Топ-10 ошибок ИИ в финансах: бухгалтеров никогда не заменят?

Платные модели ошибались реже бесплатных, 49% против 63%, но даже лучшая из протестированных ошиблась в 39% случаев. При этом, по опросу Workiva, 84% руководителей в финансах и аудите уверены в точности ИИ даже без проверки человеком. Разбираем десять типичных ошибок нейросетей в финансовой работе и отвечаем на все вопросы.

Человек, который не знает ответа, обычно сомневается: «надо уточнить», «кажется, лимит был другим». Нейросеть так не делает — она выдает неверную цифру с уверенным тоном, аккуратным форматированием и правдоподобной ссылкой. Визуально правильный и выдуманный ответ неотличимы.

Вторая особенность — масштаб. Бухгалтер ошибается локально: одна проводка, один документ. Автоматизированная система ошибается одинаково на каждой записи, которую обрабатывает.

Третья — вера в технологию. В том же опросе Workiva 26% руководителей признали, что внутренний аудит уже находил ошибки ИИ, которые дошли до совета директоров или внешней аудитории. Уверенность в ИИ и реальные ошибки уживаются в одних и тех же компаниях.

Галлюцинация в финансах может быть даже в математических вычислениях, например,  «выручка за третий квартал составила 847 млн рублей» со ссылкой на отчетность, которой нет. Модель генерирует правдоподобный текст, а число для нее — такая же последовательность символов, как слово.

По данным Stanford AI Index 2026, на самом сложном новом бенчмарке доля галлюцинаций у 26 ведущих моделей составила от 22 до 94%. Разброс огромный: одни модели заметно надежнее других, но ни одна не застрахована полностью.

Любое число, которое не пришло из ваших данных, считайте непроверенным. Просите модель указывать, откуда взята каждая цифра, и сверяйте с источником. Если источника нет, цифры тоже нет.

Полезно прямо запретить модели заполнять пробелы. Фраза «если показателя нет в загруженных данных, напиши „нет данных“, ничего не оценивай и не округляй» заметно снижает риск того, что недостающая цифра будет придумана. Особенно важно это при работе с выгрузками, где часть показателей за отдельные периоды отсутствует.

Когда нейросеть строит финансовую модель в таблице, она часто вписывает значения прямо в формулу вместо ссылки на ячейку с допущением. Специалисты по финансовому моделированию называют это «мертвыми числами» (dead numbers).

Формула =B120,2 вместо =B12C2, где в C2 лежит ставка НДС. Пока ставка не меняется, все работает. С 1 января 2026 года ставка выросла до 22%, бухгалтер меняет значение в ячейке с допущениями, а модель продолжает считать по 20%, потому что число вшито внутрь формулы. При беглом просмотре итоговых цифр ошибку не видно.

Попросите саму нейросеть найти все жестко заданные значения в формулах, но результат проверьте вручную: включите режим отображения формул и пройдитесь по ключевым строкам.

Хороший запрос для такой проверки: Review all formulas in the attached spreadsheet. List every formula that contains a hardcoded number instead of a cell reference, with the cell address and the number. Do not fix anything, only list. Answer in Russian.

В прогнозе на 12 месяцев нейросеть может построить январь по одной формуле, февраль по чуть другой, а к осени перейти на третью логику. Финансовые модели проверяют как раз на это: формула в строке должна быть одинаковой во всех периодах.

Расхождение незаметно при быстром просмотре и обнаруживается, только когда цифры перестают сходиться или при детальной проверке. Похожая проблема встречается с амортизацией: модель может продолжать начислять ее после того, как актив полностью самортизирован, и накопленная амортизация превышает первоначальную стоимость.

Перед использованием модели сравните формулы в первом и последнем периоде каждой строки. Проверьте, что накопленная амортизация нигде не больше стоимости актива. Убедитесь, что допущения вынесены отдельно и визуально отличаются от расчетов.

Правильные формулы подберет Claude Sonnet 5

Флагманская нейросеть доступна со скидкой на Спешу АИ за рубли, без VPN

Попробовать

Языковая модель знает законодательство на дату среза своих знаний. Все, что изменилось позже, она не учитывает и не предупреждает об этом. В исследовании Saturn среди типичных ошибок отдельно названы пропущенные изменения налогового законодательства.

За последний год ставка НДС выросла до 22%, порог освобождения от НДС на УСН сначала планировали снижать, а потом заморозили на уровне 20 млн рублей до 2029 года. Модель с данными до лета 2026 года может уверенно назвать прежний график снижения порога как действующий.

В запросе всегда указывайте период, на который нужен ответ, и просите модель назвать дату, на которую актуальна ее информация. Ставки, пороги и сроки сверяйте с текстом закона в актуальной редакции.

Это не неправильно примененная норма, а норма, которой не существует. «Согласно пункту 4.2 Положения Банка России № …» — цитата выглядит убедительно, а оригинала у нее может не быть. В исследовании Saturn несуществующие правила тоже вошли в число типичных ошибок.

