ЕСТЬРЕСУРС
ERP AI FORUM

Тезисы доклада:

• Пять стадий отношения к ИИ в разработке: от эйфории и ожидания буста до разочарования и трезвого отношения

• Почему обещанный рост продуктивности от ИИ часто не подтверждается в реальных проектах

• Как ИИ замедляет разработку: страх правок, галлюцинации и усложнение поддержки кода

• Разрыв между прототипами и промышленной разработкой

• Иллюзия эффективности: что показывают исследования о реальной пользе ИИ для разработчиков

• Почему текущая волна ИИ во многом хайп и чем это грозит проектам в ближайшие годы

Тезисы доклада:

Доклад будет интересен техническим директорам, руководителям проектов внедрения и всем, кто хочет понять, как прикрутить ИИ к 1С enterprise-уровня с пользой для бизнеса. Ключевой посыл: Чат-бот может сэкономить миллионы на сопровождении, если подойти к делу как управленец, а не как программист.

• Чат-бот, как инструмент сокращения консультационных обращений.

• Законченное решение в закрытом ландшафте заказчика (1С - Векторное хранилище – LLM).

• Циклы непрерывного улучшения через тестирование с результатом верных ответов 96%.

• Эволюция от «ответчика» к «ассистенту».

Тезисы доклада:

1. Чат-боты поддержки:

• Модель и архитектура решения;

• Центральная база поддержки и клиент (бесшовная интеграция) в каждой области данных;

• Процессы постоянного улучшения качества ответов.

2. Справочные сервисы по нормативным документам:

• Модель и архитектура решения;

• Выбор статей классификаторов;

• Выбор счетов учета и значений бюджетной классификации.

3. Агенты по заполнению документов с вводом сопутствующей информации:

• Модель и архитектура решения;

• Субагенты;

• Инструменты анализа и ввода данных в базах 1С;

• Память.

Тезисы доклада:

Подробно рассмотрим создание интеллектуального помощника, который упрощает работу с отчетностью и коммуникацию с руководством.

• Как ИИ-ассистент помогает консолидировать данные.

• Как получать ответы на различные запросы руководства, не заходя в 1С и другие системы.

• Кому внедрять такие решения еще рано.

Тезисы доклада:

• Проблема рынка 1С и ИИ в России

• Проблема заказчиков 1С

• ARAI как продукт: что решает, как окупается

• Монетизация ИИ-решений

Тезисы доклада:

• Защищённый ИТ-контур с собственным ИИ-сервером и интеграцией с 1С.ДО: работающая бизнес-реальность без лимитов на токены.

• ИИ как цифровой диспетчер входящей и исходящей корреспонденции: распознаёт реквизиты документов (адресаты, содержание, подписи, рукописный текст) и маршрутизирует задачи в 1С.ДО без участия человека.

• Сквозная аналитика: ИИ-агент до-заполняет карточки договоров в 1С.УХ и генерирует код для расчёта графиков платежей — полное устранение ручного переноса.

• Техподдержка и корпоративная база знаний: ИИ-бот по базе знаний по 1С.ДО заменяет поиск по инструкциям.

• ИИ как хранитель знаний по договорной базе: ИИ на основе исторических комментариев сотрудников к договорам создал чек-лист требований, новые договоры проверяются по чек-листу автоматически.

• ИИ-ассистент для помощи программистам и аналитикам в работе метаданными 1С через MCP-сервер.

Тезисы доклада:

• Решение помогает корпоративным юридическим службам быстрее анализировать договоры по заданным чек-листам, выявлять рисковые формулировки, несоответствия внутренним требованиям и технические ошибки в документах.

• Ключевая особенность продукта — работа в закрытом контуре заказчика без передачи документов, пользовательских запросов и результатов анализа во внешние сервисы.

• По сути, мы даем компаниям возможность применять ИИ в юридических процессах там, где использование облачных решений невозможно из-за требований информационной безопасности, коммерческой тайны или внутренних политик.

Тезисы доклада:

• Нефункциональные требования бизнеса и страхи

• Как мы развиваем продукты 1С в части ИИ: LLM - Harness

• Примеры кейсов внедрения ИИ в 1С в корп заказчике

• Ключевые направление для выявления гипотез по ИИ в 1С

• Методика выявления ИИ гипотез в организации

• Оценка и расчет бизнес-кейсов эффективности применения ИИ в организации

Тезисы доклада:

• От «пишу код» к «управляю процессом»: как меняется роль разработчика

• Кодовые агенты: модель + контекст + инструменты — как это работает вместе

• Рабочий процесс в 1С: от настройки проекта до ежедневного использования

• Типичные ловушки: вайб-кодинг, экономия на моделях, слишком большие задачи

Тезисы доклада:

Презентация о реальном применении искусственного интеллекта в бизнесе без маркетинговых иллюзий и сложной теории.

