ИИ для финдиректора: выбираем инструменты из трех классов

Внедрение ИИ — наиболее частый запрос на внедрение со стороны финансовой команды в 2026 году. Однако для каждого запроса, а точнее для каждой задачи, есть свои особенности по настройке механики взаимодействия с нейросетью.

Использование ИИ не ново — уже год-два назад специалисты в компаниях пользовались им в режиме чата, который с готовностью мог ответить на вопросы: как посчитать какой-то показатель, что сделать, чтобы модель заработала, и многие другие отвлеченные от контекста вопросы. Если читатель помнит, то еще недавно все расчеты нейромоделей необходимо было перепроверять на банальные арифметические ошибки.

За последний год произошел существенный скачок развития технологии, и сейчас перед нами не просто генеративный искусственный интеллект, который блестяще считает, а нейросети, погруженные в контекст финансовой модели, с памятью, фактической и глубокой предиктивной аналитикой.

Конечно, не все нейросети предоставляют полный функционал, а пользователям все-таки не стоит ожидать появления большой «зеленой кнопки», которая решит все проблемы. Однако шаг к значительному упрощению аналитики сделан немалый. В сегодняшнем материале разберем, что сегодня предлагают нейросети, что для этого требуется от пользователей и компаний, а также особенности обработки данных.

На рынке уже существует множество классификаций ИИ-инструментов. Например, одни делят их на чат-бота для ответов на вопросы и исполнительного агента, действующего в системе. Другие раскладывают по сложности задачи: покрытие рутинных операций, аналитика, стратегия.

Все классификации логичны, однако каждая из них отвечает на вопрос: какие функции инструмент выполняет. При этом ни одна — с чем ИИ работает. Последний критерий — фундаментальный.

Нейросети могут быть допущены к разным уровням информации, и это дает основание для следующей классификации.

• Класс 1. Нейросети общего назначения. Работают только с присланным текстом или таблицей.
• Класс 2. Ассистенты внутри учетных систем. Находятся в контуре корпоративных данных и видят проводки, формулы и справочники. Они могут находить взаимосвязи, видеть аналогии, на основании этого давать рекомендации по расчетам и формированию отчетов.
• Класс 3. Системы планирования ИИ-агентами. ИИ работает в финансовой модели, видит связи показателей, а также самостоятельно решает задачи по внесению формул, оформлению отчетов и изменению параметров.

Классы — это еще и этапы. Для многих знакомство с нейросетями в финансах начиналось с общего чата. Сейчас взаимодействие с ИИ сместилось внутрь рабочих систем. Так эту смену описывают и в «Планум-Платформе»: общий чат с отвлеченной нейромоделью — практика прошлого года, а работа ИИ внутри системы становится нормой.

Еще есть большой класс ИИ-помощников для бизнеса, которые отвечают клиентам, разбирают переписку, дежурят на первой линии поддержки. Им посвящен наш отдельный разбор.

К этому классу относятся ChatGPT и его аналоги, российские языковые модели, агрегаторы доступа сразу к нескольким сервисам. Специальных инструментов для финансистов в них нет, однако они могут появиться, если хорошо обучить модель. Но можно сделать текстовый запрос или загрузить таблицу и задать вопрос. Этот класс можно использовать как самую доступную точку входа и первый опыт.

Что нейросеть умеет на практике:

• сделать черновик письма контрагенту, пояснительной или служебной записки;
• объяснить нормы или термины обычным языком, чтобы быстро понять чужой документ;
• создать формулу для Excel или разобрать чужую;
• найти странности во фрагменте: дубли, пропуски, несходящиеся суммы.

Плюсы очевидны: доступность, нулевая стоимость внедрения, независимость от вендора. ChatGPT для финансиста или любой другой чат начинает работать в день запуска, вносит правки и дает советы только в рамках того куска данных, который финансист передал ему самостоятельно. Доступа ко всей модели данных у него нет.

В этом же и заключаются его ограничения: нейросеть не знает, что «выручка» в вашем файле уже очищена от внутригрупповых оборотов, а «затраты» подсчитаны без амортизации. Главный риск программ первого класса — это ограниченность выводов: нейросеть не может увидеть более глубокие взаимосвязи с количеством физических запасов, их стоимостью и сроком годности, если у нее нет этих данных.

Такие нейросети подходят, когда нужно получить быстрый ответ на гипотезу в рамках одного массива или где требуется быстрая проверка данных. Например, оценить правильность формулы или выявить расхождение в строках таблицы. Вывод «прибыль выросла за счет снижения себестоимости» проверить нечем, так как нейросеть не видела ни себестоимости, ни ее структуры. Поэтому не стоит ожидать, что общая нейромодель может закрыть всю проверку. Для текста и одной таблицы общего чата хватает. Для работы с учетом и плановыми цифрами компании переходят к следующим двум классам.

