Нейросети для финансиста: реестр платежей, авансовые отчёты и сверки

Коротко

Почему финансисту с нейросетью сложнее, чем юристу?

Цифры не вычеркнешь.

Эту разницу я объясняю на обучениях для бэк-офиса. Если из договора убрать персональные данные, на результат анализа это вообще никак не повлияет. Если из Excel убрать значения, ты получишь не тот результат, который нужен. Модели нечего будет считать.

Поэтому финансовый отдел обезличивает иначе. Суммы, даты и статьи остаются, уходят имена сотрудников, названия контрагентов, реквизиты и всё, по чему можно узнать конкретную сделку. Где проходит граница и что делать, если служба безопасности запрещает облако совсем, разобрано в материале про чувствительные данные и нейросети в компании.

Вторая причина - красная зона. Финансовый вопрос, как юридический и кадровый, относится к тем, где у нейросети нет права на финальное решение. Ответ может выглядеть безупречно и при этом не совпадать с действительностью. На обучении у руководителей спросили, будет ли качество одинаковым у 25 человек на одних и тех же данных. Честный ответ: пока нет. Ответственность несёт человек, за это ему и платят зарплату.

Вот сценарии, которые мы прошли на обучениях BTL-агентства и группы компаний из нескольких юрлиц:

Реестр платежей: какие счета платить сегодня

На обучении BTL-агентства мы загрузили в новый чат ведомость по оплатам: около 370 строк, колонки от A до Z. Заявка получателя, сумма, проект, статья, финансирование, наличие в прогнозе, наличие документов. Первый запрос был такой:

Проанализируй Excel-файл и отобери счета к оплате на текущую дату. Условия отбора должны выполняться одновременно:
1) дата оплаты = сегодня или раньше;
2) финансирование = открыто;
3) наличие документов: в поле с датой документа должна быть указана дата, кроме случаев, где в столбце Y стоит признак аванса.
Поле «наличие в прогнозе» не используй.
Выведи таблицу отобранных счетов и кратко объясни логику отбора.

Обрати внимание на две вещи. Первая: исключение для авансов записано прямо в условии, иначе модель отбросит авансовые счета без документов. Вторая: поле, которое нельзя использовать, названо явно. Модель склонна брать в расчёт всё, что видит, и похожее по смыслу поле легко меняет результат.

Вторым запросом на уже отобранных счетах модель делает сводку с тремя разбивками: по юрлицу-плательщику, по типу проекта (номера на 7 - внутренние, на 3 - клиентские) и по категории платежа. Третьим - контрольные проверки: платежи больше 500 тысяч рублей, расходы по проектам прошлого года и строки, где тип проекта определить не удалось. Эти строки и есть твоя зона ручной проверки.

Завершает цепочку запрос на самопроверку. Это защита от того, что модель где-нибудь загаллюцинирует:

Проверь свою логику анализа еще раз.

Убедись, что:
1. В отбор попали только счета, которые соответствуют всем условиям.
2. Поле «наличие в прогнозе» не использовалось.
3. Авансы из столбца Y обработаны корректно.
4. Суммы по юр. лицам, типам проектов и категориям платежей считаются только по отобранным счетам.
5. Крупные платежи и проекты 2025 года выделены отдельно.

Если найдешь ошибку или риск в расчете, исправь результат и объясни, что изменилось.

Последним шагом можно попросить дашборд с графиками по всем запросам. Для планёрки это быстрее, чем собирать диаграммы руками.

Авансовый отчёт из чеков: сверка находит ошибку

На обучении группы компаний это упражнение разбирали специалисты бухгалтерии. На вход два файла: PDF со сканом чеков из командировки и пустой бланк авансового отчёта. Модель распознаёт чеки и заполняет бланк по его форме. В запросе два жёстких условия: брать данные только из чеков и там, где нечитаемо, ставить пометку «проверить вручную», а не додумывать сумму.

Второй запрос - сверка. Загружаешь отчёт, который по тем же чекам заполнила бухгалтерия, и просишь сравнить три источника: чеки, свой отчёт и бухгалтерский. На выходе таблица расхождений с вероятной причиной: пропущенный чек, ошибка распознавания, неверно занесено, задвоение.

И вот тут самое интересное. На занятии модель нашла, что её собственный отчёт меньше бухгалтерского на 6091 рубль. Часть разницы, 1723 рубля, дал чек за топливо: он плохо отсканировался и выпал при распознавании. Урок из этого упражнения простой: не верь результату первого запроса, дай модели проверить себя.

В запросе на сверку есть ещё одна полезная строка: где модель не уверена в распознавании, она не делает вывод о виновнике. Для бухгалтерии это важно. Расхождение - повод посмотреть, а не повод искать, кто ошибся.

