Финансовый анализ предприятия через ChatGPT: рентабельность, ликвидность и риск банкротства — полный разбор за 15 минут

Финансовый директор производственной компании из Екатеринбурга написала мне в воскресенье вечером: 47 строк в Excel, три периода данных и вопрос «Натали, как быстро оценить состояние? Завтра кредитный комитет». Я открыла chatgpt.com, вставила её данные с правильными промптами и через 22 минуты отправила готовую пояснительную записку с пятью группами коэффициентов, Z-score Альтмана и тремя рекомендациями для комитета. Она написала «Как ты это так быстро?»

Я Натали Васильева, эксперт по AI-инструментам для финансистов и продюсер онлайн-школы «Финансовый директор | Мастер CFO» (основатель: Софья Бурцева). В Telegram-канале @findir_pro 45 000 финансистов, в канале «АИ с Софьей и Натали» 13 000 подписчиков, через AI-курс прошло 800+ выпускников. В этой статье: десять готовых промптов для пяти групп коэффициентов, три кейса с реальными цифрами и сравнение ChatGPT с Claude Sonnet 4.6 и Gemini 2.5 для этой конкретной задачи. Данные актуальны на июнь 2026 года, модель GPT-5.5.

Почему финансовый анализ через ChatGPT работает, и что он не заменит

За 15-25 минут ChatGPT закрывает то, что обычно занимает полдня в Excel: рассчитывает коэффициенты по пяти группам, сравнивает с нормативами, объясняет отклонения и пишет вывод на языке собственника. Это работает не потому что нейросеть «умная», а потому что коэффициентный анализ по своей природе: стандартизированная задача. Данные на входе, известные формулы, нормы, интерпретация. GPT-5.5 в 2026 году справляется с такими задачами стабильно и без ошибок при правильном формате запроса.

Финансовый директор тратит рабочее время совсем не там, где создаёт ценность. Типичная неделя до нейросетей: понедельник: выгрузка данных из 1С в Excel, настройка таблицы с формулами, проверка формул (ошиблись в строке, пересчёт). Вторник: написание пояснительной записки для совета директоров. Среда: финансовый анализ нового контрагента по запросу коммерческого. Четверг: подготовка данных для банка. Из четырёх дней работы три: механика: выгрузка, расчёт, форматирование. Одна треть времени: настоящая аналитика.

ChatGPT убирает первые три дня. Оставляет только аналитику.

Что остаётся за вами и почему это важно:

Выбор данных. Решаете, какие периоды сравнивать, как учитывать сезонность, что считать нормой для вашей отрасли и региона. ChatGPT знает академические нормы: текущая ликвидность выше 2.0, коэффициент автономии выше 0.5, но не знает, что в вашем секторе дистрибуции 1.3: рабочее значение, а не тревожный сигнал, или что ваша строительная компания намеренно держит минимальный кэш, потому что работает на авансах заказчика.

Интерпретация аномалий. Если коэффициент автономии упал с 0.62 до 0.41 за квартал, ChatGPT скажет «существенное снижение финансовой устойчивости». Но почему упало: новый кредит на оборудование, переоценка активов, квартальный убыток из-за сезонного провала: уже ваша аналитика с вашим контекстом. Нейросеть не читает протоколы правления, не знает о сделке по покупке актива в декабре.

Коммуникация с собственником. ChatGPT пишет хороший текст. Но только вы знаете, как ваш конкретный собственник воспринимает информацию: нужен ли ему топ-3 рисков на одной странице или полный разбор на пять. Нейросеть не знает его болевые точки и предыдущие разговоры.

Финальная ответственность. Коэффициент автономии 0.34: ChatGPT скажет «ниже нормы, требует внимания». Решение: рефинансировать, привлечь капитал или жить с этим уровнем: принимаете вы. Нейросеть даёт информацию, решение остаётся за человеком.

Что ChatGPT делает плохо: автоматически обновляет расчёты при изменении исходных данных (нет живой связи с таблицей), работает с нормализованными данными из нескольких несвязанных файлов без потери нити, проверяет актуальность нормативных ссылок на ФСБУ и НК: может подтянуть устаревший стандарт. Для регулярных расчётов с изменяющимися данными нужен Excel или BI-инструмент.

Что такое коэффициентный анализ: пять групп за пять минут

Коэффициентный анализ: метод оценки финансового состояния компании через расчёт соотношений между статьями баланса, отчёта о прибылях и убытках и отчёта о движении денежных средств. Метод существует десятилетиями и используется повсеместно: банки при оценке кредитоспособности, инвесторы при due diligence, налоговая при отборе компаний для выездной проверки, финансовые директора при ежеквартальной отчётности для собственника.

Преимущество метода: в стандартизированности. Одни и те же формулы работают для завода, розничной сети и ИТ-компании. Разница только в нормах: одни и те же значения коэффициентов означают разное в разных отраслях.

Группа 1. Рентабельность — эффективность превращения ресурсов в прибыль

Рентабельность отвечает на вопрос: «Насколько эффективно компания использует то, что у неё есть?» Для собственника это главная метрика: зарабатывает ли бизнес на вложенный капитал больше, чем давал бы банковский депозит.

Ключевые коэффициенты группы: ROE (рентабельность собственного капитала), ROA (рентабельность активов), ROS (рентабельность продаж, или чистая маржа), EBITDA-маржа, валовая маржа. Каждый смотрит на эффективность с разного угла: ROE показывает отдачу на вложенный собственниками капитал, ROA: отдачу на все активы компании независимо от источника финансирования, маржа, сколько прибыли остаётся с каждого рубля выручки.

Группа 2. Ликвидность: способность платить по обязательствам сегодня

Ликвидность отвечает на вопрос: «Может ли компания расплатиться с кредиторами прямо сейчас, не продавая станки и склады?» Низкая ликвидность. прямой путь к кассовому разрыву. Банк смотрит сюда в первую очередь при рассмотрении кредита, потому что это сигнал о краткосрочном риске дефолта.

Три коэффициента: текущая ликвидность (все оборотные активы против краткосрочных обязательств), быстрая ликвидность (оборотные активы без запасов: самой «медленной» части), абсолютная ликвидность (только деньги и их эквиваленты: самая консервативная оценка).

Группа 3. Деловая активность — скорость оборота денег в бизнесе

Деловая активность отвечает на вопрос: «Как быстро деньги проходят через операционный цикл?» Даже прибыльная компания может испытывать постоянный дефицит кэша, если деньги подолгу «висят» в дебиторской задолженности или замораживаются в запасах.

Ключевые показатели: DSO (сколько дней в среднем клиенты платят), DPO (сколько дней компания платит поставщикам), DIO (сколько дней товар лежит на складе), Cash Conversion Cycle. итоговое число дней, когда деньги «заморожены» в операционном цикле.