В апреле 2026 года Sullivan & Cromwell, одна из крупнейших юридических фирм США, извинилась перед судьей Мартином Гленом из суда по делам о банкротстве Южного округа Нью-Йорка. В документах по делу о банкротстве Prince Global Holdings нашлись неверные и несуществующие ссылки на судебные дела. Фирма объяснила ошибки использованием ИИ и признала, что юристы не проверили ссылки и не следовали внутренним протоколам.

Если такое случается с фирмой такого уровня, бухгалтеру небольшой компании тем более стоит проверять каждую ссылку на норму.

В бенчмарке FinGAIA, о котором речь пойдет ниже, выдуманные факты выделены в отдельный тип ошибок. Один из примеров оттуда: модель «нашла» в официальном объявлении крупного банка нарушения страховых агентов, которых в документе не было вовсе.

Каждую ссылку на закон, положение или письмо проверяйте по реквизитам в официальной правовой базе. Просите модель цитировать норму дословно: выдуманную цитату проще разоблачить, чем пересказ.

Одна ошибка классификации у человека — это одна неверная проводка. Та же ошибка в автоматизированной системе, которая обрабатывает 50 000 операций, — это 50 000 неверных записей. И все они выглядят одинаково правильно.

Условный пример: нейросеть распределяет косвенные расходы по сегментам и ошибается в базе распределения. Отчет получается красивым и детальным, из него следует, что крупные клиенты убыточны из-за расходов на поддержку. Руководство начинает пересматривать работу с ними, хотя на самом деле ошибка в одном правиле аллокации, которое применилось ко всем данным.

Перед запуском на полном массиве прогоните систему на выборке, которую вы проверили вручную. После запуска регулярно делайте выборочную сверку с первичными документами. Ошибка ИИ тихая и масштабная, поэтому и проверять нужно системно, а не от случая к случаю.

Исследователи из Шанхайского университета финансов и экономики и Фуданьского университета в бенчмарке FinGAIA выделили отдельный тип ошибок финансовых ИИ-агентов: ошибочная причинно-следственная связь (Entity-Causation Misidentification). Агент принимает корреляцию за причину или путает последовательность бизнес-процессов.

Нейросеть видит, что выручка росла вместе с маркетинговыми расходами, и делает вывод: маркетинг увеличивает выручку. Но обе величины выросли потому, что компания запустила новый продукт. Если на основе такого анализа урезать маркетинг или, наоборот, раздуть его бюджет, решение будет принято по неверной логике.

В FinGAIA 407 задач из семи финансовых областей: ценные бумаги, фонды, банки, страхование, фьючерсы, трасты, управление активами. Лучший из десяти протестированных агентов набрал около 49%, а эксперты-люди около 85%. Разрыв больше 30 процентных пунктов.

Когда модель объясняет, почему изменился показатель, спросите ее прямо: какие еще факторы могли повлиять одновременно на обе величины? Выводы о причинах проверяйте на знании бизнеса, а не на корреляции в таблице.

Как распутать нейросеть за 12₽

Китайская Kimi поражает логикой. Ей бы завидовал даже Лейбниц. Она распутает причинно-следственные связи в ваших промптах и ответах других нейросетей

Попробовать за 12₽

Нейросеть может описать порядок применения вычета и просто не упомянуть лимит. То, что сказано, верно, а ошибка в том, что не сказано. В методологии Saturn ошибочным считался и ответ без фактических неточностей, если в нем пропущен существенный элемент или нет обязательного предупреждения. Такие пропуски в финансовых вопросах встречаются постоянно.

Пример из российской практики: модель подробно расскажет, как получить имущественный вычет по НДФЛ при покупке квартиры, и забудет упомянуть, что база вычета ограничена 2 млн рублей, а по процентам по ипотеке отдельно 3 млн рублей. Человек, который планирует бюджет по такому ответу, рассчитает возврат налога с полной стоимости жилья.

Бухгалтер знает, где у правила есть нюанс: лимит, срок, условие применения. Модель не всегда знает, что она чего-то не знает, и не сигнализирует об этом.

Добавляйте в запрос прямое требование перечислить ограничения: Explain how this deduction works. Then list separately all limits, deadlines, conditions and exceptions that apply to it. If you are not sure whether a limit exists, say so explicitly instead of omitting it. Answer in Russian.

Финансовая отчетность требует, чтобы каждая цифра прослеживалась до первичного документа. ИИ-система часто выдает результат без объяснения, как к нему пришла: какие данные взяла, по какой логике считала, какой версией модели.

Если аудиторского следа нет, ошибку невозможно найти по цепочке, ее можно заметить только случайно, по странному итоговому числу. В опросе Workiva лишь 11% руководителей сочли данные своей компании готовыми для ИИ, а 71% сказали, что низкое качество данных как минимум умеренно сказалось на работе ИИ в отчетности.

Сохраняйте входные данные, запросы и ответы модели вместе с датой и названием версии. Для любой цифры, которая уходит в отчетность, должна быть возможность показать, откуда она взялась, без ссылки на «так посчитала нейросеть».

