Соколов Алексей НиколаевичИскусственный интеллект стал главным инструментом оптимизации бизнес-процессов, но для финансового директора (CFO) его внедрение — это всегда уравнение со многими неизвестными.
Игорь Александрович Немов, советник руководителя «Т1 ИИ»
Алексей Николаевич Соколов, руководитель системного интегратора (холдинг «Т1»)
Ошибочный выбор архитектуры грозит финансовой службе либо потерей конфиденциальных данных, либо замораживанием миллионов в неработающем ИТ-долгострое. В этой статье мы детально разберем три подхода к интеграции ИИ на примере реальных задач финслужбы и смежных ведомств (таблица, рисунок 1).
Таблица. Сравнительный анализ вариантов внедрения ИИ в финансовой службе
|
Критерий/Параметр |
Общедоступные GPT-сервисы (GigaChat, DeepSeek и др.) |
Заказная разработка (кастомный код под один процесс) |
Фабрика ИИ (платформа с базой знаний и конструктором) |
|
Как работает |
Экономист копирует кусок сложного договора или выгрузку по дебиторской задолженности в окно чата и просит ИИ: «Найди скрытые финансовые риски» |
Разработчики пишут кастомный код для связи конкретной модели с ERP-системой компании ради автоматизации одного процесса (например, прогнозирования кассовых разрывов) |
CFO или ведущий аналитик через No-Code/Low-Code-конструктор в три шага создает специализированного ИИ-ассистента и наполняет локальную базу знаний регламентами, тарифами и отчетами, настраивает логику и запускает готового ассистента в работу |
|
Суть подхода |
Использование публичных веб-интерфейсов сотрудниками as is |
Создание уникального ИИ-решения с нуля под одну конкретную задачу |
Централизованная No-Code-платформа для автоматизации всех процессов |
|
Безопасность данных |
Низкая. Документы попадают в интернет и доступны вне РФ |
Высокая. Данные изолированы в рамках одного ИТ-контура |
Максимальная. Полная изоляция + ГОСТ, 152‑ФЗ (УЗ-1), 149‑ФЗ (КЗ-1) |
|
Знание данных компании |
Нет. Опирается только на общие сведения из интернета |
Ограничено. Знает данные только на момент обучения модели |
Да. Выдает актуальные данные инфосистем в момент ответа (RAG) |
|
Точность и риски |
Низкая. Высокий риск «галлюцинаций» (выдумывает НПА и цифры) |
Ограничена. Работает строго по заложенным при разработке алгоритмам |
Высокая. Проверяется второй ИИ-моделью на отсутствие ошибок |
|
Вид ответа |
Только обычный текст в окне чата |
Готовый документ или текст в чате |
Юридически корректный документ в шаблоне организации или текст |
|
Скорость запуска |
Моментально (от 1 дня) |
Медленно (проектирование и код занимают от 3 месяцев) |
От 1 дня (запуск ИИ-конструктора), 1 месяц на полное внедрение |
|
Создание новых функций |
Требует от 1 дня до 4 недель работы программиста |
Требует изменения кода и привлечения ИТ-специалистов на срок от трех месяцев |
Выполняется любым сотрудником в визуальном редакторе за 15 минут |
|
Стоимость (цена) |
Низкая (оплата подписок) |
Высокая (огромные CAPEX в разработку и Data Scientists) |
Средняя (прозрачная стоимость лицензий платформы) |
|
Затраты на масштабирование |
Растут линейно с покупкой новых аккаунтов |
Высокие (каждый новый процесс пишется программистами с нуля) |
0 рублей. Новые ассистенты создаются сотрудниками бесплатно |
|
Срок окупаемости (ROI) |
Мгновенный, но применим только для некритичных линейных задач |
Под большим вопросом (из-за высокой стоимости владения и поддержки) |
|
|
Ключевые особенности |
ИИ не знает данные вашей организации. Он опирается только на сведения из интернета. Из-за отсутствия локального контекста система склонна к «галлюцинациям» — генеративный ИИ может придумывать несуществующие НПА, финансовые показатели и цифры отчетов. Любая доработка требует больших трудозатрат программиста |
Ограниченная точность ответов и жесткие рамки — ИИ обучается под один конкретный процесс. Стоит финансовой службе изменить форму внутренней отчетности, учетную политику или логику проверки договоров — модель придется переобучать, снова привлекая программистов на месяцы |
Максимальная безопасность и 100% точность. Технология RAG объединяет данные внутренних инфосистем компании, поэтому ИИ оперирует актуальными сведениями в момент ответа. Ответы проверяются второй ИИ-моделью на отсутствие ошибок. Это исключает риск выявления контролирующими органами противоречий, фальшивых сведений или некорректного перефразирования законов. Любые доработки и создание новых ассистентов выполняет любой сотрудник без написания кода |
Рисунок 1. Сравнительный профиль эффективности вариантов внедрения ИИГлавный вывод таблицы
Общедоступные GPT дают скорость, но создают критические риски для информационной безопасности (утечка коммерческой тайны в интернет), ответы могут быть неточными.
Заказная разработка безопасна, но финансово неэффективна из-за долгого старта (от трех месяцев) и зависимости от дорогих программистов, а также длительных доработок (добавление в ИИ новых документов и т. д.).
Фабрика ИИ — золотая середина: гарантирует максимальную безопасность данных в облаке или на физическом «сервере с ИИ», окупается менее чем за год и позволяет развивать систему силами обычных экономистов без написания кода.
Реальные кейсы автоматизации
Платформа Фабрика ИИ позволяет финслужбе и смежным отделам запустить целую линейку цифровых помощников, например:
Полная версия статьи доступна подписчикам журнала «Бюджет»
Оформить подписку Войти
Поделиться:
