Vibe-coding для финансиста: собрать дашборд платежей за час без программирования

В 2026 году финансист может собрать рабочий дашборд платежей за час. Без программирования, без фрилансера, без ожидания спринта. Это называется вайб-кодинг, и в этой статье я разбираю, как именно это работает для финансовой работы: 10 готовых промптов, три кейса с конкретными цифрами, сравнение инструментов и пошаговый план от выгрузки из 1С до готового файла в браузере. По состоянию на 7 июня 2026 года.

Я продюсирую онлайн-школу Финансовый директор | Мастер CFO и каждую неделю слышу от финансистов одну и ту же боль: «нужен нормальный дашборд, но разработчик просит 50 000 рублей и месяц ждать». Или: «в 1С есть данные, но достать их в виде нормального отчёта с фильтрами - целый квест». С вайб-кодингом этот дашборд собирается самостоятельно за один сеанс - не потому что финансисты стали программистами, а потому что нейросеть пишет код вместо них.

Что такое вайб-кодинг и почему это не про программистов?

Вайб-кодинг (vibe coding) - это создание работающих программ через диалог с нейросетью на обычном языке. Вы описываете, что хотите получить, нейросеть пишет весь код, вы видите готовый результат. Код при этом читать и понимать не нужно.

Термин появился в начале 2025 года в среде разработчиков и быстро перешёл в практику не-технических специалистов. Идея простая: если нейросеть умеет писать код лучше большинства джуниоров, то зачем вообще учиться программировать для создания прикладных инструментов? Можно просто объяснить задачу и получить результат. За полтора года этой практикой воспользовались миллионы людей без технического образования - они строят приложения, дашборды и автоматизации через диалог с AI.

Разница между обычным ChatGPT и вайб-кодингом принципиальная, и её важно понимать с самого начала. Обычно нейросеть работает как консультант: вы спрашиваете «как написать формулу VLOOKUP», получаете объяснение и сами пишете. При вайб-кодинге нейросеть - исполнитель: вы говорите «сделай мне дашборд платежей по этим данным», она возвращает готовый, работающий результат. Разница как между консультацией у архитектора и строительной бригадой под ключ.

Финансист - идеальный кандидат для вайб-кодинга по нескольким причинам.

Вы умеете формулировать требования. Это ключевой навык в вайб-кодинге, и у финансистов он уже есть. «Нужна таблица с суммами платежей по контрагентам, с фильтром по периоду, с подсветкой просрочки красным и кнопкой экспорта в Excel» - это уже почти готовый промпт. Финансисты объясняют задачи подчинённым, контрагентам и собственнику каждый день. Нейросеть - ещё один исполнитель, только пишет код вместо человека.

У вас есть данные. 1С, Excel, банковские выписки - именно с таким форматом умеют работать современные нейросети. Загрузить CSV-файл и получить анализ - это буквально несколько кликов в ChatGPT с Data Analysis.

Задача «дашборд» хорошо определена. У неё есть конкретные требования, нет двусмысленностей, понятен желаемый результат. Нейросеть понимает задачу финансового дашборда с первого раза и делает рабочую первую версию.

Что вайб-кодинг не умеет и важно знать заранее: делать первую итерацию идеальной (это нормально - 70-80% нужного), интегрироваться с живой базой 1С в одно касание (нужен дополнительный инструмент вроде n8n), работать без вашего участия совсем (нужно описывать правки словами). Два-четыре прогона промптами для финального результата - это не поломка, это рабочий процесс.

Какой дашборд платежей реально собрать за час?

За один час вайб-кодингом реально получить полноценный рабочий дашборд. Не прототип, не «примерно похоже», а HTML-файл, который открывается в браузере, работает без интернета и не требует установки ничего.

Вот что входит в дашборд за один час.

Карточки-KPI вверху. Итого приходов за период, итого расходов, баланс (разница), количество просроченных платежей и сумма просрочки. Каждая карточка - отдельный блок с большой цифрой и мелким пояснением. Пересчитываются автоматически при изменении фильтров.

График динамики. Столбчатый или линейный, приходы и расходы по дням или месяцам за весь период данных. Цвета: приходы зелёным или синим, расходы красным. Можно добавить подписи значений на столбиках.

Таблица платежей. Все операции из файла с сортировкой по дате. Три-четыре фильтра: по диапазону дат (date range picker), по типу операции (приход/расход/все), по статусу (оплачено/ожидает/просрочено), по контрагенту. Строки подсвечены по статусу: просрочено - красный, ожидает - жёлтый, оплачено - зелёный.

Кнопка экспорта. Скачать текущий вид таблицы (с учётом всех фильтров) в CSV или Excel.

За 2-4 часа к этому добавляется: несколько вкладок (ДДС, ДЗ/КЗ, касса), авторизация для команды, функция добавления новых записей прямо в интерфейсе, сравнение с планом. Для этого нужен Lovable или Bolt - они делают полноценное веб-приложение.

Что точно не получится за час без опыта: прямая интеграция с живой базой 1С, многопользовательский режим с разграничением прав, сложный факторный анализ, мобильное приложение. Это достижимо, но нужно несколько сеансов работы.

Я рекомендую начать с одного простого дашборда по одному файлу. Когда поймёте механику за 60 минут, следующий займёт уже 15-20.

Какие финансовые метрики включить в дашборд платежей?

Большинство финансистов начинают с «хочу дашборд» и заканчивают «мне нужна страница с тремя числами». Правильный набор метрик определяет, будет ли дашборд реально использоваться или осядет в папке «проекты». Разберу по уровням - каждый строится поверх предыдущего.

Уровень 1: KPI-карточки (обязательно для любого дашборда)

Это первое, что видит финансист при открытии. Четыре числа, которые дают моментальный ответ «всё хорошо или есть о чём поговорить»:

• Итого приходов за период. Абсолютная цифра с динамикой к предыдущему периоду: +12% или -5%.
• Итого расходов за период. То же самое.
• Кассовый разрыв ближайших 7 дней. Разница между суммой ожидаемых поступлений и суммой обязательных платежей в ближайшую неделю. Если отрицательная - выделяем красным.
• Просрочка: количество платежей и сумма. «12 платежей на 3,4 млн рублей». Это не цифра для любопытства - это список дел для казначея на сегодняшний день.

Дополнительно при наличии данных: дебиторская задолженность итого, кредиторская задолженность итого, оборачиваемость ДЗ в днях.

Уровень 2: Динамика за период

График приходов и расходов по периодам решает одну задачу: показать сезонность, аномалии и тренд. Для российского финансиста важны три элемента.

Столбчатый график по месяцам за 6-12 месяцев с двумя рядами столбиков рядом: приходы синим, расходы красным. Сезонность видна как на ладони - декабрьский пик или летний провал больше не нужно искать в сводных таблицах.

