OpenAI Codex для финансиста: как ИИ-агент пишет макросы и скрипты для Excel без навыков программиста

В июне 2026 года OpenAI опубликовала исследование по агентному режиму Codex. За полгода число активных пользователей выросло больше чем в пять раз, и быстрее всего росла аудитория вне разработчиков: юристы, аналитики, HR, финансисты. Меня зовут Натали Васильева, я эксперт по нейросетям и продюсер онлайн-школы «Финансовый директор | Мастер CFO», с февраля 2023 года помогаю финансистам и бухгалтерам внедрять нейросети в работу. Материал актуален на 30 августа 2026 года.

В статье показываю, как OpenAI Codex пишет макросы и скрипты для Excel, когда вы не программист. Внутри: как устроен агент, чем он отличается от обычного ChatGPT, три способа запуска, промпт-каркас, четыре готовые автоматизации с промптами, сравнительная таблица, три кейса с часами и рублями, правила безопасности и чек-лист первой недели.

Что такое OpenAI Codex и чем он отличается от обычного ChatGPT

Codex это ИИ-агент от OpenAI, который сам пишет код, запускает его, читает ошибки, исправляет и повторяет, пока задача не решена. Финансист описывает задачу на русском языке, агент разбирается с файлами, библиотеками и запуском, на выходе даёт готовый рабочий скрипт.

Чтобы понять разницу, возьмите обычный запрос в ChatGPT: вы просите написать макрос, получаете текст кода, вставляете его в редактор VBA и надеетесь, что он заработает. Если в коде ошибка, вы копируете сообщение об ошибке обратно в чат, получаете исправление и пробуете снова. Каждый цикл занимает минуты, а иногда и часы, потому что вы действуете как посредник между моделью и компьютером.

Codex убирает этот посреднический слой. Агент сам создаёт файл, сам запускает его в облачной песочнице или локально, видит результат и текст ошибки, сам исправляет и перезапускает. Вам остаётся описать задачу и проверить итог.

Что именно умеет Codex в 2026 году:

• читать файлы в рабочей папке: Excel, CSV, PDF, текстовые документы
• создавать и редактировать файлы, сохранять результаты в нужном формате
• писать код на Python, VBA, PowerShell, SQL и других языках
• запускать код, устанавливать библиотеки, работать с git
• исправлять ошибки по тексту из консоли без вашего участия
• вести проект из многих файлов и помнить, что уже сделано

В основе лежит та же большая языковая модель, что и в ChatGPT, но агент добавляет к ней слой выполнения. Модель отвечает на вопросы, а обвязка Codex превращает ответ в действие: она создаёт файлы, вызывает интерпретатор Python или редактор VBA, ловит исключения и передаёт их обратно модели для исправления. Для финансиста эта разница незаметна снаружи, но именно она отделяет «советчика», который предлагает код, от исполнителя, который приносит готовый файл.

По данным исследования OpenAI за первую половину 2026 года, аудитория агентного режима Codex росла быстрее всего за пределами разработчиков. Среди активных пользователей появились юристы, аналитики, HR-специалисты и финансисты, причём интенсивность использования со временем растёт: распробовав агента на простых задачах, люди переходят к более сложным, которые в обычном чате не решить. Это наблюдение совпадает с тем, что я вижу у выпускников курса: первая автоматизация почти всегда простая, а через месяц тот же человек автоматизирует целый контур закрытия.

Для финансиста это означает одну вещь: задача «сверь выписку с учётом» превращается из ручного многочасового процесса в короткий диалог с агентом. Дальше покажу, как это выглядит на практике, а сначала разберу, в чём ключевая разница между агентом и обычным чатом.

Чем Codex отличается от запроса «напиши макрос» в обычном ChatGPT

Обычный ChatGPT отвечает текстом. Codex делает работу. Разница лежит в цикле выполнения: агент проходит его сам, а обычный чат останавливается на тексте.

Когда вы просите обычный ChatGPT написать VBA-макрос, вы получаете блок кода. Дальше всё зависит от вас: открыть редактор, вставить, запустить, поймать ошибку, вернуться в чат, объяснить, что пошло не так. На каждой итерации вы тратите несколько минут только на передачу информации между моделью и программой.

Codex проходит этот цикл внутри себя:

1. читает вашу задачу и файлы в рабочей папке
2. пишет код
3. запускает его
4. читает результат и сообщение об ошибке
5. исправляет код
6. запускает снова
7. повторяет, пока не получит чистый результат

Разницу хорошо видно на конкретном примере. Попросите ChatGPT написать скрипт сверки двух таблиц, и вы получите код, который может работать, а может нет. Попросите Codex, и он сам проверит, что файлы на месте, что колонки называются правильно, что итоговые суммы сходятся, и пришлёт результат готовым файлом.

Ещё одно отличие касается контекста. Обычный чат живёт от сообщения к сообщению и легко теряет нить. Codex в CLI и десктопе работает с рабочей папкой как с проектом: он помнит структуру файлов, видит изменения и не переспрашивает то, что уже изучил. Для многошаговой автоматизации это критично.

Отсюда вытекает и практическая рекомендация по первой пробе. Возьмите небольшую задачу с понятным результатом: например, скрипт, который переименовывает файлы в папке по правилу или собирает все суммы из десятка CSV в одну таблицу. Запустите Codex, посмотрите, как он ведёт диалог, где задаёт уточняющие вопросы и как реагирует на ошибки. Так вы поймёте механику агента без риска испортить рабочие данные, а уже следующий сеанс можно посвящать настоящей задаче.

Почему финансисту нужен агент, который сам пишет и запускает код

Финансовая рутина состоит из повторяющихся операций с таблицами: сверки, консолидация, форматирование, выгрузки, проверки. По моим наблюдениям за выпускниками курса, на такие операции у финансовой команды уходит от одного до трёх рабочих дней в месяц. Это время, которое не приносит новых решений, оно тратится на механическую работу.

Программист мог бы закрыть эти задачи скриптами, но здесь включается экономика. Внутренний разработчик занят продуктовыми задачами, фрилансер в моей практике просит от 5 000 до 15 000 рублей за небольшой скрипт, а согласование техзадания занимает недели. Для задачи, которая выполняется два часа в месяц, такие затраты не окупаются.