Система, которая была точной при запуске, через полгода может начать ошибаться чаще, хотя внешне ничего не изменилось. Причин две: данные компании меняются, а модели у провайдеров обновляются.

Первая причина знакома всем, кто настраивал автоматическую классификацию операций. Правила подбирались на данных прошлого года, а потом у компании появились новые контрагенты, новые виды расходов, изменился план счетов или учетная политика. Система продолжает раскладывать операции по старой логике, и доля ошибок растет постепенно, без резкого скачка, который бросился бы в глаза.

Провайдеры регулярно заменяют модели новыми версиями. Например, GPT-6 Sol вышла 22 сентября 2026 года, а уже 29 сентября ее сменила GPT-6.1 Sol. Запрос, который вчера давал стабильный результат, на новой версии может отработать иначе. Система при этом не сигнализирует о деградации: ответы выглядят так же уверенно, просто становятся чуть менее точными.

Держите небольшой набор контрольных задач с известными правильными ответами и прогоняйте его после каждого обновления модели и раз в месяц. Если результаты на контрольном наборе ухудшились, это сигнал остановиться и разобраться, прежде чем доверять системе дальше.

Честный разбор требует и этого раздела. Нейросеть полезна там, где исходные данные даете вы, а результат легко проверить.

Практический прием, который снижает риск почти всех десяти ошибок, — перекрестная проверка. Одну и ту же задачу отправляют в две разные модели: если ответы расходятся, вопрос нужно перепроверить по первоисточнику. Исследование Saturn наглядно показало, насколько разными бывают модели: доля ошибок у лучшей и худшей различалась больше чем вдвое, 39% против 82%. Удобнее всего сравнивать модели там, где они доступны в одном окне. В SpeShu.AI собрано больше 300 нейросетей, включая ChatGPT, Claude и Gemini, баланс пополняется в рублях через СБП. Для компаний, которые подключают нейросети к своим системам через API, есть рублевые счета и закрывающие документы, а расходы можно учитывать по проектам.

Если не определено, кто проверяет результат ИИ, что именно проверяется и в какие сроки, проверку будут пропускать в загруженные дни. Именно тогда ошибки и проходят дальше.

Сверка итоговой суммы не ловит ошибки 2, 3 и 6: итог может сойтись случайно или из-за взаимной компенсации ошибок. Проверяйте логику расчета и выборку исходных записей.

Без записи, какой моделью и когда получен результат, невозможно понять, связана ли новая ошибка с обновлением модели или с изменением данных.

Экономия на проверке выглядит привлекательно, пока ошибка не доходит до налоговой или совета директоров. Финансовая экспертиза в процессе — не формальность, а единственный фильтр для ошибок, которые ИИ не видит.

В исследовании ICAS 74% бухгалтеров сказали, что ИИ ускоряет выполнение отдельных задач, но лишь 22% отметили заметный рост общей производительности. Время, сэкономленное на черновике, частично уходит на проверку, и это нормально.

Десять ошибок из списка объединяет одно: нейросеть не знает, чего она не знает, и не несет ответственности за результат. Она уверенно выдумывает числа и нормы, вшивает ставки в формулы, пропускает лимиты, путает причину и следствие и не оставляет аудиторского следа. Поэтому на вопрос из заголовка ответ такой: бухгалтеров не заменят, но изменится их работа. Рутину вроде сводок, форматирования и поиска аномалий все чаще будет делать ИИ, а роль того, кто проверяет, интерпретирует и отвечает своей подписью, останется за человеком. Сами бухгалтеры это понимают: в исследовании ICAS 72% опасаются, что ИИ может давать ошибки или неверные решения, а за свою работу боится лишь 21%.

В исследовании Saturn в сентябре 2026 года 18 моделей ошиблись в 57% ответов на вопросы о личных финансах, а на сложных многошаговых вопросах в 88%. Платные модели ошибались реже бесплатных, но даже лучшая из протестированных ошиблась в 39% случаев.

Полностью нет. ИИ берет на себя рутину: сводки, форматирование, поиск аномалий. Но проверка, интерпретация норм и ответственность за подписанную отчетность остаются за человеком, потому что модель не знает, чего не знает, и не отвечает за результат.

Арифметику по вашим данным, поиск аномалий, форматирование отчетов, пересказ загруженных документов и реклассификацию по четким правилам. Налоговые интерпретации, прогнозы и многошаговые сценарии требуют обязательной проверки специалистом.

Найдите формулы с жестко заданными числами вместо ссылок на ячейки, сравните формулы в первом и последнем периоде каждой строки, проверьте амортизацию и убедитесь, что допущения вынесены отдельно. Ключевые цифры сверьте с исходными данными вручную.

Языковая модель генерирует статистически правдоподобный текст, а не проверяет факты. Тон ответа никак не связан с его точностью: верную и выдуманную цифру модель подает одинаково уверенно.

Реклама: ИП Факторов Александр Константинович, ИНН 250818263945, erid: 2W5zFGDe2TL