Проверку контрагентов можно автоматизировать с ИИ так: агент по ИНН собирает сведения из официальных реестров и коммерческих баз, правила выставляют риск-флаги, языковая модель объясняет судебные дела и расхождения в документах простым языком, а решение о сделке принимает ответственный сотрудник. Модель не должна сама «ставить оценку надёжности»: её задача — сократить ручной сбор и чтение, а доказательная ценность проверки для ФНС и суда зависит от сохранённых источников и зафиксированной логики выбора контрагента.
Материал подготовлен AIrassvet по открытым источникам, проверенным 30 сентября 2026 года. Он адресован финансовым директорам, юристам, службам безопасности, закупкам и собственникам, которые проверяют поставщиков и клиентов вручную и хотят ускорить работу без потери качества. Это не налоговая или юридическая консультация: порядок проверки для крупных и нестандартных сделок стоит согласовать с юристом или налоговым консультантом. Раздел об AIrassvet в конце описывает услуги издателя.
Содержание
- Что значит должная осмотрительность
- Что ФНС проверяет при выборе контрагента
- Почему ручная проверка не масштабируется
- Какие источники подключить
- Где ИИ полезен, а где нужны правила
- Архитектура ИИ-проверки контрагента
- Уровни проверки по риску сделки
- Досье: что должно остаться после проверки
- Пошаговое внедрение
- Ошибки и ограничения
- Как измерять результат
- Частые вопросы
- Первоисточники и метод проверки
Что значит должная осмотрительность
Определение. Должная осмотрительность — это стандарт поведения разумного участника оборота, который до сделки проверяет деловую репутацию, возможность исполнения и платёжеспособность контрагента и может показать, почему выбрал именно его.
В налоговом праве ключевая норма — статья 54.1 Налогового кодекса РФ. Она позволяет уменьшить налоговую базу по сделке только при одновременном выполнении двух условий: основная цель сделки — не неуплата налога, а обязательство исполнено стороной договора или лицом, которому исполнение передано по договору или закону. Пункт 3 той же статьи уточняет: подписание первичных документов неуполномоченным лицом или налоговые нарушения самого контрагента не являются самостоятельным основанием для отказа в вычетах. Поэтому налоговый орган оценивает совокупность обстоятельств, включая то, как компания выбирала партнёра.
Проверка нужна не только для налогов. Она снижает риск предоплаты фирме-однодневке, срыва поставки, блокировки счетов из-за операций с подозрительными компаниями и претензий к руководителю за убытки.
Что ФНС проверяет при выборе контрагента
Подробнее всего подход налоговой службы раскрыт в письме ФНС России от 10.03.2021 № БВ-4-7/3060@ «О практике применения статьи 54.1 НК РФ». В пункте 14 письма стандарт осмотрительности описан как проверка деловой репутации, возможности исполнения и платёжеспособности контрагента. В пункте 15 перечислены обстоятельства, которые налоговые органы должны исследовать в совокупности. Среди них:
- неизвестность фактического местонахождения контрагента и его производственных, складских или торговых площадей;
- отсутствие подтверждений реальной возможности исполнить договор: мощностей, квалифицированных кадров, имущества, лицензий, членства в СРО;
- отсутствие у ответственных лиц информации о том, как выбирали контрагента и исполняли сделку;
- отсутствие контакта с руководителем или уполномоченными лицами контрагента и документального подтверждения их полномочий;
- неосуществление анализа сведений о контрагенте, в том числе размещённых на официальном сайте ФНС в формате открытых данных;
- отсутствие в открытом доступе информации о реальной экономической деятельности контрагента;
- нарушение внутренних процедур согласования и условия договора, нетипичные для делового оборота.
Отсюда важный вывод для автоматизации: проверка должна оставлять след. Недостаточно «посмотреть в сервисе» — нужно сохранить, какие сведения были получены, на какую дату, кто их оценил и почему сделка признана допустимой. ИИ хорошо справляется именно со сбором и оформлением этого следа.
