Нейросеть за 15–20 минут собирает черновик акта инвентаризации: сверяет учётные остатки из базы с фактическими данными пересчёта, оформляет расхождения по унифицированной форме — бухгалтер загружает две выгрузки, а модель находит расхождения и формулирует акт, который затем проверяет и подписывает комиссия.
Что делает модель
Акт инвентаризации со сверкой учётных и фактических остатков модель собирает за 15–20 минут вместо часа ручной сверки построчно, по нашему опыту внедрений: расхождения по каждой позиции и оформление по унифицированной форме.
Инвентаризация обычно даёт два массива данных — учётные остатки из базы и фактические остатки после пересчёта комиссией на складе. Модель хорошо сверяет эти два массива построчно и находит позиции, где цифры расходятся, вместо того чтобы бухгалтер сверял каждую строку вручную в двух открытых таблицах одновременно.
- Сверка учётных и фактических остатков по каждой позиции
- Выделение недостачи и излишка отдельными списками
- Оформление акта по унифицированной форме — сличительная ведомость ИНВ-19 или итоговая ИНВ-26 (по Постановлению Госкомстата №88) — или по внутреннему шаблону компании
- Черновик пояснительной записки по причинам расхождений
Акт инвентаризации — одна из задач, которые в связке закрывает более широкий ИИ-агент для штатной бухгалтерии, разобранный в статье про ИИ-агента для бухгалтерии. Здесь разобрана отдельно именно сверка остатков и оформление акта.
Общий разбор того, где нейросети реально ускоряют работу бухгалтера, — в статье про нейросети для бухгалтера. Здесь — конкретная задача инвентаризации вместо всего спектра бухгалтерских процессов.
Модель для акта
Модель для акта инвентаризации подбирается по объёму номенклатуры и по формату исходных выгрузок. GigaChat и YandexGPT быстро сверяют короткий список из десятков позиций. ChatGPT и Claude точнее держат сверку на тысячах позиций и лучше формулируют пояснительную записку по массовым расхождениям.
- GigaChat — быстрая сверка короткого списка из десятков позиций
- YandexGPT — короткая сверка без сложной номенклатуры
- ChatGPT (GPT-5) — точнее держит сверку на тысячах позиций
- Claude — лучше формулирует пояснительную записку по расхождениям
- DeepSeek — дешёвый вариант для первого черновика сверки
Для склада с похожими артикулами — разные размеры или цвета одного товара — полезно явно указать модели, что важна точность именно по артикулу вместо общего названия товара, иначе сверка может ошибочно засчитать пересорт как совпадение остатков.
Отраслевая специфика тоже играет роль — для производства инвентаризация часто включает незавершённое производство и полуфабрикаты, для розницы — товар в пути между складом и точками продаж. Модель точнее сверяет остатки, если получает в промпте пояснение по таким переходным категориям заранее.
Для сети из нескольких магазинов полезно сразу вести сверку отдельно по каждой точке вместо одного общего списка по всей сети — общая сумма расхождений способна выглядеть незначительной, хотя весь недостаток сосредоточен в одном конкретном магазине.
Для товара с серийными номерами или партиями полезно сверять вместе с количеством ещё и конкретный номер партии — совпадение общей суммы остатка иногда скрывает пересорт между двумя разными партиями одного и того же артикула.
Шаблон промпта
Хороший промпт для акта инвентаризации задаёт четыре параметра: формат учётной выгрузки, формат данных пересчёта, порог расхождения, который считать существенным, и формат итогового документа.
- Опишите роль: «Ты бухгалтер, готовишь акт инвентаризации»
- Загрузите учётную выгрузку остатков и данные фактического пересчёта
- Задайте порог расхождения, который считать существенным для отдельного внимания
- Попросите разнести результат на недостачу и излишек отдельными списками
- Уточните формат итогового акта — унифицированная форма или внутренний шаблон
Сколько позиций обычно в вашей инвентаризационной ведомости?
Формулировку причины расхождения в пояснительной записке стоит проверять на конкретность — «пересортица при приёмке партии от четырнадцатого марта» вместо общего «расхождение по складу», иначе итоговый документ слабо помогает разобраться в причине при повторной проверке.
Отдельно полезно попросить модель сравнить результат текущей инвентаризации с прошлой по тем же позициям — повторяющаяся недостача по одному артикулу из раза в раз указывает на системную проблему вместо разовой ошибки пересчёта.
Отдельная категория — товар на ответственном хранении у третьей стороны: такие позиции стоит выделять в промпте отдельным списком, чтобы модель держала их отдельно от собственных остатков компании при подсчёте общей недостачи или излишка по складу.
Что проверяет бухгалтер
Модель хорошо сверяет два массива и находит расхождения, но причину каждого конкретного расхождения и решение о списании — зона ответственности бухгалтера и комиссии: акт от модели — черновик для проверки вместо готового документа для подписи без дополнительной сверки.
| Блок акта | Что делает модель | Что проверяет бухгалтер |
|---|---|---|
| Сверка остатков | Находит расхождения между базой и пересчётом | Точность самих исходных данных до сверки |
| Недостача и излишек | Разносит результат по двум спискам | Причину каждого расхождения по существенным позициям |
| Пояснительная записка | Формулирует черновик причин расхождений | Совпадение формулировки с реальными объяснениями склада |
Особенно внимательно стоит сверять позиции с истёкшим сроком годности или сезонным товаром — модель находит числовое расхождение, а связь с ещё неоформленным списанием просроченного товара стоит явно подсказать в промпте отдельно.
Итоговый акт подписывает вся инвентаризационная комиссия вместо одного бухгалтера — до подписи стоит показать документ председателю комиссии, который лично участвовал в пересчёте и может подтвердить точность фактических цифр на месте.
Полезно также хранить акты нескольких прошлых инвентаризаций вместе в одном месте — так проще увидеть, повторяется ли недостача по одной и той же позиции из раза в раз, или каждый раз расхождение приходится на новый случайный артикул склада.
Как внедрить
Внедрение стоит начинать с инвентаризации одного склада или одной товарной группы вместо сразу всей номенклатуры компании — так проще сравнить результат модели с тем, что бухгалтер обычно сверяет вручную.
Возьмите учётную выгрузку и данные последнего пересчёта, прогоните через модель и сравните список расхождений с тем, что вы уже знали по итогам той инвентаризации.
Вторая инвентаризация по тому же складу обычно сверяется быстрее первой — модель уже видела формат выгрузки и номенклатуру компании, и реже переспрашивает структуру данных.
Стандартизация такого промпта на всю бухгалтерию — тема отдельного обучения, формат разобран в разделе про обучение сотрудников работе с ИИ.
Хороший ориентир после нескольких инвентаризаций — короткий рейтинг позиций с самой частой недостачей за год: такой список помогает службе безопасности и заведующему складом сосредоточить внимание именно на проблемных артикулах вместо равномерной проверки всей номенклатуры подряд.