Що, якби фінансистам більше не доводилося вручну збирати дані, зводити таблиці й готувати звіти? Ці завдання вже можна делегувати ШІ-агентам. Нещодавно Fuelfinance представила саме такий продукт — Fuel Agents. У компанії також дослідили 30 фінансових команд і з’ясували, що лише три з них активно використовують ШІ-агентів та автоматизацію.
Альона Мисько, CEO Fuelfinance, розповіла HBJ, з яких процесів починати автоматизацію фінансів, як оцінювати її ефективність і чому впроваджувати ШІ має вся команда, а не окремі працівники. А ще — як працює Fuel Agents та якими будуть фінансові відділи через три роки.
Від автоматизації звітів до стратегічних рішень
Як активне впровадження ШІ змінило роботу фінансистів?
ШІ змінив 90% наших фінансових процесів. Наприклад, раніше під час закриття місяця фінансистам доводилося збирати дані з різних джерел, вручну переносити їх між системами та готувати звітність. Тепер достатньо завантажити дані й запустити ШІ-агента, а потім перевірити результат.
Так змінюється сама суть роботи фінансиста: замість виконання рутинних завдань він створює ШІ-агентів і контролює їхню роботу.
Проте таких команд поки небагато. Ми провели 30 інтерв’ю й з’ясували, що лише три з них активно використовують ШІ-агентів та автоматизацію. Решта 27 ще далекі від AI-driven підходу.
Чому фінансисти не довіряють ШІ? Що найскладніше для фінансової команди в переході на роботу з ним?
У фінансах потенціал ШІ досі недооцінюють. Скептицизму багато, хоча його можна подолати, перевіривши роботу агентів на історичних даних. Коли точність результатів перевищує 99%, довіра до технології суттєво зростає.
Однак навіть переконавшись в ефективності ШІ, компанії стикаються зі складнішим завданням — перебудовою роботи фінансових команд. ШІ вже здатен автоматизувати закриття місяця, прогнозування грошових потоків, банківські звірки та підготовку звітності. Відповідно, фінансистам потрібно переходити від ручного виконання завдань до контролю за роботою агентів: перевіряти результати, звіряти дані та виявляти помилки.
Та автоматизація операційних процесів — лише частина трансформації. Вивільнений час фінансисти мають спрямовувати на аналіз даних і стратегічні рішення, які впливають на результати бізнесу. Адже ШІ може підготувати звіт чи прогноз, але не може взяти на себе відповідальність за управлінські рішення.
Саме тому найбільший виклик — не просто навчитися працювати з новими інструментами, а переосмислити роль фінансиста та його цінність для бізнесу. І ця професійна та психологічна перебудова часто відбувається повільніше, ніж розвиваються технології.
Навіщо фінансовому відділу ставати AI-native?
Бізнесу доводиться дедалі швидше адаптуватися до змін: криз, нових ринків і трансформації продуктів. Разом із цим зростає кількість управлінських рішень, які потрібно ухвалювати. Тому фінансова функція теж має ставати швидшою, адже від неї залежать прибутковість, грошові потоки та фінансова стійкість компанії.
Інший важливий чинник — вартість фінансових операцій. Що більший бізнес, то складніші його процеси й дорожче їх підтримувати.
Найбільше від автоматизації можуть виграти середні та великі компанії, у фінансових командах яких працює понад п’ять людей. Зі збільшенням обсягу роботи таким бізнесам часто доводиться наймати нових фахівців. У США бюджети фінансових департаментів можуть сягати мільйонів доларів — і це ще без витрат на програмне забезпечення та його підтримку.
Який процес варто автоматизувати найперше?
Насамперед варто автоматизувати процеси, які відповідають одному з двох критеріїв:
потребують швидкості та даних у реальному часі. Наприклад, прогнозування грошових потоків (cash flow forecasting), коли ШІ-агенти збирають інформацію з контрактів, листів та інших джерел і постійно оновлюють прогноз.
забирають багато часу на ручну роботу. Наприклад, звірка грошових коштів (cash reconciliation) або управління дебіторською заборгованістю (accounts receivable), на які фінансисти можуть витрачати по 5–8 годин щодня.
Вибір залежить від потреб компанії, але зазвичай ми починаємо з рутинних операцій, автоматизація яких дає змогу найшвидше вивільнити час команди.