Группа 4. Финансовая устойчивость — насколько безопасна долговая нагрузка

Финансовая устойчивость отвечает на вопрос: «Выдержит ли компания долговую нагрузку при ухудшении рыночных условий?» Долг: инструмент роста, но при падении выручки он становится главным риском. Коэффициенты этой группы показывают, есть ли у компании запас прочности.

Ключевые показатели: коэффициент автономии (доля собственного капитала в активах), D/E ratio (соотношение долга и капитала), ICR (коэффициент покрытия процентов, сколько раз операционная прибыль перекрывает процентные расходы), Чистый долг / EBITDA.

Группа 5. Вероятность банкротства — статистическая оценка риска дефолта

Модели оценки вероятности банкротства: статистические инструменты раннего предупреждения. Они не дают точного прогноза, но позволяют сравнить компанию с историческими данными о банкротствах. Основная модель: Z-score Альтмана, существуют адаптированные версии для непубличных компаний и российских реалий.

Для полного анализа по всем пяти группам нужны форма 1 (Баланс) и форма 2 (Отчёт о финансовых результатах) за два периода минимум. Для деловой активности: данные по дебиторской и кредиторской задолженности. Всё это выгружается из 1С за 3-5 минут.

Как подготовить данные из 1С или Excel для ChatGPT

Самый частый вопрос от учениц: «В каком формате давать данные?» ChatGPT понимает текст, таблицы (Markdown, скопированные из Excel, CSV), и даже словесные описания с числами. Главное: структурированность и обезличенность.

Что обязательно обезличить перед загрузкой в публичный ChatGPT

Работа с публичной нейросетью требует дисциплины в обращении с данными. Минимальный обязательный набор мер:

• Название компании: замените на «Компания» или любое кодовое слово (я использую «Альфа», «Бета», «Гамма» для разных клиентов)
• Контрагентов: «Поставщик 1», «Покупатель А», «Банк Х» и так далее
• ИНН, КПП, расчётные счета: убрать полностью: они не нужны для расчёта коэффициентов
• Имена сотрудников, подписантов: убрать или заменить должностями
• Суммы можно округлить до тысяч рублей: на значение коэффициентов это не влияет

Для ChatGPT Business данные не используются для обучения модели, обезличивать необязательно по условиям сервиса (актуальные тарифы — на openai.com). Но я по привычке всё равно делаю это: дисциплина не помешает, и шаблон обезличивания работает быстрее, чем думать каждый раз «это чувствительно или нет».

Три формата данных: от простого к надёжному

Вариант 1. Текст ключевых строк. Самый надёжный способ: вручную скопировать нужные строки и написать их в структурированном виде. Ошибок нет, ChatGPT не путает строки:

Баланс на 31.12.2025 (тыс. руб.):
- Итого активы: 450 000
- Оборотные активы: 180 000
  - Запасы: 75 000
  - Дебиторская задолженность: 85 000
  - Денежные средства и эквиваленты: 20 000
- Краткосрочные обязательства: 120 000
- Долгосрочные обязательства: 80 000
- Собственный капитал: 250 000
- Нераспределённая прибыль: 120 000

Отчёт о финансовых результатах за 2025 (тыс. руб.):
- Выручка: 680 000
- Себестоимость реализованной продукции: 520 000
- Валовая прибыль: 160 000
- Коммерческие и управленческие расходы: 97 000
- EBIT (операционная прибыль): 63 000
- Амортизация: 32 000
- EBITDA: 95 000
- Процентные расходы: 18 000
- Чистая прибыль: 45 000

Вариант 2. Таблица из Excel. Выделяете нужный диапазон, копируете через Ctrl+C и вставляете в чат. ChatGPT обычно корректно парсит таблицу. Риск: если в таблице сложная шапка или несколько уровней группировки, модель может перепутать строки. Проверяйте расчёты.

Вариант 3. Файл Excel через Code Interpreter. Загружаете файл Excel напрямую в ChatGPT Plus (иконка скрепки в интерфейсе), включаете Code Interpreter. GPT сам читает файл, пишет Python-код и считает коэффициенты программно: самый точный вариант для сложных и больших таблиц. Для финансовых расчётов рекомендую именно этот путь, когда данных много.

Промпт против галлюцинаций в числах

Вставляйте этот блок в начало каждого финансового запроса: он кардинально снижает риск того, что ChatGPT «достроит» недостающие данные из воздуха:

Важные правила работы с данными:
1. Если данных не хватает для расчёта — не придумывай 
   значения и не делай предположений. Прямо скажи, 
   какие именно данные нужны.
2. Показывай промежуточные шаги вычислений.
3. Если не уверен в формуле или интерпретации — 
   сообщи об этом явно.
4. Используй только данные, которые я предоставил.

После того как вы добавили этот блок, ChatGPT начинает честно говорить «для расчёта DSO мне нужна среднегодовая дебиторская задолженность, вы дали только на конец периода»: вместо того чтобы молча брать то, что есть, и давать неточный результат.

Анализ рентабельности через ChatGPT: ROE, ROA и маржинальность

Рентабельность. первое, что хочет знать собственник. «Зарабатывает ли мой бизнес больше, чем я мог бы заработать, просто положив деньги в банк?» Пять коэффициентов дают полный ответ с разных углов.

Коэффициент	Формула	Что показывает	Ориентир
ROE	Чистая прибыль / Собственный капитал * 100%	Отдача на вложенный капитал собственников	Выше ключевой ставки ЦБ
ROA	Чистая прибыль / Итог баланса * 100%	Отдача на все активы компании	Выше 5%
Чистая маржа (ROS)	Чистая прибыль / Выручка * 100%	Сколько прибыли с рубля выручки	Зависит от отрасли
EBITDA-маржа	EBITDA / Выручка * 100%	Операционная прибыльность до налогов и амортизации	10-15%+ для производства
Валовая маржа	Валовая прибыль / Выручка * 100%	Эффективность основного производства	25-30%+ для услуг

Почему норма ROE привязана к ключевой ставке ЦБ? Потому что собственник всегда имеет альтернативу: положить деньги в государственные облигации или банковский депозит с минимальным риском. Если ROE ниже этой безрисковой ставки, бизнес «не отбивает» вложения. В середине 2026 года при ставке ЦБ 14,25% ROE должен быть ощутимо выше ключевой ставки плюс премия за риск, чтобы оправдывать предпринимательские вложения.

