Банковская сверка с ChatGPT: загружаем выписку — получаем акт reconciliation за 15 минут

Конец месяца. На экране банковская выписка за июнь — 720 строк в Excel от Альфа-Банка. В другой вкладке карточка счёта 51 из 1С — 695 записей. Где-то в этих двух массивах живут расхождения, и пока их не найдёшь, месяц не закроешь. Вручную это три часа работы с ВПР, несколько чашек кофе и стойкое ощущение, что что-то всё равно пропустила. С ChatGPT та же задача решается за 15 минут — и не потому что нейросеть умнее вас, а потому что Python не ошибается при сопоставлении строк и не устаёт к третьему часу.

Я Натали Васильева, эксперт по нейросетям и продюсер онлайн-школы «Финансовый директор | Мастер CFO» (45 000 подписчиков в @findir_pro, 800+ выпускников курса AI-навыков). В этой статье — конкретный алгоритм: как взять банковскую выписку, сравнить её с данными 1С, найти расхождения и сформировать акт сверки взаиморасчётов за 15 минут. Плюс 10 готовых промптов, три кейса с цифрами, сравнительная таблица инструментов и полные правила безопасности. Актуально на 30 июня 2026 года.

Почему банковская сверка съедает два-три часа при закрытии месяца

Прямой ответ: не потому что задача сложная, а потому что данные из разных источников никогда не приходят в одинаковом формате.

Банковская выписка из интернет-банка и карточка счёта 51 из 1С описывают одни и те же операции, но по-разному. В банке контрагент называется «ООО РОМАШКА», в 1С он записан как «ООО “Ромашка”» — ВПР их не свяжет. В банке дата — 28.06.2026, в 1С — 28/06/2026 или вообще 06.28.2026 из-за настроек экспорта. Суммы в банковской выписке могут быть записаны через неразрывные пробелы как разделители тысяч, и Excel воспринимает их как текст, а не числа.

Вот откуда берётся время. Первые 40-60 минут уходят на то, чтобы привести два файла к одному знаменателю: убрать пробелы, унифицировать форматы дат, разобраться почему ВПР не находит 80% строк. Ещё 30-40 минут — сама сверка: формулы, сводные, ручные проверки. И последние 30-40 минут — разбор пограничных случаев. Один платёж пришёл в 23:58 — у банка это 30 июня, в 1С он попал в июль. Один перевод разбился на два транша в разные дни. Комиссия банка идёт отдельной строкой, а в 1С её нет или она агрегирована.

К концу третьего часа концентрация падает, и именно тогда появляются «непонятные» расхождения, которые откладываются до следующей недели и забываются.

ChatGPT через Code Interpreter закрывает нормализацию и сопоставление полностью. Пограничные случаи всё равно требуют вашего решения — но их ChatGPT выносит отдельной группой с объяснением.

Что такое акт сверки взаиморасчётов и зачем он нужен

Акт сверки взаиморасчётов — это двусторонний документ, который подтверждает: данные о взаимных расчётах совпадают у обеих компаний за конкретный период. Вы и контрагент сверяете, что в вашей бухгалтерии одинаковые суммы отгрузок, поступлений и сальдо.

С 2013 года унифицированной обязательной формы акта сверки нет — каждая компания делает его под себя. Стандартная структура: две колонки с данными каждой стороны, строки по документам (накладные, счета, платёжные поручения), итоговое сальдо по данным обеих сторон. Если данные совпадают — акт подписывается, хранится как первичный документ. Если есть расхождения — они вносятся в акт с формулировкой «по данным [вашей компании] сальдо составляет X рублей».

Когда акт сверки обязателен или критически важен:

• Закрытие года и квартала по РСБУ: для подтверждения остатков дебиторской и кредиторской задолженности
• Перед аудитом: аудиторы запрашивают акты с ключевыми контрагентами
• При спорных ситуациях: подписанный акт сверки в суде считается признанием долга
• При работе с банком: подтверждение остатков по счетам на отчётную дату
• При смене главного бухгалтера: фиксация состояния расчётов на момент передачи дел

ChatGPT помогает в двух из этих сценариев: сравнить вашу выписку с данными 1С (банковская сверка) и составить черновик текста акта взаиморасчётов с контрагентом. Подписание и юридическую силу акту придаёте вы и контрагент — это шаг за пределами нейросети.

Как ChatGPT читает банковскую выписку: форматы и возможности

Три формата выписки — три разных сценария работы с ChatGPT.

CSV — лучший выбор. Чистый текстовый формат без форматирования, суммы всегда числовые, нет объединённых ячеек. ChatGPT Code Interpreter читает CSV мгновенно и практически никогда не ошибается с типами данных. Большинство российских банков поддерживают выгрузку в CSV: Тинькофф, Альфа-Банк, Райффайзен, МКБ, Россельхозбанк.