Разбираются конкретные кейсы внедрения ИИ в продажах, документообороте, HR, поддержке клиентов и производстве.

Участники узнают:

• какие задачи уже сегодня решают современные языковые модели и нейросети
• как ИИ оптимизирует труд сотрудников и снижает операционные расходы
• реальные сценарии внедрения без миллионов бюджета
• архитектуру простых решений и стоимость запуска
• пошаговый roadmap внедрения — от MVP до масштабирования

Тезисы доклада:

Ты программист, но ещё не пробовал вайбкодинг на 1С? Или ты аналитик, консультант, внедренец и хочешь понять, зачем это тебе? Страшно, непонятно, кажется, что это сложно и не для тебя?

Тогда этот мастер-класс точно стоит посетить.

Покажу вайбкодинг на 1С вживую — с ИИ-агентами, реальными сценариями и без лишней теории. Быстро введу в контекст, а дальше сразу перейдём к практике: вместе создадим внешнюю обработку с нуля, посмотрим, как ИИ помогает в работе, и разберём MCP — тот самый инструмент, где начинается настоящая магия. Покажу, как работать не только с кодом, но и с данными.

С мастер-класса уйдёшь с нейродофамином, пониманием, как это устроено, и готовым чек-листом для старта.

Вайбкодинг на 1С — это уже не хайп, а рабочий инструмент. Порог входа сейчас минимальный. И да — пора вкатываться, потому что рынок ждать не будет.

Тезисы доклада:

• Миф о дороговизне: Подписки оттягивают старт, а как без них?

• Есть ли что-то кроме Qoder и Cursor?

• Почему VSC, а не EDT?

• От "Болванки" к рабочему коду в 1С

• Документация: избавляемся от монотонности и получаем гибкость.

• Для чего мы это делаем и какие планы?

Тезисы доклада:

• Конкретные инструменты и примеры использования ИИ на всех этапах работы аналитика (и не только аналитика).

• Какие задачи аналитика можно смело делегировать ИИ, а где критична валидация человеком?

• Ловушка "универсального солдата": может ли один "скилловый" аналитик заменить всю команду и что для этого требуется?

• Экономика иллюзий: почему сокращение затрат возможно, но не так, как это видит бизнес?

Тезисы доклада:

• DeepSeek и его "помощники"

• Месяц решаю все свои задачи, от Джуниор до Синьор, с помощью нейросети

• Топ задач, решаемых нейросетями

• Критерии сравнения Джуна и нейросети

• Кого на самом деле нужно «оставить»?

Тезисы доклада:

Введение. ИИ — это «силовой множитель» аналитика, который берет на себя операционную работу, повышая эффективность по скорости, качеству и глубине анализа на ВСЕХ этапах проекта. Разберем конкретные инструменты и кейсы по каждому этапу жизненного цикла проекта.

Часть 1: Пресейл и Обследование – ИИ увеличит скорость подготовки к встречам, поможет с глубиной понимания проблем на старте. Аналитик аккумулирует знания о заказчике.

Часть 2: Моделирование и Проектирование - ИИ создает черновик, эскиз. Аналитик проводит критическую оценку, адаптирует под ограничения 1С, согласует с заказчиком.

Часть 3: Разработка и Тестирование – ИИ частично поможет в генерации рутинных артефактов. Аналитик остается ключевым звеном.

Часть 4: Документация и Обучение - Эффект от ИИ - скорость подготовки материалов, их ясность для разных аудиторий. Аналитик — редактор и гарант точности.

Часть 5: Ввод в эксплуатацию и Поддержка – ИИ поможет в переносе данных, будет анализировать инциденты, помогает найти (или не найти) пункт в инструкции. Аналитик — капитан, который принимает решения по результатам работы ИИ.

Заключение: Новая роль аналитика 1С: От «писателя запросов и ТЗ» к «проводнику бизнеса в цифровую среду, архитектору решений и валидатору ИИ-результатов». Главный эффект, который растет: Ценность для бизнеса за единицу времени. Вы делаете больше сложной работы, а не больше рутинной.

Тезисы доклада:

Практический опыт использования ИИ в 1С-команде

Я расскажу, как в небольшой 1С-команде без выделенного QA я начал использовать ИИ для генерации и проверки кода, написания ТЗ и контроля качества — и почему первые попытки только усилили хаос. Каких инструментов мне не хватило в начале, и к чему я пришёл. На практике посмотрим какие задачи можно смело делегировать ИИ, а какие оставить в руках человека.