Различие между EBITDA-маржой и чистой маржой объясняет много «аномалий» в анализе. Компания с высокой EBITDA-маржой и низкой чистой маржой: бизнес с большим долгом (проценты съедают прибыль) или с высокой амортизацией (капиталоёмкое производство). ChatGPT сам объяснит этот разрыв, если задать правильный вопрос.

Промпт для анализа рентабельности:

Ты опытный финансовый аналитик. Рассчитай коэффициенты 
рентабельности для компании на основе данных ниже.

Важные правила: если данных не хватает — не придумывай значения, 
скажи что нужно. Показывай промежуточные шаги расчёта.

Рассчитай: ROE, ROA, ROS (чистая маржа), EBITDA-маржу, 
валовую маржу.

По каждому коэффициенту укажи:
1. Формулу с подстановкой конкретных значений из данных
2. Итоговое значение в процентах
3. Ориентировочную норму для отрасли: [укажи отрасль]
4. Оценку: «хорошо» / «в норме» / «требует внимания» 
   с кратким обоснованием

В конце: три ключевых вывода по рентабельности 
простым языком для собственника без финансового жаргона.
Один вывод — одно предложение, конкретное и с цифрой.

Данные:
[вставьте данные баланса и ОФР]

По данным из примера выше (производственная компания:

• ROE = 45 000 / 250 000 = 18%. Собственный капитал работает: при ставке ЦБ 14,25% бизнес обгоняет безрисковую ставку, хотя премия за предпринимательский риск желательна выше.
• ROA = 45 000 / 450 000 = 10%. Активы генерируют хорошую отдачу, выше ориентира 5%.
• EBITDA-маржа = 95 000 / 680 000 = 14%. Для производства, пограничное значение. Понятно: производство стоит дорого, рентабельность по EBITDA не бывает 30%.
• Чистая маржа = 45 000 / 680 000 = 6.6%. Средний уровень для производства.
• Валовая маржа = 160 000 / 680 000 = 23.5%. Ниже ориентира 25-30% себестоимость давит.

ChatGPT даст эти числа, объяснит каждое и сравнит с нормой за 30 секунд. Дальше вы решаете: 18% ROE достаточно для вашей стратегии или мало при данном уровне риска? Валовая маржа 23.5% проблема с ценообразованием или особенность отрасли? Это ваша аналитика, нейросеть создала для неё базу.

Коэффициенты ликвидности: три числа, которые покажут платёжеспособность за две минуты

Ликвидность: способность компании погасить краткосрочные долги за счёт текущих активов, не продавая оборудование, недвижимость или долгосрочные вложения. Низкая ликвидность сигнализирует о риске кассового разрыва. Это не абстрактный риск: при задержке крупного платежа от клиента или неожиданном требовании банка-кредитора компания с ликвидностью ниже 1.0 физически не сможет заплатить.

Банк при рассмотрении кредитной заявки смотрит на коэффициенты ликвидности в первую очередь: быстрый тест: «Сможет ли компания обслуживать наш кредит даже в плохой квартал?»

Коэффициент	Формула	Норма (академическая)
Текущая ликвидность	Оборотные активы / Краткосрочные обязательства	Выше 2.0
Быстрая ликвидность	(Оборотные активы - Запасы) / КО	Выше 1.0
Абсолютная ликвидность	Денежные средства и эквиваленты / КО	Выше 0.2

Про отраслевые нормы: важно. Значение «выше 2.0» для текущей ликвидности, из учебника 1980-х годов. На практике нормы существенно отличаются по отраслям:

• Торговля и ритейл: текущая ликвидность 1.0-1.5 (рабочая зона). Низкое значение объясняется высокой оборачиваемостью товаров.
• Строительство: 1.0-1.2 на фоне большого объёма авансов заказчика (норма). Авансы относятся к кредиторской задолженности и снижают расчётный коэффициент.
• Производство: 1.5-2.5 (ориентир), но зависит от длины производственного цикла.
• Услуги и ИТ: могут работать при 0.8-1.2, если нет больших запасов и есть предоплата от клиентов.
• Добыча и металлургия: часто выше 2.5 из-за длинного цикла запасов.

Всегда просите ChatGPT указывать нормы именно для вашей отрасли. Сравнение с неправильным ориентиром даёт ложную тревогу или ложное спокойствие, и то и другое одинаково опасно при принятии решений.

Дополнительный нюанс: абсолютная ликвидность намеренно низкая у хорошо управляемых компаний. Держать 20-25% краткосрочных обязательств в кэше: значит впустую замораживать оборотный капитал. Банки это понимают и смотрят на этот показатель в контексте наличия открытых кредитных линий.

Промпт для анализа ликвидности:

Ты финансовый аналитик. Рассчитай три коэффициента ликвидности 
для производственной компании: текущую, быструю и абсолютную.

Правило: если данных не хватает — скажи что нужно добавить. 
Не придумывай значения.

По каждому коэффициенту:
1. Формула и расчёт с подстановкой конкретных значений
2. Норматив для отрасли [укажи отрасль и подотрасль]
3. Оценка: «достаточная» / «ниже нормы» / «критически низкая»
4. Практический смысл: что означает этот уровень 
   для операционной деятельности компании

Итоговый вывод одним абзацем (3-4 предложения): 
общая платёжеспособность, есть ли риск кассового разрыва 
при негативном сценарии (задержка оплаты крупным клиентом 
или неожиданный налоговый платёж).

Данные:
Оборотные активы: _____ тыс. руб.
Запасы: _____ тыс. руб.
Дебиторская задолженность: _____ тыс. руб.
Денежные средства: _____ тыс. руб.
Краткосрочные обязательства: _____ тыс. руб.

По нашим данным (производственная компания):

• Текущая: 180 000 / 120 000 = 1.50. Для производства ниже академической нормы 2.0, но в реальном секторе приемлемо. Требует мониторинга.
• Быстрая: (180 000 - 75 000) / 120 000 = 0.875. Без запасов компания покрывает 87.5% краткосрочных обязательств. Ниже нормы 1.0.
• Абсолютная: 20 000 / 120 000 = 0.167. Кэш покрывает только 16.7% краткосрочных обязательств. На нижней границе нормы 0.2.

Вывод ChatGPT будет звучать примерно так: «Ликвидность умеренно напряжённая, но не критическая. Если крупный покупатель задержит оплату на 30 дней или появится незапланированный налоговый платёж, риск кассового разрыва реален. Рекомендации: мониторить дебиторскую задолженность еженедельно, рассмотреть открытие возобновляемой кредитной линии как буфер».

Именно этот тип вывода нужен для кредитного комитета или разговора с собственником, конкретный, честный и с практической рекомендацией.