Excel (.xlsx) — работает хорошо, но требует проверки. Сбербанк и ВТБ выгружают выписки в Excel. Основная проблема: суммы могут быть в текстовом формате из-за неразрывных пробелов как разделителей тысяч. Это решается одной строкой в промпте: «очисти разделители тысяч в колонках суммы и преобразуй в числовой формат перед сверкой». Вторая проблема: шапка выписки (реквизиты счёта, период) занимает несколько строк сверху, и данные начинаются не с первой строки. Укажите в промпте точную строку начала данных.

PDF — крайний случай. GPT-5.5 читает PDF, включая таблицы, но качество зависит от структуры документа. Для выписок-таблиц в стандартном формате банка обычно работает. Для PDF со сканами или нестандартной разметкой каждую строку нужно проверять. Если банк даёт только PDF — попросите в интернет-банке или в офисе другой формат. Это быстрее, чем отлаживать извлечение из PDF.

Что Code Interpreter умеет с банковской выпиской:

• Читать файл и показывать структуру: колонки, типы данных, первые строки
• Нормализовать данные перед сравнением: убрать пробелы, унифицировать даты, очистить текстовые суммы
• Сопоставить выписку с данными 1С по заданному ключу (дата + сумма + контрагент)
• Разбить результат на три группы: совпадения, только в банке, только в 1С
• Найти дубли внутри выписки (один платёж прошёл дважды)
• Объяснить возможные причины расхождений по-русски
• Сохранить итоговую таблицу как Excel для скачивания

Что Code Interpreter не умеет: выходить в интернет во время выполнения кода, подключаться к 1С напрямую, подписывать документы.

Что загружать в ChatGPT безопасно, а что нельзя: правила для финансиста

Банковская выписка содержит данные, которые охраняются законом. Разбираю конкретно, что под запретом, а что допустимо с обезличиванием.

Нельзя загружать в публичный ChatGPT:

• Реальные ИНН организаций и физических лиц
• Расчётные счета, БИК, корреспондентские счета
• Полные наименования контрагентов, по которым можно идентифицировать компанию
• ФИО физических лиц и сотрудников
• Данные, составляющие банковскую тайну (остатки на счетах, условия кредитования)
• Документы под жёстким NDA с запретом передачи третьим лицам

Можно после обезличивания:

• Структуру транзакций: даты, суммы, типы операций — с заменёнными реквизитами
• Назначения платежей без ИНН и реальных наименований
• Агрегированные данные по периодам

Как обезличить банковскую выписку за 10 минут:

1. Создайте таблицу замен в Excel: две колонки — «Реальное» и «Маска». ИНН 7712345678 становится К01, ООО «Ромашка» становится Контрагент 1. Для каждого уникального контрагента — своя маска.

2. В Excel откройте банковскую выписку. Через Ctrl+H (Найти и заменить) замените каждый реальный ИНН и название на маску. Суммы и даты не трогайте — они критичны для сверки.

3. Расчётные счета в колонке «Получатель/Плательщик» замените на «Счёт К01», «Счёт К02». БИК удалите или замените на «БИК1».

4. Сохраните справочник замен у себя — он нужен чтобы расшифровать результат сверки обратно в реальные названия.

Технические настройки ChatGPT:

В Settings > Data Controls выключите тумблер «Improve model for everyone» (или «Улучшить модель для всех» в русском интерфейсе). Это запрещает OpenAI использовать ваши чаты для обучения модели.

Для корпоративного уровня конфиденциальности есть два варианта: ChatGPT Enterprise (изолированный контур, данные не используются для обучения) или локальная модель типа DeepSeek V3.2, которую можно запустить на собственном сервере — тогда данные вообще не покидают периметр компании.

Правовой фрейм: ФЗ-152 о персональных данных требует законного основания для передачи персональных данных иностранному оператору. За утечки с 2025 года действуют оборотные штрафы: при повторных нарушениях от 1% до 3% годовой выручки, не менее 20 млн и не более 500 млн рублей. Банковская тайна охраняется ФЗ «О банках и банковской деятельности» — её разглашение это потенциально уголовная статья. Ответственность несёт должностное лицо организации, не ChatGPT.

Пошаговый алгоритм: от банковской выписки к таблице расхождений за 15 минут

Разберу конкретный сценарий: банковская выписка за июнь 2026 года по расчётному счёту в Альфа-Банке и карточка счёта 51 из 1С за тот же период.

Минуты 0-4. Подготовка файлов.

В интернет-банке Альфа-Банка: «Выписки» > выбрать счёт > период июнь 2026 > формат CSV > скачать. В 1С: Отчёты > Стандартные отчёты > Карточка счёта (счёт 51, период июнь) > сохранить как Excel. Обезличиваю оба файла по справочнику замен. Проверяю: в банковской выписке колонки «Дата», «Сумма», «Тип» (приход/расход), «Контрагент», «Назначение». В карточке 1С: «Дата», «Документ», «Контрагент», «Дебет», «Кредит».

