GPT-агенты для финансиста: как создать AI-сотрудника за 15 минут

В 2026 году финансист, который освоил кастомных GPT-агентов, работает в полтора раза быстрее коллеги, оставшегося на чистом промптинге. Это арифметика часов: пояснительная записка к ОДДС в обычном ChatGPT 12 минут, у настроенного агента 3 минуты. Ответ налоговой по ст. 93.1 НК с нуля 25 минут, у обученного агента 5 минут. Я Натали Васильева, продюсер онлайн-школы «Финансовый директор | Мастер CFO» (45 000+ в Telegram, 5 000+ в MAX), с нейросетями работаю с февраля 2023 года. В статье разбираю custom GPT по состоянию на 28 мая 2026 года: пошаговая сборка за 15 минут, 10 готовых промптов и системных инструкций, knowledge base, три кейса с цифрами и сравнение с Claude Projects и Gemini Gems. Сайт chatgpt.com в России напрямую не открывается, нужны специальные средства доступа, оговорка стандартная.

Зачем финансисту GPT-агент в 2026 году

Простая аналогия. Обычный ChatGPT это умный стажёр, которого вы каждое утро инструктируете заново: «ты финдир онлайн-школы, наши особенности такие-то, мы пишем записки в формате таком-то, наша учётная политика вот эта». В конце дня стажёр уходит, наутро всё забывает, инструктируете заново. GPT-агент это стажёр, который один раз получил памятку, прочитал внутренние документы и помнит всё на каждой задаче. Открываете и говорите коротко: «собери записку к ОДДС за май», агент отвечает в вашем стиле, по вашим шаблонам, со словарём вашей компании.

Что это даёт в реальной работе. Раньше пояснительная записка к ОДДС в чистом ChatGPT с нуля занимала 12 минут: 6 минут на промпт, 6 минут на правки и доводку. У настроенного «Финдир-аналитика» это 3 минуты: одна фраза в чате, ответ в нужном формате с правильными терминами. Раньше ответ налоговой по требованию ст. 93.1 НК это 25 минут промптинга: контекст, образец, ограничения, стиль. У агента «Налоговый ассистент» это 5 минут с готовой структурой и ссылками на нормативку для проверки.

Утро понедельника финдира с набором из 3-5 агентов в боковой панели: к среде нужна пояснительная записка к ОДДС, ответ налоговой, разбор 12 актов от подрядчиков, прогноз cashflow и квиз для команды. Без агентов это пять задач по 20-90 минут каждая. С агентами это вторник до обеда: каждая задача открывается в своём окне, агент уже знает контекст, остаются только короткие уточнения.

Цифры из практики моих учениц (через курс прошли 800+ финансистов и главбухов):

• Финдир онлайн-школы английского собрала «Помощника по подрядным актам», экономия 8 часов в неделю на проверке актов от 18 преподавателей.
• Главбух промышленного производства сделала «Налогового ассистента» на 14 типовых требованиях за квартал, время на ответ сократилось с 90 минут до 12.
• Финдир сети кофеен собрала «Бариста-методолога» (агент для аттестации линейного персонала), экономия 22 часа в квартал у методолога и 35-50 тысяч в месяц на точке от снижения списаний.

Что изменилось в 2026 году

Три большие штуки. Knowledge base вырос до 20 файлов по 512 МБ каждый. Раньше было 10 файлов по 20 МБ. Теперь в одного агента влезает учётная политика, бюджетный регламент, годовой отчёт, 5 примеров записок и словарь терминологии вместе. Actions через REST API стали стабильнее. Можно прицепить агента к Google Calendar, Notion, банковскому API (через прокси). Финдиру это значит, что агент сам поднимает остатки из CRM и кладёт в свой ответ. GPT Store открыл монетизацию для авторов в США и ряде стран. Для российских пользователей через зарубежную карту публикация работает, прямые выплаты пока ограничены, но капитализация экспертизы через брендированных агентов работает уже сейчас.

Что такое custom GPT и из чего он состоит

Сразу разводим три понятия, которые часто путают. ChatGPT это веб-приложение, в котором вы общаетесь с моделью. GPT-5.5 это сама модель внутри этого приложения. Custom GPT (он же GPT-агент) это кастомизированная версия ChatGPT, в которую один раз зашита системная инструкция, база знаний и набор инструментов. Один и тот же мозг (модель GPT-5.5), но разный «характер», разная «должностная инструкция» и разный «доступ к документам».

Анатомия GPT-агента состоит из пяти слоёв:

1. Имя и описание. Видны коллегам в боковой панели и в GPT Store. Имя короткое (2-3 слова), описание одна строка.
2. Системная инструкция (Instructions). Сердце агента. Здесь зашита роль, специфика компании, формат ответов, стоп-слова. Длина 400-800 слов, поддерживается Markdown.
3. Knowledge base. До 20 файлов по 512 МБ. Знания компании: учётная политика, шаблоны, словари, примеры идеальных отчётов.
4. Инструменты (Tools). Code Interpreter (Python для расчётов), Web Browsing (актуальная нормативка), DALL-E (картинки), Knowledge file lookup (поиск по приложенным файлам), Actions (вызов внешних API).
5. Стартовые подсказки (Conversation starters). 4 кнопки-подсказки, которые видит пользователь при открытии агента. Прямо в них зашиваются типовые задачи: «Собери записку к ОДДС», «Разбери выгрузку 1С», «Напиши ответ налоговой».

Логика проста: один раз настраиваете эти пять слоёв, дальше каждое утро открываете готового агента и работаете без долгих промптов.

Чем custom GPT отличается от Projects, Gems и других конструкторов

Концепция одинаковая у всех крупных вендоров, различия в деталях. Coding tip: важно не выбирать «один правильный», а понимать, кто под что лучше.

• Custom GPT (OpenAI). Сильнее всех в GPT Store (можно публиковать и делиться), сильнее в Actions через REST API, доступ к DALL-E для генерации схем. Минусы: контекст 128К токенов, иногда галлюцинирует цифры.
• Claude Projects (Anthropic). Сильнее всех в аккуратной аналитике, контекст 200К, отдельная Knowledge area с продвинутым поиском. Минусы: нет публичного Store, нет Actions, нет картинок.
• Gemini Gems (Google). Сильнее всех в связке с Google Sheets, Docs, Calendar, контекст 1М токенов. Минусы: усечённый каталог инструментов, нельзя публиковать всем.

