Кейс: как финансовая дирекция крупной компании за пять встреч перешла от чатов с ИИ к собственным программам
Около 30 финансистов с разным уровнем: от «не использую ИИ» до уверенных пользователей. Задача — научить работать с документами, таблицами и выгрузками так, чтобы данные компании не уходили в нейросеть, а каждый результат можно было проверить.
С чего начиналась программа?
Перед стартом участники заполнили анкету. Разброс оказался большим: часть сотрудников не пользовалась ИИ совсем, часть уже работала в разных чат-ботах, в том числе не согласованных с компанией. Поэтому общая база шла для всех, а у опытных участников в каждой теме были более сложные задания.
Главное ограничение финансовой функции — данные. Договоры, выгрузки учётных систем и банковские реестры нельзя загружать в публичную нейросеть. Это правило стало частью каждой практики, а не отдельной лекцией. Подробнее о таких правилах — в статье «Безопасное использование ИИ сотрудниками».
Как были устроены встречи?
- Документы и договоры. Сравнение редакций дополнительного соглашения: в учебном документе 13 изменений, а в сопроводительном письме контрагента упомянуты только 3. Участники учились находить расхождения и проверять ответ модели по тексту.
- Excel и выгрузки. Факторный анализ, сверка справочников двух систем, средняя ставка эквайринга из реестров пяти банков с разной структурой, управленческий баланс из оборотно-сальдовой ведомости по таблице соответствия счетов.
- Скрипты без передачи данных. Нейросеть видит только заголовки таблицы и одну выдуманную строку в том же формате и пишет программу. Сотрудник запускает её у себя на реальном файле. Так собирались реестры первичных документов, обезличивались таблицы и обновлялся еженедельный отчёт.
- Личный ассистент. Каждый, кто был готов, настроил ассистента на своём компьютере с памятью о задачах и правилах работы. Кто не был готов, повторял по записи.
- Программы двумя запросами. Сверка 2 400 заказов между учётной системой и маркетплейсом и свод бюджетов 8 центров ответственности с типичными ошибками в файлах.
Как решили вопрос с конфиденциальными данными?
Самым полезным приёмом оказался метод «шапка + выдуманная строка». Модели не нужны реальные цифры, чтобы написать программу обработки: достаточно названий колонок и одной строки-образца, повторяющей формат до мелочей — даты, разделители, пустые ячейки. Программа запускается локально, а в конце печатает контрольные суммы, чтобы сотрудник сверил результат с исходником.
Для случаев, когда анализ всё же нужен на реальных данных, разобрали обезличивание: один скрипт заменяет названия контрагентов и реквизиты на коды, второй возвращает их после анализа.
Что получилось на выходе?
- Каждое задание практики заранее прогонялось на учебных данных; результаты совпадали с эталоном вплоть до рубля.
- На финальной встрече обе программы — сверка и свод бюджетов — были собраны агентом за несколько минут каждая и сошлись с эталоном.
- Одна из участниц получила комплект, который обновляет её еженедельный отчёт из 23 сводных таблиц по свежей выгрузке.
- У группы остались практики, шаблоны запросов и ассистент, с которыми можно продолжать без преподавателя.
Что из этого кейса применимо в другой компании?
Финансовой команде не нужен курс «про нейросети вообще». Нужна последовательность от простого к сложному на её собственных задачах и правило проверки каждой цифры. Как устроена такая программа по встречам — в разделе «Обучение ИИ для финансовых команд», а как оценить результат — в статье «Как измерить результат корпоративного обучения ИИ».