Закрытие месяца с ChatGPT: чеклист, сверка и управленческий отчёт за 2 часа вместо двух дней

Два дня на закрытие месяца — это была моя норма в прошлой жизни. Первый день: выгрузки, сверка банка с 1С, ручное разнесение выписки по статьям. Второй день: план-факт, записки для собственника, согласование с командой. Это 20-25 часов механической работы, большинство из которой — не аналитика, а копирование данных между системами, ручная классификация строк и написание одних и тех же структурированных текстов по одному и тому же шаблону. Сейчас те же задачи занимают рабочее утро первого числа, и основную механику делает ChatGPT.

Я Натали Васильева, эксперт по нейросетям и продюсер онлайн-школы «Финансовый директор | Мастер CFO» (основатель школы Софья Бурцева, 45 000 в @findir_pro, 13 000 в «АИ с Софьей и Натали», 5 000+ в MAX, 800+ выпускников курса AI-навыков). С нейросетями в работе финансиста я с февраля 2023 года. За это время закрытие месяца прошло через несколько итераций: сначала отдельные промпты для отдельных задач, потом настроенные GPT-агенты, потом мультиагентные сценарии в n8n для желающих глубокой автоматизации.

В этой статье — рабочая механика для тех, кто начинает: как провести закрытие месяца с ChatGPT от сверки до управленческого отчёта, какие промпты работают, как не ошибиться с безопасностью данных. Три кейса с реальными цифрами по времени и сравнительная таблица моделей — в середине и конце. Актуально на июнь 2026 года, модель GPT-5.5 на тарифе Plus. Сайт chatgpt.com в России открывается через специальные средства доступа — упоминаю один раз и не возвращаюсь.

Главный тезис: ChatGPT не делает закрытие за вас. Он убирает ту часть, которая не требует вашего профессионального суждения — сравнение таблиц, классификацию строк, написание шаблонных текстов. Ваше суждение, знание бизнеса и финальная ответственность остаются. Именно так и должно работать: нейросеть освобождает финансиста для финансиста, а не заменяет его.

Почему закрытие месяца занимает два дня и можно ли это изменить

Закрытие месяца в среднем финотделе — это не один процесс, а пять параллельных задач. По опыту учениц курса, типичное распределение времени выглядит так:

• Сбор данных и выгрузки из систем: 2-3 часа
• Сверка регистров (банк против 1С, кредиторка, дебиторка): 4-6 часов
• Разнесение выписки и транзакций по статьям ДДС: 3-5 часов
• Анализ план-факта и расчёт отклонений: 2-3 часа
• Написание пояснительных записок и управленческого отчёта: 2-4 часа

Итого 13-21 час на механику. И большинство этих часов — не аналитика, а копирование, перепроверка форматов, ручная классификация строк и написание стандартных текстов по одной и той же структуре. Именно здесь работает ChatGPT.

ChatGPT не ускоряет всё. Он не поможет с выгрузками из систем (это зависит от ваших прав доступа и конфигурации 1С), не заменит согласование с командой и не примет налоговую позицию по нестандартным операциям. Но три из пяти задач — сверка, классификация ДДС и написание отчётов — отдаются нейросети целиком. Это 9-14 часов механики из 13-21.

Где именно теряется больше всего времени — по опыту учениц курса:

Самые дорогие по времени задачи (которые хорошо автоматизируются):

• Ручная сверка банковской выписки с реестром 1С: в среднем 4-6 часов. Это сравнение двух таблиц с поиском расхождений — идеальная задача для Code Interpreter.
• Разнесение выписки по статьям ДДС: 3-5 часов на 300-500 строк. Каждая строка — это ручная классификация по назначению платежа и контрагенту.
• Написание пояснительных записок и дайджестов: 2-4 часа. Структура одна и та же, разные цифры. ChatGPT пишет черновик, вы правите смысл.

Задачи, которые остаются за вами:

• Принятие решений по нестандартным операциям: строки, которые нейросеть пометила «проверить» — вы разбираете вручную.
• Добавление контекста: ChatGPT не знает, почему в феврале вырос ФОТ — это ваши объяснения.
• Финальная проверка и подпись: ответственность за цифры остаётся на финансисте.

Что реально остаётся вам в итоге: собрать и обезличить данные, разобрать флаги (нестандартные строки, которые нейросеть пометила «проверить»), добавить причины к ключевым отклонениям и поставить финальную подпись. По практике учениц это 3-5 часов вместо двух дней.