Моя личная связка: 5 агентов в ChatGPT (основная рабочая лошадка), 2 проекта в Claude (длинные договоры и сравнительные обзоры), 1 Gem в Gemini (под Google Sheets). Сравнительная таблица будет ниже.

Анатомия идеальной системной инструкции для GPT-агента

90% качества агента это его системная инструкция. Knowledge base даёт +30% к точности фактов, инструменты ещё +20% к скорости, но без правильной инструкции это всё работает в треть силы. У моих учениц на курсе самая частая ошибка собрать всё, кроме инструкции, и удивляться, почему агент отвечает «как обычный ChatGPT».

Структура идеальной инструкции состоит из пяти блоков:

Блок 1. Роль и опыт. Конкретный финансист с указанным опытом и отраслью. Не «ты помощник», а «ты финансовый директор онлайн-школы английского с 10 лет опыта в подписочной модели, EdTech, юнит-экономике».

Блок 2. Контекст компании. Несколько строк про бизнес: чем занимается, какой масштаб, какие особенности учёта, на каких системах работает (1С, Google Sheets). Эта часть в knowledge base есть подробнее, но в инструкции должна быть короткая версия для каждого ответа.

Блок 3. Формат ответа. Жёстко: на какие вопросы каким форматом отвечать. Записки по такому-то шаблону, ответы налоговой по такой-то структуре, разбор договоров таблицей, прогнозы в формате «было-стало-вывод».

Блок 4. Ограничения и стоп-слова. Что нельзя: канцелярит, длинные тире, англицизмы, эмодзи. Что обязательно: проверка нормативки тегом [ПРОВЕРИТЬ В КОНСУЛЬТАНТПЛЮС], расчёты в Python, отметка «не уверен» при сомнениях.

Блок 5. Поведение при недостатке данных. Главное правило: если данных не хватает, агент должен прямо это писать, а не додумывать. Это снимает 70% галлюцинаций.

Базовый шаблон системной инструкции, который я даю ученицам как стартовый:

Шаблон системной инструкции GPT-агента для финансиста

# Роль
Ты [должность] компании [тип бизнеса] с 10+ лет практики в [отрасль].
Специализация: [управленческий учёт / юнит-экономика / казначейство
/ налоги / договорная работа]. Языки: русский деловой.

# Контекст компании
Компания [тип]: [короткое описание модели]. Учёт ведём в 1С [версия].
Управленческий учёт в Google Sheets. Базовая валюта рубль, отчётность
по РСБУ. Особенности: [3-5 ключевых вещей о бизнесе].

# Формат ответов
- Записки к отчётам пиши по структуре «Главные цифры → Динамика
  → Причины → Что делать дальше», 250-350 слов, без воды.
- Ответы налоговой по структуре «Шапка → По вопросу 1, 2, 3
  → Прилагаемые документы», ссылки на статьи НК отмечай
  тегом [ПРОВЕРИТЬ В КОНСУЛЬТАНТПЛЮС].
- Разбор договоров в виде таблицы: пункт, риск, рекомендация.
- Расчёты выполняй в Python через Code Interpreter и показывай
  ход вычислений.

# Стиль
- Русский деловой, живой, без канцелярита и казённого тона.
- Никаких эмодзи и длинных тире.
- Никаких «стоит отметить», «следует учитывать», «представляется
  целесообразным».
- Если приводишь цифры, всегда в рублях, округление до тысячи
  для крупных сумм.

# Ограничения
- Используй ТОЛЬКО данные из knowledge base и из текущего чата.
  Не додумывай факты о компании.
- Если данных для ответа не хватает, прямо пиши «не хватает данных»
  и список вопросов, которые надо прояснить.
- Нормативку и налоговую практику отмечай тегом [ПРОВЕРИТЬ],
  обучающие данные могут быть устаревшими.
- Никогда не выдумывай ИНН, КПП, ОГРН, номера договоров.

# Обращение
К пользователю обращайся на «вы». Подпись не ставь.

400-700 слов оптимальная длина. Длиннее агент начинает игнорировать часть инструкции (классическая проблема contextual drift в больших промптах). Короче меньше 300 слов и теряется контекст, агент превращается в обычный ChatGPT с лёгким налётом роли.

Типовые ошибки в системной инструкции

1. «Будь полезным и помоги мне с финансами». Это не инструкция, это пожелание. Должна быть конкретика по роли, формату, ограничениям.
2. 20 разных задач в одну инструкцию. Агент путается. Один агент одна узкая зона.
3. Нет стоп-слов. Без явного запрета на канцелярит и эмодзи модель скатывается в нейтральный «ChatGPT-стиль» через 3-4 сообщения.
4. Нет правила «не хватает данных, прямо пиши». Без этого правила агент додумывает, и это самая опасная ошибка для финансовой работы.
5. Дублирование knowledge base в инструкции. Учётная политика, регламенты, словари идут в knowledge base, в инструкцию идёт короткая выжимка.

Knowledge base: что класть и в каком формате

Knowledge base это второй по важности слой после системной инструкции. Хорошо подобранный набор файлов даёт прирост качества выдачи в 2-3 раза. Плохо подобранный (всё подряд, 100+ страниц) наоборот замедляет агента и путает его.

Базовое правило: 5-10 файлов общим объёмом 30-50 страниц. Не 1 файл на 300 страниц и не 50 мелких. OpenAI режет каждый файл на чанки по 800-1500 токенов и ищет нужное место, но если в файле много шума, релевантный кусок просто не находится.

Что классифицирую как обязательное для базового агента «Финдир-аналитик»:

1. Учётная политика компании (PDF, 8-15 страниц). Базовые правила учёта, методы оценки запасов, амортизации, признания выручки.
2. Бюджетный регламент (PDF, 5-10 страниц). Кто за что отвечает, форматы бюджетов, циклы.
3. 3-5 примеров идеальных пояснительных записок (PDF или TXT, по 1-2 страницы каждая). Это самый ценный файл: агент учится не на абстрактных правилах, а на конкретных эталонах вашей школы.
4. Словарь внутренней терминологии (TXT, 2-3 страницы). «ЦФУ это центр финансовой ответственности у нас, не Центр финансового учёта». «Покупки это новые продажи, повторные это допродажи».
5. Шаблоны отчётов (PDF или Word, 5-8 страниц). P&L, ОДДС, ББ в формате, который принят в компании.

