dmitry prikotov
Ключевые моменты
Как финансовые подразделения могут использовать ИИ-агенты для разработки, чтобы быстрее создавать контролируемые пользовательские инструменты без ущерба для аудируемости, комплаенса и основных систем.
- ИИ-агенты для разработки позволяют финансовым подразделениям создавать пользовательские инструменты без привлечения инженерной команды.
- Оркестрация помогает финансовым подразделениям перейти от изолированных инструментов к связанным рабочим процессам.
- ИИ дополняет основные системы, а не заменяет их.
ИИ всё шире используют в разных подразделениях компаний, но финансовые службы внедряли его осторожнее большинства. Для этого есть причина: в финансах не бывает мелких ошибок. Финансовые результаты попадают в аудируемую отчётность и требуют точности, прослеживаемости и защиты данных, которые ранние ИИ-инструменты общего назначения не могли гарантировать.
Теперь эта ситуация меняется с появлением подхода, который точнее назвать разработкой пользовательских приложений с помощью ИИ. Модели ИИ стали лучше справляться с задачами, платформы для разработки на их основе больше не требуют инженерной команды, а финансовые подразделения на практике поняли, в каких задачах ИИ даёт лучший результат, чем традиционное ПО или ERP-системы. Прогнозирование, поиск аномалий и анализ документов относятся к задачам, с которыми ИИ справляется лучше всего.
После этих изменений финансовые подразделения получили реальный способ создавать точечные пользовательские приложения для анализа, сопоставления, поиска аномалий и других узких задач, не дожидаясь длинной очереди на разработку.
Где финансовые подразделения могут использовать ИИ-агенты для разработки
1. Финансовое планирование и анализ (FP&A)
| Основные рабочие процессы, где применяются агенты | Прогнозирование, анализ отклонений, сценарное моделирование |
|---|---|
| Где ИИ-агенты для разработки добавляют ценность | Прогнозирование и аналитические выводы с детализацией по географии или отдельному бизнес-подразделению |
| Исходный процесс до агентов | Пересборка таблиц, ручное обновление ключевых факторов, разрозненный сценарный анализ, неточные прогнозы |
| Создаваемая ценность | Повышает точность прогнозов и качество аналитических выводов для аналитиков и команд FP&A на местах |
2. Бухгалтерский учёт / финансовый контроль
| Основные рабочие процессы, где применяются агенты | Выявление аномалий во вспомогательных регистрах (sub-ledger) |
|---|---|
| Где ИИ-агенты для разработки добавляют ценность | На лету генерирует Python-скрипты, которые сканируют полный массив транзакционных данных на дубликаты, проводки на круглые суммы, проводки в нерабочее время и аномальные суммы |
| Исходный процесс до агентов | Ручная выборочная проверка или статические правила в ERP; аналитики проверяют только помеченные позиции или агрегированные данные оборотно-сальдовой ведомости |
| Создаваемая ценность | Сплошная проверка вместо выборочной; выявляет проблемы, которые не видны на уровне оборотно-сальдовой ведомости |
3. Цикл «заказ — оплата»
| Основные рабочие процессы, где применяются агенты | Выявление потерь выручки |
|---|---|
| Где ИИ-агенты для разработки добавляют ценность | Сверяет контракты, выставленные счета и данные об отгрузке/доставке, чтобы находить заказы, по которым счёт выставлен не на полную сумму, неприменённую индексацию цен или услуги, не выставленные к оплате |
| Исходный процесс до агентов | Точечные проверки или ежегодные проверки полноты отражения выручки; большая часть потерь остаётся незамеченной |
| Создаваемая ценность | Восстанавливает маржу, потерянную из-за ошибок при выставлении счетов; выявляет системные пробелы в ценообразовании и договорных условиях |
4. Казначейство
| Основные рабочие процессы, где применяются агенты | Краткосрочный прогноз денежной позиции |
|---|---|
| Где ИИ-агенты для разработки добавляют ценность | Получает актуальные данные о сроках дебиторской и кредиторской задолженности, условиях платежа и историческом платёжном поведении клиентов и поставщиков, чтобы моделировать ожидаемые притоки и оттоки по дням, формировать отчёты и пояснения |
| Исходный процесс до агентов | Статическую таблицу каждую неделю продлевают на следующий период; предполагается, что счета оплачиваются в срок по условиям платежа; казначейский аналитик тратит 1–2 дня на каждое обновление прогноза |
| Создаваемая ценность | Более точный 13-недельный прогноз денежных потоков за несколько минут; меньше избыточных остатков денежных средств |
Финансовые директора не должны давать финансовым службам карт-бланш на разработку любых ИИ-инструментов. Их задача — выбрать узкие рабочие процессы, где приложения, разработанные с помощью ИИ, сокращают ручную работу, улучшают контроль и дают более надёжную аналитику, чем процессы, завязанные на электронные таблицы.
