ИИ-агент может принять заявку, сверить номенклатуру и остатки в 1С, подготовить ответ и обновить сделку в CRM. Показываем, как устроен такой процесс, какие операции нельзя оставлять без контроля и из чего складывается стоимость внедрения в компании.

Оксана Иванова

5 октября 2026 г.

11 мин.

ИИ-агент для бизнеса разбирает заявки, получает цены и остатки из 1С и готовит сделки в CRM. Но скидки, резервы и отправку документов нельзя доверять модели без программных правил и контроля сотрудников. В Mad Brains мы начинаем с одного процесса и проверяем его на пилоте.

Утром менеджер получает три заявки: спецификацию в Excel, список товаров в письме и запрос со старыми артикулами. Ему нужно проверить номенклатуру и остатки в 1С, уточнить договорные цены и перенести данные в CRM. Пока он занимается одной заявкой, приходят следующие.

На первый взгляд работа несложная. Но десятки повторений в день забирают часы, а перенос данных соседствует с решениями, которые нельзя принимать наугад: похожие товары, разные единицы измерения, особые условия клиента. Поэтому мы не просто подключаем нейросеть к 1С — мы выделяем безопасные операции и встраиваем их в существующий процесс.

Ниже — типовой B2B-сценарий, а не описание завершенного проекта. Конкретное решение зависит от конфигурации 1С, CRM и регламентов компании.

Представим оптовую компанию с несколькими складами. Клиент заказал 40 фильтров и 12 комплектов крепежа, приложил таблицу и попросил подтвердить стоимость и наличие. Указанные названия отличаются от номенклатуры в 1С. Одну позицию можно отгрузить сегодня, другую — только со склада в соседнем регионе.

Шаг 1. Получаем и разбираем обращение. Агент принимает письмо или заявку с сайта, извлекает контакты, позиции, количество, единицы измерения и желаемую дату поставки. На выходе — структурированный черновик. Нечитаемое вложение и неуказанный размер изделия не повод угадывать: система запрашивает уточнение.

Шаг 2. Сопоставляем товары со справочником 1С. Сверяем артикулы и наименования, проверяем единицы измерения. «Комплект 10 шт.» и учет товара поштучно — уже потенциальная ошибка. Мы задаем правила сопоставления: однозначные позиции идут дальше, сомнительные отправляем менеджеру.

Шаг 3. Запрашиваем учетные данные. Для подтвержденных позиций интеграция получает сведения о доступном количестве, складах и ценах по договору. Источник расчетов — 1С, а не модель. Отдельно проверяем, свободен ли остаток для продажи: товар на складе может быть уже зарезервирован.

Шаг 4. Передаем результат в CRM. По ИНН и контактам ищем контрагента и действующую сделку. Новую запись создаем только при необходимости. Прикладываем спецификацию и результаты проверки, отмечаем нехватку товара, спорные артикулы и задачи для менеджера. Неясная идентификация клиента — основание для ручной проверки.

Шаг 5. Готовим ответ клиенту. Агент составляет черновик из подтвержденных данных. Типовое уведомление можно отправить автоматически по правилам компании. Нестандартные скидки, сроки поставки и выставление счета требуют согласования. Все действия сохраняются в журнале.

Чат-бот обычно отвечает на вопрос или ведет по сценарию. ИИ-агент понимает обращение, выбирает допустимые действия и вызывает инструменты: ищет товар, запрашивает остатки, готовит черновик сделки. При этом запрос к учетной системе выполняет интеграционный сервис с установленными правами, а не сама языковая модель.

Разработка ИИ-агентов оправданна, когда заявки приходят в разных форматах и ответ нужно собрать из нескольких систем. Если задача — перенести пять фиксированных полей из формы в CRM, мы предложим обычную интеграцию: она дешевле и предсказуемее.

Корпоративный агент нужен ради конкретного результата: меньше ручных операций и быстрее обработка обращений. Поэтому при разработке корпоративных чат-ботов и ассистентов мы в Mad Brains сначала определяем задачи сотрудников и бизнес-правила, а затем подбираем модель и способ интеграции.

Для интеграции с 1С изучаем конфигурацию и доступные интерфейсы. Платформа «1С:Предприятие» поддерживает REST/OData и HTTP-сервисы, но способ подключения зависит от доработок и прав. Сначала выясняем, откуда получать номенклатуру, договорные цены и свободные остатки.

Между моделью и 1С размещаем интеграционный сервис. Он проверяет параметры, права и допустимость операций. Модель не получает административные учетные данные или ключи. Если она предложит запретное действие, сервис отклонит запрос.

