и документам

Штатный поиск в 1С ищет по подстроке: «найди договоры с арендой» он не поймёт, а менеджер получает десятки лишних карточек. Семантический поиск решает это так: справочники, документы и комментарии выгружаются в индекс, режутся на чанки по 300-800 токенов с сохранением ссылки на объект (тип, ссылка, номер, дата), каждый чанк превращается в вектор моделью bge-m3, а векторы кладутся в Qdrant или pgvector. Запрос пользователя эмбеддится той же моделью, и из индекса возвращаются ближайшие чанки — уже с готовыми ссылками на объекты 1С.

Интеграция делается без доработки конфигурации: расширение или HTTP-сервис на стороне 1С отдаёт данные в сервис индексации по расписанию (инкрементально — по изменённым объектам через регистры и дату модификации), а обратно принимает список найденных ссылок, который открывается в форме списка. Гибридная схема (dense + sparse/BM25) обязательна: номера договоров, ИНН и артикулы должны находиться точно, а формулировки — семантически. Сверху полезен реранкер на 20-50 кандидатах: он поднимает точность top-3 с ~60% до 85-90%.

Что важно на старте: ограничить область поиска (не весь архив, а документы за 2-3 года и активные справочники), определить права доступа на уровне чанка — иначе сотрудник увидит в выдаче чужие договоры, и держать индекс в актуальном состоянии (переиндексация изменённых объектов раз в 15-30 минут). Пилот на одном сценарии — «поиск по договорам» или «поиск по номенклатуре» — занимает 3-5 недель и сразу показывает, окупается ли перенос на остальные справочники.

ИИ интеграция с 1С 1С и ИИ ИИ автоматизация АПС

Внедрить это в вашей компании

Приватный ИИ, RAG-поиск и агенты на вашем сервере — пилот за пару недель покажет эффект до полного бюджета.

Обсудить проект

Комментарии (0)

Пока нет комментариев — будьте первым.