Что ChatGPT умеет в закрытии месяца: карта задач

Прямой ответ: GPT-5.5 с Code Interpreter в 2026 году стабильно выполняет четыре типа задач на закрытии. Понимание, что входит в каждый тип, экономит время на неправильные эксперименты.

Сравнение и сверка. Два файла — выписка и реестр 1С — сравниваются по ключу (дата + сумма + контрагент). ChatGPT находит строки, которые есть в одном источнике и нет в другом, выдаёт таблицу расхождений и итоговую разницу остатков.

Классификация и разнесение. Загружаете реестр транзакций и справочник статей ДДС. ChatGPT присваивает каждой строке статью, помечает флагом нестандартные случаи (расплывчатое назначение, новый контрагент), объясняет логику.

Расчёты и агрегация. Plan-vs-fact, расчёт EBITDA по вашей формуле, динамика показателей по месяцам, факторный анализ отклонений — всё это через Python-код, который можно проверить.

Написание текстов. Черновик пояснительной записки для собственника, комментарий к P&L, дайджест по результатам месяца. ChatGPT держит структуру и тон, вы правите смысл.

Что ChatGPT не делает на закрытии:

• Не выгружает данные из 1С или банк-клиента (это делаете вы)
• Не знает причин отклонений — причины добавляете вы в диалог
• Не проверяет первичные документы на соответствие реальным операциям
• Не даёт окончательных налоговых расчётов без пометки «проверить»
• Не автоматизирует процесс — это ручной режим через чат

Для автоматизации «ночью само всё посчиталось» нужна другая архитектура — n8n с AI-агентами. Подробнее об этом в статье про армию AI-агентов для закрытия месяца. Эта статья про ручной режим ChatGPT: пришли, загрузили, получили результат, проверили, подписали.

Безопасность данных: обезличивание за 15 минут на вечно

Это раздел, который скучно читать, но важно сделать один раз. Если пропустить обезличивание и загрузить в публичный ChatGPT реальные ИНН, суммы и названия контрагентов — это уже не ошибка работы с нейросетью, это нарушение закона о коммерческой тайне и персональных данных. Ответственность на организации и должностном лице.

Что убираем из файлов до загрузки:

• ИНН, КПП, ОГРН, номера расчётных счетов — заменяем на маски: ИНН-001, ИНН-002
• Реальные названия контрагентов — заменяем на коды: Поставщик 1, Покупатель А, Партнёр Х
• ФИО сотрудников — заменяем на Сотрудник 1, Менеджер Б
• Точные суммы, по которым можно идентифицировать компанию — округляем до тысяч рублей или умножаем на единый коэффициент

Что оставляем:

• Структуру и названия статей учёта — они не конфиденциальны
• Даты периодов — нужны для анализа динамики
• Суммы в обезличенном виде — пропорции важны для анализа структуры

Как сделать обезличивание быстро:

Не вручную каждый месяц — это ловушка. Правильный подход: Excel-справочник соответствий на отдельном листе или в отдельном файле. Два столбца: реальное значение и маска. Формула ВПР или надстройка Power Query автоматически заменяет при каждой выгрузке. Один раз настраиваете 30-40 минут, дальше — 5 минут каждое закрытие.

После обезличивания в настройках ChatGPT: Settings → Data Controls → отключите «улучшить модель для всех». Это стандартный шаг перед любой работой с рабочими данными.

Подробную инструкцию по технике обезличивания с шаблоном справочника-мэппинга я разбираю в статье обезличивание данных в ChatGPT.

Как сделать сверку регистров с ChatGPT за 40 минут

Прямой ответ: сверка банковской выписки с реестром 1С на 300-600 строках занимает 5-10 минут в ChatGPT. С учётом подготовки файлов и разбора флагов — 40 минут на полный цикл.

Что нужно перед загрузкой:

Два файла в Excel или CSV с чистой структурой. Идеальный формат: Дата | Контрагент (маска) | Сумма | Тип (приход/расход) | Назначение. Уберите строки итогов и заголовки с объединёнными ячейками — Code Interpreter с ними работает нестабильно.

Промпт для сверки банк vs 1С:

Ты финансовый аналитик. Я загружаю два файла.
Файл 1 — банковская выписка за [месяц] [год].
Файл 2 — реестр транзакций из 1С за тот же период.
Данные обезличены: ИНН и названия контрагентов заменены на маски.
Валюта: рубли. Суммы: тысячи рублей.