Почему ручная проверка не масштабируется
В типичной компании проверка контрагента выглядит так: менеджер или юрист открывает несколько сервисов, копирует выписку, листает список арбитражных дел, смотрит отчётность и пишет короткий вывод в служебной записке или комментарии к договору. Проблемы этого подхода:
- Разная глубина. Один сотрудник читает суть судебных споров, другой смотрит только их количество.
- Нет повторной проверки. Контрагента проверили при первом договоре, а через год он уже в процедуре банкротства.
- Потеря доказательств. Скриншоты и выписки хранятся в почте, их трудно найти при налоговой проверке.
- Узкое горлышко. При большом потоке новых поставщиков или клиентов проверка тормозит продажи и закупки.
- Документы не сверяются. Устав, доверенность, лицензии и данные реестров редко сопоставляются между собой.
Автоматизация решает эти задачи не за счёт «умной оценки», а за счёт единого регламента, который система выполняет одинаково для каждого контрагента.
Какие источники подключить
Большая часть сведений доступна в официальных открытых сервисах. Коммерческие агрегаторы объединяют их и добавляют аналитику, но первоисточник полезно знать, чтобы понимать, что именно проверяется.
| Источник | Что даёт | Как использовать в проверке |
|---|---|---|
| ЕГРЮЛ/ЕГРИП ФНС | Регистрационные данные, руководитель, учредители, адрес, ОКВЭД, даты изменений | Сверка с документами контрагента, недавние смены руководителя и адреса |
| Прозрачный бизнес ФНС | Сводные сведения о компании из данных ФНС | Быстрый первичный профиль |
| Открытые данные ФНС | Наборы о задолженности, налоговых правонарушениях, спецрежимах, численности, доходах и расходах, «массовых» руководителях и учредителях | Автоматические флаги по наборам данных |
| Реестр дисквалифицированных лиц | Лица, которым запрещено руководить организацией | Проверка руководителя |
| ГИР БО | Бухгалтерская отчётность | Выручка, активы, динамика, соразмерность сделки масштабу компании |
| Картотека арбитражных дел | Судебные споры с участием компании | Роль (истец/ответчик), предмет и суммы споров, банкротство |
| Федресурс | Сведения о банкротстве и существенные факты | Процедуры несостоятельности, сообщения о ликвидации |
| Банк данных исполнительных производств ФССП | Исполнительные производства | Непогашенные долги |
| Платформа Банка России «Знай своего клиента» | Уровень риска вовлечённости в подозрительные операции | Проверка «красного» уровня по ИНН |
| Реестр недобросовестных поставщиков | Поставщики, уклонявшиеся от исполнения госконтрактов | Критично для закупок и подрядов |
Про платформу «Знай своего клиента» Банк России сообщает, что она относит юрлиц и ИП к группам низкого, среднего и высокого риска («зелёные», «жёлтые», «красные»), и любой человек может проверить, не находится ли компания или ИП в «красной» группе, через сервис проверки по ИНН. Для бизнеса это важный сигнал: операции с «красным» контрагентом могут привести к вопросам со стороны вашего банка.
Сверх реестров полезны документы, которые запрашиваются у самого контрагента: устав, решение о назначении руководителя, доверенность подписанта, лицензии и выписки СРО, сведения о площадях и персонале. Именно их сопоставление с реестрами чаще всего поручают ИИ.
Где ИИ полезен, а где нужны правила
Самая частая ошибка — поручить языковой модели «оценить надёжность компании». Модель может ошибиться в факте, по-разному ответить на одинаковые данные и не объяснить, почему получила такой вывод. Надёжнее разделить работу.