Минуты 4-6. Открытие ChatGPT и загрузка файлов.

Новый чат на chatgpt.com, тариф Plus. Загружаю оба файла через кнопку прикрепления. ChatGPT показывает первые строки каждого. Проверяю: если в колонке «Сумма» написано «object» вместо float64 — суммы текстовые, нужна очистка.

Минуты 6-11. Запуск сверки промптом.

Пишу структурированный промпт (промпт 2 из раздела ниже) с описанием файлов и ключа сравнения. ChatGPT пишет Python-код, выполняет его, выдаёт три таблицы: совпадения, только в банке, только в 1С. В каждой таблице: контрагент (маска), дата, сумма, дата в другом источнике.

Минуты 11-14. Проверка результата.

Прошу вывести итоговые суммы по каждой из трёх групп. Контрольная арифметика: сумма совпадений плюс сумма «только в банке» должна равняться итогу банковской выписки. Аналогично для 1С. Если не сходится — ошибка в коде, прошу исправить.

Минута 14-15. Скачивание и сохранение.

Прошу сохранить итоговую таблицу как Excel. Скачиваю. Копирую Python-код из ответа в Notion в раздел «Библиотека сверок — счёт 51 Альфа-Банк». Следующий месяц: загружу новые файлы, укажу те же две переменные FILE_1 и FILE_2 в коде, результат за 7 минут.

Десять готовых промптов для банковской сверки и акта взаиморасчётов

Все промпты работают в ChatGPT Plus с GPT-5.5. Перед каждым промптом загружайте файлы через кнопку прикрепления. Текст в [КВАДРАТНЫХ СКОБКАХ] заменяйте на свои данные.

Промпт 1. Диагностика банковской выписки перед сверкой

Я загрузила файл "[ВЫПИСКА].csv" — банковская выписка.

Проверь и сообщи:
1. Сколько строк данных (без заголовка)?
2. Какие колонки и типы данных в каждой?
3. Суммы числового типа или текст?
4. В каком формате записаны даты?
5. Есть ли строки без суммы или с нулевой суммой?
6. Есть ли строки-заголовки или итоговые строки в середине данных?
7. Как называется колонка с типом операции (приход/расход)?

Покажи первые 5 строк файла.
Если найдены проблемы с форматами — предложи код исправления.

Промпт 2. Основная сверка: банковская выписка с карточкой счёта 51 из 1С

Я загрузила два файла:

1. "[БАНК].csv" — банковская выписка за [ПЕРИОД].
   Колонки: Дата (формат ДД.ММ.ГГГГ), Сумма (числовая),
   Тип (строка "ПРИХОД" или "РАСХОД"),
   Контрагент (маски К01, К02...), Назначение_платежа.

2. "[1С_51].xlsx" — карточка счёта 51 из 1С за [ПЕРИОД].
   Колонки: Дата, Документ, Контрагент, Дебет (поступление),
   Кредит (списание).

Задача: сверить поступления в банке с дебетовыми оборотами в 1С.

Алгоритм:
- Перед сверкой: очисти пробелы в суммах, унифицируй формат дат (ДД.ММ.ГГГГ)
- Ключ сравнения: Контрагент + Сумма (допуск ±1 руб на округление)
- Исключи из сверки строки банка с типом "РАСХОД"

Результат — три раздела:
1. Совпадения: Контрагент, Сумма, Дата_банк, Дата_1С
2. Только в банке: Контрагент, Сумма, Дата_банк, Назначение
3. Только в 1С: Контрагент, Сумма, Дата_1С, Документ

Итоговые суммы по каждому разделу.
Сохрани результат как Excel-файл для скачивания.

Промпт 3. Полная двусторонняя сверка (поступления и списания)

Файлы те же: "[БАНК].csv" и "[1С_51].xlsx" за [ПЕРИОД].

Сделай полную двустороннюю сверку:

Часть 1. Поступления.
Банк ПРИХОД vs Дебет 51 в 1С.
Ключ: Контрагент + Сумма (допуск ±1 руб).

Часть 2. Списания.
Банк РАСХОД vs Кредит 51 в 1С.
Ключ: Контрагент + Сумма (допуск ±1 руб).

Для каждой части — три раздела (совпадения, только в банке, только в 1С).
Итоговые суммы по каждому разделу в обеих частях.

В конце: общая сверочная таблица:
- Итог поступлений по банку
- Итог поступлений по 1С
- Расхождение по поступлениям
- Итог списаний по банку
- Итог списаний по 1С
- Расхождение по списаниям
- Разница итоговых оборотов

Промпт 4. Поиск задвоений внутри банковской выписки

Файл "[БАНК].csv" — банковская выписка за [ПЕРИОД].

Найди подозрительные дубли внутри выписки:

1. Точные дубли: одинаковые Контрагент + Сумма + Тип (ПРИХОД/РАСХОД)
   в пределах одного дня.

