Как проверить финансовую модель с помощью ИИ: 5 шагов и готовые промпты

Вычитка финмодели — работа долгая, скучная и при этом самая ответственная: одна оборванная связь между блоками тихо искажает весь прогноз, а к дедлайну глаз перестаёт видеть собственные ошибки. ИИ не заменяет финансиста и не подписывает заключение, но отлично работает вторым глазом: он читает то, что написано в формуле, а не то, что вы имели в виду. Ниже — алгоритм из пяти шагов с готовыми промптами, матрица типовых дефектов, чек-лист готовности к показу руководству и правила, как отличать реальную находку от выдуманной.

Что ИИ ловит хорошо, а что — нет

Польза от проверки начинается там, где вы понимаете границы инструмента. ИИ силён в логике и структуре, слаб — в сверке с первичкой и в ответственности за цифру.

Ловит хорошо

Не ловит и не должен

Рамка на весь процесс. ИИ — инструмент первичной проверки, а не аудитор. Он экономит два-три часа рутинной вычитки и показывает подозрительные места. Каждую находку вы открываете в файле и подтверждаете руками.

Шаг 1. Подготовьте файл и дайте контекст

Главная ошибка — молча кинуть xlsx и написать «проверь». Без вводной ИИ проверяет модель вслепую и выдаёт общие рассуждения о финмоделировании вместо находок.

Что сделать до загрузки:

Промпт для шага 1:

Это финансовая модель типа [DCF / бюджет P&L / юнит-экономика / три формы]
для [компания, отрасль, стадия]. Горизонт прогноза — [N лет], шаг — [месяц / квартал].
Ключевые допущения, которые я заложил осознанно: [3–5 пунктов].
Кто будет читать модель: [банк / инвестор / финкомитет].

Твоя задача — первичная проверка. Сначала опиши, как ты понял структуру модели
и связи между листами, и задай мне уточняющие вопросы, если чего-то не хватает.
Не начинай искать ошибки, пока я не подтвержу, что структуру ты понял верно.

Последний абзац принципиален: пусть ИИ сперва перескажет модель своими словами. Если пересказ неверен — все дальнейшие «находки» будут про воображаемый файл, и вы потеряете час.

Шаг 2. Логика формул внутри блоков

Первый проход — по расчётам внутри каждого листа. Здесь живут классические дефекты: задвоенная амортизация, налог от неправильной базы, знак минус там, где нужен плюс, хардкод вместо ссылки.

Требуйте конкретики по каждой находке, иначе получите набор общих фраз, который невозможно проверить.

Промпт для шага 2:

Проверь логику расчётов внутри каждого блока модели. Для каждой находки дай
строго четыре пункта:
1) лист и адрес ячейки или строки;
2) как формула написана сейчас (процитируй её);
3) в чём именно дефект;
4) как должно быть, и почему.

Отдельно отметь: двойной счёт, неверные знаки, налог от некорректной базы,
числа, вбитые вручную вместо ссылок, статьи, которых в расчёте вообще нет.
Если по какому-то блоку у тебя нет уверенности — так и напиши,
не додумывай содержимое ячеек.

Шаг 3. Связи между блоками

Самые дорогие ошибки живут не внутри листов, а на стыках. Внутри одного блока нестыковка бросается в глаза; разрыв между P&L и балансом обнаруживается уже на защите.

Промпт для шага 3:

Проверь согласованность блоков по цепочке P&L → Cash Flow → Баланс.
Найди места, где выход одного блока не подставляется во вход следующего.

Проверь как минимум:
— чистая прибыль из P&L попадает в косвенный Cash Flow и в нераспределённую прибыль;
— амортизация не учтена дважды;
— изменение оборотного капитала в CF соответствует движению статей баланса;
— CAPEX одинаков в CF и в расчёте основных средств;
— остаток денег в CF равен строке «Денежные средства» в балансе;
— актив сходится с пассивом в каждом периоде.

Если баланс не сходится, покажи цепочку, по которой расхождение накапливается,
и назови период, в котором оно возникло впервые.

Контрольная точка. Расхождение баланса на рубль — это не округление, а признак оборванной связи. Округление даёт копейки в одном периоде; оборванная связь даёт растущую из периода в период дельту. Посмотрите на динамику расхождения: если оно накапливается — ищите ошибку в потоке, если постоянно — в стартовых остатках.

Шаг 4. Стресс-тест допущений

Модель надёжна ровно настолько, насколько правдоподобны предпосылки. Этот шаг превращает оптимистичный план в честную картину рисков — и обычно даёт больше пользы, чем поиск арифметических ошибок.

Промпт для шага 4:

Оцени ключевые допущения модели на реалистичность. По каждому:
— на чём оно основано в файле (расчёт, бенчмарк или ничем не подкреплено);
— насколько правдоподобно для отрасли [указать];
— что произойдёт с итоговыми показателями, если оно не сбудется.

