ИИ для финансистов: семинар в Казатомпроме

11–12 июня 2026 года я провёл семинар по ИИ для финансовых директоров группы Казатомпром: Excel, финансовые модели, бюджеты и отчётность.

Мой подход к обучению: задачи из работы участников и инструменты, которыми пользуюсь сам. Примеры подготовили с двумя финансистами заранее. В первый день собрал дополнительные запросы зала, во второй разобрали их на практике.

  • Доклад о том, что ИИ уже делает в финансах: каждая цифра со ссылкой на источник
  • Практикум: модель P&L, дашборд, консолидация отчётов и сверка на задачах участников
  • К каждому результату — способ его проверить: за цифры отвечает человек

ИИ в финансах: от ответов в чате к выполнению задач

Первый день начали с перемен в разработке программ. ИИ уже умеет читать файлы, писать код, запускать проверки и исправлять результат. Такой способ работы приходит и в другие профессии: финансист может поручить агенту собрать отчёт, сверить данные или построить модель.

  1. Финансист ставит задачу

    Передаёт файлы, условия и критерии готового результата.

  2. Агент выполняет работу

    Читает данные, считает, создаёт файл и проверяет его.

  3. Финансист принимает результат

    Сверяет суммы и допущения. Ответственность за решение остаётся у человека.

Кредитный анализ

Агент может собрать отчётность, рассчитать показатели и подготовить черновик кредитного меморандума. Аналитик проверяет источники, оценивает риски и принимает решение. Moody’s и Anthropic развивают такие инструменты для кредитного анализа и проверки контрагентов.

Moody’s: результаты первого квартала 2026

Закрытие месяца

срок закрытия месяца
−7,5 дня
детализация главной книги
+12%

В исследовании 277 бухгалтеров использование ИИ было связано с более быстрым закрытием месяца и более подробным учётом. Это результаты исследования, а не обещание для любой компании: свою экономию нужно измерять на собственном процессе.

Исследование Stanford GSB

А у зала — свои вопросы

  • Не опасно просить его найти ошибки? Он же их придумает
  • Кто отвечает, если ИИ ошибся в отчёте?
  • Как нам перепроверять цифры?
  • С нашими данными так можно работать?
  • Почему он не спросил, что это за продукт?
  • А сразу в PowerPoint можно?
  • Это бесплатно или по подписке?
  • Хватит подписки за 20 долларов?
  • Сделает прогноз курса тенге до конца года?
  • Чем это лучше Гугла?
  • С телефона работает?
  • Не разучимся ли мы думать сами?
  • Как поставить Claude в Excel?
  • Файл потом мой или сервиса?
  • По каким метрикам понять, что стало лучше?
  • Заберёт ли ИИ нашу работу?

День второй: ИИ на рабочих задачах финансистов

На второй день перешли к работе в Excel. Я показывал инструменты на своём ноутбуке, а участники меняли условия и проверяли результат. Задачи запускали параллельно: пока одна считалась, переходили к следующей.

Программу практикума подготовили с двумя финансистами, а в первый день добавили запросы зала. Работали с учебными бюджетами, закупками и отчётами: настоящие цифры компаний на демонстрациях не использовали.

От допущений к финансовой модели кофейни

Начали с понятного бизнеса: кофейни в Алматы. На входе был лист Assumptions с площадью, арендой, средним чеком, маржой, зарплатами и стартовым бюджетом 30 млн ₸. Это учебные допущения, а не бизнес-план действующей кофейни.

Задачу Claude в Excel поставили одной строкой. Нужен был годовой P&L с тремя сценариями и живыми формулами, чтобы изменения допущений пересчитывали модель.

Иллюстрация учебного примера: от работы кофейни к расчёту её экономики
Запрос
Построй финмодель на следующий год: пессимистичный, реалистичный, оптимистичный сценарий
Вход: фрагмент листа Assumptions из учебной книги
Результат: фрагмент P&L из сохранённой итоговой книги. Значения показаны без изменений

Из одной строки запроса получили рабочую модель в Excel. Дальше проверяли, можно ли доверять её формулам.

Зал предложил ловушку. Claude нашёл множитель ×0,8

После модели участники спросили: а что, если специально внести ошибку? Я изменил формулу расчёта прибыли, добавив множитель 0,8, и открыл файл в новом чате. Истории построения модели там не было: ИИ не знал, что и где я поменял.

Claude указал на необоснованный множитель и объяснил его эффект: формула вычитала только 80% налога с выручки. На записи видно не общее замечание о качестве файла, а конкретную формулу и место ошибки.

Крупный фрагмент оригинального ответа: найден множитель и объяснено, почему он меняет расчёт налога. Нажмите, чтобы открыть кадр целиком

Запутать модель у меня не получилось: в новом чате она нашла намеренную ошибку. Для зала это стало наглядной проверкой на конкретной формуле, которую можно перепроверить самому.