Линия «кассовый разрыв» поверх столбиков: когда суммарные расходы превышают приходы за месяц, линия уходит вниз. Кризисный месяц виден сразу, без вычислений.

Плановые vs фактические приходы при наличии данных о плане: отклонение видно без ручного сравнения двух таблиц. Нейросеть по промпту добавляет горизонтальную линию «среднее за год» - сразу понятно, когда месяц ниже нормы.

Уровень 3: Анализ просрочки (aging analysis)

Плоская таблица с просроченными платежами бесполезна, если в ней 200 строк без приоритета. Три добавки из вайб-кодинга превращают таблицу в инструмент работы.

Возрастная шкала просрочки: четыре группы - 0-30 дней, 31-60, 61-90, 90+. Цветовая кодировка по уровню риска. Один взгляд на карточки - понятно, что срочно, что ещё терпит.

Тепловая карта контрагентов: по вертикали - контрагенты, по горизонтали - месяцы. Ячейка окрашена при наличии просрочки. Хронические неплательщики видны как столбец красных ячеек - без анализа каждой строки.

Колонка «рекомендованное действие»: нейросеть добавляет автоматически по правилу: просрочка до 7 дней - «напоминание», 8-30 дней - «звонок», 31-60 дней - «претензия», 60+ дней - «взыскание». Это убирает необходимость думать о каждой строчке вручную, оставляя финансисту только принятие решений.

Уровень 4: Платёжный календарь

Отдельная вкладка «следующие 30 дней»: список предстоящих платежей по дате с суммами и контрагентами, отсортированный по дате исполнения.

Ценность в том, что кассовый разрыв виден заранее. Если в следующую пятницу выходит зарплата на 2 миллиона, а поступлений до пятницы ожидается на 800 тысяч - кассовый разрыв нужно закрывать сегодня, а не в четверг вечером. Нейросеть добавляет эту вкладку за один промпт при условии, что в данных есть колонка с плановой датой платежа.

Промпт для возрастного анализа просрочки (aging):

Добавь вкладку "Просрочка (Aging)" в навигацию дашборда.
На ней показывай:

1. Четыре карточки-KPI с итоговыми суммами по группам:
   - "0-30 дней" (#dcfce7 фон)
   - "31-60 дней" (#fef9c3 фон)
   - "61-90 дней" (#fed7aa фон)
   - "90+ дней" (#fee2e2 фон)
   В каждой карточке: сумма просрочки группы + количество контрагентов.

2. Таблица с колонками: Контрагент / Сумма / Дата операции / 
   Дней просрочки / Группа / Рекомендованное действие.
   
   Колонка "Рекомендованное действие" заполняется автоматически:
   1-7 дней: "Напоминание"
   8-30 дней: "Звонок"
   31-60 дней: "Претензия"
   60+ дней: "Взыскание"
   
   Цвет строки соответствует группе. Сортировка: убывание по дням просрочки.

3. Горизонтальный бар-чарт под таблицей: топ-10 контрагентов 
   по сумме просрочки, бары окрашены по группе (4 цвета выше).

Логика: строка считается просроченной, если колонка "статус" содержит 
слово "просроч" (без учёта регистра). Дней просрочки = разница между 
сегодняшней датой и датой из колонки "дата", если разница положительная.
Данные - те же, что уже загружены в дашборде.

Промпт для платёжного календаря (если в данных есть колонка с плановой датой):

Добавь вкладку "Платёжный календарь" в навигацию.
На ней показывай:

1. Две карточки вверху:
   - "Ожидаемые поступления (30 дней)" - сумма приходов со статусом 
     "ожидает" и плановой датой в ближайшие 30 дней
   - "Обязательные выплаты (30 дней)" - сумма расходов со статусом 
     "ожидает" и плановой датой в ближайшие 30 дней
   Если вторая карточка больше первой - подсвети её красным и добавь 
   текст "Прогнозируется кассовый разрыв"

2. Таблица предстоящих платежей, отсортированная по плановой дате 
   (ближайшие первыми). Колонки: плановая дата / контрагент / тип / 
   сумма / статья ДДС / статус.
   Строки с датой в ближайшие 3 дня выделить жирным.

3. Маленький бар-чарт "Нагрузка по дням": ось X - следующие 14 дней, 
   ось Y - суммарная сумма платежей за день (приходы и расходы отдельно).

Колонка плановой даты называется [укажи название своей колонки].

Что нужно подготовить перед стартом?

Перед тем как открывать нейросеть, нужны две вещи: файл с данными и выбранный инструмент. Спешка здесь дорого обходится: пять минут подготовки данных экономят полчаса переделок.

Файл с данными. Для дашборда платежей нужна выгрузка с минимальным набором колонок:

• Дата операции (в формате ДД.ММ.ГГГГ или ГГГГ-ММ-ДД - нейросеть поймёт оба)
• Контрагент (название юрлица или физлица)
• Тип операции (приход или расход - важно использовать одно написание по всему файлу)
• Сумма (число без пробелов и знаков валюты)
• Статья ДДС (если ведёте)
• Статус (оплачено, ожидает, просрочено - или любые ваши аналоги)

Если статуса нет - его можно вычислить по дате: платёж прошёл позже плановой даты значит просрочка. Попросите нейросеть добавить эту логику в промпте.

Хорошая новость: нейросеть умеет работать с «грязными» данными - пустые строки, разные форматы дат в одном файле, лишние пробелы в названиях. Но чище данные - быстрее получаете результат.

Инструменты. На выбор три основных пути.

Первый: Claude Sonnet 4.6 (claude.ai) - для HTML-дашборда прямо в браузере через Artifacts. Это мой первый выбор для большинства задач.

Второй: ChatGPT GPT-5.5 (chatgpt.com) - для анализа загруженного файла и быстрой визуализации с возможностью задавать вопросы к данным.

Третий: Lovable (lovable.dev) или Bolt (bolt.new) - для полноценного веб-приложения с хостингом и командным доступом.

Для первого дашборда за час: Claude или ChatGPT. Lovable понадобится, когда захотите дать доступ коллегам или добавить функции редактирования данных.

Как использовать Gemini 2.5 для дашборда в Google Sheets?

Если ваши финансовые данные уже живут в Google Таблицах, Gemini 2.5 даёт отдельный маршрут без экспорта в CSV и без HTML-файлов. Он работает в экосистеме Google нативно - и это меняет логику работы.

Два пути через Gemini + Google Sheets.

Путь первый: Gemini в Google Sheets (встроенный ассистент). Google постепенно интегрирует Gemini прямо в таблицы через кнопку «Помощник» (Help me organize). Вы описываете задачу на русском языке, Gemini предлагает формулы, сводные таблицы и диаграммы прямо внутри файла. Удобно, если не хотите выходить из привычного инструмента.