Затем прогони три шока и опиши направление и примерную силу влияния
на выручку, прибыль, минимальный остаток денег и срок окупаемости:
1) выручка ниже плана на 20%;
2) себестоимость выше на 15%;
3) сроки оплаты клиентами удлиняются на 30 дней.

В конце назови допущение, к которому модель чувствительнее всего,
и объясни, почему именно оно.

Третий шок про отсрочку платежей стоит добавлять всегда: именно он чаще прочих ломает модели, где неявно принято, что прибыль равна деньгам.

Шаг 5. Резюме для тех, кто будет читать

Находки бесполезны, пока лежат в чате. Попросите собрать их в форме, которую можно сразу отправить дальше без переоформления.

Промпт для шага 5:

Собери результат проверки в таблицу с колонками:
проблема | лист и ячейка | критичность | влияние на итог | что сделать.

Критичность определи по трём уровням:
— критическая: искажает итоговый результат модели;
— существенная: требует обоснования или пересчёта, но итог не ломает;
— техническая: не влияет на цифры, мешает поддерживать модель.

Отсортируй по критичности. Под таблицей — три строки вывода:
можно ли показывать модель [банку / инвестору] в текущем виде,
что нужно исправить до показа обязательно, что можно оставить на потом.

Матрица типовых ошибок

Большинство дефектов повторяется из проекта в проект. Половину находок вы предугадаете сами, если держите этот список под рукой.

Ошибка Где обычно прячется Критичность
Амортизация посчитана дважды P&L и косвенный Cash Flow Критическая
Баланс не сходится Связь нераспределённой прибыли с денежным потоком Критическая
Перевёрнутый знак CAPEX и изменение оборотного капитала в CF Критическая
Оборванная связь между листами Выход блока не подставлен во вход следующего Критическая
Налог считается от неправильной базы Расчёт налога на прибыль Существенная
Темп роста в постпрогнозе выше ставки дисконтирования DCF, терминальная стоимость Существенная
Ставка дисконтирования не связана со структурой капитала Лист оценки, WACC Существенная
Постоянный темп роста на весь горизонт Лист допущений, выручка Существенная
Забыты страховые взносы с фонда оплаты труда Блок расходов на персонал Существенная
Прибыль приравнена к деньгам Модель без отсрочек, предоплат и запасов Существенная
Число вбито вручную вместо ссылки на предпосылки Любой расчётный блок Техническая
Один сценарий вместо трёх Модель целиком Техническая

Как отличить настоящую находку от выдуманной

Главный риск работы с ИИ — не пропущенная ошибка, а слепое доверие. Прогоняйте каждое замечание через короткий контур:

Чек-лист готовности модели к показу

Отмечайте только то, что реально проверено руками. Это самопроверка, а не гарантия.

Вопросы и ответы

В каком формате загружать модель?

Excel (.xlsx) либо отдельные CSV по листам — так структура разбирается точнее всего. Перед загрузкой уберите скрытые и черновые листы и обязательно дайте контекст: тип модели, отрасль, горизонт, ключевые допущения, для кого готовится. Голый файл без вводной проверяется вслепую.

Может ли ИИ ошибаться в проверке?

Да, и делает это регулярно: называет дефектом корректный расчёт, ссылается на несуществующие ячейки, пропускает реальные разрывы. Поэтому он — первый проход, а не финальная инстанция. Правило простое: пока находка не открыта в файле и не пересчитана, она гипотеза.

Заменит ли ИИ финансиста или аудитора?

Нет. Он снимает два-три часа рутинной вычитки и ловит то, что замыливается к дедлайну, но не сверяет цифры с первичкой, не знает вашего рынка и не отвечает за результат. Подпись под моделью ставит человек.

С чего начать, если модель большая?

Разбейте проверку по блокам и идите строго по шагам: сначала структура и контекст, потом логика внутри листов, затем связи между ними, потом допущения и стресс-тест, и только в конце — резюме. Если попросить всё сразу, находки сольются в нечитаемый список, где критическое стоит рядом с косметическим.

Безопасно ли загружать модель в ИИ?

Это вопрос политики вашей компании, а не техники. Если в модели есть коммерческая тайна или персональные данные — обезличьте файл: замените названия контрагентов на условные, уберите ФИО, при необходимости масштабируйте все суммы на один коэффициент. Логика и связи от этого не пострадают, а проверять структуру можно и на обезличенных цифрах.

Какие ошибки ИИ ловит лучше всего?

Структурные и логические: двойной счёт, перевёрнутый знак, оборванные связи между блоками, несходящийся баланс, неявные допущения. Хуже всего — там, где нужна сверка с договорами и выгрузками или знание отраслевых норм, которых нет во вводных.

Дальше — профессиональное моделирование

DCF, прогнозирование, оценка бизнеса и отдельный модуль по использованию ИИ в моделировании — на курсе «Расширенное финансовое моделирование».

Смотреть программу

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. Примеры таблиц и формулировки критичности — иллюстративные и настраиваются под регламент вашей компании.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *