Як провідний бухгалтер EdTech-центру на 35 осіб зекономила 45 годин на місяць за допомогою AI-автоматизації звітності

Минулого місяця ми закривали квартальний звіт для 540 нових студентів, і мені довелося вручну вивантажувати дані з LiqPay та зіставляти їх із реєстрами в Excel. Це зайняло понад 12 робочих годин лише на перевірку ПІБ та номерів наказів, оскільки система часто видавала дублікати. Я особисто перевірила 1150 транзакцій, щоб переконатися, що кожен платіж прив’язаний до правильного договору. Такий процес повторюється щомісяця, виснажуючи ресурс фінансового відділу на 30-40% від усього робочого часу. Помилка навіть у 100 гривнях могла призвести до проблем із казначейством.

Найскладнішим було те, що державні установи часто платять одним платежем за групу з 10-15 співробітників, але акти мають бути індивідуальними. Мені доводилося вручну розбивати ці суми в таблиці та перевіряти податкові накладні для кожного окремого слухача курсу. Через велику кількість дрібних операцій очі замилюються, і ризик пропустити помилку зростає експоненціально. Крім того, комунікація з менеджерами з продажу забирала купу часу, бо дані в CRM не завжди збігалися з банківською випискою. Це створювало хаос під час дедлайнів подачі звітності.

Проблема в тому, що стандартні банківські виписки не містять специфічних ID-номерів наших внутрішніх замовлень, тому автоматичний імпорт працював некоректно. Наша платформа «Освіта-Про» має застарілу синхронізацію, яка втрачає близько 5% даних при передачі в 1С. Це змушувало мене робити подвійну роботу: спочатку звіряти CRM, потім банк, а потім фінальну таблицю. Кожна така ітерація — це години концентрації, де не можна відволікатися ні на хвилину. Відсутність єдиного алгоритму обробки нестандартних платежів робила процес непередбачуваним.

Ми вирішили найняти фрілансера-аналітика для написання скрипта, що коштувало нам близько 18 000 гривень одноразово. Він налаштував напівпасивне завантаження даних, але це вирішило проблему лише на 60%, бо скрипт часто «падав» при оновленні API банку. Також ми витратили ще близько 5 000 гривень на додаткові модулі розширення для нашої бухгалтерської програми. Загалом, на ці милиці ми витратили майже 23 000 гривень за два місяці. Проте ручна перевірка все одно залишилася необхідною для контролю роботи самого скрипта.

Це рішення виявилося неефективним, бо скрипт не вмів розпізнавати помилки в написанні прізвищ, які часто роблять платники. Кожна опечатка в призначенні платежу знову вимагала мого втручання та ручного коригування бази. Ми фактично отримали ще один інструмент, який потрібно постійно адмініструвати та лагодити. Гнучкості нуль: як тільки змінюється формат виписки з банку, скрипт стає марним. Я все одно залишалася прив’язаною до робочого місця до пізнього вечора, перевіряючи роботу «автоматизації».