Как ИИ-агенты для разработки создают ценность в финансах
Автоматизация на уровне отдельного рабочего места стала доступнее. Финансовые службы теперь быстрее создают решения под конкретные задачи, в том числе инструменты прогнозирования для FP&A, которые показывают локальную аналитику, и приложения для финансового контроля, которые выявляют аномалии по всей совокупности транзакций.
Аналитики всё ещё задают логику, ограничения и ожидаемые результаты. ИИ-агент пишет код, тестирует его, дорабатывает, встраивает ИИ-аналитику и помогает подключиться к нужным источникам данных.
Более высокая надёжность появляется не из-за модели, а из-за среды, где выполняется работа. Она возникает, когда расчёты переносят в основанный на правилах код — например, Python или SQL, — который выполняется в контролируемой среде и даёт одинаковые предсказуемые ответы. Разработка с помощью ИИ-агентов делает этот путь намного доступнее для финансовых служб без глубокой инженерной экспертизы внутри команды.
Приложения, разработанные с помощью ИИ, не заменяют традиционные финансовые системы и базы данных. Платформы учёта, планирования и отчётности остаются критически важными. Системы-источники данных, такие как ERP, а также системы, обеспечивающие выполнение финансовых процессов, — EPM-платформы, инструменты консолидации, процессы «закупка — оплата» и «заказ — оплата» — остаются критически важными для операционной работы.
Приложения, разработанные с помощью ИИ, дают слой расширения поверх системы-источника данных. Этот слой делает данные и аналитику доступнее, удобнее в работе и проще для интерпретации.
Приложения, разработанные с помощью ИИ, создают слой расширения. Они работают поверх системы-источника данных и делают данные и аналитику доступнее, удобнее в работе и проще для интерпретации.
Важно провести эту границу. Процессы, которые формируют официальную финансовую отчётность, должны оставаться в основных системах. Корпоративное планирование и прогнозирование остаются в EPM-платформах. Проверенные инструменты управления рабочими процессами вроде BlackLine (платформа для автоматизации закрытия периода и бухгалтерских сверок) тоже не стоит заменять.
А вот процессы вокруг интерпретации, подготовки входных данных, локальной аналитики и выявления аномалий часто лучше подходят для расширения. В такой слоистой архитектуре инструменты ИИ дополняют, но не заменяют основные системы, а граница управления становится понятной. Основные финансовые платформы отвечают за отчётность и комплаенс. Приложения, разработанные с помощью ИИ, отвечают за скорость и аналитику. При правильном применении эта модель позволяет финансовым службам быстрее выполнять анализ и обрабатывать исключения, не ставя под угрозу комплаенс и аудируемость.
Но эта доступность создаёт новый риск — неконтролируемое расползание ИИ-инструментов внутри финансового подразделения. Управлять таким зоопарком сложно. Расползание ИИ-инструментов может быть не менее вредным, чем тихий хаос из тысячи Excel-таблиц без владельца. Если финансовый директор позволяет команде свободно создавать инструменты без контура контроля, он рискует заменить теневые Excel-таблицы на теневой код — недокументированные скрипты и приложения вне официальных систем и без должного надзора.
Теневой код трудно заметить до момента, когда что-то ломается. Чтобы безопасно масштабировать ИИ, финансовым лидерам нужен понятный контур контроля: контроль версий, доступ к данным и аудируемость.
Внедрение не нужно замедлять. Важно контролировать среду, где выполняются приложения, созданные ИИ-агентами для разработки. Такие приложения хорошо подходят для анализа, исследования данных и автоматизации задач отдельного сотрудника. Их не стоит пускать напрямую в финансовые системы, ERP и клиентские процессы. Для этих зон нужны специализированные корпоративные агенты и агенты оркестрации — с жёсткими требованиями к проектированию и постоянным мониторингом.
В рамках безопасного контура ведущие организации встраивают правила управления прямо в систему: выполняют код в изолированных средах и сохраняют активный контроль. После релиза они продолжают наблюдать за приложениями, ведут журнал событий и проверяют, что поведение остаётся корректным. Правила управления закладываются в работу таких приложений с самого начала.
Возьмём учёт операций между компаниями группы. Даже команды с отлаженным порядком исключения таких операций при консолидации тратят часы на каждом закрытии периода. Они обновляют элиминационные проводки и сверяют суммы по контрагентам внутри группы.