Задача:
1. Прочитай оба файла, подтверди количество строк и итоговые суммы по каждому.
2. Сопоставь строки по ключу: дата (допуск ±3 рабочих дня) + сумма (допуск 0, точное совпадение).
3. Сформируй три списка:
   — Строки из банка, которых нет в 1С — пометь "банк_без_1С"
   — Строки из 1С, которых нет в банке — пометь "1С_без_банка"
   — Строки с совпадением — пометь "сверено"
4. Посчитай итоговое расхождение остатка: банк минус 1С.
5. Сводная таблица: сколько строк в каждой категории, сумма в рублях.

Покажи Python-код, который ты использовал для сопоставления.
Если найдёшь нестандартные форматы дат или сумм — предупреди перед расчётом.

После ответа ChatGPT проверьте контрольную сумму: сумма строк «сверено» плюс сумма «банк_без_1С» должна равняться итогу банковского файла. Это занимает 20 секунд и ловит 90% ошибок форматирования.

Работа с флагами:

Обычно 5-15% строк попадают в «банк_без_1С» или «1С_без_банка». Это не всегда ошибки — часто это разные даты проводки или транзакции в пути. Задайте уточняющий вопрос в том же чате:

Посмотри строки из списка "банк_без_1С".
Есть ли среди них строки, у которых в 1С есть похожая транзакция
с той же суммой, но датой на ±5 рабочих дней?
Если есть — покажи их парами: банк | 1С | разница дат.

После этого флагов обычно остаётся 2-5% — реальные расхождения, которые нужно разобрать руками.

Ещё один полезный уточняющий запрос — проверить на дубли:

Проверь, нет ли в данных строк-дублей:
одинаковые дата + сумма + контрагент, но разные строки в одном источнике.
Если найдёшь — покажи список предполагаемых дублей.
Это могут быть технические дубли при выгрузке из 1С или задвоенные платежи.

Задвоенные строки встречаются реже, чем расхождения по дате, но с точки зрения суммы ошибки — дороже. Два одинаковых платежа в разных банках или дублирование при слиянии нескольких выгрузок. ChatGPT находит их за 30 секунд.

Подробный разбор сверки через Code Interpreter — в отдельной статье сверка регистров через Code Interpreter.

Как разнести 300 строк ДДС за 20 минут

Классификация транзакций по статьям ДДС — это работа, которую большинство финансистов делают вручную или полуавтоматически через формулы. 300-500 строк выписки, каждую нужно отнести к нужной статье. По практике учениц курса, ChatGPT делает это за 15-20 минут с точностью около 85-90% на первом запуске.

Для этого нужны два файла. Первый — нормализованный реестр транзакций (результат обезличивания и очистки). Второй — справочник статей ДДС в Excel: колонки «Код статьи», «Название», «Признаки» (ключевые слова в назначении, типы контрагентов).

Промпт для классификации ДДС:

Ты финансовый аналитик, специализируешься на учёте движения денег.
Я загружаю два файла:
Файл 1 — реестр транзакций за [месяц] [год], данные обезличены.
Файл 2 — справочник статей ДДС с признаками для каждой статьи.

Задача:
Присвой каждой транзакции статью ДДС строго из справочника.

Формат строки на выходе:
Все исходные поля + Статья_ДДС + Уверенность (высокая/средняя/низкая) + Флаг

Правила:
— Если назначение платежа и маска контрагента однозначно указывают
  на статью из справочника: Уверенность = высокая, Флаг = пустой.
— Если назначение расплывчатое ("оплата по договору", "услуги"),
  но тип операции ясен из контрагента: Уверенность = средняя, Флаг = пустой.
— Если ни назначение, ни контрагент не дают однозначного ответа:
  Присвой "Прочие расходы" или "Прочие поступления",
  Уверенность = низкая, Флаг = "проверить".

После таблицы выдай сводку:
— Количество строк с высокой, средней, низкой уверенностью
— Итоговые суммы по каждой статье ДДС
— Список строк с флагом "проверить"

Не придумывай статьи, которых нет в справочнике.
Если данных не хватает для классификации — ставь флаг, не угадывай.

Строки с уверенностью «низкая» и флагом «проверить» — ваша работа руками. Их обычно 10-15% от общего числа. Попросите ChatGPT отсортировать их по сумме, чтобы разбирать с самых крупных:

Из списка строк с флагом "проверить" отсортируй по убыванию суммы.
Покажи только первые 20 строк — с максимальным денежным объёмом.