Codex меняет эту арифметику. Скрипт под сверку или консолидацию агент собирает за один сеанс работы в 30-60 минут, и он остаётся с вами: запускается каждый месяц, переиспользуется, дорабатывается под новые форматы. Стоимость такой автоматизации это подписка, которая уже есть у большинства, и время на формулировку задачи.

Сравню три пути автоматизации одной задачи, например сверки выписки с учётом, которая занимает пять часов в месяц:

Таблица показывает главный барьер автоматизации: время до результата, а стоимость вторична. Фрилансер решает задачу, но ждать недели и платить десятки тысяч ради экономии пяти часов в месяц невыгодно. Codex снимает оба барьера сразу, поэтому он и приживается именно в таких задачах.

Три типовые задачи, с которых я советую начинать:

• сверка выписки банка с данными учёта
• сборка нескольких файлов из 1С в одну таблицу
• подготовка еженедельного отчёта собственнику с форматированием

Каждая из них даёт быстрый видимый результат и не требует редкого языка программирования. Скрипт на Python с библиотеками pandas и openpyxl закрывает почти все табличные задачи финансиста, а VBA нужен для макросов внутри Excel, которые вы передаёте коллегам.

Для ориентира сведу типовые задачи финансового отдела и инструмент, который их закрывает:

Эта таблица отвечает на вопрос, который мне задают чаще всего: «мне точно нужен Codex или хватит обычного чата?». Если задача заканчивается файлом, который нужно перезапускать, берите Codex. Если ответом, обычного чата достаточно.

Отдельно скажу про страх первого запуска. Многие финансисты боятся «сломать» данные или сделать что-то необратимое. Решение простое: агент по умолчанию работает с копиями. В промпте вы просите исходные файлы оставить без изменений, а результат сложить в новый файл. Исходники остаются нетронутыми, скрипт можно перезапускать сколько угодно раз. Когда этот принцип зашит в постановку задачи, риск пропадает, а вместе с ним уходит и главное сопротивление автоматизации.

Постепенное внедрение тоже снижает страх. Первую неделю вы параллелите: считаете вручную и через скрипт, сравниваете результаты. Когда расхождений нет, доверяете скрипту полностью. Такой подход особенно важен для руководителей: перед тем как автоматизировать процесс за команду, они хотят увидеть, что результат скрипта совпадает с ручным расчётом. Параллельный запуск даёт это доказательство за неделю без риска.

Три способа запустить Codex в 2026 году

Codex доступен в трёх основных форматах, и выбор зависит от того, где вы привыкли работать. Все три используют одну модель и одинаково понимают задачу на русском языке.

Первый способ: Codex в ChatGPT в браузере. Зайдите на chatgpt.com, выберите Codex в списке агентов и опишите задачу. Агент работает в облачной песочнице: сам разворачивает среду, устанавливает библиотеки, запускает код и присылает готовые файлы на скачивание. Ничего не нужно устанавливать на компьютер, подходит для первой пробы и для задач, где файлы можно загрузить через интерфейс.

Второй способ: Codex CLI в терминале. Устанавливается одной командой:

npm install -g @openai/codex@latest

После установки запускаете агент командой codex, и он работает с текущей папкой как с проектом. Это самый гибкий вариант для финансиста, который хранит рабочие файлы в своей папке: агент читает их напрямую, создаёт скрипты рядом и не требует загрузки через браузер. У CLI есть режим remote-control, который связывает терминал с мобильным приложением ChatGPT, чтобы запускать задачи на сервере с телефона:

codex remote-control start
codex remote-control pair

Третий способ: Codex Desktop. Приложение для macOS и Windows с чат-интерфейсом и доступом к файловой системе. Удобно тем, кто хочет видеть и диалог, и папку с файлами в одном окне, без работы с командной строкой. В десктоп-версии агент умеет следить за статусом задач и присылать уведомления о завершении.

Отдельно про файловые ограничения. В браузерной версии Codex работает внутри изолированной песочницы: он скачивает загруженные файлы, выполняет код в облаке и возвращает результат. К вашей локальной файловой системе он доступа не имеет, это зона безопасности. CLI и десктоп, наоборот, работают с вашей папкой напрямую, поэтому вся ответственность за то, какие файлы попадут в проект, лежит на вас. Я специально подчёркиваю эту разницу: в браузере легче контролировать данные, в локальных версиях удобнее работать с большими объёмами.

Для полноценной работы с Codex нужна платная подписка ChatGPT: на бесплатном тарифе квота агента сильно ограничена и годится только для пробных задач. Актуальные тарифы смотрите на официальном сайте OpenAI, я не привожу цифры, потому что они меняются. Из России сервисы OpenAI без VPN не работают, это ограничение сервиса, какой сервис поставить, выбираете сами, пользоваться нейросетями из России не запрещено.

Если вы только начинаете и ещё не решили, нужен ли вам именно Codex, пройдите короткий путь: сначала поработайте в обычном ChatGPT с готовыми скриптами из этой статьи. Попробуйте дать задачу, получить код и запустить его вручную. Если вы поймёте, что ручной запуск и поиск ошибок отнимают больше времени, чем сама задача, это сигнал, что пора переходить на агентный режим Codex. Порог входа окажется оправданным.

Сводная таблица по способам запуска, актуально на август 2026 года:

Какой бы способ вы ни выбрали, логика работы одинакова: вы описываете задачу, агент делает цикл «код, запуск, ошибка, исправление» и возвращает готовый файл. Разница только в том, где живут ваши данные.

Как ставить задачу Codex на русском: промпт-каркас

Качество результата Codex на 80 процентов определяется тем, как вы сформулировали задачу. Агент не читает мысли, он работает с текстом промпта и файлами в папке. Хороший промпт закрывает пять блоков: роль, контекст, входные данные, требования к результату, ограничения.

Роль говорит агенту, с кем он разговаривает. Контекст объясняет, что за данные и зачем. Входные данные называют конкретные файлы. Требования описывают, что должно появиться на выходе. Ограничения защищают от типичных ошибок: не трогать исходники, не выдумывать данные, спрашивать при нехватке информации.

