Как превратить ФЭС из «центра затрат» в центр ценности

Сегодня на вебинаре с «Финансовым директором» и НАФД говорили о том, как меняются задачи финансово-экономической службы к 2025+ и какие цифровые навыки реально нужны команде CFO, а не «вообще всем».

Коротко, о чём был разговор
1️⃣ Почему тема стала критичной: регуляторка, санкции и скорость изменений давят на ФЭС, а требования к данным и прозрачности растут быстрее, чем уходит ручной труд.
2️⃣ Как эволюционирует роль CFO и ФЭС — от главбуха к стратегическому партнёру и Chief Future Officer, отвечающему за цифровую архитектуру и эффективность.
3️⃣ Какие цифровые навыки становятся базовыми: BI и аналитика, RPA и IDP, базовый ИИ, data literacy и бизнес-коммуникация на языке цифр. Это хорошо совпадает с тем, что сейчас пишут в стандартах цифровой трансформации по развитию цифровых компетенций сотрудников.

Что вы увидите в презентации
◾️ Контекст 2025+: четыре давления на ФЭС — изменения, данные, эффективность и технологический разрыв — и почему без системного обучения команда не вытягивает новые задачи.
◾️ Карту технологий для ФЭС: где действительно дают эффект RPA, BI-дашборды, ERP/облако, OCR/IDP и новые ИИ-решения — и как выбирать, куда инвестировать, а куда пока не стоит.
◾️ Набор критичных цифровых навыков для сотрудников ФЭС и простую шкалу, по которой можно «оценить себя по десятибалльной» и понять, где узкие места.
◾️ Как снять страх технологий у людей: честный разговор про «робот не заберёт работу, а заберёт рутину», быстрые победы и роль CFO как амбассадора изменений.
◾️ Форматы обучения для команды CFO: внутренние мини-курсы, peer-to-peer, практика на реальных процессах и индивидуальные планы развития вместо «разового тренинга раз в год».
◾️ Практический чек-лист на 90 дней: карта процессов, оценка цифровых навыков, выбор 1–2 пилотных проектов (RPA/BI/IDP), запуск базового обучения и «сессий знаний» внутри ФЭС.

Презентацию прикладываю к посту — можно пройтись по ней с командой и выбрать хотя бы один пункт, который вы готовы сделать в ближайшие 2–3 недели, чтобы ФЭС стала чуть менее «центром затрат» и чуть больше — центром стратегической ценности.

https://t.me/archfinance
#БизнесАрхитектор #CFO #ФЭС #ЦифроваяТрансформация #ИИ

Власть даётся не только как привилегия.
Власть даётся и как испытание.

И если человек, облечённый властью, это испытание не проходит — значит, он не выдержал экзамен на способность распоряжаться властью.

Почему так важно помнить об этом?
• Власть всегда про усиление.
Она усиливает не только решения, но и характер человека. Если внутри — жадность, страх, обида, желание доминировать — власть всё это увеличит в разы. Если внутри — зрелость, ответственность, готовность служить делу и людям — усилится именно это.
• Любая власть — временная.
Должность, полномочия, влияние, даже «вес слова» — всё это может исчезнуть очень быстро. И в итоге остаётся лишь ответ на простой вопрос:
«Кем я стал, пока у меня была власть?»
• Экзамен на власть — это не кризисы, а рутина.
Не тогда, когда надо героически «потушить пожар», а когда:
• можно тихо «продавить» решение и никто не заметит;
• удобно промолчать, когда видишь несправедливость;
• выгодно прикрыть своих, а не быть честным.
Именно в этих мелочах человек и проваливает — или сдаёт — экзамен на власть.
• Настоящая власть — это способность отвечать, а не командовать.
Отвечать за последствия решений, за людей рядом, за культуру, которую создаёшь своим стилем управления.
Власть всегда работает как лакмус:
• одних разоблачает,
• других раскрывает.

