# Нейросети для финансиста: реестр платежей, авансовые отчёты и сверки

Нейросети для финансиста: отбор счетов к оплате, авансовый отчёт из чеков, сверка остатков между юрлицами и почему каждая цепочка заканчивается самопроверкой.

URL: https://posts.danashkin.ru/guides/neyroseti-dlya-finansista
Обновлено: 2026-10-07

---

## Коротко

**Главное**

- Нейросети для финансиста хорошо работают там, где много строк и чёткие правила: реестр платежей, авансовый отчёт из чеков, сверка остатков между юрлицами, первичный разбор отчётности.
- Результат зависит от того, насколько явно записаны условия. «Отбери счета к оплате» даёт догадку, три условия плюс поле, которое нельзя использовать, дают проверяемый отбор.
- Каждая цепочка заканчивается самопроверкой и сверкой с эталоном. На обучении модель сама нашла ошибку в своём авансовом отчёте: выпавший при распознавании чек за топливо.
- У финансов особая проблема с конфиденциальностью: цифры из таблицы не вычеркнешь, без них анализ теряет смысл. Убирать приходится имена, реквизиты и контрагентов.

## Почему финансисту с нейросетью сложнее, чем юристу?

**Главное**

Потому что юрист может убрать из договора персональные данные и суммы, и анализ почти не пострадает. Финансист так не может: цифры и есть предмет анализа. Поэтому обезличивание в финансах идёт по другим полям, а проверка результата обязательна всегда.

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](/guides/chuvstvitelnye-dannye-i-neyroseti-v-kompanii).

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:

| Задача | Что даёшь модели | Что получаешь | Чем проверяешь |
|---|---|---|---|
| Счета к оплате на сегодня | ведомость оплат | отобранные счета и сводку | запрос на самопроверку логики |
| Авансовый отчёт | скан чеков и пустой бланк | заполненный бланк | отчёт бухгалтерии по тем же чекам |
| Сверка остатков | остатки поставщика и две ОСВ получателя | таблицы расхождений | итоговый файл для проверки |
| Разбор отчётности | бухгалтерская отчётность в PDF | динамику, риски, графики | исходные строки отчёта |

## Реестр платежей: какие счета платить сегодня

**Главное**

Отбор счетов к оплате - идеальная первая задача: правила известны, данных много, ошибка видна сразу. Работает запрос, где условия выполняются одновременно, названы нужные поля и прямо сказано, какое поле не трогать. Дальше на тех же счетах строится сводка и контрольные проверки.

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:

```text
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:

```text
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

**Главное**

Модель распознаёт скан чеков и заполняет пустой бланк авансового отчёта строго по его колонкам. Главное в запросе - не додумывать суммы и помечать нечитаемое. Вторым шагом отчёт сверяется с версией бухгалтерии, и расхождения всплывают построчно.

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

**Главное**

На десятках тысяч строк модель справляется со сверкой остатков, если в запросе сказано считать вычислениями по всем строкам, сопоставлять по артикулу и выносить непарные позиции отдельно. Результат сравнивается с итоговым файлом: так видно, где модель ошиблась в подсчёте, а где в трактовке.

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.

**Эталон перед регулярной работой**

Прежде чем доверять модели регулярную сверку, прогони её один раз на периоде, который уже сверен руками. Совпало - методику из этого чата можно брать в работу. Не совпало - ты увидишь, на каком шаге она ломается, до того как это случится на живых деньгах.

## Чат или агент внутри Excel?

**Главное**

Разовый разбор выгрузки удобно делать в чате с загруженным файлом. Регулярную работу с книгой лучше вести через надстройку внутри Excel: агент видит листы, пишет в них сам, и ошибок у него меньше. Надстройка не включится, если файл открыт в режиме совместимости.

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](/concepts/ai-agent) 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](/guides/agent-v-excel-i-powerpoint).

**Актуально на 26.09.2026**

Надстройка ChatGPT работает внутри Excel и PowerPoint. Названия режимов и кнопок меняются часто, поэтому ориентируйся на смысл шага, а не на точную подпись в интерфейсе.

## Контрагент и отчётность: открытые данные против выгрузок

**Главное**

Нейропоиск быстро собирает сводку по контрагенту из открытых источников, но для финансовой оценки этих данных мало. Надёжнее выгрузить отчётность из проверенной системы и дать модели разобрать её: динамику, рентабельность, ликвидность, риски. Для работы строго по документам подходит NotebookLM.

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.

> Когда касается таких вещей, нужно точно туда подгружать, выгружать отчёты. Выгрузил из налоговой или ещё откуда-то и говоришь: вот, проверь этого контрагента, файлы вот.
>
> Участник обучения бэк-офиса BTL-агентства, практикум по нейросетям, май 2026

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

```text
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](/guides/gallyucinacii-neyrosetey-kak-proveryat).

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?

**Главное**

С реестра платежей или авансового отчёта: правила известны, результат легко проверить. Порядок везде одинаковый: явные условия, работа по шагам, самопроверка, сверка с эталоном и решение человека. На старт хватит одного файла и одного вечера.

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](/guides/dannye-v-raznyh-sistemah-odin-otchet).

## Частые вопросы

**Главное**

Финансисты чаще всего спрашивают, можно ли загружать в нейросеть реальную ведомость, справится ли она с десятками тысяч строк, можно ли отправлять результат руководству без проверки и нужна ли платная подписка.

### Частые вопросы

**Можно загружать в нейросеть реальную ведомость оплат?**

Только после решения компании о том, какие данные можно выносить в облако. Цифры для анализа нужны, а имена, реквизиты и названия контрагентов часто можно убрать или заменить условными обозначениями.

**Справится ли нейросеть с десятками тысяч строк?**

На обучении она сверила файлы примерно на 36 тысяч строк. Условие одно: в запросе сказано считать вычислениями по всем строкам, а не пересказывать файл. Большие задачи идут долго, это нормально.

**Можно отправлять результат руководству без проверки?**

Нет. Финансовый вопрос - красная зона. Сначала самопроверка модели, потом сверка с эталоном или выборочная проверка формулой, и только потом документ уходит дальше.

**Нужна ли платная подписка?**

Для работы с большими файлами и надстройкой в Excel - да. Бесплатная версия слабее и хуже держит длинные цепочки запросов.

## Главный вывод

**Главное**

Нейросети для финансиста - это ускорение отбора, сверки и первичного разбора, а не автоматическая подпись под цифрами. Работает цепочка: явные условия, шаги, самопроверка, эталон. Решение и ответственность остаются у человека.

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](https://danashkin.ru/workshop).

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

### Источники

- [Microsoft Support - работа с книгами прежних версий Excel и режим совместимости](https://support.microsoft.com/en-us/excel/use-excel-with-earlier-versions-of-excel)
- [Microsoft Learn - обзор надстроек Office: как они работают внутри документа](https://learn.microsoft.com/ru-ru/office/dev/add-ins/overview/office-add-ins)
- [Федеральный закон «О персональных данных» от 27.07.2006 N 152-ФЗ, действующая редакция, КонсультантПлюс](https://www.consultant.ru/document/cons_doc_LAW_61801/)
- [Gemini Notebook (бывший NotebookLM) - официальная страница сервиса ответов по загруженным источникам](https://notebook.google/)
- [«Why Language Models Hallucinate» - исследование о том, почему языковые модели уверенно выдумывают, arXiv](https://arxiv.org/abs/2509.04664)