Путь второй: Gemini Advanced (gemini.google.com) + Apps Script. Это полноценный вайб-кодинг: открываете чат с Gemini Advanced, описываете задачу, получаете код Apps Script. Копируете в Google Sheets через меню «Расширения - Apps Script» и запускаете. Результат - автоматические вычисления, диаграммы и сводные данные прямо в таблице без отдельного HTML-файла.

Когда Gemini + Sheets лучше Claude:

• Данные обновляются в Google Sheets автоматически (из Google Forms, из другой таблицы через IMPORTRANGE)
• Дашборд должен быть доступен команде через общую ссылку без скачивания файлов
• Работаете в Google Workspace и не хотите переключать контекст

Когда Claude лучше Gemini + Sheets:

• Нужна красивая тёмная тема с графиками на Chart.js
• Данные из 1С в CSV-файле, а не в Google Sheets
• Нужен автономный файл, который работает без интернета
• Хотите дать дашборд собственнику без прав на таблицу

Промпт для Google Sheets через Apps Script (отправляйте в Gemini Advanced или ChatGPT):

Напиши код Apps Script для Google Sheets, который создаёт дашборд 
прямо в существующей таблице.

Контекст: у меня есть лист "Данные" с колонками A-F:
A: дата (ДД.ММ.ГГГГ), B: контрагент, C: тип (приход/расход),
D: сумма (число), E: статья ДДС, F: статус (оплачено/ожидает/просрочено)

Что нужно сделать:
1. Создать новый лист "Дашборд" (удалить если уже есть)
2. В строках 1-4 разместить четыре сводные ячейки с формулами:
   - Итого приходов (все строки где C="приход")
   - Итого расходов (все строки где C="расход")  
   - Количество просроченных платежей (F содержит "просроч")
   - Сумма просрочки
3. Создать диаграмму "Приходы и расходы по месяцам" на листе "Дашборд":
   - Тип: столбчатая (два ряда столбиков рядом)
   - По горизонтали: месяцы из колонки A
   - Приходы: синий #2563EB, расходы: красный #dc2626
4. Создать отдельный лист "Просрочка" со всеми строками из листа "Данные",
   где F содержит "просроч", отсортированными по дате возрастанием

Добавь комментарии к каждому шагу. Скрипт должен запускаться 
из меню "Расширения - Apps Script" по кнопке Run.

Как экспортировать и обезличить данные за 5 минут?

Разберу три основных источника, с которыми работают финансисты в российских компаниях.

Из 1С:Бухгалтерия или 1С:ERP. Откройте раздел «Казначейство» или «Банк и касса», перейдите в «Отчёты» - «Движение денежных средств» или «Реестр платёжных документов». Установите период (месяц или квартал, с которым будете работать). Нажмите «Сформировать». В полученном отчёте нажмите «Сохранить» или «Открыть в Excel». Если у вас нет такой кнопки, используйте «Сохранить как» из меню. Файл сохраняйте в формате Excel (.xlsx) или CSV.

Важный нюанс: 1С часто добавляет в экспорт итоговые строки, строки с заголовком группы и пустые разделители. Попросите нейросеть убрать их при обработке или почистите сами до загрузки - удалите строки без суммы.

Из существующего Excel-реестра. Файл - Сохранить как - CSV UTF-8 с разделителями-запятыми. Если у вас сводная таблица - сначала скопируйте значения в новый лист (Специальная вставка - Значения), потом сохраняйте в CSV.

Из банковской выписки. Большинство крупных российских банков дают выписку в CSV или Excel напрямую из интернет-банка. Скачайте, откройте, переименуйте колонки на понятные (дата, контрагент, сумма, тип, назначение), уберите строки заголовка банка и итоговые строки внизу.

Обезличивание - обязательный шаг. Перед загрузкой в нейросеть:

• Замените реальные названия контрагентов на «Контрагент А», «Контрагент Б» и далее по алфавиту в порядке первой встречи
• ИНН уберите совсем или замените случайными числами
• Суммы можно умножить на коэффициент (например, 1.37) - структура данных сохранится, конкретные цифры не утекут
• Кодировка итогового CSV: UTF-8

Промпт для автоматического обезличивания. Вставьте содержимое файла в ChatGPT или Claude и напишите:

У меня есть таблица финансовых данных. Обезличь её по следующим правилам:
1. Все уникальные названия контрагентов замени последовательно: 
   Контрагент А, Контрагент Б, Контрагент В и т.д. (по первой встрече).
   Один реальный контрагент = одна буква во всём файле.
2. Все ИНН (10 или 12 цифр подряд) замени на случайные числа той же длины.
3. Все суммы умножь на коэффициент 1.37, округли до целых.
4. Заголовки колонок, форматы дат и структуру таблицы сохрани без изменений.
Верни обезличенную таблицу в том же CSV-формате с разделителем ;

Весь шаг занимает 3-7 минут при наличии файла. Не пропускайте его: это не перестраховка, а требование закона о налоговой тайне и персональных данных.

Какой инструмент выбрать: ChatGPT, Claude, Lovable или Bolt?

Прямой ответ: для первого дашборда за час выбирайте Claude Sonnet 4.6 или ChatGPT GPT-5.5. Для командного приложения с доступом по ссылке - Lovable или Bolt. Сравнение по ключевым параметрам (актуально на июнь 2026):

Цены проверены на июнь 2026. Сверяйте актуальные тарифы на официальных сайтах инструментов перед покупкой.

Claude Sonnet 4.6 - моя первая рекомендация для финансового дашборда. Работает через claude.ai. Вы вставляете данные текстом или описываете структуру, Claude генерирует полный HTML-файл с Chart.js и Tailwind прямо в панели Artifacts. Скачиваете и открываете локально в браузере. Модель точна с финансовыми вычислениями и хорошо понимает русские названия полей - это важно, потому что в 1С колонки называются «Сумма прихода» и «Вид операции», а не «amount» и «type».

ChatGPT GPT-5.5 - лучший выбор, если хотите загрузить настоящий файл и сразу увидеть анализ. chatgpt.com - Data Analysis читает файл напрямую (загрузка через скрепку), строит графики, отвечает на вопросы «покажи топ-5 контрагентов по расходам» без всяких промптов. Из минусов: стандартный вывод это Python-код и картинки, а не HTML-дашборд. Для рабочего файла нужен дополнительный шаг - попросить сгенерировать HTML.

Gemini 2.5 - сильная альтернатива, особенно если работаете в экосистеме Google (Sheets, Drive). Хорошо читает структуру файлов и генерирует код для Canvas-превью. Бесплатная версия имеет лимиты, но для разовых задач хватает.