И, пожалуй, главный вывод такой:

Мы никогда не узнаем человека до конца, пока у него нет ни силы, ни слабости — ни власти, ни зависимости.
Но как только появляется власть, становится видно всё: ценности, зрелость, границы и уровень человечности.

Поэтому вопрос, который стоит задавать себе каждому, кто получает власть, звучит не «Что я теперь могу?», а:

«Кем я не имею права себе позволить стать, получив эту власть?»

ИИ в корпорациях: не хватает не моделей, а новых ролей

Пока все спорят, какую модель взять, крупные компании уже тихо перестраивают оргструктуру под ИИ.

По свежему EY GCC Pulse Survey 2025 по глобальным центрам в Индии:
◾️ 58% GCC уже инвестируют в agentic AI, ещё 29% планируют в ближайший год.
◾️ 2/3 создают отдельные команды инноваций и инкубаторы.
◾️ 81% целенаправленно прокачивают сотрудников в GenAI и работе с данными.

Это означает простую вещь: старой связки «ИТ + бизнес-заказчик» уже не хватает. Вокруг ИИ формируется новый слой ролей.

Какие новые роли вокруг ИИ появляются

🧠 AI / Agent Orchestrator
Архитектор цифровых сотрудников: какие агенты есть, к каким данным ходят, где вшиты в процессы, какие у них метрики качества и рисков.

⚙️ AgentOps / LLM Ops Engineer
Операционный контур для агентов: мониторинг, логи, алерты, доступы, обновления моделей, A/B‑тесты. Без него агентные решения превращаются в «чёрный ящик».

📌 AI Product Owner / AI Strategist
Связка между бизнесом и ИИ: за какие бизнес-результаты отвечает агент, какие кейсы в приоритете, что масштабируем, а что честно закрываем как неокупаемое.

🛡 AI Governance Lead / Responsible AI Architect
Защищает репутацию и снижает регуляторный риск: политика по ИИ, AI Act / GDPR / отраслевые требования, процедуры аудита, ограничения автономии, kill‑switch.

🔍 Model Validator / AI Risk Auditor
Независимая проверка поведения моделей и агентов: смещения, ошибки, соответствие бизнес-правилам и регуляторике, готовность материалов «на случай проверки».

👥 AI Coach / Enablement Lead
Делает так, чтобы люди реально пользовались ИИ: практические сценарии, сеть AI‑чемпионов в функциях, метрики реального использования, а не только красивых слайдов.

Важно: это не «ещё один айтишник», а роли на стыке стратегии, риска, процессов и людей. Именно их нехватка держит компании в вечном режиме пилотов и PoC.

Что с этим делать директорам и владельцам

1️⃣ Собрать «карту ролей» под ваши ИИ-инициативы: кто оркестрирует агентов, кто отвечает за бизнес-результат, кто за риск и комплаенс, кто обучает людей.

2️⃣ Решить, какие роли создавать, а какие расширять: AI Product Owner может вырасти из текущего продакта, Governance — из риск-блока, AI Coach — из L&D. Важно дать им формальный мандат и понятные KPI.

3️⃣ Поднять повестку на уровень совета директоров: разговор уже не про «какой чат-бот купить», а про оргдизайн, новую карту ролей и баланс между скоростью внедрения и управляемым риском.

https://t.me/archfinance
#БизнесАрхитектор #СоветДиректоров #AIGovernance #ИИ #AgenticAI

Как поставить локальный ИИ и RAG на Windows за вечер

Хотите, чтобы ИИ читал ваши положения, бюджеты и договоры, но не вылезал за периметр компании? Для первого контура безопасности достаточно двух простых приложений под Windows и 30–60 минут времени.

Коротко
1️⃣ Нужен локальный чат с моделью (LLM) — ставим LM Studio или Jan.
2️⃣ Нужна «умная база знаний» (RAG) по вашим файлам — ставим AnythingLLM Desktop.
3️⃣ Всё это ставится обычными .exe-инсталляторами, без Docker и танцев с консолями.