Деловая активность: где зависают деньги и почему это критично для CFO

Деловая активность: ответ на вопрос «почему при хорошей прибыли нет денег на счету?» Это одно из самых частых недоразумений в работе с собственниками. Компания показывает прибыль в P&L, но испытывает хронический дефицит кэша. Причина почти всегда в длинном операционном цикле: деньги «заморожены» в запасах на складе, ждут оплаты в дебиторке или потеряны в незавершённом производстве.

Финансовый директор, который умеет объяснять Cash Conversion Cycle на языке собственника, стоит дороже. ChatGPT помогает посчитать: объяснять учитесь сами.

Показатель	Формула	Что показывает в днях
DSO (Days Sales Outstanding)	Дебиторка / Выручка * 365	Сколько дней в среднем ждём оплаты от клиентов
DPO (Days Payable Outstanding)	Кредиторка / Себестоимость * 365	Сколько дней компания платит поставщикам
DIO (Days Inventory Outstanding)	Запасы / Себестоимость * 365	Сколько дней товар / сырьё лежит на складе
CCC (Cash Conversion Cycle)	DSO + DIO - DPO	Итоговые дни «заморозки» денег в операционном цикле

Логика CCC простая: мы покупаем материалы у поставщика (DPO, сколько дней не платим ему), превращаем в продукт (DIO, сколько дней лежит на складе), продаём клиенту (DSO, сколько дней ждём оплаты). Чем меньше CCC: тем быстрее оборачивается капитал.

Идеальный сценарий: CCC близок к нулю или отрицательный. Это означает, что компания платит поставщикам позже, чем получает деньги от клиентов: то есть фактически кредитуется за счёт поставщиков. Именно так устроены крупные торговые сети: берут товар с отсрочкой 90 дней, а продают за наличные в первый день.

Реальный производственник с CCC 60-90 дней вынужден кредитоваться для поддержки оборотного капитала. Это не плохо само по себе: особенность бизнес-модели, которую нужно финансировать осознанно и отслеживать динамику.

Промпт для анализа деловой активности:

Рассчитай показатели деловой активности (оборачиваемость) 
для компании.

Коэффициенты:
- DSO (дни в дебиторской задолженности)
- DPO (дни в кредиторской задолженности)
- DIO (дни в запасах)
- Cash Conversion Cycle (CCC = DSO + DIO - DPO)

По каждому показателю: 
- значение в днях с формулой и подстановкой
- что это означает для бизнеса конкретно
- сравнение с нормой для [укажи отрасль]

Итоговый вывод: 
- где в операционном цикле «зависают» деньги (топ-1 проблема)
- сколько рублей «заморожено» в оборотном капитале 
  при текущем уровне CCC и выручки
- что можно оптимизировать в первую очередь 
  без ущерба для бизнес-отношений

Данные:
Выручка за год: _____ тыс. руб.
Себестоимость за год: _____ тыс. руб.
Среднегодовая дебиторская задолженность: _____ тыс. руб.
Среднегодовая кредиторская задолженность: _____ тыс. руб.
Среднегодовые запасы: _____ тыс. руб.

По нашим данным (среднегодовая КЗ предположительно 65 000 тыс.):

• DSO = 85 000 / 680 000 * 365 = 45.6 дней. Клиенты платят за 46 дней. Для B2B производства: приемлемо, хотя цель: сократить до 30-35.
• DIO = 75 000 / 520 000 * 365 = 52.7 дней. Почти два месяца сырьё и готовая продукция на складе. Много: потенциал оптимизации.
• DPO = 65 000 / 520 000 * 365 = 45.6 дней. Платим поставщикам за 46 дней. Совпадает с DSO: нет преимущества.
• CCC = 45.6 + 52.7 - 45.6 = 52.7 дней.

ChatGPT добавит к этому расчёту: «При выручке 680 млн рублей и CCC 52 дня компания держит в оборотном капитале около 97 млн рублей. Если сократить оборачиваемость запасов до 35 дней (реалистичная цель через систему управления складом), высвободится около 23 млн рублей». Это уже готовый аргумент для обоснования инвестиций в систему управления запасами.

Финансовая устойчивость: сколько долга компания выдержит

Финансовая устойчивость показывает, насколько компания зависит от заёмного финансирования и как она выдержит долговую нагрузку при ухудшении рыночных условий. Высокий долг не всегда плохо: финансовый рычаг позволяет расти быстрее, если бизнес генерирует доходность выше стоимости заимствований. Проблема начинается при падении выручки: долг никуда не девается, а прибыли для его обслуживания становится меньше.

Банковские ковенанты в кредитных договорах обычно включают именно эти показатели. Нарушение ковенанта: технический дефолт, банк может потребовать досрочного погашения. Поэтому мониторить их нужно не реже ежеквартально.

Коэффициент	Формула	Норма	Что означает нарушение
Коэффициент автономии	Собственный капитал / Итог баланса	Выше 0.5	Компания финансируется больше от кредиторов, чем от собственников
D/E ratio (финансовый рычаг)	Заёмный капитал / Собственный капитал	Ниже 1.0	Долг превышает собственный капитал
ICR (покрытие процентов)	EBIT / Процентные расходы	Выше 3.0	Прибыль не перекрывает проценты с комфортным запасом
Чистый долг / EBITDA	(Долг - Деньги) / EBITDA	Ниже 3.0	Много лет нужно для погашения долга из операционного потока

Промпт для анализа финансовой устойчивости:

Рассчитай коэффициенты финансовой устойчивости компании.

Правило: показывай промежуточные шаги расчёта. 
Если данных не хватает — запроси.

Вычисли:
1. Коэффициент автономии (финансовой независимости)
2. D/E ratio (финансовый рычаг)
3. Коэффициент покрытия процентов (ICR)
4. Чистый долг / EBITDA

По каждому показателю:
- значение с расчётом и формулой
- норматив и его смысл
- оценка: «устойчивое» / «умеренный риск» / «высокий риск»

Итоговый вывод:
- общий уровень финансового риска при текущей структуре капитала
- сколько дополнительного долга компания выдержит 
  без нарушения стандартных банковских ковенантов
- что нужно сделать в первую очередь для снижения риска

Данные:
Собственный капитал: _____ тыс. руб.
Долгосрочные обязательства: _____ тыс. руб.
Краткосрочные обязательства: _____ тыс. руб.
Итог баланса: _____ тыс. руб.
EBIT: _____ тыс. руб.
Процентные расходы: _____ тыс. руб.
EBITDA: _____ тыс. руб.
Денежные средства: _____ тыс. руб.