Именно их имеют в виду, когда говорят про ИИ в финансах. К ним относятся ИИ, встроенные в систему корпоративной аналитики.

Они выполняют строго регламентированные человеком задачи. Например:

• Выявление оптимальных сценариев реализации
• Проверка гипотез при изменении показателей (что будет, если выручку увеличить на 10%)
• Поиск информации по базе данных (какая себестоимость на единицу продукции для каждого SKU)
• Выявление факторов для показателей (от чего зависит маржинальность по проекту)
• Рекомендации по достижению результата (что нужно сделать, чтобы прибыль повысилась на 5% в следующем году)
• Как правильно оформить какую-то функцию (например, как создать процесс согласования договора подряда на определенную сумму, кто ответственные лица)

Ответы на эти вопросы уже чрезвычайно полезны и сокращают ручную аналитику с построением таблиц и графиков, однако перенос итоговых результатов в базу все еще лежит на человеке.

Ключевое отличие от общего чата — это развертывание ИИ в контуре корпоративных данных. ИИ уже имеет доступ к нужным показателям и взаимосвязям массивов информации и может предоставлять более глубокий анализ для финансиста.

С фактическими данными, полученными из других систем, такой ИИ-ассистент работает как с любыми другими данными: также оценивает их полноту и целостность, строит гипотезы и рассчитывает показатели.

Ограничения таких ассистентов — отсутствие возможности записывать все изменения и гипотезы в базу: финансисту нужно будет самостоятельно утверждать и переносить логику в саму систему.

Кроме того, связь нейромодели с системой планирования и аналитики закладывается в момент внедрения — переход на другие системы с ИИ будет дорогостоящим. Поэтому лучше останавливаться на таких ИИ-инструментах внутри систем, которые показывают значительный прогресс в функционале, пока финансовый департамент оценивает потенциальные варианты для внедрения.

К третьему классу относятся ИИ-агенты внутри систем планирования и аналитики для финансового директора. Финансовые команды уже давно перестали отвечать исключительно за финансовое положение бизнеса — сейчас они смотрят намного шире, принимая во внимание продажи, закупки, производство, персонал. Такой подход позволяет оценивать эффективность работы бизнеса намного глубже и детальнее и видеть проблемы на начальных этапах их возникновения.

Для реализации и помощи в такой более глубокой аналитике многие системы уже совершают переход от работы ИИ-ассистентов к ИИ-агентам.

Эти нейромодели имеют расширенный доступ к работе с базой данных: они не просто видят и анализируют справочники, формулы, связи показателей, структуры расчетов, уровни консолидации, а уже позволяют вносить изменения в саму базу данных.

Для примера возьмем запросы из блока ИИ-ассистентов и покажем, как их может решать ИИ-агент (или инструмент, переходящий к этой ступени):

• Выявление оптимальных сценариев работы бизнеса (агент не просто выдаст ответ в отдельном окне, но и может самостоятельно построить дашборды и таблицы, чтобы наглядно продемонстрировать результаты)
• Проверка гипотез при изменении показателей (он не просто показывает, что будет при увеличении выручки, но позволяет записать в базу данных увеличенные показатели, пересчитать результат и выдать его в удобной визуальной форме)
• Поиск информации по базе данных (детализированную себестоимость он уже покажет не в отдельном окне, а сам построит таблицу и график)
• Рекомендации по достижению результата (агент проанализирует текущие взаимосвязи, предложит наиболее достижимые с точки зрения бизнеса варианты и посчитает итоговый результат. Конечно же, в привычной визуализации)

Помимо этого, ИИ-агента внутри системы планирования и аналитики можно связать с почтовыми агентами, системами документооборота и другими системами, что позволит решение задачи сделать более комплексным, а именно получать ответ на вопрос: откуда пришел этот расход, каким договором он подтверждается и для закрытия какой потребности он был создан.

Последний пункт в списке задач появился недавно. Раньше встроенный ИИ только отвечал на вопросы. Теперь зарубежные вендоры учат его самостоятельному выполнению комплексных задач, включая коммуникацию между пользователями.

В декабре 2025 года Anaplan представил свою новую линейку ролевых ИИ-агентов. Центральный из них, CoModeler, по описанию вендора, превращает запросы на естественном языке в модели, логику и расчеты. Pigment выпустил Modeler Agent, который по запросу собирает и правит показатели и формулы. А Workday в мае 2026 года показал для Adaptive Planning функцию, которая записывает одобренный руководством сценарий прямо в план.

