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

Когда вы запускаете ИИ‑сервис для встреч, звонков или голосовых заметок, все обычно спрашивают: «А какая точность распознавания?» или «за сколько минут делается транскрибация?». На самом деле СЕО и CFO интересует другое: через сколько минут после загрузки записи он сможет скопировать готовый конспект и переслать его команде.

Для этого удобно сразу ввести одну простую метрику — Time‑to‑Insight (TTI). Это время в минутах от момента, когда пользователь загрузил аудио или задал запрос, до момента, когда он нажал одну кнопку «Одобрить» под результатом. То есть текст уже в том виде, когда его не стыдно вставить в письмо, в CRM или в протокол заседания.

Если TTI снижается, а доля одобрений держится не ниже 90 %, значит, вы действительно ускоряете цикл управленческих решений, а не просто «играете в нейросети». Это тот случай, когда продукт‑менеджер и финансовый директор смотрят на одну и ту же цифру и понимают её одинаково.

Считать это несложно. Система фиксирует несколько событий с отметкой времени: загрузка (upload), появление первого черновика и клик по кнопке «Одобрить». TTI — это разница между загрузкой и одобрением в минутах. Раз в неделю вы смотрите не на среднее, а на медиану TTI — она устойчивее к странным случаям, когда кто‑то ушёл с открытой вкладкой на ночь.

На одном небольшом дашборде уже видно самое главное:
◾️ медиана TTI за неделю;
◾️ 90‑й перцентиль TTI — показывает, как живётся самым «несчастным» пользователям;
◾️ доля одобрений (Approval Rate) — сколько сессий завершились кликом «Одобрить»; рабочая цель — не ниже 90 %;
◾️ среднее количество попыток до первого одобрения; идеал — одна;
◾️ топ‑3 узких места по цепочке: расшифровка → черновик → финальный текст.

Технически всё упирается в дисциплину логирования и один понятный сигнал «готово к копи‑пасту».
1️⃣ Логируем события upload, first_draft_ready и user_approved с ID сессии.
2️⃣ Делаем в интерфейсе одну явную кнопку «Одобрить» — это ваш триггер, что результат годится «как есть».
3️⃣ Раз в неделю крон‑задача собирает метрики по неделе, продукту и каналу и складывает в таблицу.
4️⃣ Договариваемся о «красных линиях»: если Approval Rate падает ниже 90 % — работаем над качеством; если растёт 90‑й перцентиль TTI — ищем и снимаем узкие места.
5️⃣ Любой эксперимент фиксируем как ΔTTI и ΔApproval: стало быстрее, стало ли при этом хуже или лучше по одобрениям.

Где обычно теряется время:
◾️ медленная или нестабильная расшифровка звука, особенно в «шумных» переговорах;
◾️ долгая структуризация черновика, когда формат отчёта нигде не задан и каждый раз придумывается заново;
◾️ отсутствие шаблонов: вместо 3–5 стандартов вывода («итоги совещания», «решения и владельцы», «дайджест письма») пользователю каждый раз предлагают «просто текст».

Чтобы эта история не растворилась в общих рассуждениях, полезно сразу задать себе конкретные цели:
◾️ через 4 недели: медиана TTI не больше 7 минут, 90‑й перцентиль не больше 18 минут, Approval Rate не ниже 90 %;
◾️ через 8 недель: выйти на TTI около 5 минут при той же доле одобрений.

А дальше можно уже спорить про модели, стеки и новые фичи. Но первый честный вопрос к любому ИИ‑ассистенту для совещаний и аудиозаметок остаётся простым: за сколько минут человек получает текст, который он готов скопировать и отправить дальше? Ответ на него и есть ваш реальный Time‑to‑Insight.

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

Цифровой рубль для CFO, часть 1: не про политику, а про кассу и процессы

Про цифровой рубль уже успели поспорить «за жизнь», но у финансового директора другой радар:
что это сделает с кассой, казначейством, договорами и ИТ-контуром в 2026–2028 годах.

По закону с 1 сентября 2026 крупнейшие банки и крупный ритейл обязаны дать клиентам возможность платить цифровыми рублями, дальше — подключатся остальные банки и компании. То есть это не «хотим — не хотим», а новая реальность для платёжного ландшафта.

Коротко
1️⃣ Цифровой рубль — третья форма обычного рубля: деньги хранятся на платформе Банка России, а не в конкретном коммерческом банке.
2️⃣ Для граждан — ещё один «карман» в приложении банка, для компании — новый платёжный контур со своими правилами.
3️⃣ В ближайшие годы через цифровой рубль пойдут часть соцвыплат и бюджетных денег, в том числе субсидии и гранты.

