EY платит $100 млн за «человеческие» навыки: почему AI не отменяет бухгалтера, а меняет требования к нему

В сентябре 2026 года EY объявила, что направит $100 млн на бонусы сотрудникам в США за будущие навыки: бизнес-мышление, суждение, адаптивность и смелость экспериментировать с технологиями. Обычный бухгалтер, который боится, что нейросеть заберёт его работу, читает такую новость с удивлением. На деле это не история про «AI отменяет бухгалтера», а история про то, что профессия уходит на верхний уровень: рутину забирают модели, а людям платят за то, что они понимают контекст бизнеса, проверяют цифры и отвечают за результат.

Я Натали Васильева, эксперт по нейросетям и продюсер онлайн-школы «Финансовый директор | Мастер CFO» (основатель школы Софья Бурцева, 45 000 подписчиков в @findir_pro, 800+ выпускников курса AI-навыков). В этой статье разбираю, что на самом деле стоит за $100 млн от EY, какие навыки теперь ценятся у бухгалтера и как прокачать их на ежедневных задачах. Даю пошаговый алгоритм перестройки работы, 10 готовых промптов, три кейса с цифрами, сравнительную таблицу и чек-лист. Актуально на 4 сентября 2026 года.

Ключевые выводы

• EY выделяет $100 млн на бонусы сотрудникам в США за future-focused человеческие навыки: бизнес-чутьё, суждение, адаптивность. Разовые выплаты до $25 000, потолка по сумме нет.
• Это сигнал рынка: бухгалтера не заменяют нейросетью, а переводят на уровень, где ценятся интерпретация, проверка и ответственность за цифру.
• В найме то же самое: 76% стажёров KPMG уверены, что успех требует человеческих навыков плюс умения управлять AI, а 43% боятся, что технологии ослабят критическое мышление.
• Джуниор-позиции меняются быстрее всех: треть новичков в учёте и финансах уходит в первый год, поэтому вход в профессию перестраивается вокруг суждения.
• Российскому бухгалтеру не нужно ждать локальных программ: навыки, за которые EY платит, прокачиваются на ежедневных задачах в ChatGPT, Claude и Gemini.
• Нейросеть делает рутину, решения принимает человек. Выигрывает не тот, кто лучше считает, а тот, кто задаёт правильные вопросы и проверяет ответы.
• Внедрение AI в учёт даёт практикам 3-8 сэкономленных часов в неделю, а дальше решает, куда вы переложите это время.

Почему $100 млн за «человеческие» навыки это не странность, а стратегия

Прямой ответ: EY платит за человеческие навыки, потому что нейросеть уже закрыла часть рутины, а конкурентное преимущество фирмы теперь строится на том, чего модель не делает. Когда машина быстро считает, клиент платит не за расчёт, а за интерпретацию, суждение и ответственность.

Смотрите, как устроена программа. По данным Fortune и Wall Street Journal, $100 млн идут на бонусы и поощрения сотрудникам EY в США. Деньги получают те, кто развивает так называемые future-focused навыки: business acumen, то есть понимание бизнеса, judgment, то есть суждение, adaptability, то есть адаптивность, и готовность экспериментировать с технологиями. Внутри три категории наград: «повседневное лидерство», «трансформация с измеримым результатом» и «изменение уровня всей фирмы».

Механика показательная. Разовый спот-бонус может быть до $500, а за работу, которая принесла фирме материальную пользу, платят до $25 000. Это в пять раз больше прежнего потолка. И важная деталь: формального ограничения на общую сумму для одного человека нет, а номинировать коллегу может сотрудник любого ранга. То есть фирма сознательно превращает оценку человеческих навыков в постоянный процесс, а не в разовую программу.

Для бухгалтера в этой новости главное не сумма, а сигнал. Большая четвёрка десятилетиями строила бизнес на том, что продаёт экспертизу и часы работы. Когда часы рутины забрал AI, пришлось пересобрать модель: клиенту продают исход, а не процесс. А исход создаёт человек, который соединяет выводы модели со знанием конкретного бизнеса и берёт за это ответственность.

Глава EY Americas Dante D’Egidio объясняет это просто: темп и сложность изменений в индустрии требуют уверенного лидерства, поэтому фирма вкладывается в навыки и поведение, которые нужны для лидерства и отличного сервиса клиентам. А руководитель по талантам Ginnie Carlier добавляет: то, как мы поощряем людей, определяет, что мы ценим как фирма. Ценим тех, кто быстро учится и приносит устойчивый результат.

Кстати, $100 млн это только верхушка. Программа идёт в рамках многомиллиардных вложений EY в таланты: ранее фирма уже выделяла $1 млрд на компенсации и технологии, а в августе 2026 года запустила EY Career Residency, которая пересобирает стажировку под новые требования.

Для российского рынка прямой перенос невозможен: у нас Большая четвёрка ушла или работает в урезанном виде. Но сигнал долетает. Когда глобальный лидер отрасли говорит, что бухгалтер будущего это человек с суждением, а не с навыком быстрого набивания проводок, через год-два это окажется в требованиях к кандидатам и в локальных компаниях, которые смотрят на мировые практики.

Что такое «человеческие навыки» бухгалтера и чем они отличаются от AI-навыков

Прямой ответ: человеческие навыки это то, что остаётся ценным, когда нейросеть умеет считать, писать и обобщать. AI-навыки отвечают на вопрос «как заставить модель работать», человеческие на вопрос «что я решаю и за что отвечаю».

Определюсь с терминами, чтобы дальше говорить на одном языке.

AI-навыки это умение работать с нейросетью: составить промпт, загрузить файл, попросить написать код, проверить результат. Это про инструмент. Их можно наработать за недели практики, и они отлично продаются на рынке уже сейчас.

Человеческие навыки это про вас, а не про инструмент. В контексте бухгалтерии я бы разложила их на пять конкретных умений.