По опыту учениц, через три месяца работы с одним и тем же справочником точность классификации выходит на 92-95%: ChatGPT начинает «помнить» паттерны через контекст сессии, а вы накапливаете историю редких контрагентов.

Анализ план-факта с ChatGPT: от таблицы до готового текста

Прямой ответ: план-факт с объяснением отклонений, который раньше занимал 2-3 часа, в ChatGPT делается за 30-40 минут. Из них 10 минут — расчёт отклонений, 20-30 минут — добавить ваши объяснения и получить черновик текста.

ChatGPT разбирает план-факт в два шага, и это важно.

Шаг 1. Технический расчёт отклонений:

Ты финансовый аналитик. Я загружаю таблицу план-факт за [месяц/квартал] [год].
Компания: [отрасль], Россия. Данные обезличены, суммы в тысячах рублей.

Сделай следующее:
1. Для каждой строки посчитай: отклонение в рублях (факт минус план)
   и отклонение в % (отклонение / план × 100).
2. Строки с отклонением более 10% в любую сторону — отметь как "значимые".
3. Выдай топ-5 перерасходов по абсолютной сумме (пометь "ПЕРЕРАСХОД").
4. Выдай топ-5 экономий (пометь "ЭКОНОМИЯ").
5. Итоговые строки по разделам: выручка, прямые затраты,
   накладные расходы, операционная прибыль.
6. Выполняет ли факт план по операционной прибыли?

Структура ответа: таблица отклонений → топ-5 перерасходов → топ-5 экономий → итоги разделов.
Причины отклонений я добавлю сам(а) — их в данных нет, не придумывай.

Шаг 2. Добавьте объяснения и запросите черновик:

После технического расчёта у вас есть список топ-10 отклонений. Напишите причины к ключевым позициям — это знаете только вы. Потом передайте ChatGPT:

Вот план-факт за [период] с рассчитанными отклонениями.
Добавляю объяснения к топ-5 отклонениям:

1. ФОТ +15% — плановый найм 4 сотрудников в продажи (март)
2. Топливо +22% — рост цен дизеля, не учли в бюджете
3. Выручка -7% — крупный клиент перенёс заказ на следующий квартал
4. ИТ-расходы -18% — задержка закупки ПО по решению руководства
5. Маркетинг +30% — дополнительная кампания по решению CEO

Напиши черновик пояснительной записки для собственника (не финансиста).
Требования:
— 4-5 абзацев: общая картина, главные отклонения по затратам,
  ситуация с выручкой, риски на следующий квартал
— Без финансового жаргона: вместо "EBITDA" — "операционная прибыль",
  вместо "variance" — "отклонение"
— Тон: прямой, деловой, без канцелярита
— Длина: 250-300 слов
— Не начинай со слов "стоит отметить", "следует учитывать",
  "в данном отчёте"
— Начни с главного тезиса: как прошёл [период]

Результат — черновик, который нужно прочитать, уточнить тон и добавить специфику вашего бизнеса. 15-20 минут правки против 1-2 часов написания с нуля.

Управленческий отчёт для собственника: черновик за 15 минут

Управленческий отчёт в конце месяца — это не просто набор таблиц. Это документ, который должен ответить собственнику на три вопроса: что произошло, почему, и что с этим делать. ChatGPT хорошо структурирует ответ на первый вопрос и помогает с третьим. Второй — за вами.

Что готовите перед отчётом:

• P&L за месяц с итоговыми цифрами (из предыдущего шага план-факта)
• Остаток по счетам на конец периода
• 3-5 ключевых событий месяца (запуск продукта, крупная сделка, кадровое изменение)
• Риски и планы на следующий квартал (знаете вы, не ChatGPT)

Промпт для управленческого дайджеста:

Ты — финансовый директор, составляешь ежемесячный дайджест для владельца бизнеса.
Аудитория: собственник без финансового образования, ценит краткость и конкретику.

Данные за [месяц] [год]:
— Выручка: [X] тыс. руб. (план [Y] тыс. руб., отклонение [Z]%)
— Операционная прибыль: [X] тыс. руб. (план [Y], отклонение [Z]%)
— Чистая прибыль: [X] тыс. руб.
— Остаток на счетах на [число]: [X] тыс. руб.