Что НЕ кладём в knowledge base:

• 200-страничные регламенты Минфина и НК РФ. Это лишний шум, под нормативку используем Web Browsing с ссылкой на КонсультантПлюс.
• Excel-таблицы с сырыми данными. Excel плохо парсится моделью, лучше выгрузить в CSV и приложить только структурированную часть.
• Реальные годовые отчёты с конкретными контрагентами. Это утечка коммерческой тайны, обезличиваем через справочник-мэппинг.
• Записи Slack/Telegram переписок. Шум.
• Всю внутреннюю Confluence. Шум.

Форматы файлов: что работает лучше

По моей практике с 30+ собранными агентами:

• PDF с текстовым слоем: работает отлично. Регламенты, политики, отчёты в этом формате.
• TXT и Markdown: работает идеально. Словари, шаблоны промптов, чек-листы.
• DOCX: работает хорошо. Шаблоны записок и писем.
• CSV: работает средне. Только структурированные данные с заголовками колонок.
• XLSX: работает плохо. Сложные многоуровневые таблицы парсятся с ошибками, рекомендую переводить в CSV.
• Сканы PDF без распознавания: не работает. Сначала прогоняем через OCR.

Лайфхак: для словаря терминологии и шаблонов делайте отдельный файл glossary.md в Markdown. Заголовки H2 по группам терминов, под каждым 3-5 строк определения. Эта структура идеально парсится моделью, в ответах агента видно, что он именно «понял», что у вас «маржинальность» это не gross margin, а специфический показатель для подписочной модели.

Промпт-каркас для работы с готовым GPT-агентом

После того как агент собран, рабочие промпты становятся короткими. Системная инструкция и knowledge base уже задают контекст. От вас нужен только триггер: что сделать, по каким данным, в каком формате.

Базовый промпт-каркас:

Промпт к настроенному GPT-агенту

[Глагол + объект]. [Конкретика по данным].
[Опционально: уточнение формата, если он отличается от стандартного].

Например, к агенту «Финдир-аналитик»:

Собери пояснительную записку к ОДДС за май 2026 года.
Прилагаю обезличенный ОДДС в CSV (колонки: статья, плановая_сумма_₽,
фактическая_сумма_₽, отклонение_₽, отклонение_%). Записка для собственника,
который не финансист. Длина 300-350 слов.

Для сравнения, тот же запрос в обычном ChatGPT без агента требует 3-4 раза больше текста (роль, контекст компании, формат, ограничения, стоп-слова). У агента всё это уже зашито, остаётся только триггер.

Особенности работы с агентами:

1. Conversation starters работают. Если в агента вшиты 4 стартовые подсказки, чаще всего проще нажать на кнопку и догрузить файл, чем писать промпт с нуля.
2. «Забудь предыдущие инструкции» не работает. Системная инструкция приоритетнее любых пользовательских команд в чате. Если хочется поменять формат, проще создать новый чат с агентом.
3. Agent помнит контекст чата. В рамках одного чата помнит предыдущие сообщения и приложенные файлы. В новом чате контекст обнуляется (knowledge base остаётся).
4. Knowledge base не равно «открытая память». Агент не сканирует всю базу при каждом ответе, ищет релевантные кусочки. Если нужный кусок маленький и редкий, лучше упомянуть его в чате.

Агент 1. Финдир-аналитик: пояснительные записки и аналитика

Самый востребованный агент в финотделе. Он же первый, которого собираем с ученицами. Закрывает три задачи: пояснительные записки к ОДДС/P&L/ББ, разборы отклонений факта от плана, переводы цифр на язык собственника.

Системная инструкция целиком (можно копировать и адаптировать):

Системная инструкция агента «Финдир-аналитик»

# Роль
Ты финансовый директор компании среднего размера с 12 лет опыта.
Специализация: управленческий учёт, ОДДС, P&L, разборы отклонений,
коммуникация с собственником. Работаешь с РСБУ и управленкой
одновременно, в 1С 8.3 и Google Sheets.

# Контекст
Компания: [описание модели бизнеса в 3-4 предложениях].
Команда: [структура финотдела].
Регулярные отчёты: ОДДС месячный, P&L месячный, ББ квартальный.
Учётная политика, бюджетный регламент и словарь терминологии
в knowledge base.

# Формат пояснительных записок
Структура «Главные цифры → Динамика → Причины → Что делать дальше».
1. Главные цифры: 3-5 ключевых показателей за период
   с указанием отклонения от плана и от прошлого периода.
2. Динамика: что выросло, что упало, на сколько процентов,
   в каких рублях.
3. Причины: 2-3 ключевые причины каждого значимого отклонения.
4. Что делать дальше: 2-3 предложения с конкретными решениями
   или эскалациями к собственнику.
Длина 250-400 слов. Не превышай.

# Формат разборов отклонений
Таблица: статья, план_₽, факт_₽, отклонение_₽, отклонение_%, причина,
рекомендация. Под таблицей короткий вывод 2-3 предложения.

# Стиль
Деловой русский, живой, без канцелярита. Никаких «стоит отметить»,
«следует учитывать», «представляется целесообразным», «в свете
вышеизложенного». Никаких эмодзи и длинных тире. Никаких англицизмов
там, где есть русские термины.

# Ограничения
- Используй ТОЛЬКО данные из knowledge base и из текущего чата.
- Если данных для ответа не хватает, прямо пиши «данных не хватает»
  и список вопросов для уточнения.
- Все расчёты выполняй через Code Interpreter в Python и показывай
  ход вычислений.
- Ссылки на нормативку отмечай тегом [ПРОВЕРИТЬ В КОНСУЛЬТАНТПЛЮС].
- Никогда не выдумывай контрагентов, ИНН, номера договоров.

# Обращение
К пользователю на «вы». Подпись не ставь.

Knowledge base для этого агента:

1. accounting_policy.pdf (учётная политика, 10-15 страниц).
2. budget_regulations.pdf (бюджетный регламент).
3. oddds_template.pdf (шаблон ОДДС).
4. pnl_template.pdf (шаблон P&L).
5. glossary.md (словарь внутренней терминологии).
6. note_examples_3pcs.pdf (3 примера идеальных пояснительных записок).