2. Возможные задвоения: одинаковые Контрагент + Сумма + Тип
   в пределах 3 дней, разные даты.

3. Частичные дубли: суммы одного Контрагента за день в сумме
   равны крупной сумме того же Контрагента в соседний день.
   (Один платёж ошибочно разбит на несколько транзакций.)

Для каждого дубля показывай строки-кандидаты рядом.
Итоговые суммы по каждому типу дублей.
Общая сумма потенциально задвоенных транзакций.

Промпт 5. Выявление расхождений по срокам (timing differences)

Файлы "[БАНК].csv" и "[1С_51].xlsx" — сверка за [ПЕРИОД].

Меня интересуют временные расхождения: операция прошла
по банку в конце одного периода (29-31 число месяца),
но в 1С она попала в начало следующего (1-3 число).

Найди:
1. Строки из раздела "только в банке" с датой в последние
   3 дня периода (28-30/31 числа).
2. Строки из раздела "только в 1С" с датой в первые
   3 дня следующего периода (1-3 числа).

Сопоставь их по Контрагент + Сумма (допуск ±1 руб).
Покажи как таблицу с колонками:
Контрагент, Сумма, Дата_банк, Дата_1С, Разница_дней.

Итого: сколько временных расхождений, суммарная сумма.
Это частая причина расхождений при закрытии месяца.

Промпт 6. Анализ банковских комиссий и расходов самого банка

Файл "[БАНК].csv" — банковская выписка.

Выдели все строки, где плательщик или получатель —
сам банк (комиссии, обслуживание, начисленные проценты).
Признаки: в поле Контрагент или Назначение есть слова
"комиссия", "обслуживание", "проценты", "банк", "тариф".

Для каждой строки: Дата, Тип (ПРИХОД/РАСХОД), Сумма, Назначение.
Итого: сумма комиссий за период, средняя за месяц.

Затем: есть ли эти строки в файле 1С или нет?
(Проверь по Контрагент + Сумма в файле "[1С_51].xlsx".)
Если нет — это недостающие проводки в бухучёте.

Хочешь получить готовый шаблон справочника обезличивания и библиотеку промптов для банковской сверки одним файлом? Забирай бесплатно в Telegram-канале школы @findir_pro. Там же каждую неделю — новые разборы AI-инструментов для финансистов.

Промпт 7. Черновик акта сверки взаиморасчётов

На основе данных сверки за [ПЕРИОД] составь черновик
акта сверки взаиморасчётов с контрагентом [МАСКА К01].

Данные по нашим записям (из файла 1С):
[вставь таблицу строк по этому контрагенту из результата сверки]

Данные по записям контрагента (из акта контрагента, если есть):
[вставь данные или напиши "данных нет, сальдо по нашим данным"]

Структура акта:
1. Шапка: "Акт сверки взаиморасчётов между [НАША КОМПАНИЯ]
   и [КОНТРАГЕНТ] за период [ПЕРИОД]"
2. Таблица: Дата | Документ | Дебет (по данным нашей компании) |
   Кредит (по данным нашей компании) | Дебет (по данным контрагента) |
   Кредит (по данным контрагента)
3. Итоговые строки: оборот дебет, оборот кредит, сальдо
4. Строка подписей: "Подписи сторон"
5. Строка о расхождениях: "Расхождений не выявлено" или
   "Расхождение составляет [сумма] рублей. Причина уточняется."

Формат вывода: готовый текст акта, который можно скопировать
в Word или корпоративный шаблон.
Деловой стиль. Без лишних слов.

Промпт 8. Сводный отчёт о расхождениях для финансового директора

Файл "[РЕЗУЛЬТАТ_СВЕРКИ].xlsx" — итог банковской сверки за [ПЕРИОД].

Составь короткий отчёт для финансового директора (максимум одна страница).

Структура отчёта:
1. Общая картина: сколько операций в банке, сколько в 1С,
   итоговые суммы оборотов в обоих источниках.
2. Расхождения: количество и сумма по трём группам.
3. Топ-5 расхождений по сумме (без персональных данных).
4. Предполагаемые причины каждого: временная разница,
   задвоение, пропущенная проводка, комиссия банка.
5. Требуется решение: что нужно сделать бухгалтеру
   для устранения каждого расхождения.
6. Статус: закрытие месяца блокировано / не блокировано.

Деловой стиль, конкретные цифры. Без воды.

Промпт 9. Причины расхождений и рекомендации

Вот таблица расхождений после банковской сверки:
[вставь раздел "только в банке" и "только в 1С"]

Для каждого расхождения предложи наиболее вероятную причину:
- Операция прошла по банку в конце периода, в 1С войдёт в следующий месяц
- Банковская комиссия не отражена в учёте
- Платёж разбился на два транша (частичная оплата)
- Задвоенный платёж: один из двух дублей лишний
- Пропущенная проводка: в банке есть, в 1С нет записи
- Контрагент записан по-разному в двух системах

Расставь объяснения по каждой строке.
Отдельно: топ-5 самых крупных расхождений по абсолютной сумме.