Як виміряти, що впровадження ШІ реально окупилося?
Найпростіше оцінити ефективність автоматизації за кількістю зекономлених людино-годин і витрат на оплату праці. Наприклад, в одній із компаній автоматизація лише кількох процесів дозволила вивільнити час, еквівалентний роботі одного штатного працівника.
Втім, важливо оцінювати не лише економію часу, а й вплив автоматизації на фінансові показники бізнесу. Наприклад, проблеми з дебіторською заборгованістю та несвоєчасними оплатами можуть коштувати великим компаніям десятки, а іноді й сотні мільйонів доларів. Передавши ці процеси ШІ-агентам, бізнес може не лише зменшити навантаження на фінансистів, а й покращити управління грошовими потоками та прискорити надходження коштів на десятки мільйонів доларів.
Новий продукт для фінансових команд
Fuel Agents — це ваш новий продукт для автоматизації роботи фінансових команд. Що стало тригером для запуску — ринок, технології чи власний досвід CFO?
Насправді тригером стали всі ці чинники одночасно. Але почалося все з власного досвіду. Коли ми розробляли платформи для фінансового планування й аналізу (FP&A), то автоматизували чимало процесів, проте розуміли, що цього недостатньо. Є концепція Triangle of Financial Sadness, яка описує п'ять рівнів роботи фінансиста:
збір даних;
підготовка звітів;
аналіз;
прогнозування;
стратегічні рішення.
На останній рівень у фінансистів зазвичай не вистачає часу. Тому ми розклали кожен рівень на окремі задачі й оцінили, яку частку вже автоматизували. Нашою метою було автоматизувати все, крім стратегічних рішень. Однак поступово стало зрозуміло, що можливостей наших попередніх продуктів для цього недостатньо.
Тоді ми почали експериментувати з Claude: писали код, проводили внутрішні хакатони, обмінювалися досвідом і ділилися результатами з фінансистами. Під час тестування з'ясувалося, що нам потрібен спільний контекст-менеджер, який автоматично оновлюватиметься й забезпечуватиме всіх агентів актуальною інформацією. Крім того, агенти потребують постійної технічної підтримки: моделі швидко змінюються, а разом із ними доводиться оновлювати й код.
Так виникла ідея перетворити наш досвід роботи з фінансами сотень компаній, сукупний P&L яких перевищує $4 млрд, на рішення, доступне тисячам CFO.
Але наша амбіція більша — допомогти автоматизувати навіть стратегічний рівень. Ми хочемо, щоб CFO ухвалювали рішення, маючи перед собою не лише власні фінансові показники, а й можливі сценарії розвитку подій та досвід компаній зі схожими бізнес-моделями.
Як працює Fuel Agents і для яких бізнесів він найкраще підходить?
Для нас кожен workflow — це окремий фінансовий процес: закриття місяця, прогнозування чи управління дебіторською заборгованістю. За його виконання відповідає набір ШІ-агентів, які працюють за визначеними правилами, використовуючи відповідні моделі, дані та контекст. Запускати такі процеси можна вручну, автоматично або за розкладом.
Наприклад, CFO приходить зранку на роботу, а звіт про рух грошових коштів за попередній день уже готовий. Йому залишається перевірити результати, а ШІ-агент може запропонувати рішення на основі отриманих даних.
Найбільшу користь продукт може принести mid-market та enterprise-компаніям із фінансовими командами від п'яти людей, а також бізнесам, які швидко масштабуються. Зокрема, компаніям із широким асортиментом товарів (SKU) або складною структурою з багатьма юридичними особами (legal entities). Що більше фінансових процесів і складніша структура бізнесу, то вищий потенціал автоматизації.
Яка команда працює над продуктом?
У нас дві команди по шість людей: інженерна та фінансова. Усі рішення ми спочатку тестуємо на власних процесах і даних Fuel. Це допомагає перевірити точність роботи агентів і переконатися, що продукт відповідає нашим потребам.
Фінансистів у команді ми тепер називаємо фінансовими інженерами. Вони поєднують досвід роботи на позиції CFO з розробкою та тестуванням ШІ-агентів. Саме вони перевіряють, наскільки коректно продукт виконує фінансові задачі.