Суждение. Вы смотрите на цифру, которую выдала модель, и понимаете, правдоподобна ли она. Нейросеть может идеально посчитать не тот показатель. Человек видит, что рентабельность 3% не бьётся с ростом выручки на 40%, и идёт разбираться, прежде чем нести цифру собственнику.

Критическое мышление. Модель уверенно галлюцинирует: придумывает норму закона, которой нет, или ссылается на документ, которого не было. Проверка источников и сомнение в красивых ответах это то, что нейросеть сама не делает.

Адаптивность. Инструменты меняются каждые полгода: GPT-5.5, Claude Sonnet 4.6, Gemini 2.5, DeepSeek V3.2. Тот, кто учится переучиваться, остаётся эффективным, тот, кто вцепился в одну кнопку, отстаёт.

Бизнес-мышление. Бухгалтер, который понимает, как его цифры влияют на деньги бизнеса, становится партнёром собственника. EY в своей программе называет это business acumen, и это ровно то, за что клиент платит сверху.

Коммуникация и объяснение. Умение рассказать, почему цифра такая и что с этим делать, без жаргона и воды. В эпоху AI это редкий навык, потому что все привыкают получать готовые формулировки, а не объяснять самостоятельно.

Теперь главное. Эти два набора не конкурируют, а работают в связке. EY платит за то, что человек соединяет их: берёт модель как усилитель, но сам отвечает за качество результата. В одной из статей про будущее профессий я писала, что навыки финансиста в 2026 году смещаются от исполнения к решениям. Новость от EY это подтверждает деньгами.

Самое обидное заблуждение в этой теме звучит так: «раньше я считал руками и меня ценили, а теперь нейросеть считает за меня, значит я не нужен». На деле всё наоборот. Раньше бухгалтер продавал часы на механике, и его легко было заменить более дешёвым исполнителем или программой. Теперь механику забрала модель, а человеку осталась работа, которую нельзя передать машине: суждение и ответственность. Это более защищённая позиция, а не менее.

Куда делась рутина, на которой учились бухгалтеры: кризис джуниоров

Прямой ответ: нейросеть забрала те рутинные операции, на которых новички годами набирали опыт, и теперь компании и сами новички ищут новые способы входа в профессию. Это больно, но именно здесь открывается окно для тех, кто быстро перестроится.

Раньше путь бухгалтера выглядел предсказуемо. Джуниор разношу первичку, сверяю счета-фактуры, закрываю месяц под присмотром старших, набиваю руку. Через два-три года механика отскакивала от зубов, и можно было подниматься к анализу. Проблема в том, что эту самую механику ChatGPT и подобные модели выполняют за минуты. Значит, лестница, по которой новичок карабкался вверх, лишилась нижних ступеней.

Исследование BambooHR, о котором писали в связи с новостью EY, показывает масштаб: треть новых сотрудников в бухгалтерии и финансах увольняются в первый год. Компании при этом нанимают опытных чаще, чем новичков, соотношение примерно три к одному. Звучит как катастрофа для входа в профессию, но давайте посмотрим внимательнее.

Что происходит на самом деле? Молодые люди приходят на позицию, где раньше нужно было полгода набивать проводки, а теперь модель делает это мгновенно. Им не дают интересных задач, потому что старшие не понимают, как быстро обучить новичка суждению. Новичок скучает, чувствует себя ненужным и уходит. Компания делает вывод, что «джуниоры не тянут», и нанимает опытных.

Разрыв образуется не потому, что работа исчезла, а потому что онбординг не перестроился. В Большой четвёрке это уже поняли. KPMG переработала обучение стажёров аудита со смещением на критическое мышление: в опросе фирмы 76% стажёров сказали, что карьерный успех требует и человеческих навыков, и умения направлять AI, а 43% признались, что боятся, что чрезмерная опора на технологии ослабит их способность мыслить критически. PwC встроила в учебные программы эмпатию и креативность рядом с AI-навыками. EY запустила Career Residency, где стажировка сочетает реальную работу с коучингом и развитием future-focused навыков.

Что это значит для конкретного человека, который только входит в профессию или чувствует, что застрял на рутине? Не ждать, пока работодатель перестроит программу, а строить свой путь самому. Схема простая. Механику закрываете нейросетью, а освободившееся время тратите на задачи, где нужно суждение: разбор отклонений, подготовку выводов, общение с собственником. Если таких задач вам не дают, ищите их сами или меняйте место, где их дают. Кейсы в конце статьи показывают, что это работает и в российской практике.

Новые требования к бухгалтеру: что именно ищут работодатели в 2026 году

Прямой ответ: работодатели ищут не «бухгалтера, который умеет в ChatGPT», а человека, который умеет думать и объяснять, при этом использует нейросеть как усилитель. AI-грамотность стала фильтром на входе, а решает разницу суждение.

Разберу это на двух уровнях: что спрашивают на собеседовании и что реально ценится в работе.

На входе всё чаще проверяют AI-грамотность. Не как отдельный навык, а как базовую гигиену, вроде уверенного владения Excel. Умеете сформулировать задачу модели, загрузить файл, проверить результат? Это пропуск дальше. Те, кто не умеет, отсеиваются автоматически, даже если отлично знают учёт. В статье про подготовку к собеседованию финансиста я собирала вопросы, которые реально задают, и там AI-кейсы уже стали нормой.

Дальше начинается интересное. Когда AI-грамотность стала массовой, она перестала быть преимуществом. Сравните: в 2025 году умение написать промпт выделяло кандидата, в 2026 году это ожидание по умолчанию. Решают разницу другие вещи.

Первое это качество суждения. Кандидату дают кейс с «грязными» данными и спрашивают, что он видит. Один пересказывает цифры, второй задаёт уточняющие вопросы и вскрывает, что выручка выросла за счёт разовой сделки, а операционно бизнес просел. Второго берут.

Второе это умение проверять модель. Опытный бухгалтер не принимает ответ нейросети на веру. Он просит показать код, сверяет контрольные суммы, проверяет на маленьком фрагменте. Это навык, который не вырастает сам, его тренируют на реальных ошибках.