Промпт 10. Сохранение кода для ежемесячного использования

Ты только что провёл банковскую сверку.

Сделай три вещи:
1. Сохрани итоговую таблицу расхождений как Excel-файл
   "bank_sverka_[ПЕРИОД].xlsx" для скачивания.

2. Выведи полный Python-код в отдельном блоке.
   В начало добавь переменные, которые меняются каждый месяц:
   FILE_BANK = "bank_june.csv"     # файл банковской выписки
   FILE_1C   = "1c_51_june.xlsx"   # файл карточки счёта 1С
   PERIOD    = "июнь 2026"         # период для подписей
   TOLERANCE = 1.0                 # допуск в рублях на округление

3. Добавь комментарии на русском языке к ключевым блокам:
   чтение файлов, нормализация, ключ сравнения, три раздела.
   Комментарии помогут другому бухгалтеру разобраться в коде.

Остальной код должен работать без изменений при смене
четырёх переменных выше.

Как подготовить данные 1С для банковской сверки

Качество сверки на 50% зависит от того, как выгружены данные из 1С. Разберу три варианта.

Карточка счёта 51 — лучший вариант. Путь в 1С:Бухгалтерия: Отчёты > Стандартные отчёты > Карточка счёта. Счёт 51, нужный период, организация. В настройках включите «Показывать обороты за период». Не включайте «Промежуточные итоги по месяцам» — они добавят строки-итоги в середину данных, которые Code Interpreter будет читать как транзакции. После формирования: Сохранить > Формат Excel. Не PDF.

Перед загрузкой: удалите строки «Итого» в конце и строки-заголовки в начале (номер и название отчёта, название организации). Данные должны начинаться с первой строки или иметь чистую шапку в первой строке.

ОСВ по счёту 51 — работает, но сложнее. ОСВ выгружается в иерархическом виде: по корреспондирующим счетам, с промежуточными итогами. Code Interpreter может запутаться в иерархии. Если используете ОСВ, укажите в промпте: «файл имеет иерархическую структуру, оставь только строки с датой в числовом формате, удали строки-заголовки групп».

Специальная выгрузка для сверки — идеальный вариант, если настроена. В некоторых конфигурациях 1С есть встроенная «Банковская выписка» с той же структурой что у банка: дата, приход, расход, остаток, контрагент. Если у вас такая выгрузка — используйте её: ключ сравнения с банком становится очевидным.

Три вещи всегда проверяю в файле из 1С перед загрузкой:

1. Суммы в числовом формате (выравниваются по правому краю в Excel). Если по левому — текст, нужна очистка.
2. Даты в едином формате во всём файле. Смешанные форматы (где-то ДД.ММ.ГГГГ, где-то текст «30 июня 2026») это главная причина ошибок сопоставления.
3. Нет скрытых строк. В Excel иногда строки скрыты, и Code Interpreter их не видит.

Три кейса с цифрами: сколько экономит финансист

Кейс 1. Финансовый директор торговой компании, Москва

Было: ежемесячная банковская сверка по трём расчётным счетам в двух банках. 600-800 операций на каждый счёт. Инструмент: ВПР в Excel. Нормализация дат и суммы вручную перед каждой сверкой. Время: 2,5-3 часа в первый рабочий день после окончания месяца. Системная проблема: каждый месяц оставались 8-12 «непонятных» строк, которые откладывались. Три из них выплыли через квартал как задвоенные платежи поставщику на общую сумму 340 000 рублей.

Что сделали: настроили стандартную выгрузку из каждого банка в CSV, создали справочник замен для 90 контрагентов, написали три шаблона промптов (по одному на каждый банк с учётом их форматов). Первая попытка сломалась на Сбербанке: Excel-выписка с суммами в текстовом формате из-за специального разделителя тысяч. Добавили строку очистки в промпт — дальше работало без сбоев.

Стало: каждая из трёх сверок — 15-20 минут. Итого 45-60 минут вместо 2,5-3 часов. Ноль «отложенных» расхождений: все разобраны в той же сессии. За счёт промежуточной сверки 15-го числа ввели дополнительный контроль, которого раньше не было.

Экономия: 1,5-2 часа в месяц. Три задвоения на 340 000 рублей обнаружены бы за первый месяц вместо квартала.

Кейс 2. Главный бухгалтер производственного предприятия, Екатеринбург

Было: квартальная подготовка актов сверки с 12 ключевыми контрагентами для аудиторов. Каждый акт: выгрузить данные из 1С по контрагенту, получить их версию акта по email, сравнить вручную, найти расхождения, написать ответный акт. По 1-1,5 часа на контрагента — почти 2 рабочих дня на все 12.

Что сделали: для каждого контрагента сделали стандартную выгрузку по счёту 60/62 из 1С, загружали её и полученный от контрагента файл в ChatGPT, просили сравнить по номеру документа + сумме. Черновик текста акта генерировали промптом 7 из нашей библиотеки, правили 5 минут и отправляли контрагенту.

