От отчетов к действиям: как MCP меняет взаимодействие ИИ с учетными системами
Habr AI · оригинал
Материал подготовлен автоматизированной редакционной системой. Факты можно сверить по указанному первоисточнику.
Команда МойСклад протестировала интеграцию ИИ-ассистентов с учетной системой через протокол MCP, позволяя нейросетям не только анализировать данные, но и выполнять операционные задачи. Эксперимент показал, что ИИ способен автоматизировать рутину от создания карточек товаров до подготовки заказов поставщикам, при этом сохраняя за человеком право финального контроля над критичными изменениями.
Материал демонстрирует переход от пассивного анализа данных к активному управлению бизнес-процессами с помощью ИИ. Это важный шаг для малого бизнеса, позволяющий снизить операционные издержки и ускорить принятие решений без полной автоматизации рискованных операций.
Обсуждения об искусственном интеллекте в корпоративном секторе часто сводятся к базовым задачам: генерации текстов, изображений или анализу статических таблиц. Однако команда МойСклад решила проверить более амбициозный сценарий — предоставление ИИ-ассистентам прямого доступа к живой учетной системе компании. Целью эксперимента стало не просто чтение данных, а выполнение конкретных бизнес-операций: проверка остатков, поиск должников, создание заказов поставщикам и заполнение карточек товаров. Для реализации этой связки был использован протокол MCP (Model Context Protocol), который позволяет языковым моделям взаимодействовать с внешними инструментами в реальном времени. В отличие от загрузки устаревших выгрузок Excel, такой подход обеспечивает актуальность информации и двусторонний обмен данными: ассистент может как запросить состояние склада, так и инициировать изменение записей в базе.
В ходе тестирования было реализовано несколько практических кейсов. Одним из самых трудоемких для персонала обычно является создание карточек новых товаров. ИИ-ассистент смог самостоятельно получить список позиций из последней приемки, найти в интернете описания и фотографии, сформировать тексты и записать их обратно в систему. Хотя полностью доверять найденные в сети материалы нельзя из-за вопросов авторских прав, этот процесс сократил время ручной работы на 90%. Аналогичная автоматизация произошла при работе с контрагентами: ассистент научился распознавать реквизиты из сканов документов, проверять базу на дубликаты и создавать новые карточки клиентов, если их еще не было.
Особый интерес представляет использование ИИ для оперативного мониторинга бизнеса. Вместо того чтобы заходить в программу и искать нужные отчеты, собственник может получать готовые сводки в мессенджер по расписанию. Ассистент самостоятельно собирает данные о выручке, прибыли, остатках и долгах клиентов, формируя понятную картину дня. Более сложный сценарий касается закупок: ИИ анализирует продажи за последние 30 дней, сопоставляет их с текущими остатками и готовит черновики заказов поставщикам для товаров, которые скоро закончатся. Важно, что в этом случае система не отправляет заказ автоматически, а оставляет финальное решение за менеджером.
Еще одна полезная функция — работа с дебиторской задолженностью. Ассистент может отфильтровать клиентов с просрочкой платежа, подготовить список сумм и даже составить вежливые напоминания об оплате. Это превращает сухие цифры в конкретный план действий для менеджера по продажам. Также ИИ помогает решать вопросы аудита: например, найти, кто и когда менял цены на определенные категории товаров или удалял документы. Вместо поиска по техническому журналу событий пользователь получает человеческий ответ с указанием старых и новых значений.
При этом разработчики подчеркивают важность осторожности при работе с критичными операциями. Массовое изменение цен или удаление данных несет высокие риски, поэтому для таких задач применяется принцип подтверждения действий пользователем. Доступы к системе можно сегментировать: одни пользователи получают только права на чтение и аналитику, другие — на создание документов, но без возможности удаления. Рекомендуемый путь внедрения выглядит как постепенное расширение полномочий: от чтения данных к аналитике, затем к созданию черновиков и лишь потом к изменению записей.
Итогом эксперимента стало понимание того, что главная ценность ИИ в бизнесе — не способность отвечать на вопросы человеческим языком, а умение связывать данные из разных источников и готовить конкретные действия. Учетная система перестает быть просто хранилищем информации и становится инструментом для ассистента, который работает по расписанию или событию. Это меняет парадигму управления: данные начинают приходить к человеку, а не наоборот. Источник: web:Habr AI — https://habr.com/ru/companies/moysklad/articles/1086094/