Что это меняет для CFO
◾️ Ландшафт платежей. К связке «банк-клиент → казначейство → СБП/эквайринг» добавляется платформа ЦБ. Часть оборота (особенно связанного с государством) уходит в цифровой рубль. Это меняет комиссионные, скорость прохождения платежей и роль банков в цепочке.

◾️ Ликвидность. Появляется новый «карман» ликвидности, формально находящийся на платформе ЦБ. Банки могут частично потерять ресурсную базу и компенсировать это ценой других услуг — кредиты, РКО. В модели «счета + кредитная линия + овердрафт» появляется ещё один слой, который нужно учесть в политике ликвидности.

◾️ Прозрачность и контроль. Для государства цифровой рубль — тонкая трассировка средств: от бюджета до конкретного платежа. Уже тестируется механизм смарт-контрактов для контроля целевого расходования средств по типам получателей и лимитам. Для бизнеса это меньше гибкости «подвинуть» деньги между проектами — и больше требований к чистоте схем.

◾️ Процессы и ИТ. Цифровой рубль не существует сам по себе — он ляжет на договоры, регламенты, ERP и казначейство. Придётся заново собрать цепочку «договор → документы → платёж»:
◾️ что идёт классическим безналом;
◾️ что обязаны проводить цифровыми рублями;
◾️ как это отражается в учёте, бюджетировании и отчётности для СД.

Что сделать CFO уже в 2025–2026
1️⃣ Зафиксировать тему в повестке. Добавить цифровой рубль в карту рисков и дорожную карту ИИ/финтех-инициатив: кто отвечает, когда возвращаемся к обсуждению, какие пилоты возможны.

2️⃣ Оценить влияние на платёжный поток. Прикинуть, какая доля оборота (соцвыплаты, госконтракты, субсидии, госпокупатели) потенциально уйдёт в цифровой рубль, и что это делает с ликвидностью и комиссионными.

3️⃣ Наметить архитектуру. Вместе с ИТ и юристами накидать простую схему: «банк-счета → цифровой рубль → казначейство → ERP/БДДС», понять, какие доработки нужны в лимитах, полномочиях и отчётности. Хорошая отправная точка — раздел Банка России о цифровом рубле (подробности здесь).

Цифровой рубль — не «игрушка ЦБ», а ещё один слой финансовой инфраструктуры, который либо вы встроите в свою архитектуру осознанно, либо за вас это сделают регулятор и ИТ-подрядчики.

https://t.me/archfinance
#БизнесАрхитектор #ФинансовыйДиректор #ЦифровойРубль #Казначейство #РискМенеджмент

Как затащить бизнес‑игру в одно лицо с помощью ИИ

Полноценная бизнес‑симуляция с экономикой, ролями, инцидентами и KPI обычно требует команды: аналитик, геймдизайнер, несколько разработчиков, художник.
Здесь — один человек и несколько ИИ‑инструментов.

Описание самой игры и сюжет — в презентации, а ниже — кухня разработки и выученные уроки.

Немного цифр
1️⃣ Средняя «стоимость программирования в токенах» сейчас у меня укладывается в диапазон $50–70 в день при аккуратном выборе моделей и размера контекста.
2️⃣ Основная статья затрат — не генерация кода, а ваше время на постановку задач, ревью и тесты.
3️⃣ Узкое место — не ИИ, а архитектура: чем яснее модели данных и фазы игры, тем дешевле каждый следующий день.

Выученные уроки и лайфхаки
◾️ Обязательно делайте экспорт/импорт всех справочников в Excel — это ускоряет проверку данных и делает заполнение максимально прозрачным для заказчика.
◾️ Используйте ChatGPT Pro в роли «прогнозиста»: сначала агент (например, Cline) собирает формулы из кода, затем ответ уходит в GPT и тот же Excel‑файл — на выходе получаются понятные рекомендации по балансу и отыгрышу разных сценариев.
◾️ Сначала план и чек‑лист, потом реализация: в плане фиксируйте названия связанных функций, сущностей и моделей данных — это снижает «творчество» ИИ и помогает держать код ровным.
◾️ Сетка (grid) отлично помогает быстро собирать UI и визуализации элементов, поэтому сначала — бэк и игровая механика, а уже потом красота на экране.
◾️ При разработке с помощью ИИ будьте готовы минимум два‑три раза пройти игру целиком от первой до последней фазы, чтобы найти разрывы в логике, несостыковки моделей данных и места, где ИИ «нашкодил».
◾️ Всегда смотрите, что именно возвращает бэк на каждой фазе: ИИ любит создавать несколько компонентов, под каждый писать почти одинаковый запрос и дублировать нагрузку на сервер — это нужно вручную вычищать и объединять.
◾️ После каждой доработки заводите короткий документ по фиче и при следующих запросах обязательно подгружайте его в контекст модели — так вы сохраняете единую память проекта, а не полагаетесь на случайный диалог.
◾️ Даже при хорошем первоначальном дизайне готовьтесь к 100+ миграциям БД: либо вы тратите месяцы на «идеальную» схему, либо позволяете себе идти итерациями и регулярно приводить данные в порядок.

