Как проверить финансовую модель с помощью ИИ: 5 шагов и готовые промпты
Проверять финмодель — рутинная, долгая и при этом критически важная работа: одна оборванная связь между блоками способна исказить весь прогноз, а к дедлайну глаз замыливается и пропускает очевидное. ИИ вроде Claude не заменяет финансиста, но работает «вторым глазом»: проходит по логике формул, ловит расхождения между P&L, Cash Flow и балансом, прогоняет стресс-сценарии. В этом гайде — пошаговый алгоритм из 5 шагов с готовыми промптами, интерактивный конструктор запроса под вашу модель, чек-лист готовности к показу руководству и матрица типовых ошибок. Важная рамка с самого начала: ИИ — ассистент первичной проверки, не аудитор; каждую находку нужно верифицировать вручную.
Зачем проверять модель через ИИ
Финансовая модель — это десятки связанных листов и сотни формул. Ошибка редко бывает «громкой»: чаще это тихий сдвиг знака, задвоенная амортизация или ссылка на соседнюю ячейку. Такие дефекты не валят файл с ошибкой — они молча искажают прогноз, и обнаруживаются уже на защите перед инвестором или на финкомитете.
Ручная вычитка по-прежнему обязательна, но у неё есть слабое место: к дедлайну внимание садится, а свою же модель глаз «достраивает» до правильной, даже когда там ошибка. ИИ этого искажения лишён — он читает то, что написано, а не то, что вы имели в виду. Поэтому как инструмент первичной проверки он экономит 2–3 часа и ловит ровно то, что замыливается под конец работы.
Что ИИ может, а что нет
Чтобы проверка была полезной, а не вредной, важно держать в голове реальные границы инструмента. ИИ силён в поиске логических нестыковок по тексту формул и описанию — и слаб там, где нужна сверка с первичными данными и ответственность за цифру.
Может
- Найти логические нестыковки: двойной счёт, неверный знак, забытую статью
- Проверить согласованность блоков: P&L → Cash Flow → Balance Sheet
- Выявить неявные и нереалистичные допущения
- Предложить стресс-сценарии и описать их направление влияния
- Собрать находки в аккуратное резюме для руководства
Не может (без вас)
- Гарантировать, что цифры верны — он не сверяет их с первичкой
- Заменить профессиональное суждение и ответственность за модель
- Знать рыночный контекст, которого нет в вводных
- Исключить собственные ошибки — ИИ иногда «придумывает» проблему
- Подписать заключение — это работа человека
Шаг 1. Загрузите модель и опишите контекст
Дайте ИИ формат, который он прочитает, и контекст, который он не угадает
Экспортируйте модель в формат, который ИИ корректно разберёт: Excel (.xlsx) или CSV. Главная ошибка — кинуть файл молча. Без контекста модель проверяется «вслепую», и в ответе будет много «воды».
Минимальный контекст: тип модели, отрасль и компания, горизонт прогноза, 3–5 ключевых допущений. Чем точнее вводная — тем конкретнее находки.
Подсказка: чем точнее вы опишете вводную, тем меньше «воды» в ответе. Ниже — конструктор, который соберёт этот промпт под вашу модель автоматически.
Конструктор промпта под вашу модель
Выберите параметры — конструктор соберёт готовый промпт для шага 1, который можно скопировать и вставить вместе с файлом модели.
Шаг 2. Проверьте логику формул
Пройдитесь по расчётам и найдите нестыковки
Попросите ИИ пройтись по расчётам поблочно и найти классические дефекты: двойной счёт, забытые статьи, неправильный знак. Важно требовать конкретику по каждой находке — иначе получите общие фразы.
Шаг 3. Проверьте связи между блоками
Самые опасные ошибки живут на стыках
Расхождения внутри одного листа заметить легче, чем на стыках блоков: P&L не бьётся с Cash Flow, баланс не сходится, CAPEX в одном блоке не совпадает с CAPEX в другом. Здесь же прячутся «оборванные» связи, где выход одного блока не подставляется во вход следующего.
Шаг 4. Стресс-тест допущений
Допущения — самое уязвимое место модели
Модель ровно настолько надёжна, насколько реалистичны её допущения. Попросите ИИ оценить, насколько они реалистичны, и описать, что произойдёт с итогом, если они не сбудутся. Это превращает «оптимистичный план» в честную картину рисков.
Матрица чувствительности: что куда бьёт
Прежде чем формулировать стресс-сценарии для ИИ, полезно понимать направление влияния каждого шока. Переключайте сценарий — увидите, по каким показателям он бьёт сильнее. Это ориентир направления и силы, а не точный расчёт: цифры зависят от структуры вашей модели.
Шаг 5. Сформулируйте выводы
Соберите итог в формате, который не стыдно показать руководству
Когда ошибки найдены, попросите ИИ собрать результат проверки в структурированном виде — так, чтобы его можно было сразу показать руководству или коллегам без переоформления.