DeepSeek V3.2 - бесплатная альтернатива для тех, кто не хочет платить за подписку. Работает без VPN, доступен из России. Для обезличенных данных и задач построения дашборда справляется хорошо. Чуть медленнее с очень сложными промптами, но для базового дашборда разница несущественная.

Lovable - для командного использования. Вы описываете приложение, Lovable пишет React-код и разворачивает его с публичной ссылкой. Можно добавить авторизацию, несколько страниц, базу данных. Это уже выглядит как профессиональная разработка, потому что это она и есть - только делает её модель, а не программист за 50 000 рублей.

Как написать первый промпт для дашборда?

Самый важный промпт в работе - первый. Он задаёт структуру всего дашборда. Хороший первый промпт делает 70-80% работы и сводит итерации к косметическим правкам. Плохой заставляет переписывать всё с нуля к третьей попытке.

Четыре правила хорошего первого промпта.

Первое: опишите структуру данных до описания дашборда. Не «сделай мне дашборд» - а «у меня CSV с такими-то колонками и такими-то значениями, вот первые 10 строк». Нейросеть должна понять формат прежде чем строить что-то поверх него.

Второе: перечислите конкретные компоненты. Не «сделай красиво» - а «три карточки KPI сверху, один столбчатый график, одна таблица с тремя фильтрами». Нейросеть хорошо работает со списками требований.

Третье: укажите технические ограничения. «Работает локально без сервера, данные вшиты в JavaScript» - это важно, потому что иначе нейросеть может сгенерировать дашборд с зависимостью от внешнего API, которого у вас нет.

Четвёртое: попросите подтвердить понимание перед кодом. Добавьте в конце промпта: «Сначала опиши в двух предложениях, что ты будешь делать, потом пиши код». Это страховка от ситуации, когда нейросеть неправильно поняла задачу и потратила 5 минут на что-то не то.

Вот базовый промпт для Claude Sonnet 4.6. Вставьте его в claude.ai и сразу за промптом добавьте первые 10-15 строк вашего обезличенного CSV:

Ты разработчик финансовых дашбордов. Сделай интерактивный HTML-дашборд 
по платёжному реестру финансиста.

Структура данных (CSV, разделитель ;):
дата;контрагент;тип;сумма;статья_ДДС;статус
01.01.2026;Контрагент А;расход;150000;Оплата поставщикам;оплачено
15.01.2026;Контрагент Б;приход;280000;Выручка от продаж;оплачено
[вставь сюда первые 10 строк своего обезличенного CSV]

Нужны следующие компоненты:
1. Три карточки KPI вверху: итого приходов за период, итого расходов, 
   сумма просрочки. Каждая карточка с иконкой, большим числом и меткой.
2. Столбчатый график: приходы и расходы по месяцам за весь период данных.
   Два ряда столбиков рядом, подписи месяцев под осью X.
3. Таблица всех платежей с фильтрами:
   - Диапазон дат (два поля: с/по)
   - Тип (выпадающий список: Все / Приход / Расход)
   - Статус (выпадающий список: Все / Оплачено / Ожидает / Просрочено)
   Строки таблицы подсвечены по статусу: просрочено - #fee2e2, 
   ожидает - #fef9c3, оплачено - #dcfce7
4. Внизу таблицы: итоговая строка с суммами по видимым строкам

Технические требования:
- Чистый HTML + Chart.js + Tailwind CSS через CDN, без npm
- Данные жёстко вшиты в JavaScript-массив внутри файла
- Работает без сервера при открытии файла в браузере через file://
- Кнопка "Скачать CSV" скачивает отфильтрованные данные

Цвета: тёмная тема (#0f172a фон, #1e293b карточки, 
#2563EB акцент приходов, #dc2626 акцент расходов).

Сначала в двух предложениях опиши, что именно ты сделаешь,
потом пиши полный HTML-код.

После первой версии нейросеть выдаёт рабочий дашборд на 70-80% от нужного. Дальше идут итерации.

Как итерировать: добавляем фильтры, графики и стиль

Первый дашборд почти наверняка будет не идеальным. Что-то не так отображается, нет нужного фильтра, не те цвета. Это не поломка - это нормальный рабочий процесс вайб-кодинга. Каждая правка - одно сообщение в тот же чат.

Главное правило итераций, которое сберегает нервы: никогда не трогайте код вручную. Все изменения только через промпты. Если начнёте редактировать HTML самостоятельно - даже одну строчку - нейросеть через пару итераций перестанет понимать реальное состояние файла и начнёт ломать то, что работало. Скажите словами что не так - она исправит.

Промпт для добавления фильтра по контрагенту:

Добавь фильтр по контрагенту: выпадающий список с первым пунктом 
"Все контрагенты", потом все уникальные контрагенты из данных в 
алфавитном порядке. Фильтр работает совместно с уже имеющимися фильтрами 
по периоду, типу и статусу. Поставь рядом с фильтром по типу.

Промпт для исправления логики подсчёта (если нейросеть не так считает статус):

Карточка "Сумма просрочки" показывает неправильное значение.
Посмотри на данные: статус "просрочено" и "просрочен" - это одно и то же,
просто разный грамматический род. Убедись, что фильтрация по статусу 
учитывает оба варианта написания (без учёта регистра). Исправь только эту логику.

Промпт для добавления круговой диаграммы расходов по статьям:

Добавь второй график: круговая диаграмма расходов по статьям ДДС.
Топ-5 статей по сумме показывай отдельными секторами, 
остальные объедини в "Прочее". Итого не более 6 секторов.
Поставь диаграмму справа от столбчатого графика, они должны быть одинаковой высоты.
Подписи с процентами прямо на секторах.

Промпт для колонки «дней просрочки»:

Добавь в таблицу колонку "Дней просрочки" после колонки "Статус".
Логика: если статус строки содержит слово "просроч" (без учёта регистра) -
считай разницу между сегодняшней датой и датой из колонки "дата",
возвращай положительное целое число.
Если статус другой - ставь прочерк.
Строки с просрочкой больше 30 дней выдели красным жирным в этой колонке.
Не меняй ничего больше.

Промпт для добавления кнопки загрузки актуального CSV (чтобы обновлять данные без открытия нейросети):

Добавь кнопку "Обновить данные" в правый угол шапки.
При нажатии открывается диалог выбора файла.
После выбора CSV-файла он парсится (разделитель ;, кодировка UTF-8,
первая строка - заголовки) и все компоненты дашборда обновляются
без перезагрузки страницы.
Ожидаемые заголовки такие же, как в текущих данных.
Не меняй ничего в структуре дашборда, только добавь эту кнопку и логику.