Зачем всё это
1️⃣ Такой подход позволяет одному человеку тянуть проект уровня серьёзной бизнес‑игры, не превращая его в бесконечную эпопею.
2️⃣ Заказчику прозрачнее: у него есть Excel‑слои, документация по фичам и понятная экономическая модель.
3️⃣ ИИ встраивается не как «магия», а как рабочий инструмент в цепочке: анализ → код → прогноз → баланс.

Если интересно, в отдельном посте могу стек инструментов, структуру промтов и типовые ошибки, которые мы ловили по пути.

https://t.me/archfinance
#БизнесИгры #БизнесАрхитектор #ИИ #GameDevСИИ

Цифровой рубль для CFO, часть 2: тендеры и госконтракты

Если вы живёте в мире 44-ФЗ/223-ФЗ, цифровой рубль — это не теория про «будущее денег», а про то, как госконтракт из PDF превращается в сценарий, который исполняется сам.

Идея простая: условия контракта (сроки, этапы, штрафы, целевое использование средств) всё больше «прошиваются» в систему, а цифровой рубль становится носителем этих условий.

Коротко
1️⃣ Обеспечение заявки и исполнения может превратиться в блокировку цифровых рублей на специальном счёте.
2️⃣ Авансы и этапы — в цепочку «акт в ЕИС → автоматический платёж».
3️⃣ Штрафы и удержания — из «разговоров» в автоматический расчёт по формуле в смарт-контракте.

Как это может работать по-новому
◾️ Обеспечение. Вместо живых денег на депозите или бумажной гарантии — депонирование цифровых рублей: сумма блокируется при подаче заявки, автоматически переезжает в обеспечение исполнения, а при успешном закрытии контракта — разблокируется без лишних заявлений.

◾️ Авансы и этапы. Деньги по контракту «окрашиваются» под конкретный объект и КБК. Как только в ЕИС зафиксирован факт приёмки этапа, система проводит платёж в цифровых рублях подрядчику. Событие в ЕИС становится триггером оплаты, а не поводом переписываться неделями.

◾️ Штрафы и удержания. В контракте задаётся формула: просрочка на Х дней = удержание Y% от этапа. При фиксации просрочки сумма к оплате автоматически уменьшается, а удержанная часть уходит заказчику/в бюджет.

◾️ Целевой характер госденег. В пилотах цифровой рубль уже рассматривается как инструмент жёсткого контроля целевого использования бюджетных средств: от субсидий до госпрограмм. Деньги можно привязать к объекту, ограничить круг получателей и запретить любые «левые» траты.

Что это значит для сторон
◾️ Для заказчика. Меньше ручной рутины и свободы «додумать правила по ходу», больше работы на этапе настройки: какие формулы, лимиты, события считаются триггерами оплат и штрафов. Картина по контрактам и деньгам становится прозрачнее.

◾️ Для подрядчика. Платежи — предсказуемее (если закрывающие вовремя попадают в ЕИС), но меньше возможностей перекладывать деньги с проекта на проект. Требования к прозрачности своих цепочек — субподрядчики, поставщики, реальные маржи — растут.

Где здесь роль CFO
1️⃣ Карта процесса. Пройти весь цикл «тендер → контракт → исполнение → платежи» и честно отметить места, где сегодня всё держится на людях и ручных согласованиях.

2️⃣ Архитектура контура. Вместе с закупками, юристами и ИТ нарисовать будущую схему «ЕИС → ERP → казначейство → банк/цифровой рубль»: где хранятся правила, кто их меняет, как это отражается в БДДС и управленческой отчётности.

3️⃣ Пилоты. Выбрать 1–2 типовых сценария (например, субсидии или капексовый контракт) и посмотреть, какие элементы уже сейчас можно формализовать и автоматизировать, не дожидаясь «большого запуска». В качестве ориентира можно использовать свежие разборы по цифровому рублю и госфинансам, например доклад Банка России о текущем статусе проекта.

Цифровой рубль в тендерах — это история не про «заставят открыть ещё один счёт», а про то, что контракт становится живым сценарием, и вопрос к CFO простой: вы помогаете его настраивать или потом только разбираете последствия.

https://t.me/archfinance
#БизнесАрхитектор #Госзакупки #ЦифровойРубль #ФинансовыйДиректор #Госконтракты

ИИ, который удваивает рост производительности (но не всем)

Антропик аккуратно попытался ответить на вопрос: «насколько реально Claude ускоряет людей в работе?», и получил цифры, с которыми уже можно работать в советах директоров и у CFO.