По нашим данным (заёмный капитал = 80 000 + 120 000 = 200 000 тыс.):

• Автономия = 250 000 / 450 000 = 0.556. Выше нормы 0.5: компания финансово независима. 55.6% активов профинансировано собственными средствами.
• D/E = 200 000 / 250 000 = 0.80. Рычаг умеренный, ниже порогового значения 1.0.
• ICR = 63 000 / 18 000 = 3.5. Операционная прибыль перекрывает проценты в 3.5 раза. Комфортная зона.
• Чистый долг / EBITDA = (200 000 - 20 000) / 95 000 = 1.89. Хорошо: банки стандартно дают кредиты до 3-4x EBITDA.

Вывод: компания финансово устойчива, долговая нагрузка управляемая. ChatGPT добавит: «Теоретически компания может привлечь дополнительный долг ещё на 85-100 млн рублей, не нарушая стандартные ковенанты по Чистый долг/EBITDA < 3.0». Это уже готовый ответ на вопрос «сколько мы ещё можем занять».

Как ChatGPT считает риск банкротства: модель Альтмана за три минуты

Модель Альтмана (Z-score): статистическая модель оценки вероятности банкротства компании, разработанная профессором Эдвардом Альтманом в Нью-Йоркском университете в 1968 году на основе анализа данных 66 американских компаний, половина из которых обанкротилась. Модель не даёт точного прогноза: она сравнивает текущее финансовое состояние компании с историческими паттернами банкротств. Это ранний индикатор, а не приговор.

Формула Z-score и её компоненты

Существуют несколько версий модели. Для непубличных компаний (большинство российского бизнеса) используется модифицированная формула:

Z’ = 0.717 * X1 + 0.847 * X2 + 3.107 * X3 + 0.420 * X4 + 0.998 * X5

Где каждый компонент отражает отдельный аспект финансового состояния:

• X1 = Оборотный капитал / Итог активов: ликвидность, отношение оборотного капитала (ОА - КО) к активам
• X2 = Нераспределённая прибыль / Итог активов: накопленная рентабельность, насколько компания реинвестирует прибыль
• X3 = EBIT / Итог активов: текущая операционная эффективность
• X4 = Балансовая стоимость собственного капитала / Заёмный капитал: финансовая устойчивость
• X5 = Выручка / Итог активов: оборачиваемость активов

Интерпретация результата:

Значение Z’	Зона	Риск	Что делать
Выше 2.9	Зелёная	Низкий риск банкротства	Мониторить раз в квартал
1.23-2.9	Серая	Неопределённость	Выявить слабые компоненты, улучшить
Ниже 1.23	Красная	Высокий риск банкротства	Срочные антикризисные меры

Важная оговорка про российский контекст. Модель разрабатывалась на американских компаниях 1960-х годов: другая бухгалтерская система, другие рыночные условия. Для российских компаний существуют адаптации: модифицированная модель Альтмана для развивающихся рынков, модель Давыдовой-Беликова (разработана на данных российских предприятий), модель Сайфулина-Кадыкова. ChatGPT умеет считать все варианты: нужно явно указать в промпте, какую версию использовать.

Лично я рекомендую считать оба варианта: модифицированный Альтман как международный ориентир и российскую адаптацию как дополнительный контроль. Если оба показывают серую или красную зону: сигнал, который нельзя игнорировать.

Промпт для расчёта Z-score Альтмана:

Рассчитай Z-score Альтмана для оценки риска банкротства.
Используй модифицированную модель для непубличных компаний:
Z' = 0.717*X1 + 0.847*X2 + 3.107*X3 + 0.420*X4 + 0.998*X5

Определения компонентов:
X1 = (Оборотные активы - Краткосрочные обязательства) / Итог активов
X2 = Нераспределённая прибыль / Итог активов
X3 = EBIT / Итог активов
X4 = Балансовая стоимость СК / Заёмный капитал
X5 = Выручка / Итог активов

Шаги ответа:
1. Рассчитай X1-X5 с подстановкой конкретных чисел
2. Вычисли каждое слагаемое Z' (0.717*X1 и т.д.)
3. Посчитай итоговый Z'-score
4. Определи зону: зелёная (>2.9) / серая (1.23-2.9) / красная (<1.23)
5. Объясни, какой компонент вносит наибольший вклад 
   и что это означает
6. Дай 2-3 конкретные рекомендации по улучшению показателя
7. Укажи ограничения модели для российских компаний

Данные:
Оборотные активы: _____ тыс. руб.
Краткосрочные обязательства: _____ тыс. руб.
Нераспределённая прибыль: _____ тыс. руб.
EBIT: _____ тыс. руб.
Итог баланса: _____ тыс. руб.
Балансовая стоимость собственного капитала: _____ тыс. руб.
Заёмный капитал (долгосрочный + краткосрочный): _____ тыс. руб.
Выручка за год: _____ тыс. руб.

По нашим данным:

Компонент	Расчёт	Значение	Коэффициент	Слагаемое
X1	(180 000 - 120 000) / 450 000	0.133	0.717	0.095
X2	120 000 / 450 000	0.267	0.847	0.226
X3	63 000 / 450 000	0.140	3.107	0.435
X4	250 000 / 200 000	1.250	0.420	0.525
X5	680 000 / 450 000	1.511	0.998	1.508
Z’				2.789

Серая зона (1.23-2.9). Не критично, но без запаса. Главный вклад: X5 (оборачиваемость активов = 1.508). ChatGPT объяснит: «Самый быстрый путь к улучшению Z’: рост выручки при том же объёме активов или снижение неработающих активов. Например, продажа/лизинг неиспользуемого оборудования напрямую улучшит X5 и X1».

Динамический анализ: ChatGPT сравнивает три периода и находит тренд

Один период: фотография состояния компании. Три периода: кино, в котором видно движение. Кредитный комитет банка смотрит на динамику, а не на срез. Инвестор при due diligence хочет видеть тренд. Совет директоров оценивает менеджмент по тому, улучшается ли показатель или ухудшается.

ChatGPT умеет сравнивать коэффициенты в динамике и выявлять, что меняется быстрее всего. Для этого нужно загрузить данные за три периода в одном промпте.

Промпт для динамического анализа трёх периодов:

Проведи динамический финансовый анализ компании за три периода.