Базовый каркас выглядит так:

Ты мой помощник по автоматизации финансовой рутины. Я финансист, не программист.
Работаем в папке проекта. В папке лежат файлы: <перечислите файлы>.

Задача: <опишите, что нужно сделать, одним абзацем>.

Требования к результату:
- <что должно появиться на выходе, например: файл с двумя листами>
- <формат и названия листов>
- <код с комментариями на русском>
- <не изменять исходные файлы>

Ограничения:
- используй только библиотеки <openpyxl и pandas>
- если данных не хватает, задай уточняющий вопрос, не выдумывай

Шпаргалка по формулировкам в промпте: вместо абстрактного «посчитай итоги» пишите «добавь строку Итого и посчитай сумму по каждому столбцу через функцию СУММ», вместо «сделай нормальную сводную» пишите «создай лист Сводная с суммами по статье и по периоду». Разница в том, что абстрактное описание оставляет модели пространство для собственной интерпретации, а конкретное фиксирует ожидаемый результат. На каждое уточнение в промпте приходится на одну-две итерации меньше.

Ещё один приём из практики: если задача большая, разбивайте её на части и запускайте по одной. Не просите одним промптом и сверку, и отчёт, и рассылку. Сначала скрипт сверки, проверка, фиксация результата. Потом отдельный запрос на отчёт по результатам сверки. Каждая часть проверяется отдельно, и если что-то пошло не так, вы знаете, в каком именно промпте причина. Агент тоже работает лучше с фокусом на одной задаче: контекст не перегружается, инструкции не конфликтуют.

Три правила, которые я проверяла на практике:

Называйте файлы точно. Вместо «возьми таблицу с выпиской» напишите «возьми файл vygruzka_bank.xlsx с листом Операции». Агент найдёт файл по имени, а не по описанию. Если файлов в папке много, перечислите их списком.

Описывайте выходной файл. Скажите, какие листы должны быть в результате, какие колонки и какие итоги. Чем точнее описание результата, тем меньше итераций. Абстрактное «сделай нормальный отчёт» даёт непредсказуемый результат.

Просите комментарии в коде. Для финансиста комментарии на русском важнее, чем сам код. Вы читаете скрипт не для того, чтобы понять каждую строку, а чтобы убедиться, что логика верна. Комментарии делают скрипт проверяемым.

Дальше разберу четыре автоматизации с готовыми промптами. Это рабочие шаблоны, берите их за основу и подставляйте свои файлы.

Пример полного диалога с Codex: от задачи до рабочего скрипта

Чтобы показать, как выглядит реальная работа с агентом, разберу один диалог от начала до конца. Это сценарий из практики: специалист по закупкам присылает реестр накладных, который нужно сверить с оплатами. Задача, знакомая каждому, кто работает с кредиторкой.

Первое сообщение. Я описываю задачу по каркасу: роль, контекст, входные данные, требования, ограничения.

Ты мой помощник по автоматизации. Я финансист, не программист.
В папке лежат файлы: reestr_nakladnyh.xlsx и oplaty.xlsx.

Задача: сверить накладные из реестра с оплатами и найти те,
что ещё не оплачены полностью или частично.

Входные данные:
- reestr_nakladnyh.xlsx, лист «Накладные»: номер, дата, контрагент, сумма
- oplaty.xlsx, лист «Оплаты»: номер накладной, дата, сумма

Требования к результату:
- файл sverka_oplat.xlsx с листом «Не оплачены» и листом «Частично»
- на листе «Не оплачены»: накладные, по которым оплат нет
- на листе «Частично»: накладные с суммой оплат меньше суммы накладной
- код с комментариями на русском
- не изменять исходные файлы

Ответ агента. Codex изучает файлы, пишет скрипт на pandas, запускает его в песочнице. Через пару минут возвращает файл и короткое описание: найдено 14 накладных без оплат и 5 с частичной оплатой. В комментариях к коду видно логику: сопоставление по номеру накладной, суммирование оплат по каждому номеру, сравнение с суммой накладной.

Проверка. Я открываю файл и вижу, что в списке «Не оплачены» есть три строки, которые я ожидала увидеть в «Частично». Ошибка в логике: скрипт суммирует оплаты по номеру, но номера в реестре и в оплатах записаны по-разному: в реестре «Н-145», в оплатах «145». Совпадение не сработало.

Второе сообщение. Я пишу агенту: «Сверь номера с учётом префикса Н-. В реестре номера вида Н-145, в оплатах просто 145. Обнови скрипт, чтобы он убирал префикс перед сравнением, и перезапусти».

Ответ агента. Codex правит код, добавляет очистку номера, перезапускает. Новый файл: 11 накладных без оплат и 8 частичных. Я снова проверяю контрольные суммы по паре накладных вручную, всё сходится. Скрипт готов.

Весь диалог занимает 20-25 минут, включая мою проверку. Главное, что я выношу из этого примера: агент не знает про формат номеров, пока вы ему о нём не скажете. Каждая итерация уточняет модель данных, и со временем вы учитесь сразу закладывать такие детали в первое сообщение. Именно поэтому я советую держать под рукой список особенностей ваших данных: префиксы, форматы дат, варианты написания контрагентов. Он экономит по итерации на каждом новом скрипте.

Автоматизация 1. VBA-макрос для месячного отчёта

VBA нужен, когда автоматизация живёт внутри Excel и должна работать у коллег без установки Python. Типовой случай: подготовка отчёта собственнику, где каждый месяц повторяются форматирование, итоги и выгрузка в PDF.

Задача для Codex:

Напиши VBA-макрос для Excel, который готовит месячный отчёт для собственника.

Что делает макрос:
- форматирует шапку: жирный шрифт, заливка синим цветом, белый текст
- ставит границы таблицы
- добавляет строку «Итого» с суммой по каждому столбцу
- включает автофильтр на шапке
- сохраняет копию книги в PDF с именем otchet_avgust_2026.pdf

Файл называется otchet_avgust.xlsx, данные на листе «Данные».
Колонки листа: дата, контрагент, статья, сумма.