Ключевые события месяца:
[перечислите 3-5 событий]

Главные причины отклонений от плана:
[перечислите 2-3 причины]

Напиши управленческий дайджест по структуре:
1. Одна фраза: как прошёл месяц (позитив/нейтраль/тревога — зависит от данных)
2. Три ключевые цифры с кратким комментарием
3. Что важно знать (2-3 важных события или изменения)
4. На что обратить внимание в следующем квартале (1-2 риска или возможности)

Требования к тексту:
— Длина не более 200 слов
— Суммы с разделением разрядов, слово "рублей" без символа
— Без жаргона: "Контрагент" вместо ИНН, "доходы" вместо "выручка" если аудитория не привыкла к термину
— Деловой тон без лишних эмоций
— Не начинать с "В данном отчёте" или "Настоящий дайджест"

Обычно первый черновик получается на 70-80% готовым. Правите тон, добавляете специфику, убираете или добавляете один-два абзаца. Это 10-15 минут против 45-60 минут написания с нуля.

Если нужен более длинный формат — например, полная пояснительная записка для совета директоров или банка — для таких текстов лучше переключиться на Claude Sonnet 4.6. Подробнее о разграничении задач между ChatGPT и Claude — в разделе про сравнение моделей ниже.

Получи бесплатный доступ к эфиру «ChatGPT для финансиста: закрытие месяца за 2 часа»

Три кейса с цифрами: сколько реально экономит ChatGPT

Три истории учениц курса «AI-навыки финансиста». Имена обезличены.

Кейс 1. Финансовый контролёр производственной компании, Нижний Новгород

Ситуация. Ежемесячное закрытие занимало 2,5 рабочих дня: сверка с тремя банками (у компании три расчётных счёта в разных банках), разнесение 450-600 строк выписки по статьям ДДС и написание двух пояснительных записок — для генерального директора и для финансового инвестора.

Что сделала. Настроила справочник обезличивания через Power Query — один раз, 45 минут. Сверку трёх банков вынесла в ChatGPT: каждый банк как отдельный файл, в промпте указала, что нужно сравнивать с общим реестром 1С. Классификацию ДДС отдала ChatGPT с готовым справочником статей. Для записок использует двухшаговый промпт: сначала отклонения, потом объяснения + текст.

Результат через два месяца. Закрытие занимает 9-10 часов вместо 2,5 рабочих дней (20 часов). Сверка трёх банков — 1,5 часа вместо 6 часов. Классификация ДДС — 35 минут вместо 3,5 часов. Две записки — 1 час вместо 3 часов. Экономия: 10-11 часов в месяц.

«Самое неожиданное: записки стали лучше по структуре. Я всегда упускала либо риски на следующий квартал, либо динамику. ChatGPT держит все разделы одновременно и напоминает написать про следующий квартал. Я начала выглядеть более системным финансистом в глазах инвестора».

Кейс 2. Главный бухгалтер в оптовой торговле, Москва

Ситуация. Оборот около 60 млн рублей в месяц, 380-450 транзакций в выписке. Главная боль — расхождения между банком и 1С стабильно находились на третий-четвёртый день закрытия, когда нервы уже на пределе. Каждое закрытие сверка занимала полтора рабочих дня, и стабильно находились 2-4 реальные ошибки.

Что сделала. Запустила сверку через ChatGPT Code Interpreter на обезличенных данных прошлого месяца — тестовый запуск без боевых данных. Первый же прогон нашёл все реальные расхождения, которые она обнаружила руками неделей позже. С третьего закрытия перешла полностью на ChatGPT для сверки.

Результат. Сверка — 50 минут вместо 10-12 часов. Найдено 5 реальных ошибок за квартал, все до закрытия, ни одна не дошла до налоговой отчётности. Экономия: 9-10 часов в месяц только на сверке.

Отдельный эффект, которого не ожидала: ChatGPT нашёл паттерн в расхождениях. Оказалось, один из банков стабильно датирует операции по-другому (время UTC против московского) — из-за чего 8-12 строк каждый месяц попадали в «расхождения по дате». После понимания паттерна добавила в промпт уточнение про допуск дат, и эти ложные флаги исчезли.

Кейс 3. Финансовый директор консалтинговой компании, Санкт-Петербург

Ситуация. 60 сотрудников, два юрлица, ежеквартальная управленческая отчётность для инвестора плюс ежемесячный дайджест для партнёров. Написание отчётных документов занимало 6-8 часов каждый месяц: P&L, записка, дайджест по юрлицам, итоговое письмо инвестору.