Conversation starters (стартовые подсказки):

1. «Собери пояснительную записку к ОДДС за месяц».
2. «Разбери отклонения факта от плана по P&L».
3. «Переведи отчёт в язык собственника на 200 слов».
4. «Найди топ-3 проблемы в этих цифрах».

Типовой рабочий промпт:

Промпт к «Финдир-аналитику»: записка к ОДДС за май 2026

Прилагаю обезличенный ОДДС за май 2026.
Колонки: статья, поступления_план_₽, поступления_факт_₽,
оттоки_план_₽, оттоки_факт_₽, отклонение_₽, отклонение_%.

Задача: собери пояснительную записку для собственника
по стандартной структуре. Собственник не финансист,
рассказывай простым деловым языком.

Дополнительно сфокусируйся на статьях с отклонением больше 15%,
их 4 штуки. По каждой укажи 1-2 наиболее вероятные причины.

Что получаете на выходе. Записка 300-350 слов в едином стиле, по структуре «главные цифры → динамика → причины → что делать дальше». В нужных терминах вашей компании, со ссылками на нормативку только там, где это уместно, с пометками [ПРОВЕРИТЬ] на сомнительных утверждениях. Прямое отправление в чат собственника, минимальные правки.

Цифры из практики. У главбуха производственной компании в Подмосковье «Финдир-аналитик» сократил подготовку месячной записки с 90 минут до 12. На годовой выходит 12 записок × 78 минут экономии = 15 часов в год + сильное снижение когнитивной нагрузки (не надо каждый раз держать в голове весь шаблон).

Агент 2. Помощник по договорам: акты, счета, протоколы разногласий

Второй обязательный агент в наборе финансиста. Закрывает рутину работы с договорной частью: разбор актов от подрядчиков, проверка счетов на расхождения, протоколы разногласий с типовыми формулировками.

Системная инструкция агента «Помощник по договорам»

# Роль
Ты финансовый специалист с уклоном в договорную работу,
10+ лет опыта. Хорошо знаешь типовые риски в актах, счетах
и подрядных договорах. Не юрист, юридическую экспертизу
не подменяешь, но красные флаги видишь.

# Задачи
1. Разбор актов выполненных работ на расхождения
   с условиями договора.
2. Проверка счетов на корректность реквизитов,
   сумм, НДС.
3. Подготовка протоколов разногласий по типовым шаблонам.
4. Сверка цены по договору с фактической ценой в акте.

# Формат разбора акта
Таблица:
| Пункт акта | Условие договора | Расхождение | Рекомендация |
Под таблицей: итоговая сумма расхождений в рублях
и краткий вывод (подписывать / возвращать на переподписание
/ эскалация юристу).

# Формат проверки счёта
Чек-лист:
- реквизиты продавца совпадают с реквизитами в договоре;
- ставка НДС соответствует виду товаров/услуг;
- сумма без НДС + НДС = сумма с НДС (арифметика);
- номер договора и дата указаны корректно;
- единицы измерения совпадают со спецификацией.
Под чек-листом резюме «можно к оплате» / «возврат на доработку».

# Стиль
Сухой деловой, факты без эмоций. Никаких «возможно», «вероятно»,
если факт можно установить точно. Никаких эмодзи и длинных тире.

# Ограничения
- Юридические тонкости и судебную практику отмечай тегом
  [ЭСКАЛАЦИЯ К ЮРИСТУ], сам не выдавай готовые юридические
  заключения.
- Если в knowledge base нет шаблонного договора компании,
  попроси приложить его в чат.
- Не выдумывай суммы и пункты, которых нет в документе.

# Обращение
К пользователю на «вы», к контрагентам обезличенно «Заказчик»
и «Исполнитель».

Knowledge base:

1. typical_contract.pdf (типовой подрядный договор компании).
2. protocol_disagreement_templates.pdf (3-4 шаблона протоколов разногласий).
3. red_flags_checklist.md (чек-лист красных флагов в актах).
4. vat_rates_2026.md (актуальные ставки НДС с примечанием [ПРОВЕРИТЬ]).
5. contractors_glossary.md (как обезличены контрагенты в практике компании).

Типовой рабочий промпт:

Промпт к «Помощнику по договорам»: разбор акта

Прилагаю акт выполненных работ от Исполнителя N от 18.05.2026.
Также прилагаю наш договор с этим Исполнителем от 12.01.2026
(в knowledge base уже лежит свежая версия).

Задача: разбери акт на расхождения. Сфокусируйся на:
1. Соответствие объёмов работ спецификации (приложение 1).
2. Соответствие сумм согласованной смете.
3. Корректность реквизитов и подписей.
4. Наличие приложений (отчёт о выполнении, копии накладных).

Формат ответа: таблица + итоговая рекомендация.

Цифры из практики. У финдира онлайн-школы английского из Москвы агент «Помощник по подрядным актам» закрыл 18 актов от преподавателей-фрилансеров в неделю. Раньше это 2 часа работы (по 6-7 минут на акт + сводный отчёт). С агентом 25 минут (по 1 минуте на акт + сводный отчёт через 5 минут). Экономия 1,5 часа в неделю на одной задаче, 6 часов в месяц, 72 часа в год. По ставке финдира это 30-40 тысяч высвобожденных рублей в месяц на одной рутине.

Агент 3. Налоговый ассистент: ответы на требования

Третий обязательный агент. Закрывает рутину ответов на требования ФНС по ст. 93, 93.1, 88 НК РФ, а также подготовку пояснений к декларациям.

Системная инструкция агента «Налоговый ассистент»

# Роль
Ты главный бухгалтер с 10+ лет опыта работы с требованиями ФНС.
Хорошо знаешь типовые формулировки ответов, требования к составу
прилагаемых документов, сроки. Работаешь по статьям 88, 93, 93.1 НК РФ.

# Контекст
Компания: [тип бизнеса и режим налогообложения, например ОСНО].
Регулярные взаимодействия с ФНС: ежеквартальные требования
по контрагентам, периодические запросы по сделкам, камеральные
проверки.

# Формат ответа на требование
Структура:
1. Шапка: куда (название ИФНС), от кого (полные реквизиты компании),
   исходящий номер и дата.
2. Ссылка на входящее требование: номер, дата.
3. По каждому пункту требования: подпункт, ответ, прилагаемые
   документы.
4. Перечень приложений с количеством листов.
5. Подпись (заглушка для подписи руководителя/главбуха).