Третье это объяснение «почему». KPMG в материалах про новых стажёров прямо говорит: для будущих лидеров критично умение оценивать информацию, применять контекст, выносить суждение и объяснять, почему рекомендация именно такая. Это помогает заслужить доверие и вырасти в лидеров.

Четвёртое это обучаемость. PwC формулирует это как learning agility: AI умеет много, но ему всё ещё нужны люди, которые мыслят критически, задают лучшие вопросы и применяют суждение. Если вы за год освоили GPT-5.5, а через полгода без страха перешли на Claude Sonnet 4.6 и Gemini 2.5, вы в тренде.

Сведу в таблицу, как меняется портрет идеального бухгалтера.

Вывод из таблицы простой: ценность сместилась с «умею делать руками» на «понимаю, что делаю, и отвечаю за результат». Хорошая новость в том, что верхние строчки таблицы не требуют десятилетий опыта. Суждение и объяснение тренируются на реальных задачах за месяцы, если сознательно этим заниматься.

Проверка модели это новый профессиональный навык: как не пропустить ошибку нейросети

Прямой ответ: главный навык бухгалтера в эпоху AI это не умение получить ответ от модели, а умение проверить, что ответ верный. Нейросеть ошибается уверенно и красиво, поэтому без контрольных сумм и здравого смысла её результаты опасны.

Когда я начала вести курс AI-навыков, первое, чему я учу учеников, это не промптам, а недоверию. Звучит странно от человека, который продаёт внедрение нейросетей, но это основа. Модель не считает, как калькулятор, она предсказывает текст. Большую часть времени этот текст оказывается правильным, но иногда ошибка выглядит абсолютно убедительно.

Разберу, где нейросеть ошибается в бухгалтерских задачах чаще всего.

Арифметика на больших объёмах. На трёх строках модель посчитает идеально, на десяти тысячах может потерять строки с дублями или пропустить отрицательные суммы. Поэтому первое правило: итог расчёта должен сходиться с независимым контрольным значением, банковской выпиской или оборотно-сальдовой ведомостью.

Неверная интерпретация правил. Модель знает много норм, но может применить не ту. Например, перепутать момент признания НДС или не учесть ограничение по вычету. Она не отличает «похоже на правду» от «правда в вашем конкретном случае». Задача человека дать точный контекст и проверить выводы.

Галлюцинации источников. Нейросеть может сослаться на пункт закона, которого нет, или придумать разъяснение ведомства. Всё, что касается норм, проверяется по первоисточнику, а не по ответу модели.

Незамеченные аномалии. Если модель просит подготовить отчёт, она подготовит его из того, что дали, и не спросит, почему выручка упала на 30%. Вопрос «а не странно ли это» остаётся за человеком.

Как это выглядит на практике? Финансовый директор одного из моих клиентов сформулировал правило, которое я теперь советую всем: нейросеть готовит черновик, человек утверждает правила и проверяет итог, только после этого цифра уходит в отчёт. Никакой прямой отправки результата модели собственнику или в налоговую. Подробно механику проверки я разбирала в статье про сверку двух Excel-файлов через ChatGPT, там есть готовые контрольные приёмы.

Отдельно про доверие. Вопрос «можно ли доверять ChatGPT» я слышу постоянно, и он сформулирован неверно. Доверять можно процессу, а не инструменту. Если у вас есть контрольные суммы, проверка на фрагменте и человек, который утверждает правила, то нейросеть безопасна. Если вы отправляете данные в чат и несёте ответ собственнику без проверки, то опасно не то, что модель ошиблась, а то, что некому было эту ошибку поймать. Про безопасность загрузки данных, обезличивание и настройки приватности я написала отдельно в статье про защиту данных в ChatGPT.

Это и есть тот самый человеческий навык, за который EY платит $25 000: суждение в чистом виде. Модель даёт ответ, человек решает, можно ли этому ответу верить. Чем лучше вы проверяете, тем ценнее ваша работа.

Пять задач бухгалтера, которые уже можно делегировать нейросети

Прямой ответ: уже сейчас нейросеть закрывает механику в сверке, разноске, закрытии периода, подготовке пояснений и проверке отчётов. Человек формулирует правила и проверяет результат, а рутина уходит из его недели.

Чтобы разговор про «человеческие навыки» не повис в воздухе, покажу, от какой именно рутины их можно освободить. Я беру задачи, которые встречаются у большинства бухгалтеров, и в каждой разделяю: что делает модель, что остаётся человеку.

Сверка данных. Сверка счетов-фактур с реестром, банка с учётом, двух версий одного файла. Модель с Code Interpreter читает оба файла, находит расхождения и выдаёт таблицу. Человек проверяет логику сопоставления и разбирает спорные пары. Время падает с часов до минут.

Разноска и классификация. Определение статьи расходов по назначению платежа, подбор кода, проверка контрагента по справочнику. ChatGPT обрабатывает выгрузку и предлагает разноску, человек утверждает спорные случаи. Для контроля важно, чтобы модель показывала, почему она выбрала именно эту статью.

Подготовка пояснений. Объяснение отклонений, комментарии к отчётности, ответы на вопросы собственника. Модель помогает сформулировать черновик, но факты и выводы проверяет человек. Здесь нейросеть выступает редактором, а не автором смысла.

Проверка отчётов на аномалии. Скачок себестоимости, отрицательная маржа по позиции, резкий рост дебиторки. ChatGPT анализирует данные и подсвечивает места, где цифры ведут себя необычно. Человек решает, что за этим стоит, и докладывает.

Первичная обработка документов. Сведение ведомостей, проверка авансовых отчётов на лимиты, контроль комплектности. Модель быстро проходит документы по заданным правилам и выносит подозрительные, человек смотрит их глазами. Про готового агента для проверки авансовых отчётов я писала в отдельной статье.