Стало: каждый акт — 20-25 минут. Все 12 — за 4-5 часов. Три акта с расхождениями: ChatGPT выдал таблицу расхождений по каждому документу, бухгалтер пришла на переговоры с конкретикой вместо «у нас такие данные, а у вас другие». Одно из расхождений закрыло спор на 215 000 рублей в пользу предприятия.

Экономия: 10+ часов в квартал. Один спор с детальной таблицей расхождений закрыт на 215 000 рублей.

Кейс 3. Аутсорсинговый бухгалтер, Санкт-Петербург

Было: ведёт 9 организаций. Банковская сверка для каждой в конце месяца. По 45-60 минут на организацию — почти два рабочих дня только на банковские сверки. Постоянный стресс: кто-то задерживает выписку, у кого-то нестандартный формат банка, к концу дня концентрация падает и ошибки растут.

Что сделали: создала единый справочник обезличивания для каждой организации. Для каждого банка (Тинькофф, Альфа, Сбер) — отдельный шаблон промпта с учётом формата выписки. Python-код первой сверки сохранила в библиотеке — дальше только меняла переменные с именами файлов.

Стало: каждая организация — 12-15 минут. Все 9 — 2-2,5 часа вместо двух полных рабочих дней. Дополнительный эффект: стала делать промежуточную сверку 20-го числа для трёх активных клиентов — раньше времени на это не было.

Экономия: 12-14 часов в месяц. При ставке 2 800 рублей за час — около 35 000 рублей освобождённого времени для дополнительных клиентов.

ChatGPT vs Claude vs Gemini vs Excel для банковской сверки: сравнение

Актуально на июнь 2026 года. Тарифы и функции меняются — проверяйте на официальных сайтах.

Мой практический выбор зависит от задачи. Для числовой сверки банковской выписки с 1С — ChatGPT Plus с Code Interpreter: весь цикл загрузка-код-скачивание в одном чате. Для составления текста акта сверки или разбора письма с позицией контрагента — Claude Sonnet 4.6 пишет более юридически точные тексты. DeepSeek V3.2 беру когда нужно написать промпт или скрипт без загрузки файлов и без специальных средств доступа.

Типичные ошибки при первой банковской сверке через ChatGPT

Ошибка 1. Не проверить тип данных суммы. Самая частая проблема с выписками Сбербанка и ВТБ. Число «1 234 567,89» записано с неразрывным пробелом как разделитель тысяч — Excel и Python читают его как текст. Проверка: если ChatGPT говорит что тип данных в колонке суммы «object» вместо float64, значит текст. Решение в промпте: «перед сверкой очисти разделители тысяч в колонке Сумма и преобразуй в числовой тип».

Ошибка 2. Разные форматы дат в двух файлах. Банковская выписка: «28.06.2026». Карточка 1С: «28/06/2026» или «28 июня 2026». Python видит разные строки и не находит совпадений по дате. Решение: укажите форматы в промпте или попросите «унифицировать все даты в формат ДД.ММ.ГГГГ перед сверкой».

Ошибка 3. Неправильный ключ сравнения. «Сверь по сумме» без контрагента даст ложные совпадения: у вас могут быть два разных платежа на одну сумму от разных контрагентов. Минимальный ключ для банковской сверки: Контрагент + Сумма. Лучший ключ: Контрагент + Сумма + месяц (не день, из-за timing differences).

Ошибка 4. Не исключить строки-итоги из 1С. Карточка счёта 51 часто содержит строку «Итого за период» в конце. Code Interpreter читает её как транзакцию с суммой оборота, которая не найдёт пары в банке. Удалите строки-итоги перед загрузкой или укажите в промпте: «исключи строки где колонка Контрагент пустая или содержит слово “Итого”».

Ошибка 5. Не учесть банковские комиссии. Комиссии за обслуживание, эквайринг, переводы — это расходы банка, которые идут отдельными строками в выписке. В 1С они могут отражаться по счёту 91 или вообще ещё не проведены. Если вы сверяете только счёт 51 с банком, комиссии войдут в раздел «только в банке» и это будет правильно — они просто требуют отдельной проводки.

Ошибка 6. Один большой чат вместо нескольких специализированных. При длинном сеансе ChatGPT иногда путается в контексте — особенно если вы начали с одной задачи, потом переключились на другую в том же чате. Для каждого типа сверки (поступления, списания, акт с контрагентом) открывайте отдельный чат. Файлы при этом нужно загружать заново, но контекст будет чистым.

Ошибка 7. Не проверить итоговые суммы. После сверки всегда прошу ChatGPT вывести итоговые суммы по трём разделам и сравнить с итогом исходных файлов. Арифметика простая: сумма раздела «совпадения» плюс сумма раздела «только в банке» должна равняться итогу банковской выписки. Если не равняется — где-то ошибка в коде или пропущены строки.

