Почему дебиторка — идеальный кандидат для автоматизации

Просроченная задолженность редко возникает из-за злого умысла. В большинстве случаев клиент просто потерял счёт, не согласовал акт, ждёт закрывающие документы или у его бухгалтера «руки не дошли». Значит, задача решается не судом, а своевременным и корректным напоминанием — то есть рутиной, которую ИИ закрывает полностью.

В среднем менеджер тратит на одно письмо-напоминание 7–12 минут: найти контрагента, проверить статус, сверить сумму, выбрать тон, отправить, зафиксировать. При базе в 300–500 активных должников это полноценная ставка сотрудника, которая не приносит выручки.

Как это работает: от выгрузки из 1С до ответа клиента

Схема строится поверх учётной системы, а не вместо неё. Из 1С или CRM по расписанию выгружаются данные: контрагент, договор, сумма, дата отгрузки, срок оплаты, история платежей, статус ЭДО. Дальше правило определяет, кому и когда писать, а LLM формирует текст под конкретную ситуацию.

Письма не должны быть шаблонными «просим оплатить». Модель опирается на контекст: если клиент платит с задержкой 5 дней третий год подряд, тон один; если это первая просрочка на 3 дня — другой; если документы не подписаны в ЭДО — третий, с приложением акта и ссылкой на повторную отправку.

Ответы клиентов обрабатываются автоматически. Модель классифицирует входящее: «оплатим завтра», «не согласны с суммой», «нужен акт сверки», «просим отсрочку». Первое и четвёртое закрываются без человека — система ставит задачу, отправляет обещанный документ, фиксирует новую дату. Спорные случаи уходят менеджеру с готовой выжимкой.

Что должен уметь ИИ, чтобы письма работали

Первое — не выдумывать. Суммы, номера счетов, даты берутся только из базы, генерация здесь запрещена. Это решается архитектурно: LLM работает не с «памятью», а с подстановкой проверенных полей и поиском по документам (RAG).

Второе — знать регламент компании. Кто подписывает письмо, с какого дня подключается руководитель, когда начисляется пеня по договору, при какой сумме подключается юрист. Всё это — правила, а не творчество.

Третье — фиксировать всё в системе. Каждое письмо, ответ и действие должны оказаться в CRM с датой и статусом, иначе контроль дебиторки превращается в чёрный ящик.

Российская практика: нюансы, о которых забывают

Российская специфика ломает наивные сценарии. Контрагенты часто отвечают не на письмо, а в мессенджер или звонком бухгалтеру — значит, нужен канал обратной связи и ручное подтверждение. Многие компании до сих пор работают с бумажными УПД, и без OCR статус «документы получены» не определить.

Отдельный вопрос — персональные данные. Переписка с контрагентом содержит ФИО и контакты, поэтому приватная LLM на своих серверах или в российском облаке снимает большую часть рисков по 152-ФЗ. Публичные API для этой задачи используют редко, и это оправданно.

На практике эффект даёт не «умный текст», а частота и регулярность. Компании, которые переходят с ручных звонков на автонапоминания по календарю, видят сокращение DSO на 8–15 дней уже в первые два месяца.

Практические шаги внедрения

Начните с одного сегмента: должники до 30 дней просрочки, сумма до 500 тыс. рублей, договоры без спорных условий. Выгрузите историю за год и посмотрите, в какие моменты клиенты реально платили — это и есть точки для писем.

Затем соберите правила: цепочка из 3–5 касаний с интервалами, тональность по этапам, точки эскалации на человека. Прогоните на исторических данных в режиме черновиков, сравните с тем, что писали менеджеры. И только после этого включайте автоотправку — сначала на 10% базы.

Обязательно заложите метрики: доля ответов, доля оплат после первого письма, средний срок закрытия, количество эскалаций. Без них автоматизация останется экспериментом.

Как мы можем помочь

Мы в АПС внедряем приватные LLM и ИИ-агентов, которые работают с вашей 1С, CRM и ЭДО: настраиваем выгрузку данных, правила напоминаний, генерацию писем с проверкой сумм, разбор ответов и эскалации. OCR подключаем там, где документы приходят сканами. Начинаем с пилота на одном сегменте дебиторки, чтобы вы увидели эффект на реальных цифрах. Обсудить проект