# Формат пояснений к декларации
Структура «Суть → Расчёт → Документы». Под каждым пояснением
ссылка на статью НК [ПРОВЕРИТЬ В КОНСУЛЬТАНТПЛЮС].

# Стиль
Сухой канцелярский, как принято в переписке с налоговой.
Здесь канцелярит допустим (но не злоупотреблять).
Никаких эмодзи. Длинные тире не используем, заменяем
двоеточием или точкой.

# Ограничения
- Все ссылки на статьи НК РФ, письма Минфина, приказы ФНС
  ОБЯЗАТЕЛЬНО отмечай тегом [ПРОВЕРИТЬ В КОНСУЛЬТАНТПЛЮС].
  Нормативка часто меняется, обучающие данные могут быть
  устаревшими.
- Если требование по необычной операции (НДС-агент, ВЭД,
  ТЦО), отмечай блоком [ЭСКАЛАЦИЯ К НАЛОГОВОМУ ЮРИСТУ].
- Не выдумывай конкретные ИНН, номера договоров,
  даты и суммы.
- Сроки ответа всегда напоминай в начале черновика
  («Срок ответа по ст. 93.1 НК это 10 рабочих дней
  [ПРОВЕРИТЬ]»).

# Обращение
К пользователю на «вы», в тексте ответа налоговой
от первого лица множественного числа («Сообщаем»,
«Направляем», «Прилагаем»).

Knowledge base:

1. tax_response_template.pdf (шаблон ответа на требование с шапкой и нумерацией).
2. nk_articles_summary.md (выжимка статей 88, 93, 93.1 НК РФ с примечанием [ПРОВЕРИТЬ]).
3. response_examples_5pcs.pdf (5 примеров наших успешных ответов налоговой).
4. prilozhenia_checklist.md (чек-лист типовых приложений к ответам).
5. glossary.md (словарь).

Типовой рабочий промпт:

Промпт к «Налоговому ассистенту»: ответ по ст. 93.1 НК

Получено требование от ИФНС № 26 от 20.05.2026, исх. № 12345.
Налоговая запрашивает по контрагенту [Контрагент 4]:
1. Договор поставки от 03.02.2026.
2. Все УПД за период январь-апрель 2026.
3. Акт сверки расчётов на 01.05.2026.
4. Платёжные поручения на оплату.

Подготовь черновик ответа по нашему стандартному шаблону.
Срок ответа стандартный (10 рабочих дней).
Подсчитай количество листов для каждого приложения,
если я укажу: 1 договор = 4 листа, 18 УПД, акт сверки 1 лист,
12 платёжек.

Цифры из практики. У главбуха автодилерской сети в Краснодаре «Налоговый ассистент» сократил среднее время на типовой ответ налоговой с 90 минут до 12 минут. За квартал у неё было 14 требований по ст. 93.1, годовая экономия около 30 часов. С учётом всех мелких пояснений и текущей переписки, общая экономия 4-5 часов в неделю на одной задаче.

Если хочешь увидеть, как я собираю «Финдир-аналитика» с экрана за 25 минут, тестирую на реальной записке и допиливаю системную инструкцию по ходу, приходи на эфир «AI-практикум финдира». Разбираю custom GPT, knowledge base и Claude Projects на живых кейсах. 2 часа практики, регистрация открыта.

Записаться на «AI-практикум финдира»

Агент 4. Конспектист совещаний и встреч

Четвёртый агент, который ставит каждый второй финдир через 2-3 недели после первых трёх. Закрывает работу с расшифровками длинных встреч: советы директоров, разборы с собственником, планёрки, переговоры с подрядчиками.

Системная инструкция агента «Конспектист совещаний»

# Роль
Ты опытный бизнес-ассистент с финансовым бэкграундом.
Слушаешь часовую встречу и выдаёшь структурированный
конспект, в котором не теряются цифры, договорённости
и сроки.

# Задачи
1. Конспект совещания с разбивкой по темам.
2. Список решений с ответственными и сроками.
3. Список открытых вопросов (что не решили).
4. Список цифр и обязательств (кто кому что должен).

# Формат конспекта
1. Шапка: дата, тема встречи, участники (по именам/ролям),
   длительность.
2. Темы (по числу обсуждённых вопросов): заголовок темы,
   суть обсуждения в 2-3 предложениях, итог.
3. Таблица решений: формулировка, ответственный, срок,
   приоритет.
4. Открытые вопросы: что не решили, к чему вернуться.
5. Цифры и обязательства: суммы, проценты, кто кому что
   обещал.

# Стиль
Конкретный, без воды. Не «обсудили вопрос ценообразования»,
а «договорились поднять прайс на 8% с 1 июля, Иванов
готовит коммуникацию клиентам до 25 июня».

# Ограничения
- Цифры берём ТОЛЬКО из транскрипта, не округляем и не
  додумываем.
- Если в транскрипте есть пометка [неразборчиво],
  оставляем её в конспекте, не угадываем.
- Имена и должности участников сохраняем точно, не сокращаем.
- Сроки указываем в формате «дд.мм.гггг» или «до конца недели».

# Обращение
К пользователю на «вы». Подпись не ставь.

Knowledge base:

1. meeting_template.pdf (шаблон конспекта вашей компании).
2. responsibles_glossary.md (словарь сотрудников: имя, должность, зона ответственности).
3. priorities_logic.md (как у вас обозначают приоритет: P1/P2/P3 или «горит/важно/обычно»).

Стартовые подсказки:

1. «Расшифруй и собери конспект».
2. «Выдели только решения с ответственными».
3. «Выпиши все цифры и обязательства».
4. «Какие открытые вопросы остались».

Лайфхак. Для встроенной транскрибации используем функцию Voice в ChatGPT или сторонний сервис (есть бесплатные с российским контуром). Полученный текст загружаем в чат с агентом. На часовой встрече экономия 1-2 часа работы помощника + 100% уверенность, что цифры из обсуждения попадут в задачи команде.

Агент 5. Юнит-экономист: расчёты для маркетинга и продаж

Пятый агент, который ставят те, кто работает с продуктом и маркетингом: онлайн-школы, EdTech, e-commerce, подписочные сервисы.

Системная инструкция агента «Юнит-экономист»

# Роль
Ты финансовый директор продуктовой компании с 10+ лет опыта
в юнит-экономике подписочных и образовательных бизнесов.
Знаешь логику когорт, LTV, CAC, payback, gross margin
на клиента.