ИИ-агент для разработки может превратить эту работу в скрипт, который можно запускать повторно. Скрипт применяет правила сопоставления и формирует список исключений, отсортированный по существенности. Аналитики разбирают расхождения, а не ищут их.
С помощью ИИ-агентов для разработки аналитик может собрать ИИ-инструмент, который извлекает данные о транзакциях из нескольких учётных регистров, сопоставляет кредиторскую задолженность одной компании группы с дебиторской задолженностью другой и выявляет расхождения за минуты вместо часов. Такой инструмент не заменяет сверку и отражение операций в главной книге. Он использует возможности ИИ-агентов для более быстрого разбора исключений.
ИИ-агенты для разработки, например Claude Code и OpenAI Codex, уже умеют писать и выполнять код, работать со структурированными данными и создавать небольшие приложения по инструкциям на естественном языке. Область быстро развивается, поэтому платформы для разработки с ИИ-агентами получают всё больше возможностей. За счёт этого финансовые аналитики и ИТ-команды быстрее проходят циклы разработки.
Ограничения подхода
Быстрое развитие не отменяет условий, от которых зависит ценность этих инструментов. Даже убедительный на вид результат не исправляет ошибки в исходных данных и сам создаёт риск: из-за красивой подачи плохие данные выглядят убедительнее. ИИ-инструменты не исключение.
Даже убедительный на вид результат не исправляет ошибки в исходных данных. Он сам создаёт риск: из-за красивой подачи плохие данные выглядят убедительнее.
ИИ-агенты для разработки не заменяют профессиональное суждение. Финансовому директору по-прежнему нужны сотрудники, которые умеют интерпретировать результаты, руководствоваться внутренними правилами и принимать решения в неоднозначных ситуациях.
ИИ-агенты для разработки сами по себе не снижают риски управления и контроля. Без надлежащего контроля приложения, которые сотрудники создают под свои рабочие задачи, порождают новые проблемы: права доступа, контроль версий и аудируемость. Это не второстепенные вопросы. Их нужно закрыть до перехода от разрозненных экспериментов к внедрению в масштабе компании.
Переход к оркестрации
Следующий шаг — перейти от точечных решений к сквозной оркестрации процессов и чётче определить, где и как использовать агентов. См. таблицу ниже. Многие финансовые процессы идут по предсказуемым цепочкам, но остаются трудоёмкими из-за передач между участниками, согласований и разбора исключений.
ИИ в финансах: от отчётности к автономности
Пять уровней возможностей — ИИ-агенты для разработки ускоряют переход между уровнями¹.
| Уровень 1 — Моделирование и анализ Извлекает, агрегирует и моделирует финансовые данные; прогнозирует тенденции и анализирует внешние переменные |
Уже достигнуто: машинное обучение, LLM |
| Уровень 2 — Аналитические выводы Проводит анализ, объясняет изменения, отмечает аномалии и выявляет ключевые факторы; люди проверяют логику и результаты |
Уже доступно: ИИ-агенты для разработки, LLM |
| Уровень 3 — Рекомендации Предлагает действия и сценарии, оценивает компромиссы и готовит материалы для принятия решений, которые затем идут на проверку и утверждение |
Формируется: реализуемо с ИИ-агентами для разработки и LLM |
| Уровень 4 — Оркестрация Координирует многошаговые рабочие процессы между системами и людьми; обрабатывает исключения, маршрутизирует согласования, фиксирует подтверждающие материалы |
Формируется: реализуемо с агентами оркестрации |
| Уровень 5 — Автономность Выполняет заданные процессы от начала до конца внутри контура контроля; отслеживает результаты и эскалирует только при нарушении пороговых значений |
Будущее состояние |
¹ ИИ-агенты для разработки ≠ замена корпоративных систем; они закрывают пробел в автоматизации локальных задач.
Оркестрация может упорядочить эти процессы, но для масштабирования нужно чётко разделить, в каких случаях опираться на возможности агентов, а где использовать традиционную автоматизацию. Массовые преобразования данных и сверки по-прежнему эффективнее выполнять в традиционных конвейерах вроде SQL (Structured Query Language) и ETL (Extract, Transform, Load). Агентов стоит подключать выборочно — для разбора исключений, логического анализа и координации.
Так получается гибридная модель, в которой сбалансированы автоматизация, экономическая эффективность и контроль.
Слой оркестрации может автоматизировать многошаговые процессы, которые проходят через несколько систем. Например, при разнесении поступивших платежей по дебиторской задолженности агент сопоставляет платёжные извещения с открытыми позициями дебиторской задолженности, направляет исключения нужному аналитику вместе с подтверждающими данными и отслеживает их урегулирование до закрытия периода.