• Рассмотрим, какие инструменты в связке с ИИ позволяют добиться хороших результатов.
• Как использовать ИИ для проверки соответствия кода ТЗ.
• Как превратить нейросеть в полноценного ассистента.

Тезисы доклада:

Вы отлично разбираетесь в своей теме. Но когда дело доходит до обновления курса, методички или программы обучения — правки копятся, время уходит, а результата всё нет. Знакомо?

• Стенограммы и ИИ-саммари встреч все более активно входят в нашу жизнь. Скоро офисная кофеварка будет суммаризировать неформальные разговоры и присылать нам на почту.

• Но вот как использовать эту техническую возможность для ПОВЫШЕНИЯ ЛИЧНОЙ ЭФФЕКТИВНОСТИ? Что делать с этими стенограммами и протоколами, чтобы радикально повысить отдачу пользы на потраченное собственное время?

• В Библии упоминается «Книга дневных записей» как инструмент менеджмента у персидского царя. Сейчас такую «Книгу дневных записей» может завести себе каждый. Вопрос — как воспользоваться ей для радикального повышения вашей личной эффективности.

Тезисы доклада:

• Проблема большинства ИТ-проектов – это разрыв между бизнес-требованиями заказчика и технической спецификацией. Длинные циклы согласований и потеря смысла.

• Решение – включить ИИ-агентов в процесс управления требованиями (например, для анализа интервью, генерации пользовательских историй, проверки непротиворечивости).

• Исследуем кейс BcluB. Как при создании нового функционала социальной механики (клубы и события) на 1С:Элемент ИИ формулирует: требования, классы пользователей и пользовательские истории, сценарии работы и диаграммы состояний, карты диалоговых окон.

• Вывод для аудитории. ИИ – это не только генератор кода, но и «бизнес аналитик», который ускоряет и структурирует проектирование информационных систем.

Тезисы доклада:

• Зачем бизнесу прогнозирование: где чаще всего теряются деньги — дефицит, излишки, списания, срочные закупки, просадки по выручке.

• Как “ИИ-прогноз” работает простыми словами: берём историю, учитываем повторяющиеся закономерности (сезонность/праздники/акции), получаем прогноз на нужный горизонт (неделя/месяц).

• Какие данные нужны на практике: продажи, остатки, поставки/закупки, цены и акции, календарь, справочники номенклатуры и точек продаж.

• Отдельно про 1С: в большинстве компаний именно 1С — главный источник этих данных; типовой набор выгрузок и что важно в учёте, чтобы прогноз был надёжным (корректные остатки и движения, единые справочники).

• Как использовать прогноз в процессах: план закупок и пополнения, план производства, финансовое планирование, контроль “исключений” (где ситуация резко меняется).

• Как запускать без боли: пилот на одной категории/складе → сверка с фактом → настройка регламентов → масштабирование на остальные группы.

• Типовые ошибки и как их избежать: “ждём магии без данных”, смешиваем разные единицы учёта, не фиксируем правила применения прогноза, не назначаем владельца процесса.

Тезисы доклада:

• Роль совещаний в ИТ-проектах: где именно принимаются ключевые архитектурные и управленческие решения — и почему они редко становятся частью корпоративной памяти.

• Подход к созданию «второй памяти» проекта: автоматическая фиксация встреч, структурирование решений и формирование базы знаний по всем совещаниям.

• Как может выглядеть интеграция ИИ-протоколов с задачами и процессами в экосистеме 1С (ERP, Документооборот, проектные решения).

• Возможности аналитики по массиву встреч: выявление повторяющихся блокеров, затяжных согласований и точек риска в проектах внедрения.

Тезисы доклада:

• ИИ дает больше возможностей, чем просто вайб-кодинг

• Торговый бот это ваш бизнес с точкой безубыточности на самом старте

• Границы и контроль ключевые моменты в практическом применении ИИ

• Истории взаимодействия с покупателями

Тезисы доклада:

Это будет не просто презентация, и не просто рассказ. На выступлении у Вас будет уникальная возможность увидеть процесс анализа и согласования или отклонения Договора «Цифровым двойником» в реальной «боевой системе». Вы сможете даже прислать свой договор, не забудьте его в электронном виде с собой.

Тезисы доклада:

• Как формулировать ТЗ, чтобы получить результат
Почему большинство запросов на ИИ приводят к провалу ещё до старта — и как правильно ставить задачу поставщику.

• Нужны ли вам свои серверы?
Реальные требования к вычислительным мощностям и сценарии, когда можно обойтись без покупки дорогостоящего оборудования.

