Нейросеть, которой дали двадцать сумм и попросили сложить, ошибётся в одном случае из десяти — и сделает это уверенно, с красивым пояснением. Тот же инструмент, которому дали счёт в PDF и попросили вытащить реквизиты и сверить с договором, сделает это быстрее и точнее человека. Вся финансовая аналитика с ИИ строится на этой разнице: модель читает и объясняет, система считает.
Если в компании «финансовая аналитика» означает «бухгалтер к пятнице сводит таблицу, а директор спрашивает, почему маржа упала», — это статья про то, какую часть этой работы снимает нейросеть, какую нельзя ей отдавать и как это встроить в учёт, не меняя его. Про аналитику данных вообще — тренды, сегменты, поведение клиентов — написано отдельно; здесь только про деньги компании.
Где ИИ силён, а где опасен
Языковая модель — это машина для работы с текстом, и финансовые документы для неё текст: счёт, акт, договор, выписка, письмо от контрагента. Всё, что требует прочитать, понять и переложить в структуру, она делает хорошо. Всё, что требует посчитать, — плохо, и это не недостаток конкретной модели, а свойство инструмента.
| Задача | Кто делает | Почему |
|---|---|---|
| Вытащить реквизиты из счёта в PDF | модель | чтение и структурирование текста — её работа |
| Сверить счёт с договором, найти расхождения | модель | сопоставление условий словами |
| Отнести операцию к статье расходов | модель | классификация по смыслу описания |
| Написать комментарий к отклонению показателя | модель | объяснение по готовым числам |
| Сложить суммы, свести баланс | учётная система | модель ошибается в арифметике |
| Посчитать чистую прибыль | учётная система | внутренние перемещения и займы модель трактует неверно |
| Спрогнозировать поступления по ряду | система или расчётная модель | нейросеть выдаст правдоподобное число без основания |
| Принять решение о займе или отсрочке | человек | ответственность и контекст |
Про вторую половину таблицы стоит сказать прямо, потому что продавцы решений об этом молчат. Сервис управленческого учёта ПланФакт в собственном разборе ИИ для финансов пишет: «ИИ может ошибаться. Если в учёте есть внутренние перемещения денег или займы, ИИ неверно проанализирует баланс и интерпретирует чистую прибыль» («ИИ для финансов бизнеса», ПланФакт, 23.07.2026, проверено 07.09.2026). Это говорит компания, которая продаёт ИИ-функции в своём продукте, — и она права.
Отсюда правило, которое я закладываю в каждый финансовый проект: модель не получает права на арифметику. Суммы, остатки, прогнозы приходят к ней уже посчитанными системой, а она их читает, сопоставляет и объясняет.
Четыре задачи, где ИИ окупается первым
По убыванию частоты и скорости окупаемости.
1. Сверка документов. СберПро со ссылкой на отчёт СберУниверситета формулирует так: «финансовые команды традиционно тратят значительную часть ресурсов на ручную сверку документов», и внедрение ИИ «позволяет сократить затраты времени на такие операции до 90%». Там же описан процесс: система извлекает из счёта дату, номер, сумму, наименования и контрагента, подтягивает договор, агент сверяет условия поставки и выявляет расхождения, формирует письмо поставщику, а специалист подключается на финальном этапе («Как искусственный интеллект ускоряет работу финансовых служб», СберПро, 14.07.2026, проверено 07.09.2026). Ровно такой процесс собирается для компании любого размера — от одного бухгалтера до отдела.
2. Разнос операций по статьям. Выписка приходит с назначениями платежа в свободной форме: «оплата по счёту 118 за услуги», «возврат», «за материалы согласно договору». Человек читает и относит к статье. Модель делает это по описанию статей и истории разноса; спорные случаи помечает и отдаёт человеку. Это самая скучная и самая частая операция управленческого учёта.
3. Объяснение отклонений. Отчёт показывает, что расходы на логистику выросли на 18%. Кто-то должен открыть детализацию и понять почему. Модель получает две таблицы — прошлый и текущий период — и пишет: «рост дали три поставки в регион X, тариф перевозчика вырос с даты Y, остальное в пределах обычного». Числа она не считает — берёт из детализации; её работа — найти и сформулировать.
4. Черновики документов из входящих. Счёт пришёл письмом — модель извлекла реквизиты структурированным выводом, система создала черновик документа, человек проверил и провёл. Как это устроено технически на примере 1С — в статье про ИИ-агента для 1С: чтение через OData, действие через HTTP-сервис, права отдельного пользователя.
Как это устроено технически
Три механизма, и все они есть у российских моделей.
Структурированный вывод. Модель отвечает не текстом, а объектом по заданной схеме: номер, дата, сумма, контрагент, позиции. У GigaChat это задаётся полем response_format с типом json_schema, и документация прямо называет применение: «извлечение сущностей из текста или парсинг документов» (генерация структурированных данных, документация GigaChat, обновлено 20.07.2026, проверено 07.09.2026). Это основа задач 1, 2 и 4: из документа получается запись, которую система умеет принять.
Вызов функций. Модель не ходит в базу сама — она просит ваш код: «найди договор с контрагентом X», «дай детализацию по статье Y за период». Код выполняет запрос к учётной системе и возвращает результат. По документации GigaChat модели «не исполняют функции самостоятельно, а принимают решения о работе с ними» (работа с функциями, проверено 07.09.2026). Так и обеспечивается правило «модель не считает»: числа всегда приходят от системы.
Доступ к учёту. Для 1С — стандартный интерфейс OData на чтение и HTTP-сервис в расширении для действий; официальная страница платформы подтверждает поддержку «доступа внешних систем к данным приложений 1С по протоколу OData» (раздел «Интеграция», 1С:Предприятие, проверено 07.09.2026). Для сервисов управленческого учёта — их API. Учёт при этом не меняется: модель подключается сбоку.