Разработка с помощью ИИ-агентов хорошо подходит для создания отдельных компонентов рабочего процесса. Оркестрация связывает эти компоненты в единый автоматизированный процесс. Она также может вызывать и использовать инструменты, созданные на предыдущем этапе.
Новое поколение агентных фреймворков начинает выходить за рамки автоматизации отдельных задач и двигаться к более автономным операциям, ориентированным на заданный результат. Вместо того чтобы выполнять заранее заданные скрипты, такие агенты могут работать в разных приложениях, координировать действия между системами и адаптироваться при изменении условий, связывая несколько шагов в сквозные рабочие процессы.
Со временем это позволяет строить слабосвязанные сети агентов, которые совместно работают над заданными целями, например закрывают период или разбирают исключения. Люди задают цели и контур контроля, а не управляют каждым шагом. Это пока ранняя стадия, но направление уже видно — операции становятся автономнее, а агенты с большей самостоятельностью работают на заданный результат.
Что делать руководителям финансовых подразделений
Потенциал есть, но ценность зависит от дисциплинированного применения.
Финансовым подразделениям стоит начать с развития навыков аналитиков. Аналитикам нужно уметь формулировать локальные рабочие задачи, для которых лучше всего подходят ИИ-приложения, созданные под конкретную потребность.
ИТ-службу, информационную безопасность и управление рисками нужно подключать заранее — до того, как инструменты расползутся внутри финансовой службы. Если эти команды не видят, какие инструменты создают финансисты, финансовая служба рискует создать решения, которые приведут к пробелам в комплаенсе или уязвимостям безопасности.
Первые сценарии применения стоит выбирать тщательно. Лучше начинать там, где риск управляем, а граница между слоем расширения и зоной ответственности системы-источника данных понятна.
ИИ-агенты для разработки дают финансовым подразделениям реалистичный способ быстрее, чем раньше, создавать приложения под конкретные задачи. При грамотном применении разработка с помощью ИИ открывает более короткий путь к приложениям, которые финансовым командам давно были нужны, но на которые редко находились ресурсы. Руководители, которые обеспечат команды такими возможностями и сохранят контур контроля, смогут повысить производительность и быстрее получать аналитические выводы, сохраняя корректность финансовых данных и отчётности.
Этот текст является переводом статьи: Vibe Coding Is Coming to Finance. CFOs Need Guardrails (BCG, Matthew Harris и соавторы, 04.06.2026).
Примечание к переводу
Оригинал опубликован на сайте Boston Consulting Group, международной консалтинговой компании. На странице About BCG компания указывает 33,5 тыс. сотрудников, $14,4 млрд годовой выручки, 40% выручки от технологий и ИИ, а также офисы в 100+ городах более чем 50 стран. Я взял этот текст, потому что хотел посмотреть, как компания такого масштаба оценивает применимость ИИ-агентов в финансах.
Финансовый ракурс здесь главный для меня. Авторы несколько раз возвращаются к одной мысли. В финансах мало собрать удобный ИИ-инструмент и ускорить им работу. Инструмент должен быть встроен в процесс — с контролем, аудитом, правами доступа, версиями и проверкой качества результата.
Параллельно я проверяю, можно ли применять ИИ в управлении собственным инвестиционным портфелем. Уже писал про ИИ-агента для финансовой аналитики и анализа портфеля Т-Инвестиций и разбирал Stonki AI как персональный хаб для трейдинга. В личном портфеле я хочу использовать ИИ как помощника для анализа позиций, проверки инвестиционных гипотез и подготовки аргументов для решения. Само решение остаётся за мной.
Интересное наблюдение — в разработке ПО я сейчас тоже нахожусь на «Уровне 4 — оркестрация». Я выстраиваю процесс вокруг ИИ-агентов — с ролями, контекстом, проверками, передачей задач между агентами и финальной проверкой человеком. Цель — довести систему до максимально возможной автономности, чтобы она сама проходила большую часть цепочки без потери качества решений. Пока получается хуже, чем хочется. Результат работы ИИ-агента всё равно приходится проверять самому. ИИ всё ещё часто нарушает правила, которые я задаю в проекте. Об этом я писал в статье «ИИ-агенты для программирования: как я подготовил проект». Сейчас я вынес эту работу в отдельный репозиторий — task-orchestrator, оркестратор CLI-агентов.
Если сопоставить статью BCG с моим опытом в разработке, вырисовывается общий принцип. Работу, которую можно разложить на шаги, правила, проверки, исключения и зоны ответственности, можно оформить как процесс. Такой процесс можно автоматизировать ИИ-агентами с помощью оркестрации и постепенно двигаться к автономности.