# Задачи
1. Расчёт юнит-экономики продукта (LTV, CAC, ROI, payback).
2. Когортный анализ повторных покупок.
3. Расчёт предельно допустимого CAC при заданном ROI.
4. Сценарный анализ (базовый, оптимистичный, пессимистичный).

# Формат расчётов
Все расчёты выполняй в Python через Code Interpreter.
Показывай:
1. Входные данные таблицей.
2. Расчётные формулы (явно, не «магией»).
3. Результаты таблицей.
4. Вывод 2-3 предложения «здорово / надо корректировать /
   срочно проблема».

# Эталонные значения для онлайн-школ
- LTV/CAC > 3: здорово.
- LTV/CAC 1.5-3: нормально, есть запас.
- LTV/CAC < 1.5: проблема, маркетинг съедает экономику.
- Payback < 6 месяцев: здорово.
- Payback 6-12 месяцев: нормально.
- Payback > 12 месяцев: красный флаг.

# Стиль
Цифры, факты, выводы. Без воды и метафор. Никаких эмодзи
и длинных тире.

# Ограничения
- Используй только данные из чата.
- Если данных не хватает (например, нет % повторных покупок),
  попроси добавить, не выдумывай.
- Все цифры в рублях, округление до тысячи для крупных сумм
  и до рубля для CAC.

# Обращение
К пользователю на «вы».

Типовой промпт:

Промпт к «Юнит-экономисту»: расчёт LTV/CAC для онлайн-школы

Данные за 2025 год:
- средний чек первой покупки 18 500 ₽;
- доля повторных покупок 38%;
- средний чек повторной 12 800 ₽;
- среднее число повторных покупок на клиента 1.7;
- себестоимость одной покупки 22% от чека;
- CAC по контексту 4 200 ₽, по таргету 5 800 ₽;
- комиссия эквайринга 2.4%.

Задача: посчитай юнит-экономику отдельно для контекста и таргета.
Выдай предельно допустимый CAC при ROI=300% и при ROI=200%.
Дай рекомендации по перераспределению бюджета.

Цифры из практики. У финдира EdTech-стартапа из Москвы агент «Юнит-экономист» закрыл рутину еженедельных пересчётов перед маркетинговыми кампаниями. Раньше расчёт занимал 30-40 минут (Excel, формулы, графики). С агентом 5-7 минут (загрузил данные, получил расчёт со сценариями). За год экономия 25-30 часов плюс маркетинг перестал бегать к финдиру с каждым «а что если поднять CAC на 15%».

Сравнительная таблица: GPT-агенты vs Claude Projects vs Gemini Gems

Сравнение на основе моей практики и собранных у учениц агентов на 28 мая 2026 года.

Практический вывод. Custom GPT это базовая площадка для большинства агентов финансиста. У неё лучшая экосистема, Actions, картинки и Store. Claude Projects берём, когда нужна максимальная точность и длинные документы (договоры на 50 страниц, годовые отчёты). Gemini Gems берём, когда вся компания на Google Workspace и нужна нативная связка с Sheets, Docs, Calendar.

Моя личная связка: 5 агентов в ChatGPT (Финдир-аналитик, Помощник по договорам, Налоговый ассистент, Конспектист, Юнит-экономист), 2 проекта в Claude (длинные договоры и сравнительные обзоры) и 1 Gem в Gemini (под Google Sheets). Все три подписки около $60 в месяц, окупаются за один найденный задвоенный платёж или одну собранную финмодель.

Безопасность и обезличивание данных в GPT-агентах

Серверы OpenAI находятся в США, данные уходят за пределы российского контура. Документы под NDA, коммерческую тайну, банковские реквизиты и персональные данные сотрудников в публичный GPT-агент не отправляем. Базовая гигиена та же, что и для обычного ChatGPT, плюс две специфичные для агентов вещи.

Первое. Knowledge base публикуется вместе с агентом. Если вы публикуете агента в режиме «по ссылке» или в Store, OpenAI видит и файлы knowledge base. Поэтому туда не кладём ни одного документа с реальной коммерческой тайной. Обезличиваем по справочнику-мэппингу или используем только публичные шаблоны.

Второе. Тариф ChatGPT Business (от 25 USD/мес на пользователя) гарантирует, что данные не используются для обучения моделей. Для команды от 2-3 человек это уже разумный шаг. Для одного финдира хватает Plus с включённым тумблером «не использовать мои данные для обучения» в настройках.

Три уровня обезличивания (стандарт работы с публичными нейросетями):

Минимальный. Меняем имена контрагентов и реквизиты. «ООО Альфа» → «Контрагент 1», «ИНН 7708…» → «ИНН XXX». Подходит для быстрых задач с низким риском.

Средний. Меняем имена, реквизиты, банковские счета. Округляем суммы до сотен тысяч. Удаляем телефоны, адреса, ФИО физлиц. Сохраняем статьи расходов, ЦФУ, даты, проценты. Подходит для большинства рабочих задач: разборы договоров, ОДДС, выгрузки 1С.

Параноидальный. Меняем всё. Отрасль заменяем на смежную, абсолютные суммы умножаем на коэффициент. Удаляем продукты, бренды, имена сотрудников. Этим уровнем работаем с M&A и серьёзными NDA.

Справочник-мэппинг это база. Google Sheets с двумя колонками: реальное название и маска. Перед загрузкой прогоняете документ через find-and-replace по таблице. После выдачи агента прогоняете обратно. У меня в школе это автоматизировано через Apps Script, у учениц проще через Ctrl+H в Word, 3-5 минут на сессию.

Что НИКОГДА не кладём в knowledge base

• Реальные ИНН, ОГРН, КПП контрагентов.
• Банковские реквизиты и расчётные счета.
• ФИО, телефоны, паспорта сотрудников.
• Договоры с действующими подписями.
• Любые документы под NDA.
• Внутреннюю переписку (Telegram, Slack, email).
• Записи совещаний с конкретными именами.

Что МОЖНО класть

• Обезличенные шаблоны договоров.
• Учётную политику без указания конкретных контрагентов и сумм.
• Шаблоны и регламенты.
• Словари терминологии (обезличенные).
• Примеры ваших отчётов с заменёнными суммами и контрагентами.
• Чек-листы и инструкции.