Когда ChatGPT не поможет: честные ограничения

Я не убеждаю финансистов переехать из Excel в ChatGPT навсегда. У этого инструмента есть границы, которые нужно знать до старта.

Нет памяти между сессиями. Файлы и Python-код существуют только в пределах одного чата. Открыли новый чат — загружаете заново. Решение: сохраняйте код в библиотеку после каждой новой сверки.

Не создаёт юридически значимый акт. ChatGPT формирует черновик текста акта сверки, который вы переносите в официальный шаблон. Акт получает юридическую силу только после подписания обеими сторонами — живой подписью или квалифицированной ЭЦП.

Не подключается к 1С напрямую. Данные нужно выгружать вручную. Для автоматической выгрузки из 1С в ChatGPT нужна интеграция через API или n8n — это следующий уровень автоматизации.

Нестандартные форматы ряда банков. Некоторые региональные банки выгружают выписки в форматах с объединёнными ячейками, многоуровневыми заголовками или вообще только PDF. На первичную отладку промпта под нестандартный формат уходит 15-30 минут, но потом шаблон работает без изменений.

Очень большие выписки. ChatGPT Plus принимает файлы до 512 МБ, но на выписках с 500 000+ строк замедляется. Для таких объёмов агрегируйте данные в 1С перед выгрузкой или разбивайте на периоды.

От разовой банковской сверки к ежемесячной автоматизации

ChatGPT ручным режимом закрывает большинство задач финансиста. Но если вы делаете сверку каждый месяц по одной и той же схеме, это повод пойти дальше.

Уровень 1. Ручная сверка через ChatGPT (стартовый уровень, описан в этой статье). Загружаете файлы руками, используете шаблонный промпт, скачиваете результат. Экономия: 1,5-2,5 часа в месяц. Порог входа: 30-40 минут на первую настройку.

Уровень 2. Полуавтоматизация: Python-скрипт из кода ChatGPT. Берёте Python-код, который ChatGPT написал для вашей сверки. Сохраняете в .py-файл. Меняете только три строки — имена файлов и период. Запускаете через Google Colab бесплатно или локально. Данные никуда не уходят. Занимает 1-2 часа на первоначальную настройку. Для этого не нужно знать Python — ChatGPT помогает и с этим.

Уровень 3. Полная автоматизация через n8n. Сценарий: выписка автоматически скачивается из банка (API или email) > Python-скрипт запускается > результат записывается в Google Таблицы > уведомление в Telegram. Запускается по расписанию 1-го числа каждого месяца. Бухгалтер только проверяет результат. Подробно про n8n для финансиста я разбирала в отдельной статье на нашем блоге.

Рекомендация: не перескакивайте на уровень 3, не освоив уровень 1. Автоматизировать нужно рабочий процесс, а не ломаный.

Чек-лист: банковская сверка с ChatGPT за 15 минут

Подготовка (4-5 минут)

1. Скачать банковскую выписку в CSV или Excel из интернет-банка за нужный период.
2. Выгрузить карточку счёта 51 из 1С (Отчёты > Стандартные отчёты > Карточка счёта).
3. Обезличить оба файла по справочнику замен: ИНН на К01/К02, названия контрагентов на Контрагент 1/2/3.
4. Проверить форматы: суммы числовые (выравнивание по правому краю), даты в одном формате, нет объединённых ячеек в шапке.
5. Удалить строки «Итого» из файла 1С.
6. Сохранить оба файла как .xlsx или .csv.

Сверка в ChatGPT (8-9 минут)

7. Открыть chatgpt.com, тариф Plus, новый чат.
8. Загрузить оба файла через кнопку прикрепления.
9. Проверить первые строки в ответе ChatGPT: суммы должны быть числовыми.
10. Отправить промпт 2 из нашей библиотеки с описанием структуры и ключа сравнения.
11. Дождаться выполнения кода. При ошибке — просить «исправь и повтори».
12. Попросить ChatGPT вывести итоговые суммы по трём разделам.
13. Сверить итоги с суммами исходных файлов (арифметический контроль).
14. Скачать Excel-файл с результатами.
15. Скопировать Python-код в личную библиотеку с пометкой «банк + период».

Работа с результатом (2-3 минуты)

16. Разобрать раздел «только в банке» и «только в 1С» — найти расхождения.
17. Для топ-расхождений по сумме спросить ChatGPT о возможных причинах.
18. Для нужных контрагентов сформировать черновик акта сверки (промпт 7).
19. Перенести черновик в официальный шаблон, добавить реальные реквизиты (использовать справочник замен в обратном порядке).
20. Подписать акт и отправить контрагенту или сохранить как подтверждение закрытия периода.

Системно освоить нейросети и автоматизацию в работе финансиста: курс «AI-навыки финансиста» от онлайн-школы «Финансовый директор | Мастер CFO». 10 модулей, 800+ выпускников, диплом с лицензией и налоговый вычет 13%.