Что сделала. Разложила все текстовые документы на типовые структуры, создала GPT-агента с инструкциями («Финансовый директор [название компании], тон деловой, без жаргона, суммы в млн рублей»), загрузила 3 примера лучших своих записок как образцы стиля.

Результат. Все четыре типа документов — 1,5-2 часа вместо 6-8. Большую часть времени занимает обезличивание данных и финальная правка. «Агент знает мой стиль лучше, чем стажёр после месяца работы. Инвестор однажды сказал, что записки стали более структурированными».

Экономия: 4-6 часов в месяц на текстовых задачах. Плюс год назад эти часы приходились на воскресенье вечером, теперь — на пятницу в рабочее время.

Как считать ROI внедрения ChatGPT на закрытии месяца

Прямой ответ: ROI считается просто — время экономии в часах умножить на вашу ставку, сравнить с затратами на тариф. По практике учениц, окупаемость наступает в первое же закрытие.

Возьмём консервативный расчёт. Финансист со ставкой 800 рублей в час (это скромно для специалиста с опытом закрытия), экономия 8 часов в месяц:

Ежемесячная экономия: 8 часов × 800 руб. = 6 400 рублей
Стоимость ChatGPT Plus: 20 USD в месяц (~1 500 рублей по курсу на дату написания)
Чистая экономия: 4 900 рублей в месяц
Годовая экономия: 58 800 рублей
Срок окупаемости: первый же закрытый месяц

При более реалистичной ставке 1 500-2 000 рублей в час цифры вырастают кратно. При экономии 15-20 часов (кейс 1 из раздела выше) — ROI уже сотни процентов.

Но деньги — не главная метрика. Важнее другое: качество работы в конце месяца. Когда закрытие занимало два дня, последние часы шли «на нервах» — усталость и дедлайн снижали концентрацию. Сейчас механика делается в первую половину дня, остаток идёт на проверку и принятие решений в хорошем состоянии. Несколько учениц отметили, что ошибок в отчётах стало меньше именно потому, что осталось время на финальную проверку.

Как отслеживать прогресс после внедрения:

Первые три месяца замеряйте фактическое время на каждый шаг закрытия. Не «в целом казалось быстрее», а конкретно: «сверка — 55 минут» и «ДДС — 28 минут». Сравниваете с базовым замером до ChatGPT. Это делает прогресс видимым и даёт аргумент для коллег, которым вы хотите рекомендовать подход.

Три метрики, которые стоит отслеживать:

• Время на сверку регистров в часах
• Время на классификацию ДДС в часах
• Время на написание управленческого отчёта в часах

Через шесть месяцев у вас будет график с реальной динамикой. По кейсам учениц, плато наступает примерно на третьем-четвёртом закрытии: промпты отточены, справочник обезличивания настроен, GPT-агент знает вашу структуру. Дальнейшая оптимизация идёт через автоматизацию (n8n) или расширение задач, которые делегируете нейросети.

Сравнение: ChatGPT, Claude Sonnet 4.6 и Gemini 2.5 для закрытия месяца

Актуально на июнь 2026 года. Все три модели я использую регулярно, задачи распределяю осознанно.

Как я использую эту тройку на практике:

Сверку и классификацию ДДС делаю в ChatGPT: Code Interpreter стабилен, Python-код можно проверить, интерфейс удобнее для файлов. Для коротких и средних записок ChatGPT справляется отлично.

Для длинных аналитических текстов — годовой отчёт, записка для совета директоров на 4-5 страниц, письмо инвестору с тонкими формулировками — переключаюсь на Claude Sonnet 4.6. Русский язык там точнее, структура аргументов сильнее.

Команды, которые работают в Google Workspace и ведут учёт в Google Sheets — выбирайте Gemini 2.5: не нужно ничего выгружать и загружать, работаете с данными там, где они уже есть.

DeepSeek V3.2 — для задач, которые не требуют загрузки файлов: переформулировать текст, составить промпт, обсудить структуру отчёта. Работает без специальных средств доступа, отлично справляется с русским языком.

Практическая рекомендация по выбору:

Если вы начинаете — стартуйте с ChatGPT GPT-5.5. Это наиболее зрелый инструмент для работы с файлами, Code Interpreter работает стабильно, документация и сообщество самые развитые. Когда освоитесь и появятся задачи, где ChatGPT «не дотягивает» по качеству текстов — пробуйте Claude Sonnet 4.6 для этих конкретных задач. Не пытайтесь сразу работать с тремя инструментами: это создаёт избыточную нагрузку на адаптацию. Один инструмент хорошо — лучше трёх инструментов посредственно.

