ИИ в финансах: калькулятору доверяй, но проверяй

ИИ в финансах: почему без человеческого суждения не обойтись

Искусственный интеллект перестал быть экспериментом для отдельных пилотных проектов и вошёл в повседневную работу финансовых подразделений. Согласно исследованию Deloitte CFO Signals, ИИ используют почти 93% финансовых директоров — в ключевых операциях. Всего два года назад компании лишь осторожно пробовали эту технологию. Однако наиболее заметных результатов добиваются не те, кто автоматизирует всё подряд, а те, кто тщательно выбирает, что именно поручить ИИ.

Многие финансовые задачи кажутся подходящими для автоматизации, но их смысл зависит от обстоятельств, которых нет в данных. Например, рост расходов на поставщика может выглядеть как проблема с контрактом, хотя на деле он связан со стратегическим решением руководства. Отклонение в отчётности может показаться тревожным сигналом, хотя оно вызвано заранее запланированными изменениями в работе компании. ИИ способен заметить необычное, но не всегда понимает внутренний контекст. Именно между тем, что показывают цифры, и тем, что знает бизнес, может возникнуть недоверие.

Финансовым командам важно понимать не только то, способен ли ИИ обнаружить проблему, но и когда его выводам можно доверять, а когда требуется человеческая оценка. Это станет одним из главных вопросов следующего этапа внедрения технологии.

Речь не о том, чтобы полностью убрать людей из финансовых процессов, а о том, чтобы иначе распределить их внимание. ИИ может выполнять первичный анализ, проверять операции и искать отклонения. Люди задают правила, решают, на что обратить внимание, и вмешиваются, если ситуация не укладывается в привычную картину. По данным глобального опроса финансовых директоров FTI Consulting, почти 70% руководителей уже используют выводы ИИ вместе с собственным опытом, а не вместо него. Иными словами, человеческое суждение остаётся частью работы, но чаще применяется на более высоком уровне — при принятии важных решений.

По мере того как ИИ получает больше полномочий, вопрос уже не только в том, способен ли он выполнить задачу. Важно, готовы ли финансовые команды полагаться на результат. Это особенно существенно при работе с конфиденциальной информацией и решениями, где даже небольшая ошибка может привести к финансовым или регуляторным последствиям. Составить черновик отчёта — одно; порекомендовать поставщика, выявить необычные расходы или самостоятельно провести платёж — совсем другое.

Доверие к ИИ нужно закладывать в устройство системы, а не пытаться добавить позднее с помощью инструкции или обучения. Команде следует видеть, на чём основан вывод, чтобы при необходимости оспорить его. Также нужны чёткие границы: какие действия система может выполнять самостоятельно, а в каких случаях должна передать решение человеку.

Главное препятствие для внедрения ИИ в финансах часто не сама модель, а данные, на которых она работает. Годами компании соединяли сведения из бухгалтерских систем, сервисов учёта расходов, платформ закупок и электронных таблиц. Если там есть дубли поставщиков, разные правила кодирования операций или устаревшая информация, ИИ не устранит беспорядок — он лишь быстрее распространит его последствия.

Поэтому качество данных должно стать приоритетом раньше, чем более амбициозные проекты с ИИ. Чистая, согласованная и доступная финансовая информация даёт системе надёжную основу. Разрозненные данные, напротив, мешают доверять даже сложным инструментам. Значительная часть важной работы происходит ещё до запуска ИИ: нужно связать системы, привести данные в порядок и создать единое достоверное представление о финансах.

На такой основе ИИ сможет не только автоматизировать административные задачи, но и выявлять аномалии, анализировать структуру расходов и предоставлять командам более полезную информацию для принятия решений. Практическая ценность часто скрывается в неприметных задачах: быстрее обрабатывать счета, точнее распределять расходы по категориям, раньше замечать необычные траты и быстрее находить данные для планирования.

Начинать разумно с конкретных задач. Так команда увидит, как ИИ работает именно с её данными и процессами, где действительно помогает и что нужно исправить до расширения его роли. Это реалистичнее, чем пытаться преобразовать весь финансовый отдел за один раз. Компании, добивающиеся прогресса, сначала хорошо решают отдельные проблемы и масштабируют решения, только убедившись, что те работают в реальных, неидеальных данных и рабочих процессах.

Цель ИИ — не финансовый отдел, который делает меньше, а команда, тратящая меньше времени на рутину и больше — на важные решения. Освободившись от повторяющихся операций, специалисты могут глубже анализировать бизнес, находить риски и возможности и проверять исходные предположения. Вместо ожидания закрытия месяца, чтобы понять, что произошло, компании могут перейти к более непрерывному анализу и принятию решений.

ИИ не отменяет финансовую экспертизу, а повышает её ценность: именно люди решают, какие вопросы задавать, правдоподобен ли ответ и что делать дальше. Успех внедрения следует измерять не количеством процессов, переданных цифровому агенту, а тем, стали ли решения лучше при меньших затратах времени на административную работу. Финансовым директорам важно определить, где ИИ может действовать самостоятельно, где должен только рекомендовать, а где необходимо человеческое суждение. Правильный баланс позволит перейти от экспериментов к реальной пользе.

Текст опубликован в рамках рубрики TechRadar Pro Perspectives, посвящённой мнениям специалистов технологической отрасли. Изложенная позиция принадлежит автору и может не совпадать с мнением TechRadar Pro или Future plc.