ИИ в 1С без опасных экспериментов

Самая рискованная фраза в работе с ИИ и 1С звучит почти безобидно: «Модель написала скрипт, давайте запустим». В учётной системе цена этой поспешности выше, чем в большинстве задач разработки. Здесь связаны деньги, остатки, скидки, маркировка, документы и привычные действия сотрудников. Ошибка может не проявиться сразу: формально обработка завершится, но позднее окажется, что цена в чеке не совпала с ценником, документ ушёл не в тот статус или отчёт перестал отражать реальную картину. Поэтому я не считаю ИИ заменой специалиста по 1С или источником готовых изменений. В таких задачах он полезнее как часть управляемого цикла: помочь разобрать факты, предложить гипотезы, подготовить безопасную диагностику, оформить сценарий проверки и оставить понятный след для следующего человека. Ниже — как этот подход выглядит на реальных задачах из практики за последние недели. Сначала не менять, а понять Одна из типовых ловушек — начать с исправления, ещё не подтвердив причину. Например, сотрудники сообщают, что на части чеков скидка отличается от ожидаемой. Легко решить, что виноваты правила акции, и быстро переписать расчёт. Но причин может быть несколько: порядок обработки строк, особенности типового механизма скидок, устаревший ценник, настройка кассы или просто неверно выбранная позиция. В такой ситуации первым результатом должна быть не правка, а диагностика. Мы воспроизводим проблему на конкретном сценарии, сверяем расчёт в чеке и в карточке товара, фиксируем версию конфигурации и отдельно проверяем, как формируется печатная форма. Только после этого появляется гипотеза, которую можно проверить. В одном из случаев выяснилось, что это были две разные ошибки. В длинных чеках механизм автоматической скидки обрабатывал строки не в том порядке, а печатный ценник выводил процент из карточки товара, а не фактически рассчитанную скидку. Одна «быстрая правка» не решила бы обе проблемы. После разделения причин были подготовлены отдельные изменения и проверены на сценариях, где ошибка проявлялась. ИИ здесь может ускорить разбор: структурировать логи и описание инцидента, предложить список проверок, помочь сформулировать запрос или сделать черновик тест-кейсов. Но факты о конфигурации, настройках и поведении базы всё равно нужно получить из самой системы. Dry run — не формальность Для любых массовых изменений полезно разделять два режима: проверочный и исполнительный. Проверочный режим, или dry run, ничего не меняет. Он отвечает на вопросы: какие записи будут затронуты, сколько их, есть ли исключения, совпадает ли результат с ожиданием. Исполнительный режим запускается только после этой сверки, а до него создаётся резервная копия и готовится откат. Такой подход особенно важен, когда задача выглядит простой. При переносе справочника производителей из старой базы в рабочую нельзя ограничиться фразой «загрузим данные». Сначала нужно определить, какие записи создадутся, какие свяжутся с уже существующими и какие останутся спорными. После сухого прогона стало видно, что из 1 163 исходных записей 1 027 требовали создания, а 135 можно корректно сопоставить с тем, что уже было в рабочей базе. Исполнение прошло без ошибок, потому что оно не было первым запуском. ИИ хорошо помогает подготовить логику такого сценария: разбить правила сопоставления на случаи, сформировать структуру журнала, подсветить пограничные условия. Но решение о правилах соответствия и допуске к запуску принимает человек, который понимает данные и бизнес-процесс. Изменение не равно завершённой задаче Ещё одна распространённая ошибка — признать задачу выполненной, когда расширение загрузилось или скрипт отработал без исключений. Для учётной системы этого мало.

ИИ в 1С без опасных экспериментов | Сетка — социальная сеть от hh.ru