Часто задаваемые вопросы

Что такое банковская сверка простыми словами? Банковская сверка — это сравнение банковской выписки с данными бухгалтерской системы (обычно 1С) за один период. Цель: убедиться, что каждая операция в банке отражена в учёте и наоборот. Расхождения указывают на пропущенные проводки, задвоения или операции, которые банк провёл, а бухгалтер не видел. По РСБУ банковскую сверку проводят ежемесячно при закрытии периода, акт сверки с контрагентами — ежеквартально или по запросу.

Что такое акт сверки взаиморасчётов? Акт сверки взаиморасчётов — двусторонний документ, который подтверждает, что данные о взаимных расчётах совпадают у обеих компаний за конкретный период. В России унифицированной формы нет с 2013 года, компании используют собственные шаблоны. Акт подписывается с обеих сторон и хранится как первичный документ. ChatGPT помогает составить черновик текста акта на основе данных из выписки, но не заменяет официального подписания.

Нужен ли платный ChatGPT для банковской сверки? Для работы с файлами — да. ChatGPT Plus (GPT-5.5) даёт доступ к Code Interpreter: загрузка Excel и CSV, выполнение Python-кода, скачивание таблицы результата. В бесплатной версии загрузка файлов ограничена и Code Interpreter недоступен. Если выписка небольшая (20-30 строк), можно вставить данные текстом прямо в чат — бесплатная версия с таким форматом работает, но без скачивания итогового файла.

Какой формат банковской выписки лучше для ChatGPT? Лучший формат — CSV: суммы всегда числовые, нет объединённых ячеек, поддерживают почти все банки. Excel работает в большинстве случаев, но иногда требует очистки (текстовые суммы, иерархические заголовки). PDF читается хуже всего: только если банк не даёт другого варианта. Попросите банк выгрузить выписку в CSV — это минута в интернет-банке.

Безопасно ли загружать банковскую выписку в ChatGPT? Только в обезличенном виде. Реальные ИНН, BIC, расчётные счета, ФИО физических лиц и точные наименования контрагентов в публичный ChatGPT не загружаем. Заменяем ИНН на К01, К02 по справочнику замен, названия контрагентов на маски. Суммы не трогаем — они нужны для точной сверки. В настройках ChatGPT Data Controls обязательно выключаем тумблер «улучшить модель для всех». Для данных под банковской тайной используем локальную модель или ChatGPT Enterprise.

Можно ли автоматизировать банковскую сверку без участия бухгалтера? Частично. ChatGPT в ручном режиме убирает основную часть ручного труда: нормализацию данных, поиск расхождений, формирование таблицы. Полная автоматизация без запуска вручную требует следующего шага: Python-скрипт с API OpenAI по расписанию или n8n-сценарий. Python-код, который ChatGPT написал для вашей сверки, можно перенести в скрипт за пару часов.

Чем банковская сверка с ChatGPT отличается от сверки регистров через Code Interpreter? Банковская сверка — частный случай: один источник всегда банковская выписка, второй — данные вашего учёта. Акт сверки взаиморасчётов — отдельный двусторонний документ, который потом подписывается с контрагентом. В статье про сверку регистров через Code Interpreter разбирается общий случай: любые два файла с данными. Здесь фокус на банковской выписке как специфическом источнике и на формировании итогового акта.

Что делать, если банк выдаёт выписку только в PDF? Три варианта. Первый: запросить другой формат через интернет-банк или в отделении — большинство поддерживают CSV или Excel. Второй: конвертировать PDF в Excel через онлайн-конвертер. Третий: загрузить PDF прямо в ChatGPT Plus — GPT-5.5 читает PDF, но качество извлечения таблиц зависит от структуры документа. Для стандартных выписок в таблице работает нормально, для PDF со сканами нужна дополнительная проверка каждой строки.

Наши каналы

Следите за новыми промптами, кейсами и разборами AI-инструментов для финансистов:

• @findir_pro — основной Telegram-канал онлайн-школы «Финансовый директор | Мастер CFO», 45 000 подписчиков. Ежедневные разборы нейросетей для финансистов и бухгалтеров: промпты, кейсы, инструменты.
• @ai_finansist — канал «АИ с Софьей и Натали», 13 000 подписчиков. Разборы новых моделей и стратегия внедрения AI в работу финансового директора и бухгалтера.
• MAX — закрытое сообщество 5 000+ выпускников и учеников школы. Живые разборы кейсов, доступ к записям вебинаров, нетворкинг с коллегами-финансистами.

Об авторе

Натали Васильева — эксперт по нейросетям и продюсер онлайн-школы «Финансовый директор | Мастер CFO» (основатель школы — Софья Бурцева). С нейросетями в финансовых задачах с февраля 2023 года, 800+ выпускников курса AI-навыков. Веду Telegram-канал @findir_pro, 45 000 подписчиков.