Требования:
- макрос с комментариями на русском
- инструкция, куда вставить код в редакторе VBA
- не изменять исходные данные на листе «Данные»

Первый макрос под форматирование отчёта я собирала за один сеанс работы с агентом, заняло примерно 25 минут вместе с проверкой. Дальше этот макрос живёт в книге и запускается одной кнопкой.

Что важно проверить после генерации VBA: макрос вставляется в модуль через Alt+F11, запускается с листа «Данные», и в итоговой строке суммы сходятся с контрольным расчётом. Если что-то не так, скопируйте текст ошибки в чат и опишите, что должно быть вместо этого.

Типичная цепочка правок выглядит так. В первый запуск макрос может ругаться на объединённые ячейки или на лист с именем, которое не совпадает с указанным в коде. Вы копируете сообщение об ошибке в чат, агент правит строку с обращением к листу, вы перезапускаете. На второй итерации уходит форматирование чисел: суммы могут отобразиться как 1000 вместо 1 000,00. Вы просите добавить числовой формат с разделителем и двумя знаками. Обычно две-три итерации доводят макрос до рабочего состояния, а сам процесс правки вы видите наглядно.

Когда макрос готов, попросите агента добавить в книгу кнопку на панели быстрого доступа или назначить сочетание клавиш. Тогда запуск отчёта занимает один клик, и им может пользоваться коллега, который вообще не открывал редактор VBA.

Для более широкого разбора макросов под финансовые задачи смотрите статью про VBA-макросы через ChatGPT, там семь автоматизаций от форматирования до реестра договоров.

Автоматизация 2. Python-скрипт для сверки банковской выписки с ОСВ

Сверка выписки с оборотами по счетам это классическая месячная рутина. Операции из банка сопоставляются с проводками в учёте, расхождения выносятся на проверку. Вручную на это уходит от пяти до шести часов, если операций много.

Codex закрывает задачу Python-скриптом на pandas:

Ты мой помощник по автоматизации финансовой рутины. Я финансист, не программист.
В папке проекта лежат файлы: vygruzka_bank.xlsx и osv.xlsx.

Задача: написать Python-скрипт, который сверяет операции из банковской выписки
с оборотами по счетам из ОСВ и находит расхождения.

Входные данные:
- vygruzka_bank.xlsx, лист «Операции», колонки: дата, контрагент, сумма, назначение
- osv.xlsx, лист «Обороты», колонки: счёт, дата, дебет, кредит

Требования к результату:
- файл sverka_result.xlsx с двумя листами
- лист «Расхождения»: операции из банка, которых нет в ОСВ, и наоборот
- лист «Итоги»: сумма по банку, сумма по ОСВ, разница
- скрипт ищет совпадения по сумме и дате с точностью до копейки
- код с комментариями на русском
- не изменять исходные файлы

Ограничения:
- используй только pandas и openpyxl
- если в данных не хватает колонок, задай уточняющий вопрос

Скрипт читает оба файла, приводит даты к одному формату, сравнивает суммы и даты, разносит несовпавшие операции по спискам и считает итоги. Проверка занимает 40-60 минут вместо пяти-шести часов: вы открываете файл расхождений и смотрите только на то, что не сошлось.

Как проверить результат сверки

Самый важный шаг после запуска скрипта это независимая проверка. Я делаю её так: прошу Codex в том же диалоге пересчитать итоговые суммы ещё одним способом, построчным сложением, и показать промежуточные суммы по каждой дате. Это приём из аудита формул, он работает и здесь: модель проверяет собственный результат внешним расчётом, а не повторным пересказом.

Потом я открываю файл расхождений и смотрю на каждую строку глазами. Скрипт сводит файлы по сумме и дате, но он не знает, что часть операций закрывается корректировочными документами или что авансовый платёж проведён в учёте на день позже. Такие случаи он покажет как расхождения, и это правильно: они и есть предмет проверки человека. Ваша работа сдвигается с поиска к классификации, а это совсем другой уровень нагрузки.

Первый запуск такого скрипта я делала на данных условной компании с 400 операциями за месяц. Расхождений нашлось шесть, все они оказались реальными разрывами: две оплаты не были проведены в учёте, три операции попали на соседнюю дату, одна сумма разошлась на копейки из-за округления. Раньше поиск таких вещей занимал вечер, теперь это встроено в процесс.

Как скрипт ведёт себя, когда формат меняется

Любая сверка живёт в меняющемся мире: банк-клиент обновляет выгрузку, учётная система меняет названия колонок. Скрипт, написанный под старый формат, может выдать пустой результат или, хуже, неполный. Поэтому в постановку задачи я всегда добавляю требование выводить имена проблемных файлов и пропущенных колонок.

Если формат изменился, диалог с агентом выглядит так: вы прикладываете свежий файл и пишете «сравни новый формат со старым, покажи, какие колонки переименовались, и обнови скрипт». Агент сам найдёт расхождения в структуре, поправит код и перезапустит. Такая поддержка формата занимает десять минут, а не день переделки.

Автоматизация 3. Скрипт для консолидации файлов из 1С

Консолидация это сборка данных из нескольких файлов в одну таблицу. В финансовых отделах это регулярная задача: двенадцать филиалов присылают выгрузки, их надо собрать в единый формат, пересчитать итоги и сверить с контрольными суммами.

Задача для Codex:

Ты мой помощник по автоматизации финансовой рутины. Я финансист, не программист.
В папке «выгрузки» лежат 12 файлов Excel с отчётами филиалов, имена файлов:
filial_01.xlsx, filial_02.xlsx и так далее.

Задача: написать Python-скрипт, который собирает все файлы в одну таблицу
и добавляет итоговый лист.

Структура каждого файла одинаковая, лист «Отчёт», колонки:
филиал, статья, сумма, период.