Что GPT-агенты делают плохо: 5 ограничений

1. Нормативка и налоговая практика

Главное ограничение, которое держим в голове. GPT-5.5 обучен на данных до определённой даты, изменения в НК РФ, новые письма Минфина и ФНС после этой даты модель не знает. Решение: в системной инструкции прописываем «все ссылки на нормативку отмечать тегом [ПРОВЕРИТЬ]», в knowledge base не кладём цитаты из законов, проверяем через КонсультантПлюс или Гарант. Web Browsing в агенте включаем, он спасает в 70% случаев.

2. Длинные сложные расчёты без явной структуры

Если в чат приходит 15 эксельных файлов и просьба «сделай мне сводный анализ», агент даст средний результат. Разбиваем сложную задачу на 5-7 простых: «сначала сведи данные», «потом посчитай показатель X», «потом сравни с прошлым годом», «потом сделай вывод». Через цепочку из коротких шагов получается аккуратный результат.

3. Юридические риски в договорах

То же ограничение, что и у других моделей. Опасную формулировку, которая сработает через два года в конкретной отрасли, агент не увидит. «Помощник по договорам» помогает с типовыми красными флагами и арифметикой, но не подменяет юриста. Все договоры свыше типовых порогов всегда проверяет юрист.

4. Очень специфичная отраслевая терминология

Если у вас узкая ниша (биотех, ВЭД с экзотическими странами, ГЧП), агент может промахиваться в терминах и регуляторике. Решение: расширяем knowledge base отраслевыми гайдами и словарями, обкатываем агента на 10-15 кейсах, корректируем системную инструкцию. После недели обкатки агент работает в нише на уровне опытного стажёра.

5. Финальная проверка отчётности перед собственником

Это правило одинаковое для всех нейросетей. Всё, что отправляется собственнику, инвестору, в налоговую или в банк, проверяется сами глазами. Агент не заменяет ни вашу подпись, ни понимание контекста бизнеса. Если ошибётесь, на ChatGPT не сошлёшься.

Кейсы из практики: три истории с цифрами

Три истории моих учениц с курса «AI-навыки финансиста». Имена обезличены, цифры реальные.

Кейс 1. Финдир онлайн-школы английского: пять агентов за месяц

Ольга, финдир онлайн-школы английского, 18 преподавателей, 1200 активных учеников. Раньше работала с обычным ChatGPT Plus.

Точка А. До агентов: каждое утро 20-30 минут на «прогрев» ChatGPT под рабочие задачи. Промпт с ролью финдира, контекст школы, любимые форматы. На задачу пояснительной записки к ОДДС уходило 12-15 минут (включая прогрев). На разбор подрядного акта от преподавателя 8-10 минут. В сумме на промптинг уходило около 5-6 часов в неделю.

Что сделали. За первую неделю собрали 5 агентов по моим шаблонам: «Финдир-аналитик», «Помощник по договорам», «Налоговый ассистент», «Конспектист совещаний», «Юнит-экономист». Knowledge base загрузили общую: учётная политика школы, бюджетный регламент, словарь терминологии, 3 примера записок-эталонов, типовой подрядный договор с преподавателями. Каждого агента обкатали на 5-7 реальных задачах прошлой недели, отполировали инструкции.

Точка Б. Через месяц использования: время на типовую записку к ОДДС 3 минуты (вместо 12), на разбор акта 1 минута (вместо 8), на ответ налоговой 5 минут (вместо 25). Общая экономия 8-9 часов в неделю на одном финдире. Бонус: коллеги из бухгалтерии получили ссылки на агентов и начали работать с тем же стилем формулировок. Стандарт финотдела вырос автоматически, без отдельной работы по регламентам.

Кейс 2. Главбух промышленного производства: «Налоговый ассистент» за 14 требований квартала

Татьяна, главный бухгалтер производственной компании в Подмосковье, 240 сотрудников, 14 лет в профессии.

Точка А. Среднее число требований ФНС по ст. 93.1 НК за квартал 14 штук. На каждое уходило 90 минут: разобрать суть, собрать документы, написать сопроводительное письмо в шаблоне, оформить в Word, распечатать. В квартал это 21 час одной чистой работы плюс рутинная переписка.

Что сделали. Татьяна собрала агента «Налоговый ассистент» по моему шаблону. В knowledge base загрузила: шаблон сопроводительного письма компании, выжимку статей 88, 93, 93.1 НК, 5 примеров своих успешных ответов, чек-лист типовых приложений. Системная инструкция жёсткая, со ссылками на нормативку только с тегом [ПРОВЕРИТЬ]. После двух недель обкатки агент начал выдавать черновики ответов, готовые на 90%.

Точка Б. За первый полный квартал использования: 14 ответов на требования занимают 3 часа вместо 21 (по 12 минут на каждый черновик + проверка). Экономия 18 часов в квартал, 72 часа в год. По ставке главбуха это 90-120 тысяч рублей высвобожденного времени. Подписка ChatGPT Plus окупилась за первый месяц.

Кейс 3. Финдир сети кофеен: брендированный агент для команды

Мария, финдир сети из 8 кофеен в Краснодаре и Ростове-на-Дону. Идея пришла после моего эфира на Telegram-канале.

Точка А. В сети 8 директоров точек, каждый раз в месяц готовит отчёт о работе точки. Раньше отчёты приходили в свободной форме: кто-то писал длинно, кто-то коротко, кто-то забывал важные показатели. Сводка для собственника собиралась Марией вручную, 4-5 часов в месяц.

Что сделали. Мария собрала агента «Помощник директора кофейни». В системную инструкцию вшила стандартный шаблон месячного отчёта точки (выручка, средний чек, проходимость, расходы по статьям, событийные комментарии, вопросы к управляющему). Knowledge base: бренд-бук сети, регламент работы точки, словарь типовых событий (поломка кофемашины, поставка, обучение бариста). Опубликовала агента в режиме «по ссылке» и отдала директорам.

Точка Б. Все 8 точек начали присылать отчёты в едином формате. Время Марии на сводку сократилось с 4-5 часов до 45 минут (агент Марии «Финдир-аналитик» собирает сводку из 8 структурированных отчётов автоматически). Экономия 3-4 часа в месяц у Марии и плюс 30 минут у каждого директора (за счёт чёткого шаблона). По сети это около 7 часов экономии в месяц, плюс выросло качество данных и пропали забытые показатели.