Что ставим на Windows
◾️ LM Studio — локальный «хаб» моделей: Llama, Qwen, Gemma, DeepSeek и др., работает офлайн, данные остаются на вашем ПК.
Скачать: https://lmstudio.ai/download

◾️ Jan — открытый аналог ChatGPT с офлайн-режимом, тоже ставится как обычное приложение, есть сборка под Windows.
Скачать: https://www.jan.ai/download

◾️ AnythingLLM Desktop — «всё в одном»: локальный чат, загрузка документов, поиск по базе знаний, агенты. Отдельный установщик для Windows.
Скачать: https://anythingllm.com/desktop

Как это работает в связке
◾️ Ставите LM Studio или Jan, выбираете и скачиваете подходящую модель (для начала — компактную 7–8B, чтобы не мучить ноутбук).

◾️ Ставите AnythingLLM Desktop, создаёте рабочее пространство и загружаете туда регламенты, политики, договоры, презентации. Приложение само строит векторную базу (RAG) и связывает её с моделью.

◾️ В результате вы получаете локального ассистента: задаёте вопросы «по-людски», а он отвечает, опираясь на ваши файлы, не отправляя их во внешнее облако.

Что сделать руководителю уже сейчас
1️⃣ Попросить ИТ подготовить тестовый ПК/ноутбук и установить туда LM Studio (или Jan) и AnythingLLM по ссылкам выше.
2️⃣ Выбрать один безопасный для пилота корпус документов: регламент бюджетирования, положение о лимитах, FAQ
3️⃣ Через неделю посмотреть: на сколько ускорилось получение ответов, сколько FTE-часов экономится на «подскажите, где у нас…» и какие риски по данным вы закрыли, оставив всё локально.

Про что подумать:
1️⃣ Какие именно наборы документов первыми «отдать» в локальный RAG: финблок, закупки или риск-контур?
2️⃣ Кто в компании будет владельцем такого стенда — ИТ, финдиректор или общий центр компетенций по ИИ?

https://t.me/archfinance
#БизнесАрхитектор #ФинансовыйДиректор #AIGovernance #ИИ #RAG

Opus 4.5: когда «код+агенты+Excel» становятся индустриальным стандартом

Пока все обсуждают GPT-5.1 и Gemini 3, Anthropic тихо выкатила Opus 4.5 — флагманскую модель, которую сами же называют «лучшей в мире для coding, agents и computer use». По сути, это новый уровень «рабочей лошади» для разработки, офисных задач и агентных сценариев.

Коротко для СД, CEO и CFO
1️⃣ Opus 4.5 — самый «умный» модель Anthropic, заточенный под сложный код, многосистемные сценарии и длинные цепочки действий.
2️⃣ Модель показывает рекордные результаты на инженерных тестах и SWE-Bench Verified (80%+), обгоняя конкурентов именно в кодинге и агентах.
3️⃣ Стоимость Opus-уровня упала примерно в три раза по сравнению с Opus 4.1: $5 / $25 за миллион токенов ввода/вывода.
4️⃣ Сразу доступен в Claude, AWS Bedrock, Google Vertex AI, Azure / Foundry и как backend в Claude Code.

Что принципиально нового

◾️ Кодинг и архитектура. Opus 4.5 прошёл внутренний двухчасовой take-home тест Anthropic для найма инженеров лучше любого человека; плюс впервые преодолел порог 80% на SWE-Bench Verified. Это уже инструмент уровня «старший разработчик+ревьюер», а не просто «генератор функций».

◾️ Агенты и «computer use». Модель проектировалась как ядро агентных сценариев: управление браузером, файлами, Excel, длительные многошаговые задачи. Отдельно отмечаются новые Chrome- и Excel-интеграции: ИИ заходит прямо в привычные инструменты, а не живёт «в отдельном чате».