Задача:
1. Рассчитай ключевые коэффициенты для каждого периода:
   — рентабельность: ROE, ROA, чистая маржа, EBITDA-маржа
   — ликвидность: текущая, быстрая
   — деловая активность: DSO, DIO, CCC
   — финансовая устойчивость: автономия, D/E, ICR
   — Z-score Альтмана (модифицированный)

2. Представь результаты в сводной таблице:
   — строки: коэффициенты
   — колонки: период 1 / период 2 / период 3 / изменение
   — добавь стрелки тренда: 
     улучшение / ухудшение / без изменений

3. Отдельный блок: 
   — топ-3 улучшения между первым и последним периодом 
     (с конкретными цифрами)
   — топ-3 ухудшения (с конкретными цифрами)

4. Итоговый вывод:
   — общий тренд: улучшается / стабильно / ухудшается
   — один-два главных риска, требующих немедленного внимания
   — один-два приоритетных действия на следующий квартал

Данные:
[Период 1 — дата: ключевые строки баланса и ОФР]
[Период 2 — дата: ключевые строки баланса и ОФР]
[Период 3 — дата: ключевые строки баланса и ОФР]

Лайфхак 1: светофор. Попросите ChatGPT добавить к каждому показателю цветовую маркировку: зелёный (в норме), жёлтый (пограничное), красный (требует срочных мер). В результате получается готовый управленческий дашборд, который можно вставить в презентацию для совета директоров без дополнительного форматирования.

Лайфхак 2: сценарный анализ. После динамического разбора попросите: «Если выручка упадёт на 20% при сохранении текущей стоимости долга, как изменятся ключевые коэффициенты?» ChatGPT проведёт быстрый стресс-тест и покажет, где компания переходит в красную зону. Это один из самых ценных инструментов для разговора с собственником о финансовом риске.

Промпт для стресс-теста:

Проведи стресс-тест финансовых показателей компании.

Исходные данные: [вставьте текущие коэффициенты из анализа]

Сценарий 1 (умеренный): выручка падает на 15%, 
себестоимость снижается на 10%, долговая нагрузка не меняется.

Сценарий 2 (жёсткий): выручка падает на 30%, 
себестоимость снижается на 15%, 
добавляется необходимость погасить 20% краткосрочного долга.

По каждому сценарию пересчитай:
— ROE, EBITDA-маржу, текущую ликвидность, ICR, Z-score
— определи, какие показатели переходят в красную зону

Итог: какой из коэффициентов первым выйдет за критическое 
значение при ухудшении ситуации — это главный риск-индикатор 
для мониторинга.

Разбираем динамический анализ и стресс-тест вживую на бесплатном эфире для финансистов.

ChatGPT, Claude или Gemini: что выбрать для финансового анализа в 2026 году

Работаю с тремя основными моделями ежедневно, и у каждой есть своя роль. Вот честная таблица из практики: актуально на июнь 2026, без маркетинга и домыслов.

Критерий	ChatGPT GPT-5.5	Claude Sonnet 4.6	Gemini 2.5	DeepSeek V3.2
Расчёт коэффициентов по шаблону	Отлично	Хорошо	Хорошо	Хорошо
Точность вычислений	Отлично (Code Interpreter)	Хорошо	Отлично	Хорошо
Длинные отчёты (50+ страниц)	Хорошо	Отлично	Хорошо	Удовлетворительно
Пояснительная записка	Отлично	Отлично	Хорошо	Хорошо
Интеграция с Google Sheets	Нет	Нет	Да (Gemini for Workspace)	Нет
Качество на русском языке	Отлично	Отлично	Хорошо	Хорошо
Удобство интерфейса	Отлично	Хорошо	Хорошо	Удовлетворительно
Стоимость (ориентир)	от 20 USD/мес	от 20 USD/мес	от 20 USD/мес	Ниже
Доступность в России	Со средствами доступа	Со средствами доступа	Со средствами доступа	Со средствами доступа

Когда что использовать

ChatGPT Plus (GPT-5.5), основной инструмент для расчёта коэффициентов и написания управленческой записки. Интерфейс привычный, Code Interpreter считает на Python без ошибок, файлы Excel загружаются напрямую. Для 80% задач финансового анализа достаточно только этого инструмента.

Claude Sonnet 4.6. Подключаю когда нужно загрузить полный многостраничный отчёт (50-100 страниц) и вытащить из него структурированные данные без нарезки. Большой контекст позволяет работать с консолидированной отчётностью группы компаний или длинными договорами в одном запросе. Также у Claude точнее работает аналитика на длинных цепочках логических рассуждений, если нужно объяснить сложную взаимосвязь показателей.

Gemini 2.5, если работаю в экосистеме Google: данные уже в Sheets, отчёты в Docs. Встроенная интеграция через Gemini for Workspace экономит время на копировании туда-обратно. Для расчётов непосредственно в таблице Google, лучший выбор.

DeepSeek V3.2. Пробую на задачах с большими числовыми таблицами и сложными формульными цепочками. Работает с числами хорошо, стоит дешевле, но по качеству финансовой интерпретации и формулировок на русском пока уступает GPT-5.5.

Мой базовый стек для финансового анализа: ChatGPT Plus как первый и основной инструмент, Claude Sonnet 4.6 добавляю для длинных документов или консолидации. Две подписки вместе: около 40 USD в месяц: полностью закрывают 99% задач финансового директора.

Сколько стоит подписка и когда она окупается

ChatGPT Plus стоит около 20 USD в месяц (актуальные тарифы — на openai.com). При ставке финансиста 150 000 рублей в месяц час работы стоит около 850 рублей. Один квартальный финансовый анализ, который занимал 8 часов и теперь занимает 1 час, экономит 7 часов = 6 000 рублей. Подписка окупается за треть одного анализа.

При более высокой ставке финдира или CFO цифры выглядят ещё убедительнее. Подписка: не расход, это инвестиция с ROI больше 300% в первый же месяц при регулярном использовании.

Как настроить ChatGPT для регулярного финансового анализа

Разовый анализ хорошо. Регулярный анализ с минимальными трудозатратами лучше. Для этого нужно один раз настроить рабочее пространство, и каждый следующий квартальный разбор займёт не 25 минут, а 10.

Custom Instructions: вшиваем контекст компании

Custom Instructions: системные инструкции, которые ChatGPT читает перед каждым вашим запросом. Находятся в Settings → Personalization → Custom Instructions. Там два поля: «Что ChatGPT должен знать о вас» и «Как ChatGPT должен отвечать».

В поле «Что знать» вставьте контекст компании (без конфиденциальных данных):

Я финансовый директор производственной компании 
в сегменте [ваша отрасль], Россия.
Анализирую отчётность по РСБУ (форма 1, форма 2).
Данные всегда в тысячах рублей.
При сравнении коэффициентов используй нормы 
для производственного сектора России, не США или Европы.
Я работаю с ChatGPT для коэффициентного анализа: 
рентабельность, ликвидность, деловая активность, 
устойчивость, Z-score Альтмана.

В поле «Как отвечать» укажите формат:

Правила ответа:
1. Всегда показывай формулу с подстановкой данных
2. Если данных не хватает — скажи об этом, не придумывай
3. По каждому коэффициенту: значение, норма, оценка
4. Итог — деловым языком без жаргона
5. Кратко: не растягивай ответ без необходимости

После настройки Custom Instructions вам больше не нужно объяснять контекст в каждом запросе: ChatGPT уже знает, кто вы и что нужно.