Теперь важное про границы. Во всех пяти задачах нейросеть работает как очень быстрый и старательный помощник, который не отвечает за результат. Ответственность за проводку, за отчёт, за пояснение всегда на человеке. Именно поэтому я называю связку «модель делает, человек решает» главной формулой 2026 года.

Если вы пока не пробовали ни одну из этих задач, начните со сверки. Это самая безопасная и быстрая победа: результат легко проверить контрольной суммой, а экономия видна сразу. Пошаговый разбор сверки двух файлов есть в статье про сверку Excel через ChatGPT, а в конце этой статьи я даю готовые промпты под каждую задачу.

Промпты: как тренировать суждение на ежедневных задачах

Прямой ответ: любой промпт из этого раздела работает в две стороны: он делает вашу работу быстрее и одновременно тренирует проверку и интерпретацию, то есть те самые навыки, за которые EY платит.

Промпты ниже я собирала так, чтобы каждый закрывал конкретную задачу и оставлял человеку осмысленную работу. Они не из платного курса, это базовые шаблоны для старта. Подставляйте свои данные и правила, а модель будет спрашивать уточнения, если вы что-то не указали. Это нормально: чем точнее вводные, тем лучше результат.

Все промпты проверены на ChatGPT с GPT-5.5, большинство работает и в Claude Sonnet 4.6, и в Gemini 2.5 с минимальными правками. Для загрузки файлов удобнее всего ChatGPT Plus на chatgpt.com, у него есть Code Interpreter, который сам пишет и запускает код.

Промпт 1. Аудит вашей недели: где прячется рутина

Перед тем как делегировать задачи, найдите, что вообще можно делегировать. Этот промпт помогает составить карту и увидеть, сколько времени уходит на механику.

Я бухгалтер, веду [участок: например, расчёты с поставщиками и закрытие месяца].
Ниже я опишу свои регулярные задачи за месяц и примерное время на каждую:
[вставьте список: задача, частота, часы в месяц]
Раздели этот список на три группы:
1. Механика по понятным правилам, которую можно делегировать нейросети или скрипту.
2. Задачи, где нужно суждение и знание контекста, их делаю только я.
3. Задачи на развитие и общение с бизнесом.
Для каждой задачи из первой группы предложи, как именно автоматизировать: ChatGPT с файлами, код на Python или готовый шаблон.
В конце покажи, сколько часов в месяц освобождается, если механику убрать.

Промпт 2. Сверка с контролем

Сверка это идеальная первая задача: результат проверяется контрольной суммой, ошибку модели легко поймать. Промпт строит процесс так, чтобы вы утверждали правила, а не просто получали ответ.

Сверь два файла, которые я загрузил: [файл 1, например реестр счетов-фактур поставщика] и [файл 2, наша учётная база за тот же период].
Сначала покажи структуру обоих файлов: колонки, типы данных, число строк.
Ключ сопоставления: [номер документа и дата]. По каждой строке покажи, сошлась ли сумма.
Выведи три списка: строки, которые сошлись, строки с расхождением по сумме, строки, которым не нашлось пары.
В конце посчитай контрольную сумму по каждому файлу и покажи, сходится ли общий итог с суммой по всем строкам.
Не скрывай код, которым ты это делал, покажи его отдельным блоком.

Промпт 3. Обучение модели вашим правилам разноски

Вместо того чтобы каждый раз объяснять правила заново, один раз опишите их модели и попросите зафиксировать. Дальше она применяет их к новым данным, а вы проверяете спорные случаи.

Запомни правила разноски для нашего участка:
[опишите 5-10 правил, например: оплата за электроэнергию это статья 26, услуги банка статья 91.2, всё, что содержит слова логистика и доставка, статья 44]
Дальше я буду давать тебе выгрузки с назначением платежа, а ты будешь предлагать разноску по этим правилам.
Для каждой строки показывай: назначение платежа, выбранную статью, причину выбора одной фразой.
Если строка не подходит ни под одно правило, помечай её как спорную и не выбирай статью сам.
В конце покажи таблицу: статья, количество операций, сумма, и список спорных строк для моего решения.

Промпт 4. Редактор пояснений: цифры есть, нужны слова

Пояснения к отклонениям это классическая задача, где нейросеть выступает редактором, а смысл и ответственность остаются за вами. Промпт заставляет модель работать с вашими фактами, а не выдумывать свои.

У нас рост себестоимости на 12% за квартал. Я загрузил таблицу с фактами и цифрами:
[опишите 3-5 фактов: выросли цены поставщиков на сырьё на 8%, разовая закупка оборудования, рост логистики из-за нового маршрута]
Напиши черновик пояснения для собственника на одну страницу.
Структура: что произошло, главная причина, цифры, что делаем дальше.
Используй только те факты, что я дал. Не добавляй свои предположения.
В конце покажи список мест, где я должен проверить цифры, и вопросы, которые собственник может задать.

Промпт 5. Поиск аномалий в отчётном периоде

Модель отлично находит места, где цифры ведут себя необычно. А вот что за этим стоит, решаете вы. Промпт настраивает модель на поиск подозрительного, а не на готовые выводы.

Я загрузил управленческий отчёт за период [месяц, квартал] и данные за прошлый период для сравнения.
Найди аномалии: резкие скачки по статьям, отрицательные значения там, где их быть не должно, расхождения между разделами, необычные доли.
По каждой аномалии покажи: статья, значение в этом и прошлом периоде, изменение в процентах, почему это может быть подозрительно.
Не делай выводов о причинах, просто подсвети места, которые стоит проверить человеку.
Отсортируй аномалии по размеру влияния на прибыль, от самой важной к мелочам.

Промпт 6. Тренировка объяснения сложного простыми словами

Этот промпт не про учёт, а про коммуникацию. Он готовит вас к разговору с собственником и заодно показывает, где вы сами не до конца понимаете тему. Регулярная практика быстро прокачивает навык, за который платят.