Какие модели вообще доступны бизнесу и где они окупаются, разобрано в статье про нейросети для бизнеса. Как настраиваются промпт, инструменты, права и память такого агента — разбор по четырём слоям. Для финансов из четырёх слоёв самый важный — права: агент читает, человек проводит.
Что с прогнозом кассового разрыва
Самый частый запрос финансового директора к ИИ — и самый обманчивый.
Прогноз кассового разрыва — это ряд: ожидаемые поступления и платежи по датам. Считать его нейросетью нельзя по причинам из первого раздела. Но в этом прогнозе есть часть, которую система посчитать не может, потому что данных в ней нет: сроки оплаты из договоров, которые не занесены; обещания клиентов из переписки «оплатим после 15-го»; условия отсрочки, записанные в письме. Это текст, и вот его читает модель.
Правильное разделение: система считает ряд по тому, что в ней есть; модель дополняет ряд датами и суммами из договоров и писем, помечая источник каждой; человек смотрит на разрыв и решает. Прогноз стал точнее не потому, что «ИИ спрогнозировал», а потому, что в него попали данные, которые раньше лежали в почте.
Что происходит, когда делают наоборот и просят модель «спрогнозировать поступления на квартал»: она выдаёт таблицу с правдоподобными числами и убедительным комментарием. Проверить их нечем, потому что основания у них нет. Это худший вид ошибки — та, которая выглядит как результат.
Где живёт модель: вопрос, который задаётся первым
Финансовые данные — коммерческая тайна и часто персональные данные контрагентов. Поэтому до выбора задачи решается, куда эти данные пойдут.
| Вариант | Данные | Оплата | Когда подходит |
|---|---|---|---|
| Российское облако: GigaChat, Yandex AI Studio | в стране, у провайдера | по счёту от юрлица | большинство компаний |
| Локальная модель на своём сервере | не покидают контур | сервер и сопровождение | особо чувствительные данные, требования безопасности |
| Зарубежная модель | за границей | зарубежный способ оплаты | закрыто с российских адресов, для финансов не рассматривается |
Стоимость облака считается по токенам: у GigaChat Lite — 0,065 ₽ за тысячу, Pro — 0,5 ₽, Max — 0,65 ₽ при минимальном платеже 600 ₽ в месяц (тарифы GigaChat для юрлиц, проверено 07.09.2026). Разбор одного счёта с извлечением реквизитов и сверкой — обычно две-четыре тысячи токенов; на Pro это одна-две рубля за документ, на Lite — копейки. При сорока счетах в день токены обходятся в сотни рублей в месяц. Главная статья — не они, а разработка и сопровождение под ваши типы документов.
И в любом варианте — отдельная учётная запись для агента с правами на чтение нужных объектов и без права проводить. Как ломают агентов через письма и документы и почему это касается финансов напрямую — в разборе атак на ИИ-агентов: счёт от контрагента — это входящий текст, и в нём может лежать инструкция.
Что реально меняется в работе финансовой службы
Не «ИИ заменит аналитика». Меняется распределение времени.
СберПро приводит формулировку из отчёта PwC: ведущие финансовые организации «смещают фокус с обработки транзакций на генерацию идей». Для компании с одним бухгалтером это переводится так: перебивка счетов и разнос выписки уходят модели, проверка остаётся человеку, а освободившиеся часы идут на вопросы, до которых раньше не доходили, — почему маржа по направлению падает третий месяц, кто из клиентов платит с задержкой и сколько это стоит.
- Прогноз выручки «от нейросети»
- Чистая прибыль с учётом займов посчитана моделью
- Итоги по таблице сложены в промпте
- Каждое число проверяется человеком заново
- Через месяц ИИ выключили
- Реквизиты из PDF в запись за секунды
- Сверка с договором и письмо поставщику черновиком
- Разнос по статьям с пометкой спорных
- Комментарий к отклонению по готовой детализации
- Человек проверяет расхождения, а не перебивает
С чего начать: порядок на квартал
- 1Замерминуты на счёт и на разнос выписки за неделю, число документов
- 2Выбор процессасверка или разнос — то, что чаще и дольше
- 3Доступотдельная учётка, чтение через API учёта, модель в российском облаке
- 4Схема и правилаJSON-схема документа, описание статей, запреты на арифметику
- 5Проверка100 реальных документов за прошлый месяц, доля верных извлечений
- 6Работа и замерминуты «после», решение о втором процессе
Замер до. Сколько минут занимает один счёт от письма до проводки, сколько — разнос недельной выписки. Без этих чисел эффект потом не доказать; как считать экономику внедрения целиком — в статье про стратегию внедрения ИИ.
Проверка на своих документах. Не на демо. Сто реальных счетов за прошлый месяц, включая кривые сканы и счета без номера. Считается доля верно извлечённых реквизитов; порог для запуска — когда проверка черновика занимает меньше времени, чем ручной ввод.
Что не брать первым. Прогноз, бюджет, «ИИ-финдиректор». Это третий и четвёртый шаг, когда первые два показали, что модель читает ваши документы правильно.
Что я делаю, когда приходят с «нужна ИИ-аналитика по финансам»: прошу десять последних счетов и недельную выписку и смотрю, сколько в них ручной работы с текстом — обычно это и есть первый процесс. И отдельно проверяю, не просят ли модель считать: если просят, объясняю, почему это единственное, чего она делать не должна. Внедрение ИИ в бизнес в финансовой части я веду ровно так — модель читает, система считает, человек решает.