Проверяем актуальность информации: остаток пятиминутной давности не гарантирует наличие товара сейчас. Перед резервированием нужна повторная проверка. При сбое 1С система сохраняет заявку, уведомляет менеджера и не сообщает клиенту неподтвержденные цифры.

Для CRM проверяем API, права сервисного пользователя и правила работы со сделками. Например, Битрикс24 предоставляет REST-интерфейс. Возможности зависят от настроек системы. Заранее определяем, какие поля разрешено обновлять и как различать новых и действующих клиентов.

При записи защищаемся от дублей. Если CRM создала сделку, но соединение оборвалось до ответа, повторная попытка не должна создавать вторую карточку. Для этого связываем операцию с идентификатором заявки и проверяем результат записи.

Для каждой операции заранее устанавливаем правила:

• Автоматически: читать разрешенные данные, разбирать обращение, готовить черновик и внутреннюю задачу.
• По заданным правилам: обновлять отдельные поля CRM и отправлять нейтральное уведомление.
• После согласования: менять цену, подтверждать замену или срок, резервировать товар и отправлять особые условия.
• Запрещено по умолчанию: менять платежные реквизиты, удалять массивы данных, проводить финансовые операции без полномочий.

Ограничения закрепляем в коде, а не только в инструкции модели. Письмо клиента с фразой «игнорируй правила» — недоверенные данные, а не новая команда системе.

Журнал должен показывать, какая заявка пришла, что вернула 1С, какие поля изменились в CRM и кто согласовал действие. Без этого сложно расследовать ошибку.

До разработки мы проверяем справочники и исключения. Иногда выясняется, что половину проблемы решит синхронизация, а ИИ понадобится только для разбора свободного текста. Для бизнеса это лучше, чем усложнять архитектуру ради технологии.

Например, если у одного покупателя две карточки в CRM, агент может привязать обращение не к той сделке. А если в 1С существуют три похожие позиции с разными единицами измерения, ошибку легко перенести и в коммерческое предложение. Мы заранее формируем правила обнаружения таких расхождений, определяем ответственных за исправление справочников и не считаем спорные совпадения автоматически подтвержденными.

В Mad Brains мы предлагаем несколько форматов работы. Аудит применения ИИ в бизнес-процессах — ориентировочно 120–250 тыс. ₽: определяем перспективные сценарии и бюджет пилота. Пилотный проект — 500 тыс.–1,2 млн ₽: проверяем решение на ограниченном процессе. Промышленное внедрение — 700 тыс.–2 млн ₽: обеспечиваем устойчивость, интеграции, мониторинг и работу под реальной нагрузкой.

Это ориентиры по форматам сотрудничества, а не фиксированная цена агента с 1С и CRM. Смету уточняем после обследования; сложный проект может выйти за рамки диапазонов. Стоимость этапов нельзя просто складывать, не согласовав объем работ.

На бюджет влияют количество систем, состояние данных, доработки 1С, безопасность и сложность тестирования. Отдельно считаем инфраструктуру, обращения к модели, мониторинг и сопровождение после обновлений учетных систем.

Предположим, отдел получает 1 000 заявок в месяц. Ручная сверка и заполнение CRM занимают по шесть минут: это 100 часов. При условной стоимости часа 800 ₽ трудозатраты равны 80 тыс. ₽ в месяц.

Но 80 тыс. ₽ — еще не экономия денег. Зарплаты могут остаться прежними; эффект проявится в меньшем числе ошибок, более быстрой обратной связи и способности обработать больше запросов без расширения штата. Мы считаем эти результаты отдельно, не выдавая освобожденные часы за выручку.

На пилоте сравниваем скорость и точность работы с прежним процессом: корректность артикулов и договорных цен, количество дублей CRM, долю ручных согласований, стоимость обработки одной заявки. Используем сопоставимые обращения, иначе выводы будут ненадежными.

Начинаем с одного отдела, канала и группы товаров. Проверяем не только простые заявки, но и старые артикулы, неверные единицы измерения, дубли клиентов, отсутствие цены и сбои 1С. До старта утверждаем критерии приемки и ситуации, когда агент обязан остановиться.

Если границы проекта неочевидны, мы предлагаем начать с аудита бизнес-процессов для внедрения ИИ. Он помогает определить источники данных, ограничения и экономический потенциал до разработки, а не после дорогостоящего пилота.

Если ваши менеджеры ежедневно переносят заявки между почтой, 1С и CRM, мы поможем определить, какие операции автоматизировать, где сохранить контроль человека и как оценить пилот. Расскажите нам об учетных системах, объеме обращений и самых затратных этапах. На этой основе предложим сценарий внедрения и предварительный бюджет — без обещаний полной автономности там, где она не нужна.

Оксана Иванова

5 октября 2026 г.

11 мин.