В результате получается таблица примерно такого вида:
| Проблема | Где находится | Критичность | Рекомендация |
|---|---|---|---|
| Баланс не сходится на 4,2 млн | Balance Sheet, строка «Итого активы» | Критическая | Проверить связь нераспределённой прибыли с P&L |
| Амортизация учтена дважды | P&L и Cash Flow | Критическая | Убрать задвоение в косвенном методе CF |
| Рост выручки 40% весь горизонт | Лист «Допущения» | Существенная | Обосновать или ввести затухание темпа |
| WACC не привязан к структуре капитала | Лист «Оценка» | Существенная | Пересчитать от текущего D/E |
Матрица типовых ошибок
Большинство дефектов финмоделей повторяются из проекта в проект. Держите этот список под рукой — половину находок ИИ вы сможете предугадать сами.
| Ошибка | Где обычно прячется | Критичность |
|---|---|---|
| Двойной счёт амортизации | P&L и косвенный Cash Flow | Критическая |
| Баланс не сходится | Связь нераспределённой прибыли и денежного потока | Критическая |
| Неправильный знак | CAPEX, изменения оборотного капитала в CF | Критическая |
| EBITDA без stock-based compensation | Блок прибыльности | Существенная |
| Налог от неправильной базы | Расчёт налога на прибыль | Существенная |
| Оборванная связь блоков | Выход листа не подставлен во вход следующего | Существенная |
| Нереалистичный темп роста | Лист допущений, выручка | Существенная |
| Терминальная стоимость завышена | DCF, темп роста в постпрогнозе ≥ WACC | Существенная |
| Хардкод вместо формулы | Любой расчётный блок | Некритическая |
Чек-лист готовности модели к ревью
Отметьте, что уже сделано. Шкала покажет, насколько модель готова к показу руководству. Это самопроверка, а не гарантия — финальное суждение остаётся за вами.
Как верифицировать находки вручную
Главный риск работы с ИИ — слепое доверие. Модель может «уверенно» назвать ошибкой то, что ошибкой не является, или пропустить реальный дефект. Поэтому каждую находку прогоняйте через короткий контур проверки:
- Откройте конкретную ячейку. ИИ указал «где именно» — перейдите туда и посмотрите формулу своими глазами, а не доверяйте описанию.
- Проверьте на маленьком примере. Подставьте простые числа и пересчитайте вручную — расхождение либо подтвердится, либо рассыплется.
- Отделяйте факт от мнения. «Баланс не сходится на 4 млн» — проверяемый факт. «Рост 40% нереалистичен» — суждение, которое нужно взвесить с учётом рынка.
- Не правьте вслепую. Прежде чем менять формулу по совету ИИ, убедитесь, что понимаете, почему так правильно. Иначе одну ошибку легко заменить другой.
Вопросы и ответы
В каком формате загружать модель?
Excel (.xlsx) или CSV — их ИИ разбирает корректнее всего. Перед загрузкой уберите лишние скрытые листы и дайте контекст: тип модели, отрасль, горизонт, ключевые допущения. Голый файл без вводной проверяется «вслепую».
Может ли ИИ ошибаться в проверке?
Да. ИИ иногда «придумывает» проблему, которой нет, или пропускает реальную. Поэтому он — инструмент первичной проверки, а не финальная инстанция. Каждую находку нужно открыть в модели и проверить вручную.
Заменит ли ИИ финансиста или аудитора?
Нет. Он экономит 2–3 часа на рутинной вычитке и ловит то, что замыливается к дедлайну, но не несёт ответственности за цифру и не подписывает заключение. Профессиональное суждение и финальная проверка остаются за человеком.
С чего начать, если модель большая?
Разбейте проверку по блокам и идите по шагам: сначала контекст и логика формул внутри блоков, затем связи между блоками, потом допущения и стресс-тест, и только в конце — резюме. Так находки не сольются в один нечитаемый список.
Какие ошибки ИИ ловит лучше всего?
Логические и структурные: двойной счёт, неверный знак, оборванные связи между блоками, несходящийся баланс, неявные допущения. Хуже — там, где нужна сверка с первичными данными или знание рыночного контекста, которого нет во вводных.
Хотите строить модели профессионально — DCF, прогнозирование, оценка бизнеса и отдельный модуль по ИИ в моделировании? Это курс «Расширенное финансовое моделирование» в SF Education. Рядом — программы финансового аналитика, финансового директора и фундаментальных финансов. Полный каталог — sf.education/catalog.
Дисклеймер: промпты и алгоритм — рабочие шаблоны для первичной проверки финансовых моделей с помощью ИИ. ИИ-ассистент может ошибаться, пропускать дефекты и формировать ложные находки; он не заменяет профессиональное суждение, ручную сверку с первичными данными и ответственность специалиста за модель. Матрица чувствительности показывает направление и относительную силу влияния шоков, а не точные значения — реальные цифры зависят от структуры конкретной модели. Все примеры таблиц — иллюстративные.
- Со-основатель SF Education — топ-10 по качеству образования РБК, резидент Сколково
- Стратегический консалтинг: PwC, частные проекты, стартапы до Seed/Series A
- Партнёр сертификаций IIBA и FMI, топ-100 EdTech по HolonIQ