Обычно 3-4 такие итерации доводят дашборд до полностью рабочего состояния. Если нейросеть запуталась и начала ломать уже работающие части - напишите: «откатись к версии до последнего изменения и добавь только [конкретное действие], больше ничего не трогай». Такой промпт обычно возвращает на правильный путь.

Где запустить дашборд и как обновлять данные?

Дашборд из Claude Artifacts - это HTML-файл. Скачайте его через кнопку Download в правом углу панели Artifacts. Откройте двойным кликом в браузере - Chrome, Firefox, Edge, всё подходит. Файл работает без интернета, без сервера, без установки чего-либо. Кидаете в папку на компьютере или на корпоративный SharePoint - всё, готово к использованию.

Размер файла обычно 50-150 КБ для дашборда с несколькими сотнями строк данных. Открывается мгновенно.

Как обновлять данные - у вас два пути в зависимости от того, насколько часто это нужно.

Первый путь (простой, 2-3 минуты). Откройте тот же чат в Claude, вставьте новые данные и напишите одно сообщение: «Данные в реестре обновились. Вот актуальный CSV. Замени JavaScript-массив с данными в коде на эти строки, остальное не трогай». Нейросеть заменит только массив данных и вернёт обновлённый файл. Скачиваете, открываете - готово.

Второй путь (автоматический, настроить один раз через промпт из предыдущей секции). После добавления кнопки «Обновить данные» процесс занимает 30 секунд: выгрузить CSV из 1С, открыть дашборд в браузере, нажать кнопку, выбрать файл. Никакой нейросети больше не нужно.

Для командного доступа. Если коллеги тоже должны видеть дашборд, есть несколько вариантов. Первый: HTML-файл в общей папке Google Drive, доступ по ссылке - каждый скачивает и открывает локально. Второй: выложить файл на GitHub Pages (бесплатно) и дать постоянную ссылку. Третий и лучший для команды: перенести проект в Lovable или Bolt - тогда у всех одна ссылка, данные общие, авторизация через Google.

Для полноценной автоматизации без ручных шагов. Если хотите, чтобы дашборд обновлялся сам каждое утро из выгрузки 1С или Google Sheets без вашего участия, это задача для n8n. Настроить такой сценарий можно за 2-3 часа один раз. Подробно разбираю это в статье про автоматизацию в n8n для финансиста - там же есть промпты и кейсы для интеграции нейросети с данными компании.

Три кейса: как финансисты уже используют вайб-кодинг

Кейс 1. Финансовый директор торговой компании: 45 минут вместо 3 часов каждую пятницу

Елена, финансовый директор компании в сфере FMCG с оборотом около 200 млн рублей в год (имя изменено), вела платёжный реестр в Excel - 250-400 строк ежемесячно. Каждую пятницу утром она тратила около трёх часов на ручную сводку: фильтровала строки, подбивала итоги по контрагентам, красила просрочку вручную, готовила сокращённую версию для собственника. Дашборд обсуждался полтора года - то не хватало времени поставить ТЗ, то разработчик давал ценник 60 000 рублей.

Она взяла Claude Sonnet 4.6, выгрузила реестр из 1С:ERP за последние три месяца, заменила названия контрагентов на коды и прогнала через четыре последовательных промпта. Первая версия дашборда вышла за 18 минут. Три итерации заняли ещё 27 минут: добавить фильтр по ответственному менеджеру, поменять цвета на корпоративные, добавить колонку «дней просрочки» с сортировкой.

Итого 45 минут от запуска Claude до готового HTML-файла, работающего в браузере.

Сейчас её пятничный процесс занимает 8-10 минут: выгрузить CSV из 1С, нажать «Обновить данные» в дашборде. Экономия почти 3 часа в неделю, около 11 часов в месяц. При стоимости времени CFO в 3 000-5 000 рублей в час это от 33 000 рублей ежемесячной экономии в пересчёте на время финансиста.

Отдельно: собственник компании теперь получает ссылку на Google Drive с актуальным HTML-файлом вместо скриншотов таблицы в Telegram. По её словам, «разговор с собственником о деньгах стал другим - я показываю не цифры, а картинку».

Кейс 2. Главный бухгалтер: два потерявшихся платежа на 178 000 рублей нашлись в первый же день

Андрей, главный бухгалтер производственной компании на 180 сотрудников (имя изменено), отвечает за дебиторскую задолженность около 40 активных контрагентов. Реестр ДЗ вёлся в Excel и обновлялся вручную раз в неделю. Найти просрочку в плоской таблице на 300 строк без сортировки по сроку долга - дело случая.

Он потратил 1 час 20 минут на создание дашборда. Сначала 20 минут в ChatGPT Data Analysis: загрузил CSV с выгрузкой дебиторки за квартал, попросил проанализировать структуру данных, выдать сводку по суммам и показать распределение по срокам. ChatGPT нашёл несколько записей с нестандартными форматами дат и предупредил о них - это сэкономило время на итерациях.

Потом час в Claude Artifacts: HTML-дашборд ДЗ с сортировкой по числу дней долга, цветовой шкалой старения (до 30 дней - зелёный, 30-60 - жёлтый, больше 60 - красный) и карточкой «просрочено свыше 60 дней» с суммой и количеством контрагентов.

При первом открытии дашборда обнаружил два «потерявшихся» платежа: два контрагента числились со статусом «ожидает», хотя просрочка составляла уже 67 и 43 дня. Общая сумма - 178 000 рублей. В плоском Excel-реестре эти строки терялись среди трёхсот других: без автоматической сортировки по просрочке они были на странице 4-5 и никогда не всплывали.

Два звонка в тот же день - и оба платежа урегулировали в течение недели. Один контрагент оплатил сразу, у второго согласовали рассрочку с письменным подтверждением.

Кейс 3. Финансист стартапа: сэкономил 35 000 рублей на разработке и три недели ожидания

Небольшая финтех-команда из пяти человек хотела единый дашборд движения денежных средств с доступом для всей команды и автоматическим обновлением из Google Sheets. Запрос двум фрилансерам вернул оценки 35 000 и 42 000 рублей, срок выполнения 2-3 недели.

Финансист команды Максим (имя изменено) решил попробовать Lovable. Он потратил 3 часа на описание задачи через промпты - и получил полноценное React-приложение. Три страницы: главная со сводкой за текущий месяц и KPI-карточками, детальная таблица всех операций с фильтрами, страница прогноза на следующие 30 дней на основе среднего по последним трём месяцам. Авторизация через Google-аккаунт (занял один дополнительный промпт). Автоматическое обновление данных из Google Sheets каждый час через настроенную интеграцию.

Подписка Lovable: $25 в месяц (на момент написания). Приложение в работе уже три месяца без единой доработки.

Итог: функционал тот же, что описывали фрилансеры, цена ниже в 50 раз, срок в 7 раз короче. Команда пользуется дашбордом ежедневно.