Коротко
1️⃣ Проанализировали 100 000 реальных разговоров с Claude и для каждого оценили, сколько времени заняла бы та же задача у человека «с ИИ» и «без ИИ».
2️⃣ Типичная задача — около 1,5 часов и ~$55 человеческого труда — при помощи LLM выполняется примерно на 80 % быстрее (время сжимается до десятков минут).
3️⃣ Экстраполяция на экономику США даёт +1,8 п.п. к ежегодному росту производительности труда на горизонте 10 лет — почти удвоение текущих темпов.

Как это посчитали
◾️ Взяли 100 000 анонимизированных диалогов Claude, сопоставили их с задачами из базы O*NET и данными по зарплатам BLS: так оценивается, сколько стоила бы эта работа человеком без ИИ.
◾️ Отдельной версией Claude оценили время выполнения каждой задачи с ИИ и без него; медианная экономия по времени — 80+ %.
◾️ Дальше через стандартную экономическую модель (Hulten’s theorem) посчитали вклад этих «ускоренных» задач в общую производительность труда и TFP.

Кому достаётся главное ускорение
◾️ Львиная доля выгод — у разработчиков, управленцев, маркетинга, финансовых и операционных специалистов, преподавателей: там много «словесной» и аналитической работы, которую легко делегировать ИИ.
◾️ А вот розница, общепит, стройка, транспорт, значимая часть медицины почти не попали в выборку: мало задач, которые сейчас реально выполняются через Claude, и много «наземной» работы, которую нельзя сделать из чата.
◾️ Авторы отдельно отмечают: по мере ускорения «цифровой» части работы узким местом становятся живые взаимодействия, управление людьми и процессы «на земле».

Что с этим делать CFO и руководителям
1️⃣ Считать не «магический ИИ-эффект», а банальные FTE-часы: какие задачи в вашей функции похожи на те, что в исследовании (код, аналитика, документы, обучение) — и каков их удельный вес.
2️⃣ Планировать пилоты там, где уже видно 50–80 % экономии времени на задаче, и сразу закладывать, что узким местом станет встреча, согласование, обучение людей, а не генерация текста.
3️⃣ Параллельно инвестировать в софт-скиллы и управленческие практики: чем больше вы ускоряете «цифру», тем дороже становится грамотное решение конфликтов, работа с клиентом и командой.

Короче, если вы сегодня работаете в общепите, рознице или на стройке — качайте софт-скиллы и понимание процессов: именно эти «неавтоматизируемые» роли будут последними в очереди на замену ☕️

Подробнее читайте в оригинальном исследовании Anthropic «Estimating AI productivity gains from Claude conversations» и в кратком разборе с графиками по профессиям на Inkeep (англ.).

https://t.me/archfinance
#БизнесАрхитектор #CFO #AIProductivity #ЭкономикаИИ #ИИ

Цифровой рубль для CFO, часть 3: короткий чек-лист готовности

Давайте соберём всё в простой «лист на стол» для финансового директора. Без теоретизирования, только практические шаги на 6–12 месяцев.

Коротко
1️⃣ Цифровой рубль уже идёт в соцвыплаты и часть федеральных расходов, массовое использование для бизнеса стартует с 2026 года.
2️⃣ Параллельно ЦБ и Казначейство тестируют смарт-контракты и контроль целевого использования средств.
3️⃣ Чем раньше вы примерите это на свои процессы, тем меньше придётся «латать по живому».

Мини-чек-лист для CFO
1️⃣ Процессы. Отметьте на схеме, где у вас появляются или исчезают деньги государства: госконтракты, субсидии, гранты, льготные программы. Это первые кандидаты на цифровой рубль.

2️⃣ Документы. Посмотрите типовые договоры: есть ли там пространство, куда придётся вписать цифровой рубль как форму оплаты, особые условия по целевому использованию и штрафам.

3️⃣ Казначейство. Оцените, как появление отдельного «кармана» на платформе ЦБ повлияет на лимиты, платёжный календарь и политику размещения краткосрочной ликвидности.

4️⃣ Учёт и отчётность. Решите, как вы будете отражать цифровые рубли в управленческом учёте, БДДС и отчётности для СД: отдельные статьи, аналитика по проектам, дополнительные раскрытия по госконтрактам.

5️⃣ Риски и ИБ. Включите цифровой рубль в контур ИБ и комплаенса: новые киберриски, журнал операций, доступы, проверка партнёров. Здесь полезно опираться на свежие обзоры для бизнеса, например материалы РБК и отраслевых юристов по трансформации финансовой системы.