Шаблон данных — сохраняйте и обновляйте

Создайте файл (Word, Notion, Google Docs) с шаблоном ключевых строк балансa и ОФР вашей компании. Каждый квартал просто вставляете новые числа, и через 3 минуты у вас готовый блок данных для ChatGPT. Это убирает самую раздражающую часть процесса: поиск и копирование нужных строк из 1С.

Сохраняйте готовые промпты в одном месте

Заведите папку «Промпты финансового анализа» в Notion или Google Docs. В ней десять разделов по количеству промптов из этой статьи. Когда нужен анализ: открываете папку, берёте нужный промпт, вставляете свои данные. Без поиска по истории чатов и без повторного придумывания формулировок.

На курсе «AI-навыки финансиста» мы даём готовую папку с 47 промптами для финансиста, уже сгруппированными по задачам. Это экономит ещё 30 минут на старте: не нужно собирать базу с нуля.

Интеграция с 1С через выгрузку в Excel

Самый быстрый способ подготовки данных: настроить в 1С стандартный отчёт «Бухгалтерский баланс» и «Отчёт о финансовых результатах» с нужными параметрами и сохранить как избранный. Выгрузка в Excel занимает 2 клика. Дальше: открыть файл, скопировать нужные строки в шаблон, обезличить. Три минуты вместо 15 каждый раз.

Три кейса из практики: реальные цифры, реальная экономия

Кейс 1. Финдир производственной компании, Екатеринбург: 7 часов до 45 минут

Ситуация. Ежеквартальный анализ для совета директоров: три года, 12 кварталов данных, пять групп коэффициентов. Раньше занимал полный рабочий день: выгрузить данные из 1С (час), разложить в Excel по коэффициентам (два часа), найти ошибки в формулах (ещё час), написать пояснительную записку (три часа). Итого 7-8 часов каждый квартал.

Что сделали. За один вечер настроили шаблон запроса: фиксированная структура данных (баланс + ОФР в текстовом виде), промпт с пятью группами коэффициентов и запросом на управленческую записку. Каждый квартал финдир вставляет новые цифры, меняет даты: ChatGPT генерирует полный анализ за две минуты.

Результат. С 7-8 часов до 45 минут. Из этих 45 минут, 30 минут она сама осмысляет результаты, формулирует позицию и готовится к вопросам совета директоров. 15 минут: работа с ChatGPT: вставить данные, запустить промпты, проверить ключевые цифры.

По её словам: «Я стала замечать паттерны, которые раньше теряла в рутине расчётов. Теперь у меня есть время думать, а не считать». Ключевое: ChatGPT убрал механику, чтобы аналитики стало больше.

Экономия в квартал: 6-7 часов = 3 000-3 500 рублей по стоимости её рабочего времени при ставке 500 руб./час. Подписка ChatGPT Plus — около 20 USD в месяц. Окупается за один квартальный анализ.

---

Кейс 2. Главбух оптовой торговли, Москва: 3 вечера вместо 50 000 рублей консультанту

Ситуация. Компания подавала заявку на кредитную линию 80 млн рублей для пополнения оборотного капитала. Банк запросил финансовый анализ за три года с коэффициентами ликвидности, устойчивости и Z-score. Главбух раньше никогда не делала коэффициентный анализ: «это зона финансового директора», которого в компании не было. Альтернатива: нанять финансового консультанта за 50 000 рублей.

Что сделали. За три вечера главбух освоила пять промптов из нашего курса. Подготовила данные за три года (три выгрузки из 1С, обезличивание заняло 20 минут). Прогнала через ChatGPT: получила таблицы с коэффициентами и динамикой. Сформировала пояснительную записку через финальный промпт.

Результат. 3 вечера вместо консультанта за 50 000 рублей. Банковский аналитик при рассмотрении запросил только одно уточнение: расшифровку крупной статьи дебиторской задолженности. Кредитная линия одобрена в полном объёме.

Её правило, которое она соблюла строго: «ChatGPT считает, я проверяю». Каждую итоговую цифру в записке она сверила с исходными данными в 1С вручную. Три ошибки нашла: не у ChatGPT, а в своём исходном тексте данных (неправильно скопировала строки). После исправления расчёты сошлись.

---

Кейс 3. CFO холдинга, Санкт-Петербург: предварительный due diligence за 4 часа вместо 2 недель

Ситуация. Холдинг рассматривал приобретение двух компаний в смежном сегменте рынка. Стандартный финансовый due diligence занял бы 2-3 недели и стоил бы 150-200 тысяч рублей при привлечении внешних аудиторов. Переговоры уже шли, время имело значение: задержка могла означать потерю сделки.

Что сделали. Отчётность обеих компаний за три года (два PDF по 40-50 страниц) загрузили в Claude Sonnet 4.6: его большой контекст позволяет работать с длинными документами без нарезки. Попросили структурированный анализ по 15 коэффициентам с выделением красных флагов. Затем в ChatGPT посчитали Z-score Альтмана для каждой компании отдельно.

Промпт для красных флагов, который использовали:

На основе рассчитанных коэффициентов выдели красные флаги — 
показатели, существенно отклоняющиеся от отраслевых норм 
или ухудшившиеся за три периода.

По каждому красному флагу:
1. Коэффициент и его значение (текущее + норма)
2. Динамика: как менялся последние три периода
3. Три возможные причины отклонения (без домыслов, 
   только то, что видно из данных)
4. Потенциальный риск для приобретателя в M&A сделке
5. Ключевой вопрос, который нужно задать менеджменту компании

Итог: общий рейтинг риска (низкий / средний / высокий),
топ-5 вопросов для due diligence переговоров.

Результат. Предварительная оценка за 4 часа работы вместо 2 недель. Выявили, что одна из компаний находится в серой зоне Z-score (2.1) с устойчивой тенденцией к ухудшению на протяжении трёх кварталов: текущая ликвидность упала с 1.8 до 1.2, рост кредиторской задолженности опережал рост выручки. Это стало аргументом в переговорах о цене.

Итоговый дисконт к первоначально запрошенной цене по этой компании составил около 12%. Вторая компания по анализу показала зелёную зону (Z’ = 3.2) и была оценена по исходной методологии.

Экономия: 150 000 рублей на первичный анализ плюс ускорение переговоров на 10 дней. «ChatGPT не заменил юриста и аудитора при финальном закрытии сделки. Но дал нам конкретные цифры для переговорной позиции уже на старте»: слова CFO.