Из Excel в интерактивный дашборд за 8 минут

Следующим входом был готовый файл fake_cfo_pl.xlsx: помесячные данные P&L, сценарии, бизнес-юниты и бюджет. Расчёты уже были в Excel. Задача состояла в том, чтобы превратить таблицу в удобный инструмент для просмотра и сравнения.

ИИ собрал HTML-страницу с графиками, фильтрами и пересчётом показателей. Зал попросил показать значения внутри секторов диаграммы; правку внесли по скриншоту. Затем из той же модели подготовили версию в PowerPoint.

Запрос
В папке лежит файл. На его основе сделай веб-дашборд, красивый, с фильтрами
До: строки исходного листа Monthly_PL. Все данные учебные
После: запись работы настоящего HTML-дашборда. Переключаю сценарии, бизнес-юниты и метрику, графики пересчитываются

«Вау, эффект есть», — отреагировали в зале. Дашборд сделал готовый анализ из Excel наглядным: данные можно было исследовать прямо на встрече.

Отчёты филиалов и сверка закупок

Следующие примеры взяли из работы финансовой службы. Здесь важно видеть исходные файлы и контроль результата.

Четыре филиала прислали отчёты в разных форматах и валютах. В европейском файле были полугодия, в остальных кварталы, а таблицы начинались с разных строк. Модели поручили привести данные к общему виду и сверить суммы с исходниками. Ниже фрагмент одного из входных файлов.

Один из четырёх входных файлов: фрагмент EMEA - Revenue

Результат проверяли на отдельном листе verification: число строк, суммы по периодам, фактическая выручка и бюджет сравнивались с исходными файлами. В сохранённой книге видны значения с обеих сторон и статус PASS. На демонстрации модель также проверила формулы в 1 988 ячейках.

Результат: сверка источника и итоговой книги. Значения из сохранённого листа verification

Задачу сверки бюджета с годовым планом закупок участница описала голосом. Обсудили, что именно сравнивать: наименования, количество, коды ЕНС ТРУ, сроки и условия. Для учебного примера взяли упрощённые данные. На кадре постановка задачи: показать, что утверждено и где есть расхождения.

Кадр практикума: участница уточняет условия, я передаю задачу модели

Стек

Claude для Excel модели и аудит формул прямо в книге
Claude Code дашборды, консолидация, сверка по папке файлов
ChatGPT Deep Research анализ рынка с источниками
Голосовой ввод постановка задачи голосом
Листы журнала и сверки проверка каждой цифры по исходнику

Что разобрали и проверили за два дня

От общего разговора об ИИ перешли к файлам, формулам и рабочим запросам финансовой службы. Для каждого примера обсуждали и результат, и способ его проверки.

Продолжение практикума для самостоятельной работы — в статье ИИ для финансиста: задачи и примеры запросов. Что автоматизировать на уровне команды и как сохранить контроль, рассказываем в статье ИИ в финансах компании.

Финансовая модель

Из допущений собрали годовой P&L кофейни с тремя сценариями. Затем в новом чате нашли намеренную ошибку в формуле.

Наглядная отчётность

Превратили Excel в дашборд с фильтрами и графиками, внесли правку по запросу зала и подготовили презентацию.

Консолидация и сверка

Объединили отчёты четырёх филиалов с контрольными суммами. Разобрали, как поставить задачу сравнения бюджета с планом закупок.

Частые вопросы

Да. На этом семинаре все примеры были учебными: модель кофейни, P&L для дашборда, отчёты филиалов и заявки на закупки подготовили заранее. Задачи повторяли настоящую работу финансовой службы, а цифры компаний в чат не попадали.

Claude в Excel для моделей и проверки формул прямо в книге, Claude Code для дашборда, консолидации и сверки по папке файлов, ChatGPT Deep Research для анализа рынка с источниками. Задачи ставили и текстом, и голосом.

Так же, как работу нового сотрудника. Попросите отдельный лист сверки с контрольными суммами по исходным файлам, смотрите формулы, а не только итог, и отдайте готовый файл на проверку в новый чат без истории. На практикуме модель в новом чате нашла множитель 0,8, который в формулу подложили намеренно.

Да. Программу собираем под ваши задачи: заранее выбираем с участниками примеры из их работы и учитываем правила работы с данными и инструменты, разрешённые в компании. Как устроено обучение, рассказываем на странице корпоративного обучения ИИ.

Корпоративное обучение ИИ на задачах вашей команды

Если хотите такой практикум для своей команды, подготовим программу под вашу отрасль и рабочие процессы. Заранее выберем задачи с участниками, учтём правила работы с данными и на обучении разберём их вместе: от постановки до проверки результата.

Техническое задание (необязательно)