Обращаю внимание на следующие вопросы
1️⃣ Насколько ваша текущая модель работы с госконтрактами и бюджетными деньгами выдерживает режим «жёсткой целевости» и полной трассировки?
2️⃣ Кто в компании станет владельцем темы цифрового рубля — казначей, CFO, ИТ-директор или совместная рабочая группа?

Если такие чек-листы и разговоры начнутся сейчас, через год цифровой рубль станет для вас не сюрпризом, а просто ещё одним управляемым контуром в архитектуре финансовой функции.

https://t.me/archfinance
#БизнесАрхитектор #СоветДиректоров #ЦифровойРубль #ФинансовыйДиректор

Когда ИИ ведёт бизнес год подряд

Можно ли доверить модели ИИ маленький, но реальный P&L — хотя бы один вендинг‑автомат на год? Vending‑Bench 2 как раз про это: агент считает деньги, пишет письма поставщикам, торгуется и каждый день платит аренду.

Коротко
1️⃣ Vending‑Bench 2 — симуляция года работы вендинга с стартовым балансом $500 и ежедневной платой $2 за точку. Модель сама ищет поставщиков, заказывает товар, двигает запасы между складом и автоматом, ставит цены.
2️⃣ Лучший результат сейчас у Gemini 3 Pro: по данным Andon Labs, модель стабильно держит стратегию и к концу года зарабатывает заметно больше конкурентов, включая Claude 4.5, GPT‑5.1 и Grok 4 (по результатам серии прогонов).
3️⃣ GPT‑5.1 на том же бенчмарке часто «слишком доверчива»: в одном из прогонов модель переводит деньги поставщику ещё до того, как получила спецификацию заказа, — и позже выясняется, что поставщик уже «вышел из бизнеса».
4️⃣ Vending‑Bench Arena добавляет конкуренцию: несколько моделей управляют автоматами в одном месте, демпингуют, пытаются договориться о ценах, продают друг другу контакты поставщиков — фактически возникает микроэкономика «торговли инсайдами».

Как устроен Vending‑Bench 2
◾️ Агенту нужно продержаться год: не уйти в минус по аренде (если 10 дней подряд нечем платить $2 — бизнес закрывается), не завалить запасы и не потерять спрос.
◾️ Среда «шумная»: поставки задерживаются, надежные контрагенты внезапно закрываются, честные поставщики торгуются, а недоброжелательные завышают цены или пытаются bait‑and‑switch тактики.
◾️ Модель видит продажи по дням, сезону и погоде, должна сама строить стратегию ассортимента и цен, используя инструменты: почту, поиск, управление складом и автоматом.
◾️ Один прогон — это тысячи сообщений и десятки миллионов токенов: по сути, тест на долгосрочную согласованность решений, а не на «красивый первый ответ».

Что показывает Arena
◾️ В Arena те же правила, но несколько агентов играют на одном рынке: формируется ценовая конкуренция и появляются «серые» практики вроде попыток договориться о ценовом картеле.
◾️ В одном из разборов Gemini 2.5 Pro, не найдя нормальных оптовиков, платит $150 за e‑mail поставщика у Gemini 3 Pro — почти весь свой кэш, ради доступа к адекватным ценам. Это уже напоминает рынок продаж инсайда.
◾️ Claude Opus 4.5 выигрывает один из матчей за счёт партнёрств: берёт товары на консигнацию у конкурента с пустым автоматом и делит маржу — по сути, строит внутри симуляции простой B2B‑договор.

Зачем это CFO и СД
1️⃣ Долгий горизонт как новая метрика. Нас интересует не только «точность ответа», а способность агента держать стратегию месяцами: не забывать про аренду, лимиты по кассе и реальные маржи.
2️⃣ Риск «наивного доверия». Кейсы вроде предоплаты исчезнувшему поставщику — прямой сигнал, что даже сильный ИИ‑агент без ограничений и регламентов легко превращает ошибку рассуждения в финансовый ущерб.
3️⃣ Multi‑agent‑динамика. В Arena мы уже видим зачатки сговора, демпинга и торговли контактами. Ровно такие же паттерны будут проявляться, если дать нескольким агентам роли «продажи», «закупки», «логистика» внутри вашей компании.

Что можно сделать уже сейчас
1️⃣ При отборе моделей и пилотов смотреть не только на кодинг‑бенчмарки, но и на «длинные» стенды вроде Vending‑Bench 2: как агент ведёт себя на сотнях шагов, а не в одном запросе.
2️⃣ Для внутренних агентов в финансах сразу закладывать защитные контуры: лимиты на выплаты, белые списки поставщиков, журнал промптов и действий, автоматические алерты, если агент платит дороже определённого порога.
3️⃣ Экспериментировать с собственной «ареной»: дать нескольким специализированным агентам (закупки, коммерция, риск) общую цель по P&L и посмотреть, какие коалиции, конфликты и схемы они начинают строить.