◾️ Офис и финмодели. По данным Anthropic и партнёров, Opus 4.5 заметно лучше работает с сложными таблицами, финансовым моделированием и презентациями: улучшение точности и эффективности Excel-автоматизации на 15–20% в внутренних тестах. Для команд финансов и отчётности это уже не «игрушка», а реальный инструмент под NPV/DCF, сценарный анализ и пакет материалов для СД.

◾️ Скорость и цена. AWS прямо пишет, что Opus 4.5 превосходит Sonnet 4.5 и Opus 4.1 по качеству, при этом даёт Opus-уровень интеллекта примерно за треть прежней цены. В примерах партнёров задачи, занимавшие ~2 часа у прошлых моделей, теперь решаются за ~30 минут за счёт лучшего планирования и меньшего расхода токенов.

Безопасность: стало лучше, но «волшебного щита» нет

◾️ В агентном тесте на вредоносный код (150 запросов) модель отказала во всех случаях — хороший сигнал для кодовых ассистентов.
◾️ Но в сценариях с малварью и «тёмными» действиями на компьютере уровень отказов уже 78–88%: то есть значительная часть запросов всё ещё проходит.
◾️ Anthropic честно пишет, что опирается не только на саму модель, но и на системную карту, внешние «красные команды» и дополнительные фильтры поверх Opus 4.5. Для нас это прямой сигнал: в корпоративной среде неизбежны собственные политики доступа, журнал действий и контур AIGovernance, а не «просто включить модель в прод».

Практика для CFO и СД: где его тестировать

1️⃣ Кодовый помощник для автоматизации — конвейер рефакторинга скриптов, интеграций и отчётных форм, где важно качество архитектуры и экономия FTE-часов разработчиков.

2️⃣ Агент под «закрытие месяца/квартала» — цепочки вида «выгрузи → сведи → проверь → подготовь презентацию для СД», с контролируемым доступом к витринам данных.

3️⃣ Фабрика финмоделей — быстрое построение 3-сценарных NPV/DCF-моделей с авто-Excel и черновиками слайдов, которые дорабатывает команда.

4️⃣ Цифровой помощник руководителя — пилот «компьютер-юза» на отдельных задачах: подготовка материалов к заседанию, мониторинг KPI, сбор и упаковка внешней аналитики.

С чем сравнивать в реальных проектах

◾️ Внутри Anthropic связка простая: Haiku 4.5 — про скорость и цену, Sonnet 4.5 — «рабочий конь» для агентов, Opus 4.5 — для самых сложных задач, где нужна глубина мышления и устойчивость на длинной дистанции.

◾️ На рынке сравнивают Opus 4.5 с GPT-5.1 и Gemini 3: по данным независимых обзоров, Opus забирает «корону» в кодинге и агентных сценариях, тогда как конкуренты сильнее в других метриках (мультимодальность, креативные задачи и т.д.). И здесь ключевой вывод для ЛПР: выбирать не «лучшую модель вообще», а стек под конкретный бизнес-кейс.

ИИ уже не «игрушка»: три практики для страховщиков, здравоохранения и риск-менеджмента

Ниже — три практики внедрения ИИ, на которые, на мой взгляд, в первую очередь стоит смотреть советам директоров и финансовым директорам. Это не только про эффективность, но и про культуру, контроль и новые виды рисков.

1. Страхование — Aviva (Великобритания)
◾️ По данным McKinsey, Aviva развернула более 80 моделей ИИ в урегулировании убытков. В сложных случаях оценка ответственности сократилась на 23 дня, точность маршрутизации заявлений выросла на ~30 %, жалобы клиентов снизились на ~65 %, а экономия в моторном страховании превысила £60 млн за год.
◾️ Отдельный акцент — культура: Aviva перестраивала операционную модель, вводила agile-подходы и инвестировала более 40 000 часов в обучение сотрудников, чтобы «digital-first» было не лозунгом, а реальностью.
◾️ Для СД и CFO здесь важен не только эффект, но и способ его достижения: качество данных, интеграция моделей в сквозные процессы, жёсткий контроль качества решений ИИ и постоянная обратная связь от фронта.