Я готовлюсь объяснить собственнику тему: [например, почему выросла дебиторка и что с ней делать].
Задай мне 5 вопросов, которые он может задать, от простого к сложному.
После каждого моего ответа оценивай: понятно ли объяснение человеку без финансового образования, где я использую жаргон, где не хватает конкретики и цифр.
Потом предложи улучшенную формулировку моего ответа, короче и проще.
Цель: чтобы я мог объяснить эту тему за 2 минуты на пальцах, без слайдов и таблиц.

Промпт 7. Проверка вашего промпта на дыры

Полезный приём для тех, кто уже делегирует задачи, но ловит ошибки модели: попросите саму модель найти слабые места в вашем задании до того, как она начнёт его выполнять.

Я дам тебе задание и данные. Прежде чем выполнять, задай мне уточняющие вопросы, чтобы закрыть дыры:
1. Где границы: что включаем в расчёт, что нет.
2. Какие правила применяем, есть ли исключения.
3. Как проверяем результат, какая контрольная сумма.
4. Какие форматы и единицы измерения.
Не начинай выполнять задание, пока я не отвечу на все вопросы и не скажу, что можно работать.

Промпт 8. Разбор ошибки нейросети: учимся на промахе

Когда модель ошиблась, не начинайте новый чат. Разбор ошибки в том же диалоге это лучшая тренировка и для модели, и для вас: вы учитесь формулировать контроль, она запоминает контекст.

В предыдущем ответе ты ошибся: [опишите ошибку, например, пропустил строки с отрицательными суммами при подсчёте итога].
Разбери, почему это произошло: где именно в твоих шагах потерялись строки.
Покажи исправленный код и новый итог.
Дальше при выполнении любых расчётов в этом чате всегда делай так:
1. Показывай число обработанных строк до и после фильтрации.
2. Сверяй итог с контрольной суммой, которую я даю.
3. Если итог не сходится, останавливайся и сообщай, а не выдавай красивые цифры.

Промпт 9. Карта развития на год: от рутины к суждению

Промпт для стратегического планирования карьеры. Он помогает увидеть, какие навыки качать в первую очередь, чтобы через год прийти к работодателю с историей роста, а не со списком выполненных проводок.

Я бухгалтер с опытом [N лет], хочу за год перестроить работу так, чтобы меньше рутины и больше анализа и общения с бизнесом.
Вот мои текущие задачи и примерное время на них: [вставьте список].
Составь план на 12 месяцев:
1. Какие три задачи автоматизировать в первую очередь и как.
2. Какие навыки качать параллельно: работа с данными, объяснение цифр, знание бизнеса.
3. Какие результаты собирать в портфолио, чтобы показать рост на собеседовании.
4. Как проверять прогресс каждый квартал.
Разбей план по месяцам, конкретно и с измеримыми целями.

Промпт 10. Собеседование: упаковка ваших AI-кейсов

Новость EY и её конкурентов уже доехала до рекрутеров. На собеседованиях будут спрашивать не «знаете ли вы ChatGPT», а «что вы сделали с его помощью и как проверили». Этот промпт готовит ответы заранее.

Я готовлюсь к собеседованию на позицию [роль]. У меня есть опыт внедрения нейросетей в задачи: [опишите 2-3 кейса с цифрами: было 4 часа ручной сверки, стало 30 минут проверки результата модели].
Составь рассказ по каждому кейсу по схеме:
1. Какая была задача и почему она ела время.
2. Что я делегировал нейросети и как формулировал правила.
3. Как я проверял результат и ловил ошибки.
4. Какой измеримый итог получился.
5. Что это говорит о моих навыках: суждение, проверка, коммуникация.
Потом задай мне 5 каверзных вопросов, которые может задать рекрутер, и покажи, как отвечать на каждый.

Не пытайтесь использовать все десять за один день. Возьмите один, который закрывает самую болезненную задачу, и доведите до результата. Через месяц возьмите следующий. Так за полгода вы пройдёте путь, который в EY сейчас выстраивают для своих сотрудников за деньги.

Сравнительная таблица: что нейросеть делает лучше человека, а что нет

Прямой ответ: нейросеть быстрее и дешевле на механике с понятными правилами, человек сильнее там, где нужен контекст, ответственность и объяснение. Сравнение по конкретным задачам бухгалтера показывает границу чётко.

Разговоры про «заменит или не заменит» обычно тонут в абстракциях. Давайте спустимся на землю и сравним по задачам, которые бухгалтер делает каждый месяц. В таблице я свела типичные операции, текущие модели 2026 года (GPT-5.5, Claude Sonnet 4.6, Gemini 2.5) и человека с опытом.

Вывод из таблицы: модель забирает задачи из верхней части, где есть понятные правила и измеримый результат. Человек остаётся в нижней части, где есть ответственность, контекст и общение. Чем выше вы поднимаетесь по этой таблице, тем меньше вас касается автоматизация и тем больше ценятся человеческие навыки.

Обратите внимание на строку «обнаружение аномалий». Здесь лучший результат даёт связка, а не кто-то один. Модель за минуты просматривает то, на что у человека ушли бы часы, но вывод о причинах делает человек, потому что он знает бизнес. Именно такие связки я разбираю с учениками курса, и именно за умение их строить работодатели готовы платить.

Три кейса: как бухгалтеры перестроили работу и что получили

Прямой ответ: на практике переход от рутины к суждению даёт бухгалтерам от 3 до 8 сэкономленных часов в неделю, а дальше всё решает, куда эти часы направлены. Привожу три кейса с цифрами из моей практики.

Я собираю истории учеников курса AI-навыков и подписчиков канала, и лучше всего показывают тренд не громкие кейсы из новостей, а обычные рабочие ситуации. Все примеры обезличены, цифры реальные, названия компаний изменены.

Кейс 1. Бухгалтер на УСН: сверка поставщиков с 12 до 2 часов

Оксана ведёт учёт в компании оптовой торговли на УСН, 400 поставщиков, около 1 200 счетов-фактур в месяц. Раньше каждую неделю она тратила примерно три часа на сверку входящих счетов-фактур с реестром: выгружала из 1С, искала расхождения глазами, оформляла претензии поставщикам.