Що було найскладнішим?
Тут кілька речей.
Data Warehouse. Насамперед складно було побудувати сховище даних на бекенді продукту, і цей етап важко пришвидшити. Це Data Warehouse і Data Lake. Ми називаємо цю частину Metrics Engine: це рушій, який розраховує метрики й показники на бекенді.
Оптимізація агентів. Траплялися ситуації, коли агенти спалювали мільйони токенів на одному невеликому фінансовому процесі.
Точність. Ми сотні разів тестували агентів на різних workflow і тестових даних. Так ми перевіряли, що вони видають правильний результат, і звіряли його з попередніми періодами.
Стабільність. У якийсь момент агенти почали відключатися і перестали читати контекст. Це теж довелося виправляти.
Як ШІ-агенти змінюють ролі, відповідальність і майбутнє фінансових команд
Де має проходити межа між тим, що вирішує агент, і тим, що затверджує людина?
Межу визначають правила, закладені в кожного агента. Ми розробляємо їх на основі досвіду нашої фінансової команди й адаптуємо під конкретний процес. Так, агент може самостійно виконувати задачі в межах цих правил, але звертається до людини, якщо:
не може знайти потрібні дані чи показники;
має розрахувати нову метрику, якої немає в контексті;
виявляє дублікати, помилки або розбіжності в даних.
У таких випадках агент не ухвалює рішення самостійно, а передає питання людині на перевірку чи підтвердження.
Крім того, ми оцінюємо якість роботи агентів за трьома критеріями:
Accuracy (точність) — наскільки результати агента збігаються з перевіреними даними за попередні періоди.
Completeness (повнота) — чи виконав агент усі передбачені правилами та інструкціями кроки.
Confidence level (рівень упевненості) — чи мав агент достатньо даних для виконання задачі та ухвалення рішення.
Як бути з безпекою і конфіденційністю фінансових даних при роботі з LLM?
Фінансові дані зберігаються в Data Warehouse, а мовні моделі використовуються лише для їх обробки. За нашою архітектурою всі процеси відбуваються в захищеному середовищі продукту.
Це безпечніший підхід, ніж завантажувати фінансові дані безпосередньо в ChatGPT чи Claude Code, особливо через персональні акаунти, де можливості корпоративного контролю за доступом до інформації можуть бути обмежені.
Чи є ризик, що через ШІ зникнуть джуніорські позиції?
Ризик є, але я думаю, що джуніорські позиції не зникнуть, а зміняться. Молоді фінансисти дедалі частіше працюватимуть із ШІ-агентами: створюватимуть їх, керуватимуть ними та розбудовуватимуть фінансову інфраструктуру компаній. Попит на таких фахівців уже високий, а людей із відповідними навичками бракує.
Як виглядатиме фінансова команда у стартапі та команда у корпорації через 3 роки?
Я не думаю, що AI CFO зможе повністю замінити фінансиста у стартапі. Навіть якщо більшість процесів автоматизують, відповідальність за фінансові рішення залишиться за людиною. З нашого досвіду, CEO поки не готові повністю делегувати її ШІ-агентам.
Тому у стартапах, імовірно, залишиться щонайменше один фінансист, який замість команди людей керуватиме ШІ-агентами. Це дасть автоматизувати більшість операційних задач без розширення фінансового відділу.
У корпораціях зміни відбуватимуться повільніше. За моїми прогнозами, через три роки 30–40% компаній стануть AI-native, але кардинальної трансформації індустрії поки не буде. Найпомітнішою зміною стане скорочення ручної роботи в Excel: таблиці залишаться, проте рутинні операції виконуватимуть агенти. Сподіваюся, за три роки цього досягне принаймні половина компаній.
Зміниться й структура фінансових команд. Вони можуть стати меншими: замість кількох підлеглих сеньйор керуватиме десятками ШІ-агентів. Водночас зростатиме попит на фахівців, які розроблятимуть і підтримуватимуть фінансову IT-інфраструктуру. Можливо, у фінансових департаментах навіть з'являться окремі технічні команди.
Зрештою, майбутнє фінансової індустрії залежатиме не стільки від можливостей ШІ, скільки від того, наскільки швидко компанії та їхні працівники навчаться ці можливості використовувати.