◾️ Подробнее об этом кейсе McKinsey:
— https://www.mckinsey.com/industries/financial-services/our-insights/the-future-of-ai-in-the-insurance-industry
— https://www.mckinsey.com/capabilities/tech-and-ai/how-we-help-clients/rewired-in-action/aviva-rewiring-the-insurance-claims-journey-with-ai

2. Здравоохранение — NHS England (Chelsea and Westminster NHS Trust)
◾️ В 2025 году NHS England запустила пилот: ИИ-система на базе Federated Data Platform автоматически формирует проекты выписных эпикризов, извлекая диагнозы, результаты тестов и назначения из медицинских записей; врач проверяет и утверждает документ.
◾️ Цель — сократить бумажную нагрузку, ускорить выписку, освободить койки и вернуть врачам время на пациентов, а не на копипасту из разных ИТ-систем.
◾️ Ключевой управленческий вывод: даже при высокой автоматизации «человек в контуре» остаётся обязательным — ответственность за итоговый документ и клиническое решение несёт врач, а ИИ работает как помощник, а не «автопилот».

◾️ О пилоте NHS можно почитать здесь:
— https://www.gov.uk/government/news/ai-to-cut-paperwork-to-free-up-doctors-time-for-patients
— https://www.digitalhealth.net/2025/08/ai-assisted-tool-on-fdp-will-help-write-hospital-discharge-letters/

3. Передача рисков — страхование ошибок ИИ-чатботов
◾️ В мае 2025 года на рынке Lloyd’s of London при участии стартапа Armilla появился страховой продукт, покрывающий убытки от ошибок ИИ-инструментов (включая чатботы), если их фактическая работа падает ниже заявленного порога.
◾️ Принцип простой: сначала фиксируются базовые метрики (например, 95 % корректных ответов), затем полис срабатывает, если система деградирует, скажем, до 85 % точности — то, чего типовые технологии E&O-полисы обычно не покрывают.
◾️ Это иллюстрация новой категории рисков: помимо кибер-инцидентов и привычных сбоев появляются риски качества и «старения» самой модели ИИ. Вопрос «кто отвечает, если ИИ ошибся» перестаёт быть абстрактным и переходит в плоскость договоров и страховых покрытий.

◾️ Для углубления темы:
— https://www.ft.com/content/1d35759f-f2a9-46c4-904b-4a78ccc027df (обзор продукта Armilla на рынке Lloyd’s)
— https://www.armilla.ai/resources/armilla-launches-affirmative-ai-liability-insurance-with-lloyds-underwriter-chaucer

Обращаю внимание на следующие вопросы
1️⃣ Как в вашей компании устроены данные и процессы: готовы ли они к тому, чтобы ИИ встраивался «в линию», а не жил отдельным пилотом?
2️⃣ Кто и как управляет новыми рисками: от деградации моделей до регуляторных и репутационных последствий — есть ли у вас политика, метрики и, при необходимости, страховое покрытие?

https://t.me/archfinance
#БизнесАрхитектор #CFO #Страхование #Здравоохранение #ИИ

Как украсть фуру, даже не трогая замок

Ночная смена на терминале.
В систему заранее «упал» новый рейс: номер контейнера, фура, водитель, контакт получателя. Охрана сверяет данные — всё совпадает. Шлагбаум поднимается, груз уезжает.

Через пару дней реальный клиент пишет: «Где наша партия серверов?»
В TMS же чёрным по белому: доставлено. И только потом кто-то задаёт неприятный вопрос: а кто вообще поменял маршрут и получателя в системе?