Если вы думаете о том, чтобы поручить ИИ управлять мини‑P&L — от вендинга до маленького онлайн‑магазина, — такие бенчмарки хороший полигон, чтобы сначала наблюдать за агентами в песочнице, а уже потом подпускать их к реальным деньгам.

https://t.me/archfinance
#БизнесАрхитектор #ФинансовыйДиректор #AIGovernance #AgenticAI #ИИВБизнесе

ИИ-итоги недели: 4 сигнала, которые директору лучше не пропустить

За одну неделю вокруг ИИ накопилось сразу несколько новостей, которые напрямую бьют по стратегиям компаний — от Совета директоров до руководителей отделов. Если вы отвечаете за бизнес, эти маркеры лучше не игнорировать.

1️⃣ OpenAI: режим «code red» и конфликт роста с безопасностью

Внутри OpenAI объявлен режим «code red»: побочные проекты ставят на паузу, максимум ресурсов — в ChatGPT и рост вовлечённости. Параллельно растёт напряжение между логикой «быстрее и удобнее» и повесткой безопасности, уже идут иски и вопросы к управлению рисками.

Что это значит для директора
◾️ Если крупнейший игрок рынка признаёт конфликт роста и безопасности, то в наших проектах он возникнет тем более.
◾️ ИИ-инициативы проходят путь «рост → удобство → юридические и репутационные риски».
◾️ Отдельная функция AI-governance перестаёт быть «роскошью» и становится элементом базового риск-контура.

2️⃣ 71% крупных российских компаний уже в GenAI

Важно: речь именно о России — свежие исследования (Яков и Партнёры + «Яндекс») показывают: 71% крупных российских компаний уже используют генеративный ИИ хотя бы в одной бизнес-функции.

Сигнал для рынка
◾️ ИИ больше не «игрушка новаторов», а санитарный минимум конкурентоспособности.
◾️ Отставание измеряется месяцами, не годами: выигрывает тот, кто первым вшивает ИИ в процессы и считает эффект в FTE, сроках и ошибках.

Простой тест: можете ли вы на 2–3 слайдах показать, где в вашем бизнесе уже работает ИИ и сколько денег и времени это экономит?

3️⃣ «Теневая автоматизация»: сотрудники уже используют ИИ за вашей спиной
В опросах до половины сотрудников по миру признаются, что используют ИИ в работе неформально. Параллельно гуляют истории специалистов, годами отдававших значимую часть задач ИИ, пока это случайно не вскрылось.

Что это значит
◾️ У вас уже идёт «скрытая трансформация» без политики и регламентов.
◾️ Вы не контролируете ни качество, ни утечку данных, ни распределение ответственности за ошибки.

Выбор простой: либо запрет (и проигрыш в скорости), либо понятные правила игры и одобренный стек инструментов.

4️⃣ Язык и мышление сотрудников меняются под влиянием чат-ботов
Новые исследования фиксируют: люди всё чаще пишут и говорят «как ИИ». Массовое копирование ИИ-текстов приводит к стерильному языку, выравниванию стиля и разрыву между поколениями по способам общения и работе с текстом.

Риск для компании
◾️ Язык может стать «правильным», но пустым: много формулировок, мало решений и ответственности.
◾️ Внешние тексты компаний начинают быть похожи друг на друга, внутренняя переписка — длиннее, но не яснее.

Что стоит сделать в ближайшее время

1️⃣ Назначить ответственного за ИИ-повестку. Не евангелиста, а координатора рисков, пилотов и экономики ИИ.

2️⃣ Провести инвентаризацию «скрытого ИИ». Опросы, анонимные формы, интервью — кто и как уже использует ИИ.

3️⃣ Принять и донести простые правила. Какие данные нельзя грузить во внешние сервисы, какие инструменты одобрены, как отмечать использование ИИ в результатах работы.

4️⃣ Выделить 2–3 процесса для официальных пилотов. Отчётность, типовые письма, первичный разбор документов, FAQ-поддержка — с обязательным учётом экономии времени и денег.

5️⃣ Зафиксировать зоны, не делегируемые ИИ. Рисковые сделки, кадровые решения, кризисные коммуникации — там нужен финальный человеческий голос.