Готовые промпты для дашборда платежей

Шесть дополнительных промптов для задач, которые чаще всего возникают после первой версии. Все проверены на Claude Sonnet 4.6, ChatGPT GPT-5.5 и Gemini 2.5.

Промпт для графика с прогнозом на два месяца:

На основе имеющихся данных добавь прогнозные линии на график динамики.
Логика: возьми средний приход и средний расход за последние 3 полных месяца 
из данных. Продли обе линии пунктиром на 2 месяца вперёд.
Требования:
- Пунктирные линии поверх существующих столбцов, другой цвет (серый)
- Подпись "Прогноз" в легенде
- Если в данных меньше 3 месяцев - покажи надпись "Недостаточно данных"
- Не добавляй прогноз в таблицу, только на график
Не трогай ничего кроме графика.

Промпт для экспорта отфильтрованной таблицы в Excel:

Добавь кнопку "Скачать XLSX" справа от кнопки "Скачать CSV".
При нажатии скачивается Excel-файл со следующими параметрами:
- Только строки, которые сейчас видны в таблице (с учётом всех фильтров)
- Первая строка - заголовки колонок как в таблице
- Имя файла: Платежи_ДДММГГГГ.xlsx (где дата = сегодня)
- Подсветку строк из дашборда НЕ копировать в Excel
Используй библиотеку SheetJS (xlsx.full.min.js) через CDN unpkg.

Промпт для Lovable (создание командного приложения):

Создай веб-приложение "Платёжный дашборд" для финансиста.

Три страницы в навигации:
1. Сводка - карточки KPI за текущий месяц: приходы, расходы, баланс, 
   просрочка; стакнутый барный график за последние 6 месяцев
2. Платежи - таблица всех операций с фильтрами: дата (range), 
   тип, статус, контрагент; экспорт в XLSX
3. Просрочка - только строки со статусом "просрочено", 
   сортировка по дням просрочки убывающим; общая сумма вверху

Данные: загрузка из CSV-файла через кнопку на каждой странице.
Стек: React, Tailwind CSS, Recharts для графиков.
Тёмная тема. Цвета: синий #2563EB для приходов, красный #dc2626 для расходов.
Авторизация не нужна.
Русский язык во всём интерфейсе.

Промпт для страницы ДДС:

Добавь страницу "ДДС" в навигацию существующего дашборда.
На ней показывай:
1. Вверху - поле ввода "Начальный остаток на начало периода" (число, 
   по умолчанию 0)
2. Водопадный (waterfall) график: начальный остаток -> +приходы -> -расходы 
   -> конечный остаток. По месяцам за весь период данных.
   Зелёные столбики для положительных, красные для отрицательных изменений.
3. Таблица расходов с группировкой по статьям ДДС: 
   Статья / Сумма / Доля от всех расходов (%)
4. Три горизонтальных прогресс-бара для топ-3 статей расходов
Данные - те же, что уже загружены в дашборде.

Промпт для анализа данных через ChatGPT Data Analysis (загружаете файл напрямую):

Я загружаю файл с платёжным реестром за квартал. Выполни последовательно:

Шаг 1 - Структура: покажи первые 5 строк, список всех колонок, 
количество строк, диапазон дат.

Шаг 2 - Сводка: итого приходов, итого расходов, баланс. Сколько строк
со статусом "просрочено" и на какую общую сумму.

Шаг 3 - Графики (построй оба):
а) Столбчатый: приходы и расходы по месяцам, два ряда столбиков
б) Круговой: топ-5 статей расходов по сумме, остальные в "Прочее"

Шаг 4 - Топ контрагентов: таблица топ-5 по расходам 
(контрагент, сумма, доля от общих расходов)

Шаг 5 - Просрочка: таблица всех просроченных строк, 
отсортированная по сумме убывающим порядком.

После каждого шага жди моей реакции перед следующим.

Промпт для отладки - использовать когда что-то сломалось:

Дашборд не работает. Симптом: [опишите точно что происходит - 
"таблица пустая после нажатия фильтра", "страница белая", 
"числа в карточках показывают NaN", "кнопка загрузки не реагирует"].

Браузер: [Chrome/Firefox/Edge].
Версия файла: [последняя, которую ты сгенерировал].

Найди причину этой конкретной проблемы в коде и исправь только её.
Не переписывай дашборд целиком.
После исправления напиши одной строкой что именно изменил.

Все промпты работают с обезличенными данными. Напоминаю ещё раз: реальные названия организаций, ИНН и суммы по конкретным контрагентам в коммерческие нейросети не загружайте.

Подпишитесь на @findir_pro - там я публикую обновлённые промпты по мере выхода новых версий моделей и делюсь кейсами из практики выпускников школы.

Вайб-кодинг vs традиционная разработка: когда что выбирать?

Вайб-кодинг - не замена профессиональной разработке. Это другой инструмент для другого класса задач. Важно понимать границу, чтобы не разочаровываться в неподходящем сценарии.

Вайб-кодинг работает хорошо, когда:

• Задача понятна и хорошо определена (дашборд, форма, калькулятор)
• Нужна скорость: готовый инструмент сегодня лучше идеального через месяц
• Одна-две страницы, один тип пользователя, одна бизнес-логика
• Данные загружаются вручную или через CSV
• Нет требований к высокой нагрузке и безопасности корпоративного уровня

Традиционная разработка нужна, когда:

• Сотни пользователей одновременно с разными правами
• Прямая интеграция с ERP, банком, CRM в реальном времени
• Требования безопасности уровня банка или государственного учреждения
• Сложная бизнес-логика с десятками исключений и edge case
• Приложение будет жить и развиваться несколько лет с командой поддержки

Серая зона - задачи, где вайб-кодинг даёт 80-90% нужного, но последние 10% требуют разработчика. Например: дашборд для 50 сотрудников с ролями и правами. Через Lovable вы за 4 часа собираете 80% функционала, потом разработчик 2-4 часа доводит остальное. Итого: 6-8 часов вместо 3 недель.

Мой практический совет для финансистов: начните с вайб-кодинга для внутренних инструментов - дашбордов, форм сбора данных, простых калькуляторов. Когда инструмент докажет ценность, при необходимости привлеките разработчика для масштабирования. Это гораздо честнее по бюджету и времени, чем сразу заказывать профессиональную разработку для инструмента, который может оказаться невостребованным.

Какие типичные ошибки затягивают работу с вайб-кодингом?

За несколько месяцев работы с выпускниками школы я собрала пять ошибок, которые чаще всего превращают «час на дашборд» в «несколько вечеров и результата нет».