Как это работает по шагам

1️⃣ Сначала бьют не по складу, а по почте.
В логистику и автоперевозчикам летят письма: новые грузы, ставки, счета, «обновлённый договор». Клик — и вместо «вируса» ставится вполне законный софт удалённого доступа: ScreenConnect, SimpleHelp, AnyDesk и т.п. Он выглядит как нормальная «удалёнка от айтишников».

2️⃣ Потом в компанию «поселяется невидимый диспетчер».
Через систему удаленного доступа злоумышленники неделями тихо смотрят внутрь: какие клиенты, какие рейсы, сколько стоит груз, как выписываются задания и CMR. Цель — скопировать рутину так, чтобы их действия не отличались от обычной работы.

3️⃣ Дальше начинается отбор «жирных» рейсов.
Из потока выбирают партии, за которые действительно стоит рисковать: электроника, майнинг-фермы, медь, алкоголь. Важен не только чек, но и ликвидность — чтобы продать быстро и без лишних вопросов.

4️⃣ В нужный момент меняют пару строчек в системе.
Не ломают забор, не бьют камеры. Просто изнутри корректируют адрес доставки, получателя, контакты, иногда — машину и водителя. То же самое — в порталах терминала, в слот-букинге, в e-mail-переписке с клиентом. В истории правок это выглядит как обычная операционная правка.

5️⃣ На сцену выходят «офлайновые логисты».
Подставная транспортная компания или «двойник» реального перевозчика приезжает на терминал. Документы формально в порядке, данные в TMS и портальной системе совпадают. Охрана делает свою работу честно — просто доверяет «исправленной» системе.

6️⃣ Украденный груз превращается в деньги.
По открытым отчётам (CargoNet, WSJ, Proofpoint) средний чек таких эпизодов уже превышает $300k за рейс. Дальше — серый опт, перепродажа, иногда экспорт. Для компании это один «пропавший» контейнер, для ОПГ — управляемый денежный поток.

Почему это не очередная страшилка ИБ
◾️ Это стык ИТ, логистики и договоров: кража происходит в момент, когда система соглашается, что всё сделано правильно.
◾️ Инструменты атаки законные, а сценарий встроен в обычный процесс выдачи рейсов.
◾️ Рост идёт не по количеству кейсов, а по средней сумме: преступники научились выбирать не «всё подряд», а самые дорогие и удобные грузы.

В отдельном посте разложу это в формат чек-листа для собственников: какие вопросы задать логистике, ИТ и службе безопасности, чтобы такая схема не работала «по умолчанию».

https://t.me/archfinance
#Логистика #КиберРиск #УправлениеРисками #СоветДиректоров #Безопасность

ИИ и промпты: что поменялось в 2025

Единый «волшебный промпт» больше не работает. На первый план выходит то, как мы выстраиваем диалог с ИИ и управляем промптами как активом команды.

1️⃣ Вместо разовых запросов — collab prompting: ИИ как коллега, который задаёт вопросы и работает итерациями.

2️⃣ Появились meta-prompts и авто-оптимизация: один ИИ переписывает системные промпты для другого.

3️⃣ Промпты превращаются в библиотеку: версии, владельцы, метрики качества, «паспорт» под каждую роль.

4️⃣ Вендоры запускают курсы по промптингу — это становится базовым цифровым навыком, как Excel.

Как это использовать в финансах и управлении

◾️ Для аналитики и бюджетов — переходите на collab prompting: просите ИИ сначала задать 5–7 вопросов и предложить план, а уже потом считать и писать выводы.
◾️ Для рутинных ролей (делопроизводитель, ассистент CFO, риск-аналитик) — заводите отдельные системные промпты и оптимизируйте их через «ИИ‑редактора промптов».
◾️ Для всей функции — соберите минимальную промпт-библиотеку: задача, роль, модель, пример входа/выхода, ограничения по данным и безопасности.

Мини-шаблоны

1️⃣ Collab-promt для ИИ-партнёра:

«Ты — мой коллега. Сначала задай 5–7 уточняющих вопросов, предложи план из 3–5 шагов, дождись моего подтверждения и только потом переходи к решению по шагам. В конце сам проверь вывод по чек-листу и напиши, что бы улучшил в следующей итерации».