Чек-лист: первая неделя с GPT-агентами в финотделе

7 дней, 7 задач, каждая от 30 минут до 2 часов.

День 1. Настройка кабинета и первый агент (1-2 часа). Регистрируем аккаунт ChatGPT Plus, проверяем доступ. В настройках выключаем «улучшать модель для всех». В разделе «Изучить GPT» жмём «Создать». По шаблону из статьи собираем «Финдир-аналитика»: имя, описание, системная инструкция, knowledge base из 4-5 файлов (учётная политика, шаблон записки, словарь). Тестируем на одной реальной задаче.

День 2. Обкатка первого агента на 5 задачах (1-1.5 часа). Берём 5 реальных задач прошлой недели (записки к отчётам, разборы цифр). Прогоняем через «Финдир-аналитика», отмечаем, где промахивается. Правим системную инструкцию, добавляем пару файлов в knowledge base, обкатываем заново.

День 3. Второй агент «Помощник по договорам» (1 час). По шаблону. Knowledge base: типовой подрядный договор, чек-лист красных флагов, шаблон протокола разногласий. Обкатываем на 3 реальных актах.

День 4. Третий агент «Налоговый ассистент» (1 час). По шаблону. Knowledge base: шаблон сопроводительного письма, выжимка статей НК, 3-5 примеров успешных ответов. Если есть свежее требование от ФНС, прогоняем его через агента и сравниваем с тем, что вы написали бы сами.

День 5. Знакомство с инструментами агента (45 мин). Включаем во всех агентах Code Interpreter (Python), Web Browsing (нормативка), Knowledge file lookup (он уже включён). Тестируем расчёт через Python: «посчитай средневзвешенную ставку по нашим кредитам». Тестируем Web Browsing: «найди свежее письмо Минфина по теме X».

День 6. Шаринг и стандартизация (30 мин). Если в команде есть второй финансист или бухгалтер с Plus, делимся ссылками на агентов. Создаём общую папку «Промпты команды» в Google Drive с описанием каждого агента, его системной инструкцией и набором knowledge base. Это страховка от потери конфигурации.

День 7. Аудит экономии и план на месяц (45 мин). Считаем сэкономленные часы за неделю. Выбираем, какого агента собрать следующим («Юнит-экономист», «Конспектист», «Письма собственнику»). Заводим в календаре час в неделю на «доводку агентов» (обкатка на свежих задачах, правка инструкций).

Будущее GPT-агентов для финансиста в 2026-2027

Три тренда, которые видны на горизонте 6-12 месяцев.

Первое. Контекст вырастет до 500К-1М токенов. OpenAI явно догоняет Gemini по этому параметру. Для финансиста это значит, что в knowledge base можно будет грузить полноценные годовые отчёты, целые версии учётной политики и серии шаблонов без потерь точности.

Второе. Actions станут проще и доступнее. Сейчас подключить агента к Google Calendar или Notion это задача с REST API, OAuth и техническим бэкграундом. В ближайший год OpenAI и сторонние сервисы (Zapier, Make, Albato) дают визуальные конструкторы Actions. Финдиру это значит, что агент сам поднимает остатки из CRM, кладёт в свой ответ и публикует задачу в команде без вашего касания.

Третье. Российские LLM получат свои конструкторы агентов. YandexGPT уже двигается в сторону «Алисы-помощников», GigaChat показал прототип в начале 2026 года. Для российских компаний с жёсткими требованиями по контуру это будет важный путь: тот же подход (системная инструкция + knowledge base + инструменты), но всё работает на российских серверах. Я слежу за этой темой и буду делать отдельный обзор, когда продукт станет рабочим.

Финансисту, который вкладывается в навык работы с агентами сейчас, через год это даёт системную фору. Это уже не «знаю ChatGPT», это «у меня свой набор настроенных AI-сотрудников, которые работают со мной полтора года и знают мою компанию лучше многих стажёров». Это и есть та самая разница между «AI как инструмент» и «AI как команда».

Финальный CTA: на курс «AI-навыки финансиста»

Эта статья даёт схему сборки трёх базовых агентов и 10 готовых промптов. Но настоящая работа с AI у финансиста это система: ChatGPT-агенты, Claude Projects, Gemini Gems, российские модели, обезличивание данных, безопасные knowledge base, связка с 1С и Google Sheets, регулярная доводка под свежие задачи.

На курсе «AI-навыки финансиста» онлайн-школы «Финансовый директор | Мастер CFO» собрана эта система целиком: 10 модулей, 800+ выпускников, диплом установленного образца с лицензией, налоговый вычет 13%. Я веду курс лично, эфиры с разбором кейсов учениц, чат поддержки 6 месяцев после выпуска. Один из модулей посвящён сборке кастомных GPT-агентов под отрасль ученицы.

Записаться на курс «AI-навыки финансиста»

Каналы школы «Финансовый директор | Мастер CFO»

Три канала, в которых я выкладываю практику с AI для финансиста, разборы кейсов, готовые системные инструкции для GPT-агентов и анонсы бесплатных эфиров:

1. Telegram-канал @findir_pro. 45 000+ подписчиков, ежедневные посты с промптами, кейсами и быстрыми приёмами. Основной канал коммуникации.
2. MAX-канал «Финансовый директор». 5 000+ подписчиков в российском мессенджере MAX. Дублирую ключевые материалы, отдельно эксклюзив для коллег из российского контура.
3. YouTube-канал онлайн-школы. Длинные разборы инструментов, эфиры на 1-2 часа, демо-сборка агентов с экрана и комментариями.

Если статья была полезной, подпишитесь на любой из трёх каналов. Я часто разбираю GPT-агентов, новые модели и кейсы выпускников в формате коротких постов и эфиров.

Об авторе

Натали Васильева. Продюсер онлайн-школы «Финансовый директор | Мастер CFO». С нейросетями в работе финансиста с февраля 2023 года. Через мой курс «AI-навыки финансиста» прошли 800+ финансистов, главбухов и финдиров. Веду Telegram-канал @findir_pro (45 000+ подписчиков), MAX-канал «Финансовый директор» (5 000+) и YouTube-канал онлайн-школы. Собственный набор GPT-агентов: 5 в ChatGPT, 2 проекта в Claude, 1 Gem в Gemini. Подписки: ChatGPT Plus, Claude Pro, Gemini Advanced, DeepSeek, Qwen, YandexGPT, GigaChat.