Ошибка 1: слишком общий первый промпт. «Сделай мне дашборд платежей» - это пожелание, не промпт. Нейросеть угадает структуру данных и почти наверняка угадает не так. Первый промпт должен описывать структуру файла, перечислять конкретные компоненты и задавать технические ограничения. Используйте шаблон из секции выше - он проверен на десятках итераций.

Ошибка 2: ручное редактирование кода. Финансист с минимальными техническими знаниями иногда пробует «подправить одну строчку» самостоятельно, видя что что-то не так. В 90% случаев это ломает что-то рядом. Через два-три таких редактирования дашборд перестаёт работать, а нейросеть не может починить, потому что не видела ваших изменений. Один комментарий «я немного поправил сам» ломает весь диалог. Правило: все изменения только через промпты.

Ошибка 3: загрузка реальных финансовых данных. Понимаю желание работать с настоящими цифрами. Но это риск: налоговая тайна по ст. 102 НК РФ, закон о персональных данных (152-ФЗ), коммерческая тайна. Обезличивание занимает 5 минут и не ломает логику дашборда - нейросеть отлично работает с «Контрагент А» и суммами 205 000 вместо 150 000.

Ошибка 4: попытка сделать всё за один промпт. «Сделай дашборд с десятью графиками, авторизацией, историей изменений, подключением к 1С и мобильным приложением» - это не задача для одного промпта, это техзадание для целой команды разработчиков. Начните с минимального рабочего дашборда, добавляйте одну функцию за раз.

Ошибка 5: бросить после первой неудачи. Если нейросеть сгенерировала дашборд не так - это не конец. Напишите в том же диалоге: «вот что не устраивает конкретно: [описание]» и продолжите. Не открывайте новый чат - нейросеть потеряет контекст и начнёт с нуля. Вайб-кодинг работает через диалог, а не через один идеальный промпт.

Бонусная ошибка, которую вижу у опытных пользователей: сравнивать первую итерацию с финальным дашбордом в голове. Первая версия должна быть рабочей на 70%, а не красивой. Красивой она станет через 3-4 шага. Оценивайте первую версию по одному критерию: «данные читаются правильно, да или нет».

Что можно загружать в нейросеть, что нельзя?

Это важная тема, которую часто обходят стороной в материалах про AI. Для финансиста нарушение здесь - не «технический баг», а реальный юридический риск для компании.

Что нельзя загружать в коммерческие нейросети (ChatGPT, Claude, Gemini, DeepSeek):

Реальные данные с ИНН организаций и физических лиц. Суммы платежей в привязке к конкретным контрагентам с их настоящими названиями. Договоры с полными реквизитами сторон. Банковские выписки с номерами счетов, BIC/SWIFT в привязке к транзакциям. Персональные данные сотрудников: ФИО + паспорт + оклад в одном документе. Данные, составляющие налоговую тайну по ст. 102 НК РФ.

Важно понимать: нейросеть это не «ящик для данных», это сервис американской или китайской компании, данные проходят через их серверы. По российскому законодательству передача данных, составляющих налоговую тайну, третьим лицам без согласия налогоплательщика является нарушением.

Что можно загружать без рисков:

Обезличенные данные (Контрагент А, суммы умножены на коэффициент). Структуру данных без значений: только заголовки колонок и 2-3 строки с выдуманными значениями для демонстрации формата. Агрегированные цифры без разбивки по конкретным контрагентам (например, «общий расход на логистику 2,3 млн рублей»). Тестовые датасеты с вымышленными компаниями и условными суммами.

Для тех, кому нужна нейросеть на реальных данных:

Корпоративные тарифы OpenAI (ChatGPT Enterprise) и Anthropic (Claude for Teams/Enterprise) включают соглашение о том, что данные не используются для обучения моделей и хранятся в изолированной среде. Ещё вариант - self-hosted решение через Ollama или локальную версию открытой модели: данные вообще не покидают вашу инфраструктуру. Это немного сложнее в настройке, но даёт полный контроль над данными.

Подробный разбор того, что именно можно отправлять в нейросети и как правильно составить политику использования AI в компании, есть в статье про обезличивание данных для работы с ChatGPT.

Что дальше: от дашборда к автоматизированной отчётности?

Первый дашборд - это начало. Когда поняли механику за один сеанс, следующий шаг - автоматизировать обновление данных и собрать несколько дашбордов в единую систему отчётности.

Автообновление через n8n. Настройте сценарий, который каждое утро выгружает свежий CSV из 1С (или читает обновлённый файл из папки) и кладёт его туда, откуда дашборд подхватывает данные автоматически. Настройка занимает 2-3 часа один раз - потом дашборд обновляется без вашего участия. Детали - в статье автоматизация финансов в n8n.

Дашборд в Telegram. Вайб-кодингом можно собрать не только HTML-файл, но и Telegram-бота, который каждое утро шлёт в телефон сводку по просрочке: сколько платежей, на какую сумму, топ-3 контрагента. Это отдельная задача на 2-3 часа, но результат - ежедневное уведомление без открытия ноутбука.

Несколько дашбордов для разных читателей. Дашборд для CFO - с деталями и аналитикой, для казначея - по срочности и кассовым разрывам, для собственника - два числа и один график. Вайб-кодингом каждый собирается по тому же шаблону, только с разным набором метрик. Один раз отработали логику - тиражируете. Подробнее о том, как готовить отчёты под разных читателей - в статье как подготовить презентацию для собственника.

AI-анализ поверх дашборда. Следующий уровень - не просто показывать данные, а автоматически выявлять аномалии. «Расходы на логистику выросли на 23% по сравнению с прошлым месяцем - вот три контрагента, которые это объясняют». Это уже история про AI-агентов для финансиста - разбираю в отдельной статье с кейсами и промптами.

Вайб-кодинг накапливает опыт. Каждый собранный дашборд делает следующий быстрее. После 4-5 итераций многие финансисты из нашей школы собирают новые дашборды за 15-20 минут, используя сохранённые промпты как шаблоны. Через 2-3 месяца практики это становится такой же рутинной задачей, как выгрузка отчёта из 1С.

Промпт для Telegram-бота с ежедневной сводкой:

Напиши Python-код Telegram-бота на aiogram 3, который каждое утро 
в 9:00 присылает в указанный chat_id сводку по просрочке.

Источник данных: CSV-файл payments.csv в той же папке, что скрипт.
Структура CSV: дата;контрагент;тип;сумма;статья_ДДС;статус

Что должен делать бот при ежедневном запуске:
1. Загрузить CSV, отфильтровать строки где статус содержит "просроч"
2. Посчитать итого: количество просроченных платежей, общую сумму
3. Выбрать топ-3 контрагентов по сумме просрочки
4. Сформировать и отправить сообщение в формате:
   "📊 Просрочка на [сегодня]:
   Всего: [N] платежей на [сумма] ₽
   Топ-3 контрагента:
   1. [название] - [сумма] ₽
   2. [название] - [сумма] ₽
   3. [название] - [сумма] ₽"

Переменные BOT_TOKEN и CHAT_ID берутся из .env файла.
Добавь обработчик /сводка для ручного запуска в любое время.
Добавь requirements.txt с зависимостями.