Требования к результату:
- файл konsolidaciya.xlsx с листом «Все данные» и листом «Итоги»
- на листе «Все данные» все строки из всех файлов с колонкой филиал
- на листе «Итоги» суммы по каждой статье и общий итог
- если в каком-то файле другая структура, выведи его имя в отчёт
- код с комментариями на русском
- не изменять исходные файлы

Ограничения:
- используй только pandas и openpyxl
- при ошибке чтения файла не останавливайся, запиши имя файла в отдельный лист

Этот скрипт полезен ещё и тем, что он сам сообщает о проблемах: если в каком-то филиале изменили структуру отчёта, агент выведет имя файла на отдельный лист вместо молчаливой сборки кривых данных. Вы сразу видите, что требует ручного вмешательства.

Ещё одна деталь, которую я прошу добавить в консолидацию: свод по филиалам с проверкой, что сумма по каждому филиалу в сборной таблице совпадает с суммой в его исходном файле. Так сборка проверяет сама себя: если при чтении потерялась строка, разница сразу видна на листе «Итоги». Это превращает скрипт из механического сборщика в инструмент контроля качества.

Когда филиалов становится больше, добавляется следующая опция: шаблон ответа филиалам. Скрипт собирает список проблемных файлов, и агент по нему готовит письмо с описанием, что именно исправить в формате выгрузки. Руководитель отдела пересылает письмо филиалам без дополнительной расшифровки, а следующая выгрузка приходит уже в правильном виде.

Месячное закрытие с такой консолидацией уходит с полного рабочего дня до часа, включая проверку итогов. Подробнее про построение консолидированной отчётности через нейросети есть в отдельной статье про консолидацию отчётности через ChatGPT.

Автоматизация 4. Автозапуск скриптов по расписанию

Любая повторяющаяся автоматизация становится по-настоящему полезной, когда она запускается сама. После того как Codex собрал скрипт сверки или консолидации, следующий шаг это расписание.

Попросите агента подготовить запуск:

Скрипт sverka.py лежит в папке C:\fin\scripts. Каждое утро в 8:00 в папку
C:\fin\data ложатся свежие файлы: vygruzka_bank.xlsx и osv.xlsx.

Задача: подготовить bat-файл для планировщика Windows, который:
- запускает python sverka.py из папки C:\fin\scripts
- записывает лог запуска в файл C:\fin\scripts\log.txt
- не закрывает окно, если скрипт упал с ошибкой, а показывает текст ошибки

Требования:
- имя bat-файла: zapusk_sverki.bat
- инструкция, как добавить задачу в планировщик Windows на каждый день в 8:00
- команды с комментариями

Агент вернёт bat-файл и пошаговую инструкцию для планировщика. Дальше утром вы открываете папку с результатами и проверяете файл расхождений, а запуск происходит без вашего участия.

На macOS и Linux расписание настраивается через cron, и Codex точно так же подготовит команды. Первую неделю после настройки я советую проверять результат вручную каждый день, чтобы убедиться, что данные ложатся в папку вовремя и в правильном формате.

Ещё один сценарий автозапуска, который недооценивают, это работа с корпоративной почтой. Если в финотдел каждое утро приходят файлы от контрагентов или филиалов, Codex может готовить обработку новых вложений: папка с входящими проверяется по расписанию, новые файлы попадают в обработку, результат складывается в отдельную папку. Такой контур превращает разовую автоматизацию в ежедневного помощника, который работает без вашего участия с утра до вечера.

Когда автоматизаций становится несколько, полезно попросить агента подготовить единый файл статуса: какие скрипты запустились, какие завершились с ошибкой, какие файлы требуют внимания. Утром вы открываете один файл вместо пяти папок, и сразу видно, где нужен человек.

Что Codex делает плохо и где нужен человек

Codex силён в механической работе, но он не знает вашу учётную политику, налоговую практику и контекст бизнеса. Агент оптимизирует выполнение задачи, которую вы описали, и если в описании заложена неверная логика, он аккуратно автоматизирует эту неверную логику. Лучший способ проверить, насколько хорошо агент понял задачу, это прочитать его комментарии в коде и описание результата: если логика на словах совпадает с вашей, автоматизация безопасна.

Пять мест, где нужен контроль человека:

Итоговые суммы. Скрипт может считать без ошибок, но в постановке задачи могла потеряться строка или колонка. Первую проверку результата всегда сверяю с контрольным расчётом.

Логика отнесения на статьи. Агент распределяет операции по категориям по правилам, которые вы дали. Если правило неточное, ошибка повторится на каждой строке, и выглядеть она будет убедительно.

Изменения в исходных данных. Формат выгрузки из 1С или банк-клиента меняется, и скрипт начинает выдавать неполные результаты. Именно поэтому в промптах я прошу выводить имена проблемных файлов.

Нормативка и налоговые сценарии. Для сложных вопросов по НДС, налогу на прибыль и отчётности агент не заменяет профессиональную проверку. Он может сгруппировать данные, но квалифицированное суждение остаётся за вами.

Самопроверка модели. Модель может проверить собственный расчёт и не заметить ошибку, потому что проверяет по той же цепочке рассуждений. Приём из моей практики: просите пересчитать итоги независимым способом на Python с построчным выводом.

Промпт для независимой проверки:

Проверь расчёт в файле sverka_result.xlsx на листе «Итоги».
Пересчитай все итоговые суммы независимым способом: прочитай исходные файлы,
сложи суммы построчно и выведи промежуточные результаты для каждого шага.
Сравни с листом «Итоги» и покажи, где расхождения.
Если расхождений нет, так и напиши.

Этот приём сильно поднимает точность, потому что заставляет модель выполнить расчёт заново по данным, а не пересказать предыдущий ответ. Про то, как нейросети ошибаются в цифрах и что с этим делать, я подробно разбирала в статье про приёмы точных расчётов.

Пять ошибок новичков в работе с Codex

За время работы с выпускниками курса я собрала пять типичных ошибок, которые повторяются у всех, кто начинает работать с агентами. Каждая из них стоит времени и нервов, и каждую легко обойти.

Ошибка 1. Задача без требований к результату. «Сделай мне скрипт сверки» это пожелание, а задача требует описания результата. Агент выдаст что-то работающее, но, скорее всего, не то, что вы хотели: без нужных листов, без комментариев, без обработки ошибок. Решение: всегда описывайте выходной файл, его листы, колонки и итоги. Промпт-каркас из статьи закрывает этот вопрос.

