aify.studioайфи.студио
@aify_techTG-каналПочта
Back office AILLM-системаКонфиденциальный проект

Telegram-ассистент для Excel-отчётов

Telegram-бот для back office-команд, которые регулярно собирают продажи, остатки и финансовые выгрузки в Excel. Пользователь отправляет файл и задачу обычным языком, а система строит безопасный Pandas/OpenPyXL-пайплайн, проверяет результат и возвращает готовую книгу с audit log.

Описать похожую задачу
-90%
ошибок в отчётах
-70%
ручной рутины
до 50 000
строк в файле

Проблема

Отчёты до 50 000 строк собирались вручную: сотрудники копировали листы между файлами, пересобирали сводные таблицы, правили формулы и сверяли итоги уже перед отправкой руководителю. Ошибки было сложно отследить, потому что не оставалось журнала выполненных действий.

Решение

Бот профилирует структуру книги, выделяет колонки и типы данных, превращает запрос пользователя в план операций, исполняет Pandas/OpenPyXL-код в sandbox и возвращает Excel вместе с кратким audit log: какие листы изменены, сколько строк затронуто и какие проверки сработали.

Пилот на ваших данных

Как проверяем сценарий

Берём 3-5 типовых Excel-выгрузок, список повторяющихся операций и формат итогового отчёта. На пилоте считаем, сколько ручных действий можно заменить, где нужны проверки и какой audit log нужен бухгалтерии или операционному отделу.

Что подаём на вход

3-5 файлов

выгрузки из CRM/ERP/1C, правила сверки и пример итогового отчёта

Что измеряем

ошибки / время

долю автоматизированных операций, ручные ошибки и время подготовки

Что получает команда

report package

готовый Excel, warnings, список операций и канал доставки результата

Результат пилота: готовый Excel, список операций, предупреждения и audit logПроверить Excel-процесс на ваших файлах

В Excel-автоматизации ценность не в магии генерации кода, а в воспроизводимости: что изменили, почему результат сошёлся и где человеку нужно проверить warning.

AIFY Studio · подход к back office AI

Автоматизация Excel-отчётов

Excel-отчёт без ручной пересборки и скрытых ошибок

Показываем путь back office-команды: сотрудник отправляет выгрузку и задачу в Telegram, система строит ограниченный Pandas/OpenPyXL-пайплайн, сверяет итог и возвращает готовый файл вместе с audit log.

1

Файл и задача приходят в Telegram

Пользователь отправляет выгрузку из CRM, ERP или 1C и формулирует результат обычным языком: собрать сводку, найти расхождения или обновить отчёт.

2

Система понимает структуру книги

Ассистент определяет листы, колонки, типы данных, формулы и ограничения, чтобы не выполнять запрос вслепую.

3

Операции выполняются в sandbox

Pandas/OpenPyXL-пайплайн запускается с лимитами, allowlist-операциями и журналом действий, а не как свободный код без контроля.

4

Отчёт возвращается с проверками

Команда получает обновлённый Excel, warnings, список изменённых строк и audit log, по которому можно восстановить каждое действие.

Проверить Excel-процесс на ваших файлах
1. Файл и задача приходят в Telegram
2. Система понимает структуру книги
3. Операции выполняются в sandbox
4. Отчёт возвращается с проверками

Техническая часть

Как Telegram-запрос превращается в воспроизводимый Excel-отчёт

Внутри такого бота важен не сам факт, что LLM может написать Python-код. Бизнес-ценность появляется только тогда, когда система понимает структуру книги, строит ограниченный план операций, исполняет его в sandbox, сверяет результат и оставляет audit log, по которому можно восстановить каждое изменение.

Первым шагом Excel-файл переводится в структурированное представление. Для каждого листа сохраняются колонки, типы данных, формулы, число строк, пропуски и контрольные суммы. Пользовательская фраза из Telegram не исполняется напрямую: она сопоставляется со схемой книги и доступными операциями.

W={Sk}k=1m,Sk=(Xk, Ck, Fk, Tk)W = \{S_k\}_{k=1}^{m},\quad S_k=(X_k,\ C_k,\ F_k,\ T_k)
Книга хранится как набор листов: значения, колонки, формулы и типы данных.

Так бот отличает безопасную задачу вроде «собери сводку по регионам» от запроса, где не хватает колонок, есть неоднозначная метрика или нужна ручная проверка исходных данных.

Загрузка Excel-файла и определение структуры книги
Перед обработкой система показывает файл, первые строки, типы колонок и историю операций.

Дальше запрос превращается в план операций. План содержит не свободный текст, а шаги: какие листы читать, какие колонки использовать, как группировать данные, какие формулы или сводные таблицы создать и какие проверки выполнить. На этом уровне можно запретить опасные действия: сетевые вызовы, доступ к чужим файлам, запись вне рабочей директории или операции без лимитов.