2️⃣ Meta-promt для «редактора промптов»:

«Проанализируй эти промпты и качество ответов. Сформулируй один системный промпт для роли (например, CFO-ассистент): 1) опиши роль, 2) зафиксируй ограничения по данным и безопасности, 3) укажи формат ответа, 4) добавь внутренний чек-лист самопроверки».

https://t.me/archfinance
#БизнесАрхитектор #ФинансовыйДиректор #PromptEngineering #AIGovernance #ИИ

MIT CFO Summit 2025: что сейчас делают финдиректора, которые всерьёз занялись ИИ

На MIT Sloan в этом году было неожиданное ощущение «взросления» ИИ-повестки.
Не разговоры про «магические модели», а очень спокойные диалоги людей, у которых каждый лишний день закрытия и каждый FTE на учёте.

Финансовые директора из Arm, FedEx, Shopify, Hasbro обсуждали уже не то, какой ИИ взять, а что именно у них изменилось: на сколько дней раньше виден cash flow, сколько ручного труда ушло из отчётности, как перестроились команды. Не демо, а скучные, но честные «до/после».

Пара вещей, которые особенно цепляют, если вы сами в автоматизации и ИИ:

◾️ Во-первых, прозвучала мысль, которую CFO обычно формулируют про себя, но редко вслух: «финансы — детерминированная функция, LLM — вероятностная». Отсюда простой вывод: ИИ — отличный советник и ускоритель, но не последний подписант. И там, где цена ошибки высока, должен быть человек, процесс и понятное правило, как именно мы доверяем выводу модели.

◾️ Во-вторых, все разговоры об ИИ быстро упираются в процессы. Профессор Nelson Repenning напомнил: в производстве поломка видна сразу, а вот «поломка» в знательном труде (финансы, аналитика, бюджетирование) может годами прятаться в Excel’ях и почте. Если поверх этого положить роботов и ИИ-агентов, мы просто начинаем быстрее гонять тот же хаос.

◾️ В-третьих, очень заметно смещение роли CFO. Всё больше историй формата «CFO + COO в одном лице»: люди отвечают не только за точность отчётности, но и за то, как вообще живёт операционная модель — какие данные собираем, как строятся сценарии, где ИИ вшит в процесс, а где это пока «игрушка в стороне».

Если переложить это на наш, российский и региональный контекст, картина двоякая.
С одной стороны, отставание в автоматизации — много ручных операций, «Excel как ERP», согласования по почте. С другой — это именно тот зазор, где аккуратно внедрённый ИИ даёт эффект за 6–12 месяцев: закрытие месяца, казначейство, договоры, управленческая отчётность, риск-скрининг, претензионка. При условии, что вы готовы честно посмотреть на данные и процесс «как он есть», а не как «мы о нём рассказываем».

В какой-то момент обсуждение на саммите плавно перетекало в тему риска.
Внутренние аудиторы уже включают generative AI и кибербезопасность в топ-рисков, и это не про страх, а про здравый смысл: автоматизация усиливает всё. Если данные грязные и процесс не описан — ИИ почти гарантированно увеличит операционный риск. Если данные в порядке и есть дисциплина контроля — ИИ становится нормальным, управляемым ресурсом, а не «чёрным ящиком».

Кому хочется докрутить детали — вот материалы по саммиту и контексту:
◾️ Inside the 2025 MIT Sloan CFO Summit: Trial Balance (CFO.com)
◾️ 4 top takeaways from MIT’s 2025 CFO Summit (CFO Dive)
◾️ 23rd Annual MIT Sloan CFO Summit: Change-Led, Forward-Focused Insights (Business Wire)
◾️ Cybersecurity efforts and generative AI usage top internal auditors’ risk list (CFO.com)

Обращаю внимание на следующие вопросы
1️⃣ Есть ли у вас один-два процесса, где уже сейчас можно честно померить «до/после» по времени, ошибкам и FTE, а не просто «попробовать ИИ»?
2️⃣ Понимаете ли вы, кто у вас владелец данных и владелец процесса в каждом таком эксперименте — и кто в итоге подписывается под результатом?