ИИ-повестка всё меньше про технологии и всё больше про управляемость: вопрос в том, кто задаёт рамки — вы как директор или стихийные привычки сотрудников и поставщиков.

https://t.me/archfinance
#БизнесАрхитектор #СоветДиректоров #СтратегияИИ #AIGovernance

ИИ-ассистенты прямо в платформе: кейс Comindware

Хочу поделиться новостью, которая зацепила лично меня: российская Comindware Platform встроила живых ИИ-ассистентов прямо в low-code-платформу. Это уже не «игрушка в чате», а ИИ, который живёт внутри процессов закупок, CRM и контрактов.

Коротко
1️⃣ Comindware Форум 2025 показал первых ИИ-ассистентов, встроенных в платформу low-code: от закупок до CRM они работают с реальными регламентами и данными компании.
2️⃣ Ассистенты помогают сравнивать предложения поставщиков, избегать дублирования закупок, консолидировать заявки и подсвечивать риски в контрактах.
3️⃣ В CRM-части — автоматическое резюме звонков, фиксация договорённостей, «обогащение» карточек клиента из открытых источников и подсказки по следующим шагам.
4️⃣ Платформа умеет по ТЗ «спроектировать» бизнес-приложение — ИИ помогает не только в операционке, но и в разработке новых решений.
5️⃣ Это российское решение из реестра отечественного ПО, которое можно развернуть on-prem или в гибридной схеме — важный момент для ИБ и регуляторики.

Как это работает
◾️ В закупках ИИ анализирует позиции, условия оплаты, сроки, историю сделок и подсвечивает дубли и возможные перераспределения, предлагая оптимальный вариант с обоснованием.
◾️ В CRM ассистент превращает звонок или встречу в структурированное резюме: цели, боли клиента, договорённости, дедлайны, предлагаемые следующие шаги.
◾️ В управлении контрактами ИИ помогает вычленять нетипичные условия, потенциальные риски и несогласованности с внутренними регламентами.
◾️ В low-code-части ИИ берёт ТЗ на процесс или приложение и предлагает скелет решения: сущности, формы, маршруты согласования — дальше бизнес-аналитик донастраивает под реальные требования.

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

GPT‑5.2 вышла (11 декабря 2025): что нового в релизе

OpenAI выпустила GPT‑5.2 — обновление линейки GPT‑5 с упором на профессиональные задачи и «длинные» агентные сценарии. Официальный анонс: https://openai.com/index/introducing-gpt-5-2/

Коротко
1️⃣ Доступны три варианта: Instant / Thinking / Pro (ChatGPT и API).
2️⃣ Кодинг: новый максимум на SWE‑Bench Pro — 55,6% (у GPT‑5.1 Thinking было 50,8%); на SWE‑bench Verified — 80,0% (было 76,3%).
3️⃣ Фронтенд и нестандартные UI: ранние тестеры отдельно отмечают прирост в сложных/нетиповых интерфейсах, включая 3D‑элементы.
4️⃣ Меньше ошибок: по де‑идентифицированной выборке запросов из ChatGPT ответы с ошибками встречались на 30% реже, чем у GPT‑5.1 Thinking (проверка шла с включённым поисковым инструментом).
5️⃣ Длинный контекст: на тесте OpenAI MRCRv2 модель показала лидерство; отдельно заявлено «почти 100%» точности на варианте 4‑needle до 256k токенов.
6️⃣ Зрение: заявлено снижение ошибок «примерно вдвое» на задачах понимания графиков и интерфейсов.
7️⃣ База знаний: новый knowledge cutoff — август 2025.

Официальные материалы
◾️ Гайд по промптингу GPT‑5.2: https://cookbook.openai.com/examples/gpt-5/gpt-5-2_prompting_guide
◾️ Оптимизатор запросов: https://platform.openai.com/chat/edit?models=gpt-5.2&optimize=true

https://t.me/archfinance
#ИИ #OpenAI #GPT52 #Промпты

Сижу и думаю: мы всё ещё обсуждаем «какая модель умнее», а мир уже переключается на другой уровень — «у кого есть мощность и связность».

Китай запустил распределённый вычислительный центр ИИ “длиной” 2000 км: по сути — сеть, которая склеивает вычисления десятков городов так, будто это один большой “мозг”. И это важнее, чем очередной релиз модели: ИИ превращают в инфраструктуру, как электричество.

Источник

И тут повторяется “эффект Excel”: технологии уже умеют, а люди массово ещё не умеют ими пользоваться. Разрыв будет только расти. Собрал 3 сценария, как это повлияет на собственника и обычного офисного сотрудника и триггер- который поможет понять, что компания на этом пути.

1) «ИИ как электричество» (оптимистичный)

Собственник
• Возможности: дешевле процессы, быстрее цикл решений, новые продукты поверх ИИ.
• Риски: ИИ у всех → выигрывают данные/процессы/контроль качества.
• Триггер: ИИ становится стандартной кнопкой в каждом корпоративном софте.
• Что делать: закрепить 2–3 ключевых процесса, метрики качества, правила “ИИ-черновик / человек-подпись”.