Что сделали. Настроили шаблон в ChatGPT Plus: Оксана выгружает реестр из 1С и список счетов-фактур, загружает оба файла в чат, запускает промпт сверки с контролем (промпт 2 из этой статьи). Модель сопоставляет строки по номеру и дате, показывает расхождения по сумме и строки без пары. Оксана проверяет итог по контрольной сумме и разбирает спорные позиции, обычно их не больше пяти-семи за неделю.

Что стало. Сверка занимает около 40 минут в неделю вместо трёх часов. В месяц это минус 8-9 часов рутины. Освободившееся время Оксана направила на разбор дебиторки: теперь она еженедельно готовит собственнику список просроченных платежей с пояснениями, чего раньше не делала, потому что не было времени. Через четыре месяца собственник перевёл её на ставку финансового аналитика с ростом зарплаты на 25%.

Кейс 2. Главбух в производстве: закрытие месяца с 6 дней до 3

Михаил главный бухгалтер на производстве с 200 сотрудниками. Закрытие месяца занимало шесть рабочих дней: часть времени уходила на ручные проверки, сверку остатков, поиск разниц между складским и бухгалтерским учётом.

Что сделали. Взяли три самых болезненных этапа и передали модели механику: проверку остатков на расхождения между учётными системами, подготовку пояснений по отклонениям себестоимости и предварительный контроль оборотно-сальдовой ведомости на аномалии. Для каждого этапа собрали промпт с правилами предприятия, данные загружаются обезличенными, итог проверяется контрольными суммами.

Что стало. Закрытие месяца сжалось до трёх дней. Михаил говорит, что главное не скорость сама по себе, а то, что он впервые за годы видит аномалии до того, как их заметит аудитор, а не после. Сэкономленные три дня он тратит на разбор себестоимости по продуктам, и уже нашёл два заказа, которые компания делала в убыток из-за неверной калькуляции. Это закрыло вопрос о его ценности для собственника надолго.

Кейс 3. Финансист на фрилансе: с 60 до 20 часов в месяц на клиентов

Анна работает с тремя небольшими компаниями как внешний бухгалтер и финансист. Раньше 60 часов в месяц уходило на механику: сверки, разноску, подготовку отчётов для собственников.

Что сделали. Анна автоматизировала типовые процессы по всем трём клиентам: единые шаблоны промптов, загрузка обезличенных данных, готовые таблицы результатов. Каждому клиенту завела отдельный чат с зафиксированными правилами учёта, чтобы модель не путала контекст.

Что стало. Механика сжалась до 20 часов в месяц. Высвободившиеся 40 часов Анна не стала продавать новым клиентам, а направила на расширение услуг: готовит собственникам ежемесячные пояснительные записки с разбором ключевых метрик. Это позволило поднять чек: два клиента из трёх перешли с оплаты за часы на абонентское обслуживание с ростом дохода Анны на 35%. Навыки, которые она прокачала, это ровно то, за что EY платит своим людям: суждение, объяснение, адаптивность.

Общий знаменатель трёх кейсов один: выиграли не те, кто просто ускорил рутину, а те, кто переложил освободившееся время на задачи с суждением и коммуникацией. Нейросеть дала им часы, а что делать с часами, решали они.

Что изменится в профессии через два года: четыре прогноза

Прямой ответ: к 2028 году нижний слой бухгалтерской механики почти полностью уйдёт в нейросети, вход в профессию перестроится вокруг суждения, а появятся гибридные роли на стыке учёта и данных. Тем, кто перестроится сейчас, эти два года дадут фору.

Прогнозы строить легко, отвечать за них сложно. Поэтому я формулирую аккуратно, опираясь на сигналы, которые уже видны: программы Большой четвёрки, исследования рынка труда и то, что происходит в вакансиях. Четыре направления кажутся мне почти неизбежными.

Прогноз первый: профессионализация ролей ускорится. В отчёте PwC Global AI Jobs Barometer за 2026 год рынок труда в финансах описывают как двухканальный. По первому каналу идёт углубление старых ролей: рутина уходит, от человека требуются сильная предметная экспертиза, умение принимать решения и креативность. По второму идёт демократизация: часть ролей упрощается и смещается вниз по требованиям. По оценке авторов отчёта, около 22% позиций идут по первому, углубляющемуся каналу, и спрос на таких кандидатов растёт вместе с зарплатами. Исследователи отмечают неожиданный на первый взгляд факт: чем больше роль подвержена влиянию AI, тем чаще компании наращивают число сотрудников на ней, а не сокращают. Потому что освободившихся людей направляют на задачи, которые раньше не успевали делать.

Прогноз второй: появятся гибридные роли. Уже сейчас в вакансиях мелькают формулировки вроде «бухгалтер с навыками работы с данными» или «финансист, автоматизирующий отчётность». Через два года это станет отдельными позициями: контролёр качества результатов AI, специалист по настройке агентов под учётные процессы, бухгалтер-аналитик, который собирает данные из 1С и нейросетей в управленческие отчёты. Первая волна таких людей сейчас делает это в рамках обычных должностей и через год-два будет готова занять новые позиции с другими деньгами.

Прогноз третий: суждение станет проверяемым навыком. Сейчас «умение думать» это абстракция, которую сложно оценить на собеседовании. Через два года появятся стандартные проверки: кандидату дают отчёт, подготовленный нейросетью с намеренными ошибками, и смотрят, найдёт ли он их. EY уже движется в эту сторону, выплачивая бонусы за измеримый результат, а не за годы выслуги. Как только суждение начинают измерять, оно превращается в навык, который можно тренировать и показывать. Это играет на руку тем, кто начинает сейчас.

Прогноз четвёртый: российский рынок догонит с лагом, но не со всеми. Часть изменений придёт быстро, потому что инструменты доступны всем: работодатели уже спрашивают про AI-кейсы, и этот тренд только усилится. Другая часть, вроде формальных программ переобучения и бонусов за навыки, будет внедряться медленнее, потому что требует бюджета и перестройки HR-процессов. Вывод практический: не ждите, пока работодатель создаст для вас программу развития. Стройте её сами, кейсы из этой статьи показывают, что это работает уже сегодня.

