Марина Одинова, эксперт по внедрению Генеративного ИИ в работу и бизнес: Про искусственный интеллект в налоговой функции

Марина Одинова, эксперт по внедрению Генеративного ИИ в работу и бизнес, и спикер Шестой конференции «Ключевые налоговые вызовы для розничной торговли: повышение НДС, налоговые риски и внедрение ИИ», рассказала о роли искусственного интеллекта в автоматизации проверки корректности кадровых данных и налоговых расчетов и в обучении сотрудников, а также рассмотрела метрики для оценки эффективности внедрения ИИ в контексте снижения налоговых рисков.

Как генеративный ИИ может помочь автоматизировать проверку корректности кадровых данных и налоговых расчетов, учитывая постоянные изменения в законодательстве?

Генеративный искусственный интеллект в этой задаче удобно использовать как внутреннего помощника налоговой функции, который работает на базе знаний компании. В базу знаний включают учетную политику, регламенты кадрового и налогового учета, шаблоны и чек-листы по оформлению операций, перечень контрольных правил, а также нормы и разъяснения, которые вошли в корпоративный стандарт.

Дальше у такого помощника обычно три режима.

Первый режим: контроль корректности. Он сверяет кадровые события, начисления, удержания и комплект документов с контрольными правилами и подсвечивает отклонения. Примеры: расхождения между приказом, табелем и начислениями; выплаты без подтверждающего основания; ошибки в статусах сотрудника, кодах выплат, датах и периодах, которые влияют на расчеты.

Второй режим: сверка действий. Сотрудник задает вопрос по конкретной ситуации и получает короткий алгоритм действий по правилам компании с отсылкой к первоисточнику внутри базы знаний. Это снижает количество ошибок у новичков и разгружает экспертов.

Третий режим: поддержание актуальности. При изменениях требований обновляется база знаний, затем обновляются регламенты, чек-листы, шаблоны и контрольные правила с указанием даты применения. Команда поддерживает один источник и получает единый стандарт для контроля и ежедневной работы.

Начать можно с малого: выбрать 20-30 самых частых ошибок, описать их как контрольные правила и пополнять базу кейсами по мере работы.

Представим ситуацию: компания активно нанимает новых сотрудников, часто без глубокой проверки их квалификации в области налогового учета. Как генеративный ИИ может быть использован для выявления потенциальных «слабых мест» в знаниях новых сотрудников и предложить персонализированные программы обучения, снижая тем самым риски ошибок?

Компания может использовать генеративный искусственный интеллект как инструмент диагностики и создания программ персонализированного обучения для снижения риска ошибок при массовом найме и разном уровне подготовки сотрудников в двух вариантах.

Первый – это оценка слабых мест через тест на рабочих сценариях. Команда заранее собирает набор типовых ситуаций из своей практики: оформление операции и комплекта документов, проверка начисления по кадровому событию, обработка корректировки прошлого периода, подготовка пояснения по расхождению, поиск причины ошибки в связке «кадровые данные – табель – начисления – удержания» и любые другие. Новый сотрудник проходит тест, основанный на этих сценариях, а ИИ-помощник задаёт уточняющие вопросы и фиксирует области, в которых возникают ошибки.

Второй вариант – это создание персонализированных программ обучения на основе результатов диагностики. ИИ-помощник собирает короткую программу обучения для корректировки пробелов, обнаруженных в ходе теста: микро-блоки по 10-20 минут, пошаговый алгоритм действий, чек-лист, примеры корректного оформления, типовые ошибки и задания на самопроверку. Материалы строятся на внутренних регламентах компании и ее типовых кейсах, поэтому обучение совпадает с тем, как процессы устроены на практике. Потом возможен повторный тест.

В результате руководитель получает управляемое выравнивание уровня команды: новые сотрудники быстрее выходят на безопасный уровень работы, число повторяемых ошибок снижается.

Какие, на ваш взгляд, наиболее важные метрики следует отслеживать, чтобы оценить эффективность внедрения ИИ в контексте снижения налоговых рисков, связанных с кадрами, и как быстро компания может увидеть ощутимый возврат инвестиций?

Эффективность внедрения генеративного искусственного интеллекта в снижении налоговых рисков, связанных с кадрами, удобно оценивать через три группы метрик: операционные, финансовые и стратегические.

Операционные метрики показывают, как меняется ежедневная работа: время адаптации новых сотрудников, количество ошибок в документах и расчетах, время на типовые задачи, доля вопросов, закрытых ИИ-помощником без участия эксперта.

Финансовые метрики отражают экономический эффект: снижение затрат на обучение и сопровождение новых сотрудников, экономия времени ключевых специалистов на консультациях и проверках, уменьшение объема исправлений и переработок из-за ошибок, сокращение затрат на подготовку пояснений и корректировок связанных с претензиями.

Стратегические метрики показывают устойчивость функции: снижение количества запросов и замечаний по кадрово-расчетному блоку, стабильность закрытия периода, снижение зависимости от отдельных специалистов, доля процессов, где закреплен единый стандарт в регламентах, чек-листах и контрольных правилах.

Что касается возврата инвестиций: быстрее всего видны изменения в операционных метриках, затем они трансформируются в деньги через снижение количества рабочего времени на тот или иной процесс, переработок, а устойчивый стратегический эффект проявляется по мере накопления базы знаний и дисциплины обновлений.

Оптимально начинать с пилота на одном участке, фиксировать базовый уровень метрик и масштабировать решение, опираясь на результаты.

Задать свои вопросы Марине вы сможете на Шестой конференции «Ключевые налоговые вызовы для розничной торговли: повышение НДС, налоговые риски и внедрение ИИ», которая пройдет 17 апреля 2026 года в Москве.

Юлия Сильченко