• Можно ли иметь «свой» ИИ без GPU и серверных стоек
Обзор доступных архитектур и гибридных решений для тех, кто не готов строить дата-центр.

• Безопасные модели использования облака
Когда облако безопаснее локального развёртывания и какие юридические схемы позволяют не сливать чувствительные данные.
<
/p>

• Как считать совокупную стоимость владения (TCO)
Не только железо: обслуживание, обновления, энергопотребление и стоимость экспертизы.

• Архитектура LLM в закрытом контуре: кейсы и грабли
Практические примеры из опыта IVOLGA Technologies: что пошло не так у других и как сделать правильно.

Тезисы доклада:

По мере того как LLM превращаются из "чата" в ИИ-агентов, способных инициировать действия в 1С, риск смещается с "ошибочного ответа" на ошибочное изменение данных и процессов. На практике безопасность упирается не в выбор модели, а в наличие инженерных ограничений: права доступа, белый список операций, проверка входных данных, журналирование и возможность отката.

В докладе я покажу, как построить универсальную безопасность ИИ-агентов в 1С через связку MCP-серверов и навыков (skills): MCP выступает как шлюз инструментов (агент вызывает только разрешённые функции со строгими схемами параметров), а навыки — как версионируемые регламенты безопасного поведения (шаги, уровни риска, критерии остановки, места подтверждения человеком). На практических сценариях разберём, как внедрять агентов в рабочие базы так, чтобы они приносили пользу и не могли ничего сломать:

• Отчёты только на чтение (без изменения данных)

• Создание черновиков документов и заявок (без проведения)

• Операции повышенного риска — только по схеме «план -> подтверждение -> выполнение»

Тезисы доклада:

Расскажу на примерах из своих проектов:

• Почему я решил использовать ИИ для ревью кода в 1С.

• Как это настроил шаг за шагом.

• Сколько на самом деле стоит такая автоматизация.

Дам все инструкции, промпты и скрипты (кроме денег 😉), чтобы вы могли повторить это у себя в проекте. Нужны только Git и CI-платформа.

Тезисы доклада:

В рамках доклада посмотрим на текущую реальность глазами технореалистов.

Обсудим, почему инструменты и практики применения AI в анализе и проектирований решений 1С все еще выбор смелых исследователей, а не общепринятая практика.

Рассмотрим проблемы внедрения AI под лозунгом «оптимизируйте что-нибудь как-нибудь» и трудности, с которыми сталкиваются инициативные сотрудники, пытаясь внедрить новые практики без поддержки руководства.

Пройдемся по основным рисковым факторам, которые важно учитывать на старте запуска инициативы по внедрению AI в процессы анализа и проектирования.

Тезисы доклада:

• Расскажу, с какими архитектурными проблемами чаще всего сталкиваются новички в 1С и почему их сложно решать без опыта

• Рассмотрим, как с помощью ИИ анализировать существующую конфигурацию и находить архитектурные ошибки

• Разберем, что ИИ может ускорить рост новичка от «пишу просто чтобы работало» до осознанных архитектурных решений

• Продемонстрирую, как с помощью одной модели можно писать промпты и составлять ТЗ для другой модели

Тезисы доклада:

Вы отлично разбираетесь в своей теме. Но когда дело доходит до обновления курса, методички или программы обучения — правки копятся, время уходит, а результата всё нет. Знакомо?

В основе этого выступления — реальный кейс: мы взяли существующий курс с презентациями, проанализировали его с помощью нейросети, выстроили новую программу и пошагово пересобрали все материалы. ИИ выступил в роли методического ассистента, который взял на себя рутину и ускорил процесс в разы.

Вы узнаете:

• Как использовать ИИ для быстрого анализа и реструктуризации учебного контента

• Как выстроить диалог с нейросетью, чтобы получать готовые рабочие структуры

• Как, оставаясь экспертом в теме, снять с себя методическую «черновую» работу

• Как этот метод применить к своим курсам и презентациям

• Как адаптировать курс под разные целевые аудитории

• Как ускорить разработку визуальной составляющей

• Как быстро и просто создать текстовое описание

.... и при этом не потерять авторскую задумку и ключевую цель

Результат: вы унесёте с собой не просто вдохновляющую историю, а готовый к применению алгоритм пересборки учебных материалов с помощью ИИ. Берите и примеряйте.

Тезисы доклада:

• Реальные кейсы, как удачно интегрировать инструменты

• ИИ в подбор специалистов 1С

• Вопрос замены в корне неверный. Будущее за теми, кто "подружится" с ИИ, чтобы выйти на новый уровень.