Офисный сотрудник
• Возможности: рутина уходит → ценится тот, кто доводит до результата.
• Риски: планка скорости и качества резко поднимается.
• Триггер: “сделай вдвое быстрее”.
• Что делать: стать оператором ИИ + редактором + проверяющим (шаблоны, чек-листы, верификация).

2) «Островки автоматизации» (инерционный)

Собственник
• Возможности: точечный ROI без ломки компании.
• Риски: зоопарк инструментов, хаос в данных, утечки, пилоты “для галочки”.
• Триггер: каждый отдел внедряет свой ИИ как хочет.
• Что делать: стандарты доступа к данным + единые правила применения + список приоритетных кейсов.

Офисный сотрудник
• Возможности: стать “локальным чемпионом” в отделе и вырасти.
• Риски: нагрузка не падает — просто начинаешь делать больше.
• Триггер: “внедри ИИ, но без ошибок и рисков”.
• Что делать: личный набор инструментов + библиотека промптов под свою работу + эталоны документов.


3) «Турбулентность: сокращения + контроль» (жёсткий)

Собственник
• Возможности: резкое снижение издержек, масштабирование без раздувания штата.
• Риски: репутация/суды/ошибки ИИ, безопасность, зависимость от поставщиков.
• Триггер: первые громкие инциденты и истории про увольнения “из-за ИИ”.
• Что делать: AI-governance по-взрослому (аудит, безопасность, запреты/допуски, ответственность).

Офисный сотрудник
• Возможности: те, кто держит качество/риски/процесс — дорожают.
• Риски: “серединные” роли вымывает первыми (сводки, письма, простая аналитика).
• Триггер: ИИ-ответы начинают принимать “как есть”.
• Что делать: уходить в роли владельца процесса / качества / данных / связки бизнес↔IT.

Вывод простой: интеллект дешевеет. Дороже становится ответственность, качество и умение управлять процессом.

#ИИ #бизнес #управление #автоматизация #цифроваятрансформация #карьера
👉 https://t.me/archfinance

Программа «ИИ для финансистов»: от Excel к управленческому пакету

С ИИ в финансах легко получить «красивый текст» и так же легко - уверенно ошибиться. Поэтому я строю программу не про нейросети, а про управляемость: где деньги, какие сигналы, что делаем дальше.

Логика простая: факт -> закономерности -> сценарии -> дашборд -> решение для директора.

📌 Как устроена программа

1) Факт и KPI

* Собираем KPI-карту компании из ДДС/ОПУ/БДР
* Делаем минимальный набор, который отвечает на вопросы собственника: маржа, OCF/FCF, чистый ДДС, остаток денег и runway, отклонения план-факт, ключевые «сигналы».
* Параллельно делаем короткую sanity-проверку: периоды сходятся, единицы и валюта не пляшут, «прибыль vs деньги» объяснена.

2) Закономерности и сценарии 2025

* Находим сезонность, аномалии и драйверы провалов в 2023-2024.
* Строим 3 сценария 2025: Base/Bull/Bear.
Важно: это не прогноз, а план управления: допущения -> последствия -> чувствительность -> действия.
* Собираем риск-реестр: у каждого риска есть триггер, ранний сигнал, конкретное действие и владелец. Иначе это «пыль на полке».

3) Упаковка для руководства

* Собираем ИИ-дашборд в Claude: не BI-система, а панель приоритетов, чтобы за 1 минуту понять, что происходит и что мониторим.
* Делаем Gamma-ready презентацию: 10-12 слайдов, одна история, 1-2 ключевых графика, мини-скрипт «что сказать голосом».

🛡️ Отдельный блок: безопасность
ИИ не должен видеть то, что раскрывает компанию: названия, счета, договоры, персональные данные. Работаем с обезличенными структурами и динамикой. Если данных нет - так и пишем: «нет данных».

Что получат участники на выходе и что научаться делать:

* Записка для директора: 1-2 страницы про ситуацию, риски, триггеры и решения.
* Дашборд: KPI + ДДС и остаток + сезонность + 3 сценария + таблица триггеров.
* Презентация: короткая, по делу, чтобы решение принималось, а не «обсуждалось».

Если вы в финансах и хотите, чтобы ИИ стал ускорителем, а не источником риска - напишите, какой контур вам важнее: ликвидность, маржа, CAPEX или оборотка. Также если интересны промты, которые помогают качественно и глубоко анализировать фин отчетность - дайте знать, поделюсь. 

https://t.me/archfinance

#финансы #ии #cfo #управление #риски #дашборды #презентации