Ответы на эти вопросы часто важнее выбора модели — именно так сегодня рассуждают CFO, которые выходят с MIT Summit не с презентацией, а с конкретным планом действий на ближайший год.

https://t.me/archfinance
#БизнесАрхитектор #CFO #ИИВФинансах #ФинФункция #AIGovernance

RPA vs ИИ: куда отправлять задачи CFO

Не каждый процесс в финансах нужно «скармливать» ИИ. Во многих случаях обычный робот или скрипт даст более надёжный и понятный результат для аудитора.

Этот пост — короткая рамка «если … → робот / если … → ИИ» на примере пяти типичных задач CFO.

Коротко
1️⃣ RPA и скрипты — там, где есть жёсткий регламент, форматы полей и требование 100% повторяемости.
2️⃣ ИИ — там, где много текста, исключений, «почему так вышло?» и нужен аналитический диалог.
3️⃣ В большинстве зрелых практик они работают в паре: ИИ понимает и решает, RPA исполняет и протоколирует.

5 кейсов для CFO-функции

1️⃣ Закрытие месяца
◾️ Если задача — каждый месяц одинаково выгрузить оборотно-сальдовые ведомости, запустить набор проверок, разложить цифры по шаблонам отчётности — это зона RPA/скриптов.
◾️ Если нужно объяснить отклонения P&L, собрать гипотезы по драйверам, прогнать сценарии «что будет, если…» — это ИИ‑ассистент поверх отчётов.

2️⃣ Счета и первичка (AP)
◾️ Проверка обязательных полей, сопоставление с заказом, маршрутизация по маршруту согласования — устойчивый процесс → робот.
◾️ Распознавание сканов, вытаскивание реквизитов из «творческих» счетов, поиск похожих кейсов и потенциальных дубликатов → ИИ‑модели работы с документами.

3️⃣ Договоры и лимиты
◾️ Проставить номера, завести карточку в учётной системе, разослать на согласование по матрице ролей — RPA.
◾️ Проанализировать текст договора, подсветить нестандартные условия, сравнить с «золотым стандартом», предложить правки простым языком — ИИ.

4️⃣ Бюджетирование и прогноз
◾️ Сбор шаблонов от подразделений, консолидация, техническая проверка формул и версий — это робот и обычная автоматизация.
◾️ Построить сценарные модели, учесть внешние факторы, ответить «на сколько мы промахнёмся по cash flow при таком сценарии продаж» — задача ИИ‑аналитики.

5️⃣ Риск и комплаенс
◾️ Формальные чек-листы, KYC/KYB по строгим правилам, регламентная отчётность для регулятора — зона RPA, где каждая ветка процесса описана.
◾️ Поиск нетривиальных паттернов в транзакциях, приоритизация алертов, анализ переписки на предмет конфликтов интересов — работа ИИ.

Как быстро решить «робот или ИИ»

◾️ Можно ли описать задачу в виде понятного чек-листа без двусмысленностей? Да — сначала робот.
◾️ Нужна интерпретация текста, картинок, нестандартных ситуаций? Тогда ИИ, а робот — как исполнитель вокруг него.
◾️ Там, где для вас критичны трассировка и аудит, оставляйте ИИ в роли советчика, а финальное действие фиксируйте через RPA/скрипты.

Если в компании уже есть кандидаты на автоматизацию, можно отдельно разобрать их по этой рамке и собрать дорожную карту «что в робота, а что в ИИ» на следующий год.

https://t.me/archfinance
#БизнесАрхитектор #CFO #RPA #AIGovernance #ИИ