Для команды, которая уже использует несколько инструментов — разграничение простое: ChatGPT считает, Claude пишет, Gemini работает с Google Sheets напрямую. Это не конкуренция, а специализация.

10 готовых промптов для закрытия месяца

Все промпты из открытой практики, не из платного курса. Адаптируйте под свою структуру статей и отрасль.

Промпт 1. Экспресс-аудит структуры файла перед сверкой

Прочитай загруженный файл и расскажи:
1. Сколько строк данных (без заголовков и итогов).
2. Какие колонки есть, в каком формате даты и суммы.
3. Есть ли пустые ячейки в ключевых полях (дата, сумма, контрагент).
4. Есть ли строки с суммой = 0 или отрицательными значениями там,
   где их быть не должно.
5. Какой период охватывают данные — первая и последняя дата.

Перед любой задачей сверки или расчётов мне нужно убедиться,
что данные корректны для анализа.

Промпт 2. Сверка дебиторской задолженности с реестром платежей

У меня два файла:
Файл 1 — реестр выставленных счетов за [квартал/месяц].
Файл 2 — реестр поступлений от покупателей за тот же период.
Данные обезличены.

Задача:
1. Сопоставь счета и поступления по контрагентам и суммам.
2. Найди счета, по которым поступления не найдены (неоплаченная дебиторка).
3. Найди поступления без счёта (авансы или платежи без документа).
4. Посчитай общую сумму неоплаченной дебиторки и суммарные авансы.
5. Выдай итоговую таблицу: контрагент | счёт | сумма счёта |
   сумма поступления | разница | статус (оплачено/частично/не оплачено).

Промпт 3. Экспресс-проверка кредиторской задолженности

Файл — реестр счетов поставщиков с датами и суммами.
Отдельным списком — даты платежей по этим счетам (из банковской выписки).

Определи:
1. Счета, по которым платёж не найден на текущую дату.
2. Счета с просрочкой: дата счёта + стандартная отсрочка 30 дней < сегодня.
3. Топ-5 кредиторов по сумме просроченной задолженности.
4. Суммарная кредиторка всего и отдельно просроченная.
5. Предупреди, если у какого-то кредитора задолженность превышает [X] тыс. рублей.

Промпт 4. Анализ аномалий в данных до закрытия

Просмотри таблицу транзакций и найди потенциальные аномалии:
— Суммы, которые значительно отличаются от среднего (более 2 стандартных отклонений).
— Дублирующиеся строки: одинаковые дата + сумма + контрагент.
— Транзакции в нерабочие дни (субботы, воскресенья, праздники).
— Суммы, оканчивающиеся на ровные числа (100 000, 500 000) — часто указывают
  на плановые платежи или ошибки округления.
— Строки с нестандартными назначениями платежей (очень короткие или явно шаблонные).

Выдай только список аномалий с кратким объяснением. Не предполагай причин.

Промпт 5. Расчёт налоговой нагрузки для предварительной оценки

Компания на ОСНО. Дай предварительную оценку налоговых начислений.

Данные из P&L за [месяц]:
— Выручка без НДС: [X] тыс. руб.
— НДС исходящий: [X] тыс. руб.
— НДС входящий (из реестра счетов поставщиков): [X] тыс. руб.
— Прибыль до налогообложения: [X] тыс. руб.
— ФОТ за месяц: [X] тыс. руб.

Рассчитай:
1. НДС к уплате = НДС исходящий минус НДС входящий.
2. Предварительный налог на прибыль (ставка 25% с 2025 года,
   [ПРОВЕРИТЬ АКТУАЛЬНУЮ СТАВКУ В КОНСУЛЬТАНТПЛЮС]).
3. Взносы с ФОТ (ставка [ПРОВЕРИТЬ]).
4. Итоговую налоговую нагрузку в % от выручки.

После расчётов: пометь все налоговые ставки тегом [ПРОВЕРИТЬ АКТУАЛЬНОСТЬ].
Данные модели могут не учитывать последние изменения НК РФ.

Промпт 6. Конвертация данных в единый формат

У меня три файла с выгрузками из разных систем.
Структура колонок в каждом немного отличается.
Мне нужен единый датасет.

