Разговор об искусственном интеллекте в финансах почти всегда начинается с инструментов: какая модель точнее считает прогноз, какой сервис быстрее разбирает первичные документы, какой ассистент напишет комментарий к отчёту. Это понятный разговор, но он проходит мимо главного вопроса. Инструмент подключается к тому, что уже есть. Если то, что уже есть, представляет собой набор слабо связанных файлов и договорённостей, инструмент не улучшит управляемость — он просто добавит ещё один источник цифр.
Поэтому мне интереснее другой вопрос: как должна быть устроена финансовая функция, чтобы в ней имело смысл что-то автоматизировать. И кто отвечает за это устройство.
Как сегодня устроена финансовая функция
Если посмотреть на среднюю компанию без иллюзий, финансовая функция выглядит примерно так. Есть учётная система, где отражаются операции. Есть управленческая отчётность, которую собирают отдельно, потому что учётная система отвечает на другие вопросы. Есть несколько Excel-файлов, в которых живёт бюджет, расчёт прибыльности проектов и модель денежного потока. Есть BI-дашборд, построенный на выгрузке, актуальность которой зависит от того, кто и когда её обновил. И есть люди, которые всё это соединяют вручную.
У такой конструкции есть свойство, которое редко проговаривают вслух: она держится на памяти сотрудников. Правило расчёта маржи существует не в документе, а в голове финансового аналитика. Причина, по которой один проект учитывается иначе, известна руководителю ПЭО, но не описана. Пока люди на месте, всё работает. Когда человек уходит, компания обнаруживает, что часть её финансовой логики ушла вместе с ним.
Вторая особенность — время. Значительная доля работы финансовой команды уходит не на анализ, а на подготовку данных к анализу: собрать, сверить, найти расхождение, объяснить разницу между двумя версиями одного отчёта. Это работа, которая повторяется каждый месяц и почти не накапливает результат.
Почему автоматизация отдельных операций не создаёт систему
Компании достаточно давно автоматизируют финансовые операции: загрузку банковских выписок, распознавание документов, формирование проводок, рассылку отчётов. Каждая такая задача решается локально, и каждая даёт заметный эффект. Но сумма локальных улучшений не превращается в систему.
Причина в том, что автоматизируется действие, а не связь. Загрузка выписки ускоряет ввод данных, но не отвечает на вопрос, как эти платежи попадут в управленческий отчёт о движении денежных средств и по каким правилам будут отнесены к статьям. Дашборд ускоряет просмотр, но не определяет, что считать выручкой проекта. Каждый инструмент работает в своих границах, а стыки между ними остаются человеческой работой — той самой, ручной.
Есть и более неприятный эффект. Автоматизация фиксирует правило, которое действовало в момент внедрения, и делает его невидимым. Через год бизнес-модель поменялась, а логика расчёта осталась прежней, потому что никто уже не помнит, где именно она зашита.
Что меняют AI-агенты
AI-агент отличается от привычной автоматизации тем, что не выполняет один заранее описанный шаг, а работает с задачей: собирает нужные данные, проверяет их, сопоставляет, находит отклонение и формулирует, что именно выглядит необычно. В финансовой функции это закрывает как раз тот слой, который раньше требовал человека с опытом, но не требовал управленческого решения.
Практический набор задач, где это уже имеет смысл, довольно приземлённый:
- сбор данных из нескольких источников и проверка их полноты;
- контроль логики: сходятся ли обороты, соответствует ли структура ожидаемой, нет ли дублей и пропусков;
- поиск отклонений плана от факта и первичная разбивка отклонения на факторы;
- обновление прогноза при появлении новых фактических данных;
- подготовка чернового комментария к управленческой отчётности;
- формирование нескольких сценариев по заданным допущениям.
Общее у этих задач одно: результат проверяем. Можно посмотреть, из каких данных он получен, по какому правилу и что именно агент посчитал отклонением. Как только результат перестаёт быть проверяемым, задача перестаёт подходить агенту — независимо от того, насколько убедительно выглядит ответ.
Почему роль CFO не исчезает
Существует популярное ожидание, что следующий шаг автоматизации сократит финансовую функцию до нескольких человек и модели. Мой опыт говорит об обратном: чем больше рутинной работы уходит машине, тем выше требования к тому, кто определяет правила.
Работа CFO никогда не сводилась к расчёту. Она состоит из решений, которые принимаются при неполных данных и в условиях, где у сторон разные интересы: где взять деньги на кассовый разрыв, какой проект остановить, как объяснить собственнику, что рост выручки не означает роста прибыли, на каких условиях договориться с банком. Эти решения опираются на цифры, но не выводятся из них автоматически.
Меняется другое. Раньше значительная часть авторитета финансового директора держалась на том, что он лучше всех знал, где что лежит и как считается. Когда сбор и сверка данных перестают быть узким местом, ценность смещается к тому, кто способен спроектировать саму конструкцию: определить показатели, установить правила, распределить ответственность и решить, что можно передать машине, а что нельзя.
