Идея проекта:

Создание мультиагентной интеллектуальной системы, которая автоматизирует формирование табличных форм строгой отчётности (бухгалтерской, налоговой, статистической, ведомственной, отраслевой) на основе разнородных исходных данных. Система состоит из ансамбля специализированных ИИ-агентов: агент извлечения данных (парсинг документов, баз данных, API, Excel, сканов), агент нормализации и маппинга (приведение показателей к справочникам и классификаторам), агент валидации (проверка контрольных соотношений, арифметики, регламентных требований), агент генерации формы (заполнение по шаблону, выгрузка в утверждённом формате — XLSX, XML, CSV) и агент сопровождения (объяснение ошибок, подсказки, аудит изменений). Это снижает трудозатраты, минимизирует ручные ошибки и ускоряет подготовку отчётности, что критически важно для бухгалтерий, госорганов, крупных холдингов и отчитывающихся организаций.

Цель на акселератор:
Сформировать и верифицировать работающий прототип мультиагентной системы, который принимает на вход минимум 2–3 типа реальных исходных данных (например, выписки, Excel-реестры и сканы первичных документов), автоматически формирует 2–3 вида табличных форм строгой отчётности с соблюдением контрольных соотношений, и демонстрирует корректность заполнения не ниже заданного порога, а также подготовить архитектуру решения для масштабирования на другие формы и пилотного внедрения.

Задачи для достижения цели:

1. Разработка архитектуры и оркестрации мультиагентной системы: Спроектировать модульную архитектуру (шина сообщений, реестр агентов, оркестратор, хранилище данных, слой интеграций), определить роли и протоколы взаимодействия агентов, выбрать стек технологий (Python, LLM-фреймворки, RAG, OCR, правила валидации) и реализовать базовый сценарий прохождения данных от источника до готовой формы.
2. Разработка ИИ-агентов извлечения, нормализации и валидации: Настроить пайплайн получения данных из разнородных источников, обучить и валидировать агентов извлечения сущностей (NER, OCR, парсинг таблиц), маппинга показателей на классификаторы и справочники, а также агента проверки контрольных соотношений и регламентных требований.
3. Создание системы верификации и визуализации: Разработать методику оценки точности (полнота и корректность заполнения полей, число нарушений контрольных соотношений, доля ручных правок) в сравнении с ручным заполнением, создать интерактивный дашборд для отображения исходных данных, трассировки решений агентов, результата заполнения формы и журнала аудита.
4. Анализ применимости и подготовка бизнес-кейса: Провести анализ чувствительности системы к качеству исходных данных и типу формы, определить сценарии использования (Use Cases) для бухгалтерий, госорганов, холдингов и отраслевых организаций, сформировать roadmap развития продукта за пределами акселератора.

Ожидаемые результаты:

1. Рабочий прототип мультиагентной системы ReportMasters: Программный комплекс, в котором агенты в автоматическом режиме извлекают, нормализуют, проверяют и формируют табличные формы строгой отчётности, с выдачей готовых файлов и журнала решений через API или веб-интерфейс.
2. Отчёт по верификации корректности: Документ, содержащий метрики (точность заполнения полей, доля нарушений контрольных соотношений, сокращение времени подготовки, снижение ручных правок) и сравнение с ручным формированием отчётности.
3. Интерактивный демонстрационный дашборд: Визуальный интерфейс, отображающий исходные данные, работу каждого агента, трассировку решений, итоговую форму и журнал аудита, готовый для показа инвесторам и партнёрам.
4. Пакет проектной документации: Архитектурная схема мультиагентной системы, описание бизнес-модели, анализ рынка решений для автоматизации отчётности и план дальнейшего развития (roadmap) на 6–12 месяцев.

Проект «ReportMasters — мультиагентная интеллектуальная система генерации табличных форм строгой отчётности» соотносится с национальным проектом технологического лидерства «Микроэлектроника» через уровень «Машины вычислительные электронные цифровые (серверы, компьютерное и периферийное оборудование, контроллеры управления сетью и т.д.)» и элемент «Микроконтроллеры, процессоры, ПЛИС, контроллеры SSD, интерфейсные контроллеры», что соответствует косвенной связи, поскольку система использует вычислительную технику и ИИ-обработку данных для извлечения, нормализации, валидации и генерации табличных форм строгой отчётности, но не создаёт саму микроэлектронную компонентную базу.

Дополнительно проект соотносится:

• с НПТЛ «Промышленное обеспечение транспортной мобильности» через уровень «Высокоскоростной электропоезд для высокоскоростных магистралей» — тип связи обеспечивающая, поскольку система может формировать формы строгой отчётности для операторов и обслуживающего персонала подвижного состава, интегрируясь с системами контроля и управления;
• с НПТЛ «Технологическое обеспечение продовольственной безопасности» через уровень «Селекция и генетика в растениеводстве» — тип связи косвенная, поскольку система использует аналогичные подходы машинного обучения и баз данных для предиктивной аналитики и генерации отчётных форм;
• с НПТЛ «Биоэкономика» через уровень «Средства производства продукции биоэкономики»— тип связи косвенная, поскольку система использует базы данных и программное обеспечение для нормализации показателей и формирования отчётности в отраслях биоэкономики.

На страницу проекта