| Задача | Кто выполняет | Почему |
|---|---|---|
| Сбор данных по ИНН из реестров и баз | Интеграции и скрипты (API, выгрузки) | Детерминированно, с датой и источником |
| Флаги: дисквалификация, банкротство, «красный» уровень ЗСК, задолженность, недавняя смена руководителя | Правила | Одинаковый результат для всех, легко объяснить проверяющему |
| Скоринг вероятности проблем | Статистическая модель, если есть история своих сделок | Требует данных и проверки качества |
| Разбор судебных дел: предмет, роль, суммы, исход | LLM | Модель быстро читает тексты и составляет краткое изложение |
| Сверка документов контрагента с реестрами | OCR + LLM + правила сравнения | Модель извлекает поля, правила сравнивают их |
| Поиск упоминаний в СМИ и на сайте компании | LLM с поиском | Первичный отбор релевантных материалов |
| Итоговое заключение и решение о сделке | Ответственный сотрудник | Юридическая ответственность и учёт контекста сделки |
Принцип: факты и флаги — из источников и правил, пересказ и сопоставление текстов — от модели, решение — за человеком. Каждый вывод модели должен ссылаться на исходный документ, чтобы сотрудник мог его проверить. О надёжности извлечения полей из сканов — в статье OCR и распознавание документов для бизнеса.
Архитектура ИИ-проверки контрагента
Работающее решение обычно состоит из пяти блоков:
- Точка запуска. Проверка стартует при создании контрагента в 1С или CRM, при заявке на договор или по расписанию для повторной проверки действующих партнёров. Как подключить агентов к учётной системе — в статье как подключить ИИ-агентов к 1С.
- Сборщик данных. По ИНН запрашивает сведения из выбранных источников — официальных или через коммерческий агрегатор с API — и сохраняет ответы с датой получения.
- Движок правил. Выставляет флаги по заранее утверждённому списку, например: руководитель в реестре дисквалифицированных, процедура банкротства, «красный» уровень ЗСК, компания зарегистрирована недавно, а сумма сделки несоразмерна её отчётности.
- ИИ-аналитик. Языковая модель читает судебные акты, документы контрагента и найденные публикации, составляет краткое изложение и отмечает расхождения. Для чувствительных документов модель можно развернуть в контуре компании.
- Досье и маршрут согласования. Система формирует отчёт, прикладывает его к карточке контрагента и направляет на согласование: «зелёный» — автоматически разрешён для малых сумм, «жёлтый» — к юристу, «красный» — запрет или решение руководителя.
Важно заранее решить, где хранить досье. При налоговой проверке понадобятся не выводы модели, а сохранённые сведения на дату сделки и подпись ответственного сотрудника.
Уровни проверки по риску сделки
Проверять одинаково глубоко каждого поставщика канцтоваров и генерального подрядчика неразумно. Письмо ФНС прямо связывает ожидаемую глубину проверки с крупностью и регулярностью сделок, спецификой товаров и работ и коммерческими условиями. Практичная схема — три уровня, пороги которых компания устанавливает сама.
| Уровень | Когда применять | Что проверяется | Кто согласует |
|---|---|---|---|
| Базовый | Небольшие разовые закупки у известных поставщиков | Регистрация, действующий статус, дисквалификация, банкротство, уровень ЗСК | Автоматически по правилам |
| Стандартный | Регулярные поставки и услуги, предоплата | Базовый + отчётность, суды, исполнительные производства, полномочия подписанта | Ответственный сотрудник |
| Углублённый | Крупные сделки, лицензируемые работы, подряд, нетипичные условия | Стандартный + документы о мощностях, персонале, лицензиях, СРО, история деятельности, публикации, встреча с руководителем | Юрист и руководитель |
Конкретные суммы порогов здесь не приводятся: они зависят от оборота компании, отрасли и внутренней политики рисков.
Досье: что должно остаться после проверки
Результат автоматизированной проверки должен быть понятен человеку, который откроет его через два года. Рекомендуемая структура досье:
- Реквизиты и дата проверки. ИНН, ОГРН, наименование, дата и время получения сведений.
- Источники. Список запрошенных источников с отметкой о полученном ответе или ошибке.
- Флаги правил. Какие правила сработали и на каких данных.
- Краткое изложение судебных дел. Роль компании, предмет, суммы и исход со ссылками на карточки дел.
- Сверка документов. Совпадают ли руководитель, адрес, реквизиты и полномочия с реестрами.
- Обоснование выбора. Почему выбран этот контрагент: цена, опыт, рекомендации, наличие ресурсов.