Из российских систем такого класса один из достойных вариантов — «Планум-Платформа». Ее ИИ-модуль называется ПланумAI. В компании считают его одним из передовых в своем сегменте в России. Продукт включен в Единый реестр российского программного обеспечения (запись № 30685).

На странице продукта вендор заявляет, что ИИ-модуль работает в контексте вашей модели и понимает формулы, связи показателей и структуру расчетов. По словам вендора, вместе с итоговым числом ПланумAI показывает исходные значения и формулу расчета. Если для сопоставимого сравнения не хватает показателей, он об этом пишет. Запустить сравнение можно принудительно, если экономист посчитает это целесообразным.

Помимо ответов и вывода данных на дашборд, на демонстрации в октябре 2026 года ПланумAI показал и новую роль. По запросу он собрал небольшую модель продаж, связанную с производственным планом: предложил справочники, кубы и формулы связи. Таблицу из Excel он принял файлом и перенес ее формулы в правила системы. Все изменения применяются после того, как пользователь посмотрел их состав и подтвердил. По словам вендора, так уже собирают пилотные версии под заказчика, и он может увидеть свои данные в системе еще до большого проекта.

Стоимость «Планум-Платформы» вендор сообщает по запросу.

В этом классе есть и существенные минусы.

Во-первых, привязка к вендору. Модуль силен настолько, насколько аккуратно собрана модель. Кривая структура плюс нейросеть выдают быстро посчитанную ошибочную информацию.

Во-вторых, нужна внедренная система. ИИ-модуль работает на основе конкретной финансовой модели. Поэтому сначала переносится методика и настраиваются связи с источниками, и только потом появляется смысл задавать ему вопросы.

В-третьих, есть порог по объему данных.

В-четвертых, ИИ не заменяет архитектора системы. Какие нужны справочники, что и с какой частотой должно быть в отчетах, кто какой блок заполняет и куда переливаются данные, по-прежнему решает эксперт.

Этот класс продуктов мы подробно разобрали в материале о том, чем FP&A отличается от CPM, IBP и xP&A. А соседний класс — в нашей подборке систем финансового и управленческого учета.

Классы этих продуктов не конкурируют между собой. Компания может работать со всеми тремя. Для текстов использовать чат, помощника в учетной системе — для потока документов, систему планирования — для создания плана и прогноза. Но работа с цифрами все чаще уходит в два последних.

В разговорах про искусственный интеллект в финансах, как и в других сферах, специалистов интересует, заменит ли он полностью человека. В теме расчетов есть функции, которые не закрывает ни один инструмент, независимо от цены.

Управление процессом. Полноценного «ИИ-финансиста» сейчас не существует. Регистры, учетная политика, квалификация операции, профессиональное суждение по спорному случаю — это все еще работа человека. ИИ предложит расчеты по аналогии с прошлыми или с лучшими практиками, но квалификацию операции дает финансист.

Сдача отчетности. Подпись, сроки и ответственность перед контролирующими органами и собственниками лежат на организации и конкретном специалисте. Инструмент соберет данные, подсветит расхождения, подготовит черновик расчетов, но отправка и последствия — не его зона. Формально ее и не может быть: ответственного субъекта у программы нет.

Ответственность. Ошибки ассистента остаются ошибками компании. Если некорректная цифра ушла в отчет и в отчетность, объяснение «так посчитал ИИ» ничего не меняет ни для налоговой, ни для собственника. Поэтому вопрос «кто проверяет результат» входит в саму конструкцию: у каждого ответа должен быть принявший его ответственный человек. Проверка стоит дешево, ее отсутствие обходится дорого.

В разговоре про ИИ в финансах есть еще одна развилка, от которой зависит уровень риска.

В «Планум-Платформе» роли разводят так. Агент и ассистент работают на данных конкретной финансовой модели. Но у агента шире полномочия и глубже доступ. Он сам решает задачу в системе, например, регулярно сравнивает план и факт, ищет отклонения и меняет прогноз. Ассистент отвечает на вопросы человека и дает рекомендации.

Еще недавно эта граница проходила четко. Сейчас она стирается. По демонстрации вендора в октябре 2026 года, ПланумAI по запросу сам собирает справочники и кубы, переносит формулы из таблиц в правила системы и меняет логику. Например, делает так, чтобы количество продаж в каждом следующем месяце было на 10 % выше. В компании ПланумAI называют ИИ-агентом.

