Как научить 1С понимать ответы клиентов: интеграция 1С:ERP с YandexGPT

Разбираем на практическом примере, как языковая модель может классифицировать входящие письма и запускать следующий шаг бизнес-процесса в 1С.

Не каждое «хорошо» означает согласование

Компания отправляет клиенту перечень работ и ждёт подтверждения. В ответ приходит письмо: «Добрый день! Все посмотрели, замечаний нет, можно начинать».

Для сотрудника смысл очевиден. Для учетной системы это просто текст, который ещё нужно прочитать, правильно истолковать и вручную отметить в 1С.

Пока таких писем несколько в день, процесс кажется безобидным. Но с ростом объема переписки появляются задержки: ответ уже получен, а задача все еще числится ожидающей согласования - менеджер повторно пишет клиенту; запуск работ откладывается; часть договоренностей остается только в почте.

Эту рутинную проверку можно передать языковой модели. В нашем примере 1С:ERP обращается к YandexGPT и получает ответ на конкретный вопрос: согласовал ли клиент направленный ему перечень работ. Тот же подход применим и к другим конфигурациям на платформе 1С.

Важно: модель не принимает управленческое решение за сотрудника. Она классифицирует текст письма и помогает системе выбрать следующий сценарий. Спорные ответы должны оставаться на ручной проверке.

Как работает сценарий

Логика интеграции состоит из нескольких последовательных шагов.

• 1С получает текст ответа клиента - например, из связанного почтового сообщения или карточки взаимодействия.

• Система формирует узкий промт: передает исходный текст и просит определить, подтверждено ли согласование.

• Через защищённое HTTP-соединение запрос отправляется в модель YandexGPT в Yandex Cloud.

• Ответ модели преобразуется в понятный системе результат: «да», «нет» или, в промышленном варианте, «нужна проверка».

• 1С записывает результат и продолжает настроенный бизнес-процесс: меняет статус, создаёт задачу ответственному или направляет письмо на ручную обработку.

Что происходит на техническом уровне

Ниже покажем ключевые фрагменты реализации. Полный код будет зависеть от конфигурации и конкретного бизнес-процесса, однако общая логика интеграции останется той же.

В исходном решении интеграция выполнена непосредственно средствами платформы 1С. Сначала система формирует JWT для сервисного аккаунта. В заголовок токена записываются тип JWT, поддерживаемый Yandex Cloud алгоритм подписи PS256 и идентификатор открытого ключа. Затем токен подписывается закрытым ключом сервисного аккаунта.

Сформированный JWT нельзя использовать для обращения к модели напрямую: его необходимо обменять на IAM-токен.

Для этого 1С создаёт JSON с полем jwt и отправляет его в сервис управления идентификацией и доступом Yandex Cloud. Полученный IAM-токен далее передаётся в заголовке Authorization при запросах к API.

После авторизации 1С собирает JSON-тело запроса к языковой модели. В него входят URI модели, текст сообщения и параметры генерации.

В демонстрационной реализации используется YandexGPT Lite, нулевая температура и предельно короткий ответ. Это помогает снизить вариативность, но само по себе не гарантирует строгий формат «да» или «нет».

Обратите внимание: на скриншоте показан URI модели, использованный в прототипе. Перед внедрением необходимо проверить актуальное название и поддерживаемую версию модели в документации Yandex Cloud.

Далее система получает IAM-токен, формирует HTTP-запрос к Text Generation API, отправляет его через защищённое соединение и разбирает JSON-ответ. 

При статусе 200 из ответа извлекается текст модели; при ошибке возвращается техническое сообщение.

Показанный код отражает конкретную версию прототипа. URI и версии моделей в Yandex Cloud меняются в рамках их жизненного цикла, поэтому перед переносом решения в рабочую систему необходимо свериться с актуальной документацией и указать поддерживаемую версию модели. 

На момент подготовки статьи для YandexGPT Lite 5 используется URI вида gpt://<идентификатор_каталога>/yandexgpt-5-lite.

В промышленном решении обработки одного кода 200 недостаточно. Нужно предусмотреть тайм-ауты, повторные попытки, контроль срока действия IAM-токена, журналирование запросов и безопасный сценарий на случай, если модель вернула неожиданный формат. До успешной проверки результата статус документа в 1С меняться не должен.