Кто такой Finance AI Architect
Так я называю роль, которая соединяет две области, обычно разделённые. С одной стороны — финансовая экспертиза: управленческий учёт, отчётность, бюджетирование, прогнозирование, понимание бизнес-модели. С другой — проектирование систем: модель данных, процессы, интеграции, распределение задач между людьми и агентами, контроль качества результата.
Это не разработчик, который выучил финансовую терминологию, и не финансист, который освоил интерфейс очередного AI-сервиса. Задача роли — спроектировать финансовую функцию как единый механизм и отвечать за то, что механизм даёт результат, которому можно верить.
Я не считаю эту профессию окончательно сформированной. Она сейчас складывается, в том числе из практики тех, кто пробует и описывает результат. Именно поэтому я пишу об этом публично: формулировки уточняются быстрее, когда их проверяют коллеги.
Как связать данные, финансовые правила, технологии, людей и агентов
Проектирование финансовой системы почти всегда идёт в одной последовательности, меняется только глубина каждого шага.
Первое — финансовая логика. Что компания считает выручкой, когда признаёт расход, что входит в себестоимость проекта, как определяется маржа, какие есть центры финансовой ответственности. Пока эти определения не зафиксированы, любая автоматизация закрепляет случайную версию.
Второе — данные. Для каждого показателя нужно знать источник, правило расчёта и ответственного. Это тот минимум, без которого цифру невозможно ни проверить, ни защитить.
Третье — процессы и роли. В какой момент закрывается период, кто подтверждает данные, что происходит, если источник не готов вовремя.
Четвёртое — распределение задач между человеком и агентом. У агента должны быть описаны полномочия, ограничения, доступ к данным, формат результата и точки, где требуется подтверждение человека. Действия агента должны оставлять след, который можно поднять и проверить.
Пятое — контроль. Система, у которой нет собственных проверок, со временем расходится с реальностью незаметно для всех.
Какие решения нельзя полностью передавать AI
Граница проходит не по сложности расчёта, а по природе решения и цене ошибки.
Машине разумно передать задачи, где правило можно описать, результат проверить, а ошибку заметить и исправить до того, как она повлияет на решение: сбор данных, проверки, расчёт отклонений, черновой анализ, подготовка вариантов.
У человека остаются решения, которые опираются на контекст за пределами данных. Договорённости с ключевым клиентом, оценка намерений партнёра, кадровые решения, переговоры с банком, выбор между двумя стратегиями с разным профилем риска. Сюда же относится всё, что связано с внешней отчётностью и обязательствами компании: подпись под цифрой остаётся человеческой.
Отдельно стоит сказать про ответственность. Её нельзя распределить между человеком и моделью. Если решение принято на основе анализа, подготовленного агентом, отвечает за это решение тот, кто его принял.
Как может выглядеть финансовая функция через несколько лет
Осторожный прогноз выглядит так. Сбор данных, сверки и первичный анализ в значительной степени уходят агентам. Управленческая отчётность перестаёт быть событием конца месяца и становится состоянием, доступным в любой момент. Прогноз обновляется по мере поступления фактических данных, а не раз в квартал. Обсуждение с руководством смещается с вопроса «какие у нас цифры» на вопрос «какое решение мы принимаем».
Финансовая команда при этом не исчезает, но её состав меняется: меньше людей, занятых переносом данных, больше — тех, кто отвечает за модель, правила и качество результата. Появляется отдельная работа, которой раньше почти не было: контроль за тем, как работают агенты, и регулярная проверка того, что автоматизированные правила всё ещё соответствуют бизнесу.
Насколько быстро это произойдёт, зависит скорее от готовности данных и процессов, чем от развития моделей. Компании с описанным учётом получат эффект быстро. Компании, где финансовая логика живёт в головах, сначала столкнутся с необходимостью её описать.
Почему я развиваю это направление
Я больше двадцати лет работаю в финансах, семь из них — в роли CFO, и параллельно много лет работала в IT. Из этого сочетания довольно рано стало видно, что большинство проблем финансовой функции — не про недостаток инструментов. Они про отсутствие спроектированной конструкции: показатели определены по-разному, данные не связаны, ответственность размыта.
AI сделал этот разрыв заметнее. Технология, которая быстро обрабатывает информацию, особенно наглядно показывает, что происходит, когда информация плохо организована. Мне кажется правильным заниматься не тем, чтобы добавить ещё один инструмент, а тем, чтобы описать и спроектировать саму систему, в которой инструменты работают.
Заключение
Я не думаю, что искусственный интеллект заменит финансового директора. Я думаю, что он поднимет цену плохой архитектуры: там, где раньше беспорядок компенсировался ручным трудом и опытом конкретных сотрудников, теперь он будет быстро воспроизводиться и масштабироваться.
Если у вас есть опыт, который подтверждает или опровергает написанное, мне интересно его услышать. Это направление формируется сейчас, и профессиональный спор о том, каким оно должно быть, полезнее, чем аккуратное согласие.