Главное условие — подтверждение. Перед применением ПланумAI показывает карточку изменений: что будет создано, к каким элементам применяется правило, какой станет формула и как изменится оформление ячеек. Применяются изменения отдельной кнопкой.

Похожую логику строят и зарубежные вендоры. Pigment, по описанию вендора, перед любой правкой выносит план изменений на проверку и ждет явного согласия. Workday сохраняет вместе со сценарием, записанным в план, его источники, допущения и цепочку согласования.

Для финансовой службы вывод меняется. Пока ассистент только отвечал, его ошибка оставалась на экране. Теперь неверное правило может попасть в систему. Дешевле всего поймать его в момент подтверждения, внимательно прочитав карточку изменений. Потом остается только сверка.

«Небольшую пилотную версию ИИ уже собирает сам, и заказчик может посмотреть свои данные в системе еще до большого проекта. Это заметно ускоряет внедрение. Клиенту не нужно писать в поддержку: попросить показать данные, углубить анализ или поменять формулу можно прямо в диалоге. Но опыт человека, который много лет строит такие системы, ИИ не заменяет. Архитектура остается за экспертом», — говорит Никита Лашин, управляющий партнер системы планирования и бюджетирования «Планум-Платформа».

Встречается и более радикальный подход. ИИ-исполнителя, который сам делает проводку или меняет прогноз без подтверждения, считают высшей ступенью зрелости. У обеих позиций своя логика. Самостоятельный исполнитель экономит время и сокращает путь от анализа к действию. Подтверждение человеком оставляет точку, где ошибку можно остановить.

Для выбора продукта этот вопрос бывает важнее списка функций.

С общими ИИ-чатами данные уходят за пределы компании. Загруженная в окно чата информация покидает периметр компании и обрабатывается на стороне сервиса. Поэтому обезличивание здесь обязательно. В запрос нельзя отправлять персональные данные сотрудников, реквизиты и номера счетов, непубличную отчетность, коммерческие условия договоров и все, помеченное как коммерческая тайна. Контрагентов и сотрудников заменяют на условные обозначения, суммы масштабируют, если величина не важна для задачи.

В интегрированных в систему ИИ-ассистентах и ИИ-агентах данные остаются в системе, при этом нейромодель клиент может выбрать самостоятельно. Здесь появляется своя развилка: какая нейросеть стоит под ассистентом и что ей доступно. В «Планум-Платформе» этот выбор целиком за клиентом. Он решает, подключить внешнюю или внутреннюю нейромодель и какой доступ к данным ей дать. От развития конкретной модели, по словам вендора, зависит и глубина анализа.

Для финансового директора практический вывод такой: запрет службы безопасности на внешние сервисы тему ИИ не закрывает, поскольку аналитику можно получить и на внутренней модели. Насколько глубокой она будет, зависит от степени зрелости нейросети. Поэтому перед решением ее нужно проверять на собственных задачах.

При любом выборе полезно составить внутренний регламент на одну страницу. В нем должен быть перечень разрешенных сервисов, категории отправляемой информации и имя человека, проверяющего результат перед отправкой в отчет.

Для выбора нужного продукта важны результаты, которые хочет получить компания, и исходные данные.

Финансовый директор часто работает с комплексной моделью, где есть операционные и финансовые показатели, факт, план и сценарии. ИИ для финансового директора приносит пользу там, где инструмент видит структуру расчетов.

Но ИИ-агенты и ИИ-ассистенты нужны не всем. Например, без них могут обойтись компании с небольшим объемом данных и невысокой детализацией. По словам вендора, система нужна там, где данных много и детализация высокая или процесс сложный, с многоступенчатыми расчетами.

Собрали вопросы, которые помогают понять, с каким инструментом вы имеете дело и чем рискуете. Они одинаково подходят и бухгалтеру, и финансовому директору.

1. Какая информация приходит вместе с итоговой цифрой? Ответ без исходных значений и формулы не проверить и не использовать в отчете.
2. Где физически находятся данные и кто имеет к ним доступ? Нужны конкретный контур и конкретный перечень ролей.
3. Может ли инструмент что-то менять в системе сам? Если да, что именно, что он показывает до применения и как исправить ошибку после.
4. Кто отвечает за результат, который ушел в отчетность? Нужны имя и роль конкретного человека.
5. Можно ли повторить расчет вручную и получить то же число? Если нет, ответ нейросети — это догадка, оформленная как факт.

Пятый вопрос самый полезный, потому что закрывает главный риск всех трех классов. Опаснее всего число, которое уже показали совету директоров, а откуда оно взялось, объяснить никто не может. Поэтому автоматизацию в финансах стоит начинать с вопроса, можно ли проверить ответ.