P={o1,…,on},oi=(typei, argsi, guardsi)P = \{o_1,\ldots,o_n\},\quad o_i=(type_i,\ args_i,\ guards_i)
Каждый шаг пайплайна описывает тип операции, аргументы и защитные условия исполнения.

LLM здесь работает как планировщик и генератор кода, но финальное исполнение контролируется правилами: разрешённые библиотеки, лимит памяти, таймаут, allowlist операций и обязательные проверки перед выдачей результата.

План обработки Excel-файла через Pandas и OpenPyXL
Оператор видит не магический ответ, а конкретный план: очистка, агрегации, формулы, сверки и экспорт.

После исполнения система сравнивает исходную и итоговую книгу. Проверяются суммы, количество строк, дубликаты, пустые значения, типы данных, формулы и аномальные выбросы. Если контрольные значения не сходятся или найден риск, бот возвращает предупреждение вместо тихой отправки неверного отчёта.

valid(R)=⋀j=1qcheckj(W, W′) ∧ warnings≤γvalid(R)=\bigwedge_{j=1}^{q} check_j(W,\ W')\ \land\ warnings\le\gamma
Итоговый файл считается готовым только после набора сверок и допустимого числа предупреждений.

Это особенно важно для регулярных финансовых и операционных отчётов: ошибка в одной формуле может пройти незаметно, если нет формального слоя validation перед отправкой файла в Telegram, почту или портал.

Проверка результата и предупреждения перед отправкой Excel-отчёта
Validation summary показывает, что изменилось, какие строки затронуты и где нужен человек.

Финальный артефакт — не только XLSX-файл. Вместе с отчётом сохраняется audit log: входной файл, хэш результата, список операций, затронутые строки, предупреждения, время исполнения и версия шаблона. Поэтому регулярный отчёт можно воспроизвести и объяснить внутреннему контролю.

Ai=(oi, rowsi, hashin, hashout, statusi),R=(W′, A, V)A_i=(o_i,\ rows_i,\ hash_{in},\ hash_{out},\ status_i),\quad R=(W',\ A,\ V)
Результат включает обновлённую книгу, audit log и набор проверок качества.

Такой подход делает Telegram удобным интерфейсом, но не превращает процесс в непрозрачный чат. Пользователь получает готовый файл, а команда сохраняет управляемость: кто запустил обработку, что изменилось и почему результат можно принять.

Готовый Excel-отчёт, файл результата и audit log
Отчёт возвращается в рабочий канал вместе с резюме выполненных действий.

На выходе получается не «бот, который правит таблицу», а воспроизводимый back office-процесс: файл, план операций, sandbox-исполнение, quality checks, audit log и понятный канал доставки результата.

Проверка на операционной Excel-выгрузке

Выгрузка и запрос

Выгрузка и запрос

Обычная фраза вроде «собери продажи по регионам и найди расхождения» превращается в список проверяемых операций.

План обработки

План обработки

Pandas-пайплайн выполняет очистку, группировки, формулы, сверки и поиск аномалий по заданным правилам.

Контроль результата

Контроль результата

Система показывает изменённые листы, количество строк и предупреждения, которые требуют ручной проверки.

Готовый отчёт

Готовый отчёт

Результат можно вернуть в Telegram, отправить в почту или положить во внутренний портал без ручной пересборки файла.

Архитектура решения

1

Telegram intake

Excel-файл, источник выгрузки, роль пользователя и текстовая задача

2

Workbook profiler

листы, колонки, типы данных, формулы и размер файла

3

Operation planner

план Pandas/OpenPyXL-операций с ограничениями по данным и действиям

4

Sandbox runner

исполнение кода, ограничения, таймауты и журнал действий

5

Quality checks

сверка сумм, пустые поля, дубли, аномалии и warnings

6

Delivery

Telegram, email, портал, CRM или API для внутреннего процесса

Результаты

Сократили подготовку регулярного отчёта с 40–60 минут до 5–10 минут
Снизили количество ручных ошибок в формулах, фильтрах и сводках на 90%
Автоматизировали до 70% повторяющихся операций: очистку, группировки, сверки и выгрузки
Добавили контроль результата: список операций, затронутые строки и предупреждения по аномалиям

Стек технологий

PythonTelegram Bot APIPandasOpenPyXLGPT-4
Время реализации
2 недели разработки
Команда
1 Python разработчик, 1 аналитик

Хотите похожее решение?

Опишите процесс, данные и желаемый результат — вернёмся с вариантами решения и оценкой пилота.

Описать задачу

Cookie и аналитика

Метрика — только с согласия. Технические cookie нужны для сайта.

Подробнее: cookie и ПДн. Выбор можно изменить в футере.