Как ИИ находит скрытые ошибки в настройках 1С:ERP

В 1С:ERP сотни настроек. Каждая из них может быть абсолютно правильной — но некоторые их комбинации в процессе эксплуатации начинают конфликтовать друг с другом. Система при этом продолжает работать, только всё хуже и хуже.

Бывает и по-другому: настройки выглядят вполне корректно, но на самом деле содержат скрытые проблемы, проявляющиеся по мере эксплуатации.

Чтобы находить такие ошибки, была создана экспертная система с использованием искусственного интеллекта. Она анализирует настройки ERP и выявляет потенциальные конфликты.

Я участвовал в разработке этой системы и покажу, как она работает на реальных примерах.

Пример № 1 Цеховая кладовая

Вот фрагмент решения экзаменационных билетов «1С:Специалист-консультант по 1С:ERP. Производство и ремонты»:

Для тех, кто не в теме, кратко поясню: на скриншоте показана настройка обеспечения — правило, по которому готовая продукция после выпуска попадает на склад.

И здесь допущена ошибка. Ее массово делают на экзамене. При этом она не считается критичной — с такой настройкой можно спокойно сдать билет на отлично.

Но в реальной системе это уже не безобидная неточность. Такие решения приводят к проблемам в учете — причем не сразу, а спустя время, когда последствия начинают накапливаться.

Я попросил ChatGPT, снабженного экспертной системой по 1С:ERP, прокомментировать настройку на скриншоте:

Ответ ChatGPT:

В чем суть ошибки, найденной ChatGPT?

На скриншоте показана схема движения готовой продукции. В нормальной конфигурации она должна попадать из производства сразу на обычный склад (на скриншоте это «_Склад материалов»).

Но в данном решении схема настроена так, что готовая продукция сначала попадает в цеховые кладовые.

Цеховая кладовая в 1С:ERP — это специальный склад, жёстко связанный с производственным подразделением предприятия (цехом). Она используется для учёта незавершённого производства (НЗП) — материалов и полуфабрикатов, которые уже переданы в производство, но ещё не превратились в готовую продукцию.

Поэтому готовой продукции в цеховой кладовой делать нечего — её нужно отправлять из производства напрямую на обычный склад.

ChatGPT выше перечислил искажения учёта, возникающие из-за того, что готовая продукция сначала попадает в цеховую кладовую, а только потом на склад.

На экзамене последствия такой ошибки просто не успевают проявиться. В реальной системе — совсем другое дело.

Но тогда возникает вопрос: "Почему сдающие экзамен совершают эту ошибку снова и снова?"

Ошибка, запрограммированная официальной документацией

Я предложил ChatGPT выбрать пять профильных сайтов с описанием того, что такое цеховая кладовая, и на основе этих описаний сформулировать собственное определение.

Ответ ChatGPT:

Как видно из скриншота, только на одном из пяти сайтов (выделен красным) ключевым свойством цеховой кладовой прямо называется то, что её содержимое учитывается как незавершённое производство.

И это, заметьте, не официальный источник документации. В официальной документации это тоже упоминается, но не как главное свойство, а где-то далеко, среди множества других пояснений.

Человеческому разуму очень трудно вычленить из такого потока информации главное предназначение цеховых кладовых. Поэтому, например, в Telegram-канале подготовки к экзамену и возникают бесконечные споры о том, как именно их следует использовать.

Правильные решения там встречаются, но явно не доминируют.

А система на базе ИИ сразу выделила из этих описаний ключевое свойство цеховой кладовой — и на основе этого сделала вывод о неправильности рассматриваемой настройки.

Такой вывод ChatGPT смог сделать потому, что в его распоряжении была база знаний, собранная из текстов экспертов по ERP. Я назвал её «Атомарный синопсис».

Как создавалась база знаний «Атомарный синопсис»

Атомарный синопсис— это способ разложить длинные объяснения экспертов на набор простых правил. Когда таких правил накапливается много, из них начинает складываться карта знаний: она позволяет не только понимать систему, но и предсказывать, какие комбинации настроек приведут к проблемам на предприятии.

Исходные данные для «Атомарного синопсиса» брались из различных материалов по внедрению и настройке ERP-систем: тематических статей, расшифровок вебинаров, учебных материалов, обсуждений практических кейсов и примеров реальных производственных задач.

Эти материалы содержат большое количество экспертных комментариев и практических замечаний. При этом самые важные вещи (правила и зависимости) обычно размываются в длинных объяснениях. Человеку трудно систематически извлекать такие зависимости из больших текстов, а ИИ справляется с этим значительно быстрее.

Процесс можно описать в пять шагов:

1. Разделение текста на смысловые фрагменты. Сначала текст делился на небольшие блоки — обычно по одному обсуждаемому вопросу или идее. Это позволяло работать не со всем текстом сразу, а с отдельными кусками знаний.

2. Выделение ключевых сущностей. Из каждого фрагмента извлекались важные сущности: объекты системы, роли, настройки, процессы, ограничения. Например: заказ на производство, рабочий центр, характеристика продукции, планирование, ремонт оборудования.