Ошибка 2. Работа с реальными данными на первой итерации. Когда на кону настоящая выписка, руки трясутся, и проверять результат сложно: вы не уверены, что сами видите правильные цифры. Решение: первую версию скрипта всегда гоняйте на обезличенной копии или на сгенерированных данных с известным ответом. Когда скрипт сошёлся на тесте, переключайте его на боевые файлы.

Ошибка 3. Правка кода руками. Получив скрипт с мелкой ошибкой, проще исправить строку самому, чем писать сообщение агенту. Но следующая итерация потеряет эту правку: агент работает с версией, которую вы ему не показали. Решение: все изменения вносите через диалог, показывайте агенту текущий код и просите исправить. Тогда история правок остаётся в контексте и следующий скрипт получится сразу правильным.

Ошибка 4. Игнорирование текста ошибок. Когда скрипт падает, новичок описывает симптомы своими словами: «не работает, таблица пустая». Агент гадает, что пошло не так. Решение: копируйте сообщение об ошибке из консоли целиком и добавляйте одну строчку описания. Текст ошибки для агента важнее любого пересказа.

Ошибка 5. Отсутствие проверки итогов. Довериться агенту полностью легко, потому что результат выглядит аккуратно. Но скрипт считает по вашей постановке, а не по реальному бизнесу. Решение: до автоматизации зафиксируйте контрольную сумму по данным за прошлый период и каждую новую версию скрипта сверяйте с ней. Как только контроль сходится, доверие обосновано.

Эти пять ошибок покрывают почти все обращения в поддержку курса за первый месяц работы с агентами. Осознанная постановка задачи, тест на обезличенных данных и контрольная сумма закрывают большую часть проблем до того, как они стали проблемами.

Что изменится в агентах до конца 2026 года

По динамике, которую я наблюдаю с февраля 2023 года, агентные инструменты развиваются быстрее, чем обычные чаты. Исследование OpenAI за первую половину 2026 года показало пятикратный рост активных пользователей агентного режима, и этот рост идёт за счёт специалистов из других профессий, а не только разработчиков. Финансисты в этой волне одни из первых.

Три направления, которые я закладываю в прогноз до конца 2026 года.

Больше готовых рецептов под конкретные профессии. Разработчики собирают библиотеки готовых навыков для агентов: файлы с инструкциями, которые подключаются к Codex, Claude Code и другим инструментам. По аналогии будут появляться сборки под финансы: готовые правила для сверок, консолидаций, проверок отчётности. Финансисту останется подключить набор и подставить свои файлы.

Рост локальных и гибридных сценариев. CLI и десктоп-версии уже позволяют работать с папкой без загрузки в облако. Дальше этот тренд усилится: чувствительные данные останутся на компьютере, а модель будет вызываться как услуга. Для финансовых отделов это снимет часть вопросов по безопасности.

Переход от отдельных скриптов к контурам. Сейчас каждая автоматизация живёт отдельно. Дальше агенты начнут связывать задачи: сверка запускается после выгрузки, консолидация после сверки, отчёт после консолидации. По сути это превращение месячного закрытия в цепочку автоматических шагов с точками контроля.

К чему готовиться уже сейчас: навык ставить задачу агенту становится таким же базовым, как Excel. Умение описать процесс так, чтобы машина его выполнила, ценится выше, чем знание синтаксиса конкретного языка. Именно этот навык я тренирую на курсе «AI-навыки финансиста», и он останется ценным независимо от того, какой инструмент выйдет следующим.

Сравнение: Codex, ChatGPT, Claude, Gemini для задач финансиста

У финансиста в 2026 году есть выбор из нескольких инструментов, и у каждого своя роль. Сравниваю по задачам, с которыми работаю сама. Таблица актуальна на август 2026 года.

Моя рабочая связка выглядит так: Codex берёт на себя задачи, где нужен запущенный и проверенный скрипт, обычный ChatGPT используется для разовых разборов таблиц и формул, Claude подключается для длинных документов вроде договоров. Gemini удобен, если вся работа идёт в Google Таблицах.

Как выбрать инструмент под конкретную задачу, подсказывает простой тест. Если задача заканчивается готовым файлом, который нужно запускать повторно, это работа для Codex. Если задача заканчивается ответом или объяснением, подойдёт обычный чат. Если на входе длинный документ на десятки страниц, открывайте Claude. Такое распределение закрывает почти весь спектр финансовых задач, а споры «какая модель лучше» сводятся к вопросу «что вы делаете с результатом».

Отдельно отмечу, что модели быстро обновляются: в августе 2026 года актуальная связка это GPT-5.5 в ChatGPT и Codex, Claude Sonnet 4.6, Gemini 2.5, DeepSeek V3.2 как бесплатный вариант для черновых задач на обезличенных данных. Конкретные сильные стороны я проверяю на задачах перед каждой статьёй и в канале «АИ с Софьей и Натали» публикую свежие тесты после выхода новых версий.

Полная карта инструментов по финансовым задачам есть в статье «Нейросети для финансиста и бухгалтера 2026», там я развожу инструменты по пятнадцати задачам от первички до отчёта собственнику.

Безопасность: какие данные можно отдавать агенту

Codex работает с файлами, которые вы ему даёте, поэтому вопрос данных стоит первым. Правило простое: в облако уходят только обезличенные данные, документы под NDA и банковскую тайну в публичные тарифы не грузим.

Что делаю перед загрузкой:

1. Заменяю названия на маски. «ООО Ромашка» становится «Контрагент 1», «ООО Верба» становится «Контрагент 2». Справочник соответствий держу отдельно.
2. Убираю идентификаторы. ИНН, счета, ФИО заменяю на заглушки. Суммы можно оставить, по суммам агент сверяет итоги.
3. Проверяю настройки данных. В платных тарифах ChatGPT можно отключить обучение на данных, проверьте этот пункт в настройках аккаунта.
4. Для чувствительных документов выбираю локальный режим. CLI и десктоп-версия позволяют работать с папкой на компьютере, файлы не покидают машину.
5. Слежу за логами. Если скрипт пишет в консоль названия контрагентов, прошу заменить их на маски и в коде.