Почему одного ответа «да» или «нет» недостаточно

На демонстрационном примере бинарный ответ хорошо показывает сам принцип интеграции. Но в рабочем контуре лучше предусмотреть третий вариант - неопределённость.
Клиент может написать: «В целом согласны, но второй пункт давайте обсудим» или «Можно начинать после корректировки сметы». Формально в письме есть согласие, однако запускать работы без проверки рискованно.

Поэтому промышленный сценарий стоит строить по правилу:

• явное согласование - система переводит документ на следующий этап;

• явный отказ или замечания - создаёт задачу ответственному;

• двусмысленный ответ, недостаток контекста или техническая ошибка - отправляет письмо на ручную проверку.

Так ИИ снимает большую часть однотипной работы, но не превращается в незаметную точку риска.

Что важно предусмотреть перед внедрением

КонтекстМодели нужно передавать не всю переписку без разбора, а ровно тот контекст, который необходим для ответа. Если согласование относится к конкретной версии перечня работ, система должна связать письмо именно с этой версией документа.Проверяемый формат ответа

Нельзя полагаться на произвольную формулировку модели. Ответ должен приводиться к фиксированному набору значений, проверяться перед записью в 1С и корректно обрабатываться, если формат нарушен.

Журналирование

Для каждого запроса полезно сохранять дату, объект 1С, результат классификации, технический статус и версию промта. Это позволит разбирать спорные случаи и оценивать качество автоматизации.

Безопасность данных

До запуска необходимо определить, какие данные можно передавать во внешний сервис, кто имеет доступ к ключам и токенам, как они хранятся и обновляются. Секреты не должны находиться в коде в открытом виде.

Тестовая выборка

Перед автоматическим изменением статусов решение лучше проверить на реальной обезличенной переписке: однозначных согласованиях, отказах, ответах с условиями, коротких репликах и нестандартных формулировках. По результатам теста уточняют промт и порог, после которого требуется участие человека.

Какие еще задачи можно решать таким способом

Классификация согласования - лишь один из сценариев. По похожей схеме 1С можно дополнить функциями, которые работают с неструктурированными данными:

• определять тему и приоритет входящего обращения;извлекать из письма номер договора, дату, сумму и другие реквизиты;

• кратко пересказывать длинную переписку в карточке клиента;

• распознавать содержание PDF- и графических файлов с помощью OCR-сервисов;

• преобразовывать записи разговоров в текст и использовать их в дальнейших процессах;

• готовить черновик ответа сотруднику с учетом данных из 1С.
  

Не все эти возможности использовались в рассмотренном кейсе, но архитектура интеграции позволяет постепенно расширять сценарий: сначала автоматизировать одну понятную операцию, оценить точность и эффект, а затем подключать новые источники и модели.

Что получает бизнес?

Ценность такой интеграции не в самом факте подключения AI. Она появляется там, где модель устраняет разрыв между человеческой перепиской и формализованным процессом в 1С.

• сотрудникам не нужно вручную просматривать каждый типовой ответ;

• статусы документов обновляются быстрее;

• снижается риск пропустить согласование или повторно обратиться к клиенту;

• вся история обработки остаётся связанной с объектом в 1С;

• решение можно масштабировать на другие процессы и конфигурации.

Лучше всего начинать не с идеи «добавить нейросеть в 1С», а с конкретного узкого действия, которое сотрудники регулярно выполняют вручную.

Если его можно описать понятным вопросом, проверить результат и безопасно обработать исключения, это хороший кандидат для первой интеграции.

Итог

Интеграция 1С с языковой моделью позволяет системе работать не только со справочниками, документами и числовыми показателями, но и со смыслом обычных сообщений. В рассмотренном примере YandexGPT помогает определить, согласовал ли клиент перечень работ, а 1С использует результат в бизнес-процессе.

Технически для этого нужны авторизация в Yandex Cloud, формирование запроса, обработка ответа и сценарии на случай ошибок. Организационно - понятные границы автоматизации, журналирование и ручная проверка спорных случаев. Именно такая связка делает AI не демонстрацией ради демонстрации, а рабочим инструментом внутри учётной системы.