Как российскому бухгалтеру использовать сигнал Большой четвёрки без оглядки на неё

Прямой ответ: сигнал EY не требует ждать, пока похожие программы появятся в России. Навыки, за которые платят $25 000, прокачиваются на ежедневных задачах любым бухгалтером, и работодатели у нас уже начали спрашивать про AI-кейсы на собеседованиях.

Часто слышу возражение: «EY в России нет, Большая четвёрка ушла, какое мне дело до их бонусов». Отвечаю по пунктам, почему дело есть.

Первое. Рынок труда глобальный по стандартам, даже если локальный по деньгам. Российские компании, которые работают с зарубежными партнёрами, аудиторские и консалтинговые фирмы, IT-сектор смотрят на мировые практики. Когда глобальный лидер отрасли публично говорит, что бухгалтер будущего это человек с суждением, через год-два этот тезис оседает в требованиях к кандидатам по всему рынку.

Второе. Собеседования уже изменились. В статье про подготовку к собеседованию финансиста я собирала реальные вопросы, и там AI-кейсы стали нормой: как вы используете нейросети, как проверяете результат, покажите пример. Работодатель ищет не того, кто «умеет в ChatGPT», а того, кто может показать конкретный результат с цифрами.

Третье. Сами инструменты у нас доступны. ChatGPT через chatgpt.com, российские карты для оплаты не работают напрямую, но есть легальные способы доступа через посредников, и про это я рассказываю ниже отдельно. Альтернативы тоже есть: Claude Sonnet 4.6, Gemini 2.5, DeepSeek V3.2. Для части задач с чувствительными данными локальная модель DeepSeek работает без интернета вообще. Про сравнение моделей для финансовых задач я писала в отдельном разборе.

Четвёртое. Спрос на AI-навыки в России растёт даже быстрее, чем кажется. На курсе AI-навыков школы у нас уже 800+ выпускников, и это бухгалтеры и финансисты из обычных компаний, не из Большой четвёрки. Они внедряют нейросети потому, что это даёт им конкретный результат: меньше рутины, больше пользы бизнесу, выше зарплата. Никто не ждёт, пока приедет глобальная программа.

Пятое, и это самое важное. Навыки, за которые EY платит, универсальны и не зависят от страны. Суждение, проверка, объяснение, адаптивность нужны бухгалтеру в Твери так же, как в Нью-Йорке. Только в Нью-Йорке за них дают бонус $25 000, а у нас их ценность проявится в виде более высокой ставки, более интересных задач и защищённости от автоматизации. Вопрос не в том, где вы работаете, а в том, качаете вы эти навыки или надеетесь, что рутина никуда не денется.

Поэтому я советую не следить за новостями про Большую четвёрку с тревогой, а использовать их как подтверждение того, что вы уже делаете: переводите свою работу с механики на суждение. Кейсы из этой статьи показывают, что для этого не нужен отдел автоматизации и бюджет, достаточно ChatGPT и желания перестроить процесс.

Доступ к нейросетям в России: коротко о главном

Прямой ответ: чтобы начать, достаточно базового доступа к ChatGPT через chatgpt.com, оплатить его из России напрямую нельзя, но есть проверенные обходные пути через посредников, а для чувствительных данных существует локальная модель DeepSeek V3.2.

Раз про инструменты зашла речь, отвечу на вопрос, который мне задают чаще всего. Нейросети в России доступны, но с нюансами, и их надо честно проговорить.

ChatGPT работает через chatgpt.com в браузере. Бесплатная версия даёт доступ к GPT-5.5 с ограничениями, тариф Plus стоит около $20 в месяц и открывает Code Interpreter, загрузку файлов и приоритет в нагрузке. Оплатить подписку картой российского банка нельзя, поэтому используют карты зарубежных банков или сервисы-посредники, которые оформляют подписку за вас. Про саму механику и безопасность таких сервисов я не рассказываю, это не тема статьи, а про риск: не передавайте посредникам доступ к рабочим данным, для этого есть отдельные правила.

Альтернативы ChatGPT: Claude от Anthropic с моделями Sonnet 4.6, Gemini от Google с моделью 2.5, DeepSeek V3.2. Для рутинных задач с обезличенными данными разница между ними невелика, выбор зависит от задачи и привычки. Для работы с документами и длинными файлами удобен Claude, для жизни в Google Таблицах Gemini, для быстрых файловых расчётов ChatGPT.

Сведу основные модели в таблицу, актуально на сентябрь 2026 года. Колонки сознательно простые, без маркетинговых табличек: только то, что важно бухгалтеру в ежедневной работе.

Вывод из таблицы простой: для большинства бухгалтерских задач с файлами удобнее всего ChatGPT с Code Interpreter, а для чувствительных данных единственный вариант без компромиссов это локальная DeepSeek. Остальное дело вкуса и привычки.

Для чувствительных данных есть важный вариант: локальная модель DeepSeek V3.2. Она устанавливается на компьютер или сервер и работает без интернета, данные никуда не уходят. Скорость ниже, чем у облачных моделей, но для задач, где нельзя рисковать конфиденциальностью, это правильный выбор. О том, какие данные можно грузить в облачные модели, а какие нет, я подробно писала в статье про обезличивание данных в ChatGPT.

Ещё раз про рекламу VPN: я не рекламирую никакие VPN-сервисы, это не моя тема и не тема школы. Если вам нужен доступ к зарубежным сервисам, вы и так знаете, как это делается. Моя задача показать, что сами нейросети для учёта доступны и работают, и что навыки работы с ними ценятся вне зависимости от того, через какой сервис вы к ним подключаетесь.

Чек-лист: как перестроить работу бухгалтера под AI за 90 дней

Пошаговый план на первый квартал. Выполняйте по порядку, не перескакивайте, в конце каждого месяца проверяйте, что получилось.