Отдельная оговорка по доступу: сервисы OpenAI из России без VPN не работают, это ограничение сервиса. Какой сервис поставить, выбираете сами, пользоваться нейросетями из России не запрещено. Вся работа с данными идёт по тем же правилам обезличивания независимо от способа подключения.

Для наглядности сведу, что можно и что нельзя отдавать агенту, в таблицу. Правила одни для всех инструментов, не только для Codex.

Если сомневаетесь, относится ли файл к правой колонке, считайте, что относится. Лишний раз обезличить данные это пять минут, а последствия утечки могут измеряться годами.

Подробно про обезличивание и безопасность работы с финансовыми данными я разбирала в статье про аудит формул в Excel, там же есть готовый шаблон маскирования.

Три кейса из практики с часами и рублями

Кейсы ниже это ориентиры из практики выпускников и моей работы. Цифры округлены, чтобы на них можно было опираться при расчёте окупаемости.

Кейс 1. Главбух на УСН, сверка выписки с учётом. Каждый месяц бухгалтер сверяла выписку банка с оборотами в учётной системе. Операций около 400, на ручную сверку уходило пять-шесть часов в два захода. Codex собрал скрипт за один сеанс в 40 минут. Теперь сверка занимает час вместе с проверкой найденных расхождений. Экономия пять часов в месяц, это около 6 рабочих дней в год, или примерно 15-20 процентов от месячной нормы времени на рутину.

Кейс 2. Финансовый директор производственной компании, консолидация из 1С. Двенадцать подразделений присылали выгрузки, сборка в единую таблицу с проверкой итогов занимала полный рабочий день. Скрипт от Codex собирает файлы за пять минут, час уходит на проверку итогов и разбор файлов с изменённой структурой. Экономия около семи часов в месяц. При ставке финансового специалиста 2 500-3 500 рублей в час это больше 20 000 рублей в месяц на одной задаче.

Кейс 3. Финансовый аналитик, еженедельный отчёт собственнику. Подготовка отчёта с форматированием, итогами и выгрузкой в PDF занимала три часа каждую пятницу. VBA-макрос от Codex делает весь процесс за 15 минут. Экономия два часа сорок пять минут в неделю, это одиннадцать часов в месяц. Собственник получил единый формат отчёта, а аналитик перестала работать над форматированием.

Общий вывод из кейсов: первая автоматизация окупается в первый же месяц, дальше экономия накапливается. Скрипт остаётся в работе, переиспользуется каждый месяц и дорабатывается под изменения форматов.

Важная деталь, которая объединяет все три кейса: экономия появляется не в день первой генерации скрипта, а после того, как автоматизация вошла в процесс. Первый сеанс всегда дольше, потому что вы формулируете задачу, проверяете результат, правите. Со второго-третьего месяца вы просто открываете промпт из библиотеки, подставляете новые имена файлов и запускаете. Именно поэтому я советую собирать библиотеку промптов: разовая работа превращается в многоразовый инструмент.

По моим прикидкам, которые я делала вместе с выпускниками, суммарная экономия от трёх автоматизаций из кейсов это от 20 до 30 часов в месяц на финансового специалиста. При переводе в деньги, исходя из ставки 2 500-3 500 рублей в час, выходит от 50 000 до 100 000 рублей в месяц на одного человека. Это верхняя оценка, она не учитывает время на поддержку скриптов, но порядок цифр понятен: автоматизация рутины это одна из самых быстрых окупаемых инвестиций в работе финансового отдела.

Как встроить Codex в ежемесячное закрытие

Отдельные скрипты полезны, но система даёт больше. Я советую выстроить вокруг Codex небольшой регламент, чтобы автоматизация работала каждый месяц без авралов.

Шаг 1. Составьте реестр рутины. Выпишите задачи, которые повторяются каждый месяц: сверки, консолидации, проверки, форматирование, выгрузки. Напротив каждой укажите, сколько часов она занимает и какие файлы нужны на входе.

Шаг 2. Выберите три задачи с максимальной экономией. Обычно это сверка, консолидация и отчёт собственнику. Их автоматизация даёт видимый результат за первую неделю.

Шаг 3. Соберите библиотеку промптов. Каждая задача превращается в промпт из статьи, сохранённый в отдельный файл. В начале месяца вы открываете нужный промпт, подставляете имена файлов и запускаете агента. Через пару месяцев библиотека закрывает почти всю рутину.

Шаг 4. Переведите задачи на расписание. Скрипты, которые работают стабильно, переходят на автозапуск через планировщик. Вручную остаются только те, где нужна экспертная проверка.

Шаг 5. Оставьте время на контроль. Даже при полной автоматизации я закладываю час на проверку итоговых файлов перед тем, как цифры уходят к собственнику.

Чтобы понять, как распределяется работа между человеком и агентом в новом процессе, смотрите на таблицу ответственности. Она же помогает объяснить команде, что автоматизация меняет нагрузку людей, а не отменяет их.

Роль человека сдвигается от исполнения к контролю и решениям. Это ровно тот сдвиг, который я закладываю в обучение: не «нейросеть вместо вас», а «нейросеть берёт рутину, вы берёте ответственность».

Такой контур из реестра, промптов и расписания превращает Codex из разового помощника в часть процесса. Для более сложных связок, где несколько агентов закрывают месяц целиком, смотрите статью про армию AI-агентов.

Чек-лист: первые автоматизации за неделю

Шесть шагов, по одному на каждый день первой недели. Сохраните в заметки и пройдите по порядку.

1. Откройте Codex. Зайдите на chatgpt.com, выберите Codex, убедитесь, что подписка активна. Если планируете работать с папкой, поставьте CLI командой npm install -g @openai/codex@latest.
2. Соберите обезличенный файл данных. Возьмите выгрузку за прошлый месяц, замените контрагентов на маски, ИНН и счета на заглушки. Суммы оставьте.
3. Сформулируйте первую задачу. Выберите сверку выписки с учётом или сборку файлов из папки. Вставьте промпт из статьи, подставив свои имена файлов.
4. Запустите и проверьте результат. Откройте выходной файл, сравните итоги с контрольным расчётом. Если нашли расхождение, скопируйте текст ошибки в чат.
5. Попросите доработать. Уточните требования: добавьте лист, измените формат, выведите список проблемных файлов. Обычно две-три итерации дают рабочий скрипт.
6. Переведите на расписание. Попросите Codex подготовить bat-файл и инструкцию для планировщика. Первую неделю проверяйте результат вручную, потом доверьте запуск расписанию.