Что ChatGPT не умеет в финансовом анализе: честный список ограничений

Работаю с ChatGPT ежедневно с 2023 года. Знаю, где он буксует, и считаю важным говорить об этом честно, чтобы вы использовали инструмент правильно, а не разочаровались после первой ошибки.

Ограничение 1. Отраслевые бенчмарки из академического учебника. ChatGPT знает общепринятые нормы, но не знает медианные значения для вашего конкретного сектора на российском рынке за текущий год. «Текущая ликвидность должна быть выше 2.0»: норма из учебника 1980-х, не из реальной банковской практики 2026 года. Актуальные отраслевые бенчмарки берите из публичных отчётов ЦБ, аналитики Мосбиржи, данных Росстата или отраслевых ассоциаций.

Ограничение 2. Нормативные изменения в реальном времени. Если ФСБУ обновился в последнем квартале, или ФНС выпустила новое разъяснение по учёту, ChatGPT может работать по устаревшим нормам. Всегда проверяйте регуляторные вопросы в первоисточнике: сайт Минфина, nalog.ru, consultant.ru.

Ограничение 3. Несвязанные данные из разных источников. Если данные из трёх разных файлов в разных форматах: ChatGPT может запутаться в соответствии строк. Особенно опасно при сравнении периодов: разные наименования строк в разных выгрузках. Решение: собираете всё в один структурированный текстовый блок перед вставкой, с явными метками периодов.

Ограничение 4. Галлюцинации в длинных цепочках вычислений. Редко, но случается: в длинной цепочке промежуточных расчётов ChatGPT может допустить арифметическую ошибку в «голове». Решение: всегда используйте Code Interpreter для финансовых расчётов: тогда GPT пишет Python и вычисляет программно, без ошибок интерпретации. Также помогает промпт «покажи промежуточные шаги»: легче найти ошибку.

Ограничение 5. Нет памяти между сессиями без настройки. Следующий разговор начинается с чистого листа. Решение: настройте Custom Instructions в ChatGPT с контекстом вашей компании и отрасли (без конфиденциальных данных). Или храните шаблон запроса с историческими данными в отдельном документе: просто копируете и вставляете.

Ограничение 6. Нет автообновления при изменении данных. В Excel вы меняете одну цифру, пересчитываются все формулы. В ChatGPT при изменении данных нужно заново вставить запрос. Для регулярного мониторинга с изменяющимися данными ChatGPT не заменяет Excel: он дополняет его.

Практический вывод по ограничениям: все шесть пунктов: не повод не использовать ChatGPT. Это повод использовать его правильно: с промптом против галлюцинаций, с проверкой ключевых цифр, с актуальными бенчмарками из официальных источников. Инструмент с ограничениями, которые вы знаете, лучше инструмента без ограничений, которые вы игнорируете.

Чек-лист: 15-минутный финансовый разбор предприятия через ChatGPT

Этот чек-лист проверен на практике 800+ учениц нашей школы. Сохраните и используйте каждый раз при проведении финансового анализа. Шаги идут в оптимальном порядке: от подготовки к итогу.

Подготовка (3-5 минут)

1. Выгрузите форму 1 и форму 2 из 1С или откройте в Excel
2. Обезличьте: название компании, все контрагенты, ИНН: заменить на кодовые обозначения
3. Округлите суммы до тысяч рублей
4. Откройте chatgpt.com, включите Code Interpreter если будете грузить файл, или подготовьте текстовый блок с ключевыми строками
5. Вставьте в начало первого запроса промпт против галлюцинаций (см. выше)

Расчёт пяти групп коэффициентов (8-10 минут)

6. Рентабельность: ROE, ROA, EBITDA-маржа, чистая маржа, валовая маржа
7. Ликвидность: текущая, быстрая, абсолютная
8. Деловая активность: DSO, DPO, DIO, Cash Conversion Cycle
9. Финансовая устойчивость: автономия, D/E ratio, ICR, Чистый долг/EBITDA
10. Риск банкротства: Z-score Альтмана (модифицированный для непубличных компаний)

Итоговый вывод и записка (3-5 минут)

Используйте финальный промпт:

На основе рассчитанных коэффициентов напиши итоговую 
пояснительную записку о финансовом состоянии компании 
для собственника-предпринимателя (не финансиста).

Структура записки:
1. Общий вывод (2-3 предложения): 
   «состояние хорошее / удовлетворительное / тревожное» 
   — и почему, с главной цифрой
2. Три сильные стороны с конкретными числами
3. Два ключевых риска с конкретными числами
4. Три практические рекомендации 
   (что сделать в ближайшие 30-60-90 дней)

Требования к тексту:
- деловой тон, без финансового жаргона
- каждый вывод подкреплён конкретным числом
- длина: не более одной страницы А4
- не начинай с «Based on» или «Согласно проведённому анализу»

11. Перепроверьте ключевые цифры по исходным данным, особенно Z-score и коэффициент автономии
12. Сохраните расчёты (скопируйте в Word или Notion), добавьте своё имя, дату и версию данных

Теперь у вас есть рабочий алгоритм, десять промптов и три кейса из практики. Первый разбор займёт 25-30 минут. С привычкой: 15. Это честная цифра из практики учениц, не из рекламного буклета.

Что сделать прямо сейчас: откройте chatgpt.com, возьмите любой актуальный баланс (обезличенный), вставьте промпт для рентабельности из этой статьи и посмотрите на результат. Первый запуск, лучший способ понять, насколько это быстрее Excel. Если застрянете или захотите разобрать конкретный кейс вместе, приходите на бесплатный эфир: там отвечаем на вопросы вживую.

Если хотите не просто промпты, а полную методику финансового анализа с нейросетями, с отраслевыми бенчмарками, шаблонами отчётов для собственника и кредитного комитета, разбором кейсов в прямом эфире: приходите на курс «AI-навыки финансиста». Там уже 800+ выпускников, которые применяют это в работе каждую неделю.

---

Наши каналы

Подпишитесь, чтобы получать новые инструменты, промпты и разборы первыми:

@findir_pro. главный Telegram-канал онлайн-школы «Финансовый директор | Мастер CFO». 45 000 финансистов, ежедневные инструменты, кейсы из практики и живые разборы.

«АИ с Софьей и Натали»: канал про AI для финансистов от основателя школы Софьи Бурцевой и меня. 13 000 подписчиков, разборы новых моделей, практика и ответы на вопросы подписчиков.

MAX: закрытое сообщество практиков онлайн-школы «Финансовый директор | Мастер CFO». 5 000+ участников: шаблоны, кейсы выпускников, разборы в прямом эфире с Софьей Бурцевой и командой, ответы на рабочие вопросы.