- Решение и ответственный. Кто согласовал сделку и с какими условиями, например без предоплаты.
Последние два пункта ИИ может только подготовить в черновике — фиксирует их сотрудник. Именно обоснование выбора отвечает на вопросы из пункта 15 письма ФНС о том, как компания узнала о контрагенте и почему сочла его способным исполнить договор.
Пошаговое внедрение
Шаг 1. Опишите текущий регламент
Соберите, как проверка делается сейчас в закупках, продажах и у юристов: какие источники смотрят, какие признаки считают тревожными, где хранят результат. Часто оказывается, что единого регламента нет.
Шаг 2. Утвердите правила и уровни
Вместе с юристом и финансовой службой составьте список флагов и пороги уровней проверки. Это управленческое решение, его нельзя делегировать модели.
Шаг 3. Выберите источники данных
Решите, что берётся из официальных сервисов, а что — из коммерческого агрегатора с API. Учитывайте условия использования данных и стоимость запросов.
Шаг 4. Соберите тестовую выборку
Возьмите несколько десятков реальных контрагентов, по которым известен исход: надёжные партнёры, проблемные поставки, банкротства. Проверьте, какие флаги сработали бы, и оцените качество изложения судебных дел моделью.
Шаг 5. Интегрируйте с учётной системой
Запуск проверки при создании карточки контрагента в 1С или CRM и сохранение досье в той же карточке устраняют ручное копирование.
Шаг 6. Запустите пилот в одном подразделении
Например, в закупках. Сравните время подготовки проверки и полноту досье до и после, соберите замечания юристов к изложениям модели.
Шаг 7. Добавьте повторные проверки
Регулярная перепроверка действующих контрагентов с уведомлением об изменениях — банкротстве, смене руководителя, новых крупных исках — часто полезнее первичной проверки.
Ошибки и ограничения
- Модель как оценщик. Итоговая «оценка надёжности» от LLM без правил и источников не объяснима ни проверяющему, ни суду.
- Нет даты получения данных. Реестры меняются; без даты невозможно доказать, что было известно на момент сделки.
- Слепое доверие агрегатору. Индексы и рейтинги коммерческих сервисов — полезный сигнал, но их методика принадлежит поставщику, а решение остаётся за компанией.
- Галлюцинации в изложении. Модель может неверно указать роль компании в споре или сумму. Нужны ссылки на карточку дела и выборочная проверка.
- Персональные данные. Руководители и учредители — физические лица. Хранение и передача таких сведений во внешние модели требует учёта 152-ФЗ; см. статью можно ли отправлять клиентские данные в ИИ.
- Формальность вместо сути. Идеальное досье не заменяет реальных контактов с контрагентом и проверки его ресурсов для крупных сделок.
Как измерять результат
| Метрика | Как считать |
|---|---|
| Время подготовки проверки | Замер до и после на одинаковых типах контрагентов |
| Полнота досье | Доля проверок, где заполнены все обязательные разделы и источники |
| Точность изложений модели | Доля судебных изложений без ошибок по выборочной проверке юристом |
| Своевременность повторных проверок | Доля действующих контрагентов, проверенных в установленный период |
| Сработавшие предупреждения | Число сделок, остановленных или изменённых после флагов, с разбором причин |
Эффект нужно сравнивать с исходным замером в вашей компании. Сводные подходы к метрикам ИИ-решений — в статье метрики эффективности ИИ-агентов, а смежная задача анализа договоров — в статье ИИ для юридического отдела.
Частые вопросы
Можно ли полностью доверить проверку контрагентов ИИ?
Нет. ИИ ускоряет сбор данных, чтение судебных дел и сверку документов, но решение о сделке и ответственность остаются за сотрудником. Для налоговых целей важны сохранённые сведения на дату сделки и обоснование выбора контрагента.
Какие источники нужны для проверки контрагента по ИНН?
Базовый набор — ЕГРЮЛ/ЕГРИП, открытые данные ФНС, реестр дисквалифицированных лиц, бухгалтерская отчётность в ГИР БО, картотека арбитражных дел, Федресурс, банк данных исполнительных производств и проверка уровня риска на платформе Банка России «Знай своего клиента». Для закупок добавляют реестр недобросовестных поставщиков.