Как масштабировать дашборд после первых успехов. После первого рабочего дашборда финансисты нашей школы обычно идут по одному из двух маршрутов.

Маршрут А - «глубже»: тот же тип дашборда, но более сложная логика. Добавляют план-факт анализ, сравнение с предыдущим годом, дополнительные детализации. Каждый шаг - один промпт, итерация занимает 10-20 минут.

Маршрут Б - «шире»: несколько дашбордов под разные аудитории. Дашборд для CFO с полной детализацией, дашборд для казначея с фокусом на ближайшие 7 дней, сводка для собственника с тремя числами и одним графиком. Один набор данных - три разных инструмента, каждый собирается по уже знакомому шаблону.

Через 3-4 месяца практики финансисты переходят к полноценной библиотеке промптов: сохранённый набор из 15-20 шаблонов под типовые задачи. Новый дашборд - это выбор нужного шаблона, подстановка своих данных и 15 минут итераций.

Часто задаваемые вопросы

Что такое вайб-кодинг простыми словами?

Вайб-кодинг - способ создавать работающие программы через диалог с нейросетью на обычном языке. Вы описываете задачу, нейросеть пишет код, вы видите готовый инструмент. Программировать не нужно.

Можно ли финансисту без Python собрать дашборд?

Да. Claude Sonnet 4.6 с Artifacts и ChatGPT с Data Analysis сделаны именно для этого. Вы описываете задачу - получаете готовый дашборд. Никакого кода от вас не требуется.

Сколько времени уходит на создание дашборда?

Первый рабочий дашборд: 40-60 минут при готовых данных. Повторный по знакомому шаблону: 15-20 минут. Полноценное приложение через Lovable: 2-4 часа.

Какой инструмент выбрать для первого дашборда?

Claude Sonnet 4.6 - для HTML-дашборда за 60 минут. ChatGPT GPT-5.5 - если хотите загрузить файл и сразу увидеть анализ. Lovable - для командного приложения с постоянной ссылкой и авторизацией.

Безопасно ли загружать финансовые данные в нейросеть?

Только обезличенные. Реальные ИНН и суммы по конкретным контрагентам загружать нельзя по закону. Обезличивание занимает 5 минут, промпт для этого есть в статье.

Что делать, если дашборд сломался после итерации?

Напишите в тот же чат: «вот что сломалось - [описание]. Исправь только это, остальное не трогай». Не правьте код вручную. В 80% случаев нейросеть починит с первого ответа.

Можно ли подключить дашборд к 1С?

Прямая интеграция требует дополнительной настройки через n8n. Для большинства задач достаточно ежедневного экспорта CSV из 1С и загрузки через кнопку в дашборде - 3-5 минут вместо часа ручной сводки.

Чем Lovable отличается от Claude для дашборда?

Claude генерирует HTML-файл для локального открытия в браузере. Lovable делает веб-приложение с постоянной ссылкой, авторизацией и базой данных - для командного использования, когда несколько человек должны видеть одни и те же актуальные данные.

Чек-лист: собираем дашборд за 60 минут

Используйте как маршрут при первом запуске. Каждый пункт - конкретное действие с примерным временем.

1. Выгрузить данные из 1С или Excel. Отчёт ДДС или платёжный реестр за нужный период. Форматы: Excel или CSV. Время: 3-5 минут.

2. Обезличить данные. Заменить названия контрагентов на «Контрагент А, Б…». Убрать реальные ИНН. Сохранить как CSV UTF-8 с разделителем «;». Время: 5-7 минут, или 2 минуты через промпт.

3. Открыть нужный инструмент. Claude Sonnet 4.6 (claude.ai) - для HTML-дашборда. chatgpt.com GPT-5.5 Data Analysis - если хотите загрузить файл напрямую. Время: 1 минута.

4. Вставить первые 10 строк данных в чат. Показать нейросети структуру: какие колонки, формат дат, как пишется тип операции. Время: 1-2 минуты.

5. Отправить первый промпт по шаблону. Перечислить компоненты: карточки KPI, график, таблица с фильтрами, цвета. Ждать первой версии дашборда. Время: 5-10 минут на генерацию.

6. Оценить первую версию и составить список правок. Что работает, что не так. Записать 3-5 конкретных изменений. Время: 5 минут.

7. Итерировать через отдельные промпты. Каждое изменение - одно сообщение в тот же чат. Не править код вручную. Время: 20-25 минут на 3-4 итерации.

8. Скачать HTML-файл из Artifacts. Открыть в браузере, проверить что все фильтры и графики работают. Время: 2 минуты.

9. Добавить кнопку загрузки CSV. Использовать промпт из раздела «Итерации». Проверить что кнопка работает с тестовым файлом. Время: 5-7 минут.

10. Поделиться с коллегами. HTML-файл на Google Drive или SharePoint - для одиночного использования и просмотра. Или перенести проект в Lovable - для командного доступа с авторизацией. Время: 2-3 минуты.

Итого: 45-65 минут от выгрузки из 1С до рабочего дашборда в браузере.

Вайб-кодинг не требует становиться программистом. Он требует научиться чётко описывать задачу нейросети - то, что финансист умеет делать каждый день. Дашборд платежей за час это не маркетинговое преувеличение, а результат, который я вижу у выпускников школы раз за разом.

Если хотите разобрать это на практике с готовыми шаблонами промптов, разбором ошибок и живыми кейсами - курс «AI-навыки финансиста» в онлайн-школе Финансовый директор | Мастер CFO включает отдельный модуль по вайб-кодингу. Уже 800+ выпускников, налоговый вычет 13%, диплом о профессиональной переподготовке. Основатель школы Софья Бурцева и наша команда ведут программу лично.

Дополнительные материалы по теме статьи:

• ChatGPT для финансиста: установка и 5 рабочих задач
• Claude для финансиста: возможности и промпты
• Нейросеть для Excel: как финансисту работать с таблицами
• Промпты для бухгалтера: 30 готовых шаблонов
• Обезличивание данных для работы с нейросетями

Наши каналы:

• @findir_pro - 45 000 подписчиков. Нейросети для финансистов: свежие промпты, кейсы и разборы каждый день.
• «АИ с Софьей и Натали» - 13 000 подписчиков. Инструменты AI, практические сравнения и кейсы от Софьи Бурцевой и меня.
• MAX - закрытый клуб, 5 000+ участников. Разборы задач, нетворкинг и живые эфиры для финансистов и CFO.