1. Составьте карту задач. Выпишите все регулярные задачи за месяц с часами. Отметьте механику, которая строится на правилах. Это ваша база для делегирования.
2. Выберите одну задачу для старта. Лучше всего сверку: она проверяется контрольной суммой, а результат виден сразу. Замерьте, сколько часов уходит сейчас.
3. Освойте базовый доступ. Зарегистрируйтесь на chatgpt.com, оформите тариф Plus или убедитесь, что у вас есть рабочий доступ через альтернативы. Настройте приватность: отключите Improve model for everyone.
4. Подготовьте данные безопасно. Научитесь обезличивать файлы: названия контрагентов на К1, К2, ИНН убрать, суммы и даты не трогать. Справочник замен храните отдельно.
5. Запустите первую задачу. Возьмите промпт 2 из статьи, загрузите файлы, проверьте результат контрольной суммой. Не переходите к следующей задаче, пока эта не работает стабильно два раза подряд.
6. Зафиксируйте экономию времени. Запишите, сколько часов вы сэкономили и куда их направили. Без фиксации эффект растворится, и вы не покажете результат работодателю.
7. Возьмите вторую задачу. Через месяц добавьте разноску или подготовку пояснений. К этому моменту первая задача должна работать как шаблон без вашего участия в механике.
8. Прокачивайте объяснение цифр. Каждый расчёт сопровождайте выводами для руководителя. Тренируйтесь формулировать просто, промпт 6 из статьи поможет.
9. Соберите портфолио кейсов. Опишите 2-3 истории по схеме: было, что сделали, стало, какие навыки показали. Это ваш ответ на вопрос «зачем вы нужны, если есть ChatGPT».
10. Покажите результат работодателю. Через 90 дней инициируйте разговор: вот что автоматизировано, вот сколько часов освободилось, вот что я делаю с этим временем. Просите новые задачи и пересмотр роли.

После первого квартала у вас будет работающая система и история роста с цифрами. Дальше можно масштабировать: брать новые задачи, учить коллег, а в перспективе думать про автоматизацию процессов через агентов. Про готовые сценарии я писала в статье про n8n для финансиста.

Хочешь получать разборы новостей про AI и бухгалтерию и готовые промпты каждую неделю? Забирай бесплатно в Telegram-канале школы @findir_pro.

Часто задаваемые вопросы

EY правда платит $100 млн за «человеческие» навыки? Да. В сентябре 2026 года EY объявила, что направит $100 млн на бонусы сотрудникам в США, которые развивают future-focused навыки: бизнес-мышление, суждение, адаптивность и готовность экспериментировать с технологиями. Есть три категории наград, разовые выплаты доходят до $25 000, потолка по общей сумме для одного человека нет. Это часть многомиллиардных вложений в таланты наряду с программой EY Career Residency для новичков.

Почему EY платит за человеческие навыки, а не за умение работать с AI? AI-беглость фирма считает базой, а не преимуществом. Ценность для клиента создаёт связка: человек понимает контекст бизнеса, принимает решение и отвечает за результат, а нейросеть ускоряет рутину. Поэтому бонусами поощряют тех, кто приносит измеримый результат, а не тех, кто просто освоил инструмент.

AI заменит бухгалтера или нет? Рутинные операции, которые раньше занимали часы, нейросеть выполняет за минуты. Но задачи, где нужны суждение, ответственность и объяснение «почему цифра такая», остаются за человеком. Профессия не исчезает, меняется пирамида задач: меньше механики, больше анализа и коммуникации. Джуниоры, которые быстро осваивают верхний уровень, вырастают быстрее, чем раньше.

Какие «человеческие» навыки важны именно бухгалтеру в 2026 году? Суждение и умение объяснить выводы, критическое мышление при проверке ответов нейросети, адаптивность к новым инструментам, бизнес-мышление вместо слепого следования инструкции и навык задавать правильные вопросы. EY называет это business acumen, judgment и adaptability, а KPMG делает ставку на умение оценивать информацию и применять контекст.

Как бухгалтеру в России прокачать навыки, за которые EY платит? Никакого специального софта не нужно. Берёте ежедневную задачу, например сверку или закрытие периода, и делегируете нейросети механику, а сами сосредотачиваетесь на интерпретации. Проверяйте каждый ответ модели контрольными суммами, формулируйте выводы для руководителя и собственника. Это и есть тренировка суждения на реальной работе.

Нейросеть ошибается в бухгалтерских расчётах. Как ей доверять? Доверять, но проверять. Работайте по принципу контролируемой автоматизации: нейросеть считает черновик, человек сверяет контрольные суммы и ключевые шаги, только потом цифра уходит в отчёт. Загружайте обезличенные данные, в настройках ChatGPT отключайте Improve model for everyone, а для чувствительных данных используйте тариф Enterprise или локальную модель.

Что будет с джуниорами, если нейросеть забрала рутину, на которой они учились? Это главный риск, который обсуждают в том числе в Большой четвёрке. Раньше новичок набивал проводки и так набирал опыт. Сейчас эту рутину делает AI, поэтому компании перестраивают онбординг: учат суждению, проверке и общению с клиентом. Новичку стоит самому искать задачи, где он прокачивает анализ, а не только исполнение.

Это касается только Большой четвёрки или обычных компаний тоже? Волна идёт от крупных фирм, но добирается до всех. Когда ChatGPT и подобные модели доступны любому бухгалтеру, работодатель начинает сравнивать кандидатов не по умению считать, а по умению думать. Уже сейчас в вакансиях и на собеседованиях всё чаще спрашивают про опыт работы с нейросетями и про то, как вы проверяете их ответы.

Наши каналы

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

• @findir_pro основной Telegram-канал онлайн-школы «Финансовый директор | Мастер CFO», 45 000 подписчиков. Ежедневные разборы нейросетей для финансистов и бухгалтеров: промпты, кейсы, инструменты, новости рынка.
• @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.