3. Формулирование атомарных утверждений. Каждая найденная идея переводилась в максимально простое утверждение — одно правило или один факт. Например:

• «Полуфабрикаты производятся в отдельном подразделении»

• «Цех имеет неограниченные мощности»

• «Ремонт оборудования выполняется по наработке»

Такие утверждения и образуют атомы знаний.

4. Связывание атомов между собой. Проверялось, как эти атомы взаимодействуют. Многие проблемы в ERP возникают не из-за одного правила, а из-за комбинации нескольких правильных решений.

5. Сборка атомов в экспертную систему. После накопления большого числа таких атомов их можно использовать как базу знаний. Она позволяет:

• проверять проектные решения

• искать потенциальные проблемы

• предсказывать последствия комбинаций настроек

Чтобы было понятно, как выглядит такая база знаний, приведу её небольшой фрагмент:

«Атомарный синопсис» выглядит как конспект лекций, человеку кажется излишне суховатым, может быть даже неудобочитаемым. Но не для ИИ.

Gemini и DeepSeek оценили этот текст на 10/10. Раньше мне никогда не удавалось добиться от них такой оценки даже для небольшой статьи. А тут – документ более 300 тыс. знаков. Судя по отзыву Gemini, такая структура текста для ИИ оптимальна:

ИИ предсказывают антиутопии

Я дал изучить «Атомарный синопсис» сразу нескольким ИИ — ChatGPT, Gemini, Grok, DeepSeek и Qwen. Затем показал им экзаменационные билеты «1С:Специалист-консультант по 1С:ERP. Производство и ремонты» и попросил предсказать конфликты сделанных согласно билетам настроек, которые могут возникнуть в реальной эксплуатации системы.

Причем выбрать такие настройки, чтобы в решениях билетов они были абсолютно правильными, а в реальной жизни гарантированно стали бы создавать проблемы на предприятиях.

Ведь спецы при подготовке к экзамену десятки раз прогоняют эти действия, доводя их до автоматизма. У них вырабатывается рефлекс: «Если задача Х — делай Y». И с большой вероятностью эти действия будут переноситься в реальные проекты.

Все модели справились и предложили много интересных вариантов конфликтующих настроек. Из них я отобрал самые показательные.

Пример № 2 Номенклатура

На сдаче экзамена в билетах всего 4 позиции номенклатуры готовой продукции с разными характеристиками. Разумеется, никому не приходит в голову делать для них дополнительную аналитику. То есть делать для них какие-то группировки, в зависимости от характеристик.

Позиций всего четыре — что тут группировать? Но и в реальной жизни идея с группировкой тоже может не прийти в голову, когда номенклатуры будет гораздо больше.

Вот краткое, но образное и доходчивое предсказание от DeepSeek о возможных последствиях:

Пример № 3 Производственные мощности и персонал

ИИ Qwen, по моей просьбе, уже более детально описал последствия другого упрощения реальности. В каждом экзаменационном билете обязательно присутствует сотрудник-многостаночник, обслуживающий в одиночку аж 4 рабочих центра.

Рабочий центр в 1С:ERP — это неделимая единица оборудования, используемая для выполнения технологических операций. Он может представлять собой отдельный станок, производственную линию, уникальное рабочее место, участок или даже цех.

Вот возможные проблемы от реализации в реальности экзаменационной стратегии. И рецепты их решения от Qwen:

"Атомарный синопсис" для специалиста-гуру.

Чем «Атомарный синопсис» может помочь специалисту-гуру, который и так все это знает?

Да, знает, но помнит ли он всё, что знает?

В фильме «Тегеран-43» есть эпизод, идеально демонстрирующий работу ИИ + гуру. Сюжет таков: фашисты затеяли ликвидировать разом Рузвельта, Сталина и Черчилля, когда они соберутся вместе на конференции в Тегеране в 1943г. Но как узнать заранее точное время и место встречи?

Глава фашистских диверсантов обращается за помощью к своему давнему знакомому – мастеру темных дел. А тот берется назвать время и место сбора Большой Тройки:

– Теперь я точно знаю, что все трое встретятся 30 ноября. Приблизительно с 8:00 до 12:00 ночи в британском посольстве в Тегеране.

– Это невозможно. Как ты можешь это знать?

– Они сами об этом не знают, по крайней мере, двое из них. Третий не придаёт этому значения, пока. Это погребено в глубинах его сознания. А когда наступит время, всё это всплывёт…

После чего мастер темных дел показывает главдиверсанту страницу из биографии Черчилля.

– Боже, как это просто.

– Да, день рождения. Тридцатого ноября сэру Уинстону Черчиллю исполняется 69 лет, они обязательно будут у него в гостях.

Мастер темных дел собрал несколько известных фактов и соединил их. Работа «Атомарного синопсиса» устроена очень похоже. Каждый атом знаний — это небольшой факт о системе. По отдельности такие факты могут казаться очевидными и не слишком важными. Но когда их становится много, из их комбинаций начинают проявляться будущие проблемы.

Опытный специалист по ERP обычно почти всё это знает. Но ERP-система содержит сотни настроек и тысячи возможных комбинаций. Держать в голове все их последствия человеку практически невозможно.

ИИ в связке с «Атомарным синопсисом» не заменяет эксперта. Он просто помогает человеку ничего не забыть.