Защищает ли автоматическая проверка от претензий ФНС?
Гарантии нет. Статья 54.1 НК РФ и письмо ФНС № БВ-4-7/3060@ оценивают совокупность обстоятельств, включая реальность исполнения сделки. Автоматизация помогает собрать и сохранить доказательства осмотрительности, но не заменяет реальную проверку возможностей контрагента.
Как часто нужно перепроверять действующих контрагентов?
Периодичность устанавливает сама компания с учётом объёма сделок и рисков. Автоматизация позволяет проверять действующих партнёров регулярно и уведомлять об изменениях, например о банкротстве или смене руководителя.
Можно ли использовать ChatGPT для проверки контрагента?
Общий чат-бот без доступа к реестрам может выдать устаревшие или вымышленные сведения. Надёжная схема — получать данные из источников по API, а модель использовать для изложения и сопоставления этих данных со ссылками на первоисточник.
Что делать, если контрагент в «красной» зоне платформы ЗСК?
Это сигнал высокого риска вовлечённости в подозрительные операции по оценке Банка России. Такую сделку стоит направить на углублённую проверку и решение руководителя, учитывая возможные вопросы со стороны обслуживающего банка.
Первоисточники и метод проверки
Материал подготовлен по источникам, проверенным 30 сентября 2026 года:
- Статья 54.1 НК РФ в редакции КонсультантПлюс на дату проверки.
- Письмо ФНС России от 10.03.2021 № БВ-4-7/3060@ — пункты 13–15 об оценке выбора контрагента; также доступно в КонсультантПлюс.
- Описание платформы «Знай своего клиента» Банка России и сервис проверки по ИНН.
- Каталог открытых данных ФНС — перечень наборов о задолженности, правонарушениях, спецрежимах, численности и отчётности.
- Официальные сервисы: ЕГРЮЛ, «Прозрачный бизнес», ГИР БО, реестр дисквалифицированных лиц, картотека арбитражных дел, Федресурс, ФССП, реестр недобросовестных поставщиков.
Методика: нормы и позиция ФНС изложены по тексту документов; таблицы источников, распределения задач и уровней проверки — редакционный анализ AIrassvet, а не требования закона. Коммерческие сервисы проверки не оцениваются и не рекомендуются; платных связей с ними издатель не заявляет.
Главное ограничение: в статье нет собственных измерений скорости или точности автоматизированной проверки. Эти показатели нужно определить на выборке ваших контрагентов.
Как AIrassvet помогает автоматизировать проверку контрагентов
Если проверка контрагентов тормозит закупки или продажи, её можно превратить в единый регламент с автоматическим сбором данных и понятным досье. На сайте AIrassvet, который также использует название «AI студия Владимира Ломтева», описаны направления, применимые к этой задаче:
- Разбор текущего регламента проверки и подготовка данных: источников, правил флагов и уровней.
- ИИ-агент, который по ИНН собирает сведения и формирует досье в карточке контрагента в 1С или CRM.
- Распознавание документов контрагента и сверка извлечённых полей с данными реестров.
- Интеграция, тестирование на выборке ваших контрагентов и обучение сотрудников работе с досье.
Первый шаг — выбрать один поток проверок, например новых поставщиков, описать текущую работу, источники данных, ограничения и критерий, по которому вы признаете автоматизацию успешной.
Итог: как начать автоматизацию проверки
Автоматизация проверки контрагентов с ИИ даёт наибольший эффект, когда модель не заменяет регламент, а исполняет его: данные поступают из источников с датой, флаги ставят утверждённые правила, модель излагает судебные дела и сверяет документы, а ответственный сотрудник принимает решение и фиксирует обоснование.
Начните с описания текущей практики и утверждения уровней проверки, подключите источники по ИНН, проверьте качество на выборке известных контрагентов и запустите пилот в одном подразделении. Так проверка станет быстрее, одинаковой для всех сделок и доказуемой при налоговом контроле.