Сверка остатков между юрлицами: считать, а не пересказывать

Задача знакома всем, у кого в группе несколько юрлиц. Одна компания отгрузила, другая приняла, а остатки на дату не сходятся. На обучении у нас было три файла: остатки поставщика, около 13 тысяч строк, и две оборотно-сальдовые ведомости получателя по счетам 41.01 и 43, вместе примерно 23 тысячи строк.

Запрос выстроен под большой объём. Модели прямо говорится: считай по всем строкам через вычисления, а не пересказывай файлы на глаз. Сначала она определяет, по какому полю сопоставлять позиции, складывает остатки получателя по двум счетам и считает разницу в штуках и рублях. Результат делится на «избыток у поставщика» и «избыток у получателя», с топ-20 позиций и итогами.

Отдельная строка запроса спасает от выдумок: позиции, которые есть только в одном файле, выносятся в таблицу «непарные позиции», и пару для них модель не подбирает. Без этого условия она охотно «сопоставит» похожие артикулы.

На выходе получился Excel с шестью вкладками. Дальше - сверка с итоговым файлом, который заранее посчитали люди. Модель ответила честно: в подсчётах не схалявила, но ошиблась в интерпретации рублёвой разницы. Такой ответ полезнее идеального. Ты знаешь, какой именно шаг перепроверить, и можешь решать, пускать ли методику в работу.

Чат или агент внутри Excel?

Все сценарии выше можно делать в обычном чате: загрузил файл, получил таблицу или новый файл. Для еженедельной работы с одной и той же книгой удобнее агент внутри Excel. Он создаёт вкладки, строит графики и дашборды прямо в книге, как аналитик, который сидит у тебя за спиной. По моим наблюдениям, внутри Excel модель ошибается реже, чем через веб-интерфейс.

На обучении BTL-агентства надстройка у меня сначала была серой. Причина нашлась быстро: старый файл открылся в режиме совместимости, а в нём новые функции Excel недоступны. Помогло пересохранить книгу в современном формате xlsx. Проверь это до того, как искать проблему в подписке.

Чем агент в документе отличается от файла в чате, как поставить официальную надстройку и не взять двойника, подробно разобрано в статье про агента в Excel и PowerPoint.

Контрагент и отчётность: открытые данные против выгрузок

На обучении мы проверяли благонадёжность подрядчика через Perplexity: базовые сведения, суды, исполнительные производства, признаки однодневки. Инструмент удобно вытаскивает всё это в одну страницу. Но один из участников, который сам проверял такие сводки для своих задач, сразу поставил границу: открытые данные неполные, и актуальность у них не очевидна.

Для такого разбора у меня есть запрос, который я даю на обучениях предпринимателям и агентствам. Он работает с загруженной бухгалтерской отчётностью:

Проанализируй бухгалтерскую отчетность компании: оцени динамику выручки, прибыли, рентабельности, ликвидности и финансовой устойчивости. Выяви сильные и слабые стороны, основные риски и дай краткие рекомендации по улучшению финансовых показателей.

Следующим сообщением попроси нарисовать графики и дать к ним пояснения. Каждую цифру в выводах сверь с исходной строкой отчёта: модель уверенно пишет и верные, и перепутанные значения. Как это ловить, разобрано в материале про галлюцинации нейросетей.

Правило выбора инструмента я даю группам одной фразой. Нужно работать только с источниками - NotebookLM, он создаёт вакуум и не подтягивает информационный фон. Нужна ещё и внешняя среда - ChatGPT. Нужен быстрый поиск в интернете - Perplexity.

С чего начать финансовому отделу?

Все сценарии выше держатся на одном цикле. Если хочешь перенести его на свою задачу, иди по шагам:

1. Запиши условия явно

   Какие поля брать, какие не трогать, какие исключения. Всё, что ты держишь в голове, модель не знает.

2. Раздели работу на запросы

   Отбор, сводка, контроль, проверка - отдельными сообщениями в одном чате. Длинный запрос «сделай всё» даёт меньше контроля.

3. Попроси самопроверку

   Последний запрос в цепочке - проверь свою логику, исправь и объясни, что изменилось.

4. Сверь с эталоном

   Первый раз - на периоде, который уже посчитан руками. Совпало - методику можно брать в работу.

Если регулярный отчёт у тебя собирается из нескольких систем, начинать надо с согласования источников, а не с запроса. Это разобрано в материале о том, как собрать данные из разных систем в один отчёт.

Частые вопросы

Главный вывод

Финансисту нейросеть полезна ровно настолько, насколько точно он записывает правила, которые обычно держит в голове. Поле, которое нельзя использовать, исключение для авансов, запрет на подбор пары для непарных позиций - именно такие строки отличают проверяемый результат от красивой догадки.

Начни с одного реестра платежей или одного авансового отчёта. Если хочешь пройти такие сценарии с командой на её собственных файлах, я провожу интенсив по нейросетям для бизнеса.

Какую сверку в твоём отделе ты бы отдал нейросети первой: платежи, авансовые отчёты или остатки между юрлицами?