Этот чек-лист покрывает первую автоматизацию. Дальше процесс повторяется для каждой новой задачи, и с каждой итерацией вы тратите меньше времени на формулировку.

FAQ: частые вопросы про OpenAI Codex для финансиста

Что такое OpenAI Codex и зачем он финансисту? Это ИИ-агент, который сам пишет код, запускает его, исправляет ошибки и повторяет, пока задача не решена. Вы описываете задачу на русском, он возвращает готовый файл.

Нужно ли знать программирование? Нет. Чем точнее описание задачи и требований, тем лучше результат. Код пишет агент, вы проверяете итог.

Чем Codex отличается от обычного ChatGPT? ChatGPT даёт текст кода, Codex делает полный цикл: создаёт файл, запускает, читает ошибку, исправляет. В браузерной версии он работает в облачной песочнице, в CLI и десктопе с вашей папкой.

Codex бесплатный? Codex входит в тарифы ChatGPT: на бесплатном тарифе квота агента сильно ограничена и годится только для пробных задач, для полноценной работы нужна платная подписка. Актуальные условия и цены смотрите на официальном сайте OpenAI.

Безопасно ли давать Codex финансовые данные? Только обезличенные: контрагенты, ИНН и счета маскируются, документы под NDA в публичные тарифы не грузятся. Для чувствительных файлов есть локальный режим CLI и десктопа.

Работает ли Codex из России? Без VPN сервисы OpenAI из России не работают, это ограничение сервиса. Какой сервис поставить, выбираете сами, пользоваться нейросетями из России не запрещено.

Сколько времени экономит Codex? Ориентиры из кейсов: сверка 40-60 минут вместо 5-6 часов, консолидация час вместо рабочего дня, отчёт собственнику 15 минут вместо трёх часов.

Можно ли запускать скрипты по расписанию? Да. Codex готовит скрипт и инструкцию для планировщика Windows или cron, и задача запускается сама по расписанию.

Что дальше

Codex закрывает самую механическую часть финансовой работы: сверки, сборку файлов, форматирование, автозапуск. Это один инструмент из целой системы нейросетей, которую финансист использует в 2026 году. Следующий шаг собрать вокруг автоматизации весь контур: обезличивание данных, проверку итогов, библиотеку промптов, контроль качества перед сдачей.

Если вы дочитали до этого места, вот три действия на ближайшую неделю. Первое: откройте chatgpt.com, выберите Codex и дайте ему первую задачу с понятным результатом, например переименование файлов в папке. Второе: запишите, сколько времени заняла задача, и сравните с тем, сколько она занимала вручную, так вы увидите экономию в цифрах, а не на словах. Третье: сохраните промпт-каркас из статьи в заметки и начните собирать свою библиотеку промптов под типовые задачи. Через месяц у вас будет рабочий инструмент, который переиспользуется каждый месяц.

Не ждите идеального момента, чтобы начать. Первая автоматизация никогда не бывает идеальной: скрипт потребует правок, формат выгрузки изменится, найдутся новые нюансы. Это нормальный цикл работы с агентом, и он быстрее ручного уже на второй итерации. Главный шаг это первый промпт, дальше процесс затягивает, потому что экономия видна сразу.

Для тех, кто хочет пройти путь системно, есть курс «AI-навыки финансиста» онлайн-школы «Финансовый директор | Мастер CFO»: разбираю, как выстроить автоматизацию от первой задачи до полного регламента закрытия месяца. 10 модулей, 800+ выпускников, диплом установленного образца с лицензией и налоговый вычет 13%. Начать можно с бесплатного эфира-экскурсии, где показываю процесс на практике.

Записаться на курс «AI-навыки финансиста»

Наши каналы для финансистов

@findir_pro. Основной Telegram-канал «Финансовый директор | Мастер CFO». 45 000 подписчиков. Ежедневно: практические разборы, кейсы выпускников, обновления инструментов, новые промпты для финансистов.

«АИ с Софьей и Натали». Канал об AI для финансистов. 13 000 подписчиков. Вместе с Софьей Бурцевой, основателем школы, разбираем новые модели, делаем живые тесты и публикуем обновлённые промпты сразу после выхода новых версий.

MAX. Закрытое сообщество для действующих финансовых директоров. 5 000+ участников. Кейсы коллег, шаблоны, закрытые эфиры по AI и стратегии CFO.

Об авторе

Натали Васильева. Эксперт по нейросетям и продюсер онлайн-школы «Финансовый директор | Мастер CFO». С нейросетями в работе финансиста с февраля 2023 года. Через курс «AI-навыки финансиста» прошли 800+ финансистов, главбухов и финдиров. Веду Telegram-канал @findir_pro (45 000 подписчиков) и MAX-канал «Финансовый директор» (5 000+).

FACTCHECK_FIXED: Проверил и подтвердил live-WebSearch факт про исследование OpenAI (пятикратный рост активных пользователей Codex за 1H2026, рост вне разработчиков) и команды CLI (npm install -g @openai/codex, codex remote-control start/pair). Уточнил доступ к Codex: на бесплатном тарифе квота сильно ограничена, для полноценной работы нужна платная подписка (правки в keyTakeaways, howto, разделе запуска, таблице сравнения и FAQ). Добавил оговорку «в моей практике» к цифрам кейсов (сверка 40-60 мин, экономия 80-90%) и к ценам фрилансера. Все 6 внутренних ссылок ведут на существующие статьи (проверено по slug). Версии моделей (GPT-5.5, Claude Sonnet 4.6, Gemini 2.5, DeepSeek V3.2) сверены с реестром. Цифры школы (45 000, 13 000, 5 000+, 800+) — по реестру. Сторонних экспертов/блогеров и внешних битых URL не обнаружено. Цены подписок не хардкожу — отсылка к официальному сайту OpenAI.