Правила конвертации:
— Дата всегда в формате ДД.ММ.ГГГГ
— Сумма всегда числом без пробелов, знаков и сокращений (тысяча рублей = 1000)
— Тип операции: только "приход" или "расход"
— Источник данных: добавь колонку с именем файла-источника
— Контрагент: используй маску из исходного файла как есть

Выдай единый датасет. После конвертации: 
сколько строк из каждого источника, общая сумма по типу операции.
Если в файле есть строки итогов или заголовков — исключи их.

Промпт 7. Факторный анализ изменения прибыли

Прибыль за [текущий месяц]: [X] тыс. руб.
Прибыль за [предыдущий месяц]: [Y] тыс. руб.
Изменение: [Z] тыс. руб. ([%]).

В таблице детализация по статьям P&L за оба периода.

Разложи изменение прибыли на факторы:
— Изменение выручки: +/- X тыс. руб.
— Изменение себестоимости: +/- X тыс. руб.
— Изменение коммерческих расходов: +/- X тыс. руб.
— Изменение административных расходов: +/- X тыс. руб.
— Итого: должно совпасть с фактическим изменением [Z] тыс. руб.

Выдай в виде водопадной таблицы: каждый фактор как строка.
Если сумма факторов не совпала с общим изменением на ±1%, укажи разницу.

Промпт 8. Подготовка к звонку с собственником

У меня встреча с собственником через 30 минут.
Нужно представить результаты [месяц].
Главные цифры: [выручка, прибыль, EBITDA, остаток на счетах].
Главное отклонение от плана: [что отклонилось и на сколько].

Помоги подготовиться:
1. Три ключевых тезиса для открытия разговора (что хорошо, что плохо, что делаем).
2. Два вопроса, которые собственник вероятно задаст — и краткие ответы.
3. Один неудобный вопрос, который он может задать — как на него ответить корректно.
4. Один риск, который лучше назвать самому — лучше первой, чем в ответ на вопрос.

Тон ответов: деловой и конкретный, без оправданий, с фокусом на действия.

Промпт 9. Итоговый чеклист закрытия для финансиста

Я закрываю месяц в [дата].
Пройди со мной чеклист закрытия — задай уточняющие вопросы и отметь,
что готово, а что нет.

Стандартный список задач:
1. Получена вся первичка от поставщиков за [месяц]?
2. Проведена сверка банк vs 1С?
3. Разнесены все транзакции по статьям ДДС?
4. Выполнен план-факт анализ по бюджету?
5. Рассчитаны и проверены налоговые начисления?
6. Подготовлена пояснительная записка для руководства?
7. Согласован P&L с командой?
8. Финальный архив документов сформирован?

Для каждого пункта, который я отвечу "нет" или "не уверен" —
предложи следующий шаг или помоги разобраться.

Промпт 10. Автоматизированный шаблон ежемесячного комментария к P&L

Мне нужен шаблон комментария к P&L, который я буду использовать каждый месяц.
Заполни [скобки] конкретными данными ниже.

Шаблон:
"[Месяц Год]: выручка составила [X] млн рублей, [на X% выше/ниже] плана.
Операционная прибыль — [X] млн рублей ([EBITDA X] млн рублей, маржа [X]%).
Основные отклонения: [перечислить 2-3 причины].
Остаток на счетах на [число]: [X] млн рублей.
На следующий квартал: [1-2 ключевых действия]."

Данные:
[вставьте цифры]

Верни заполненный шаблон. Если данных не хватает для какого-то поля,
напиши [нет данных], не подставляй нули.

Какие ошибки финансисты делают при закрытии с ChatGPT

Собрала по практике за полтора года работы учениц с нейросетями. Каждая ошибка была у кого-то из реальных людей. Часть из них дорого обошлась — потраченным временем на исправление или выяснением, почему результат не сошёлся с источником.

Ошибка 1. Загрузка необезличенных данных. Самая опасная и самая частая на старте. «Быстро проверю» превращается в загрузку реальных ИНН и сумм. Через несколько месяцев выясняется, что данные попали в публичный сервис. Решение: сначала обезличивание, потом загрузка — без исключений. Даже для теста. Даже если кажется, что данные «не такие уж конфиденциальные».

Ошибка 2. Один большой чат на весь процесс закрытия. Пытаетесь провести сверку, классификацию ДДС и написать записку в одном диалоге. Контекст засоряется — ChatGPT держит в уме данные из разных шагов и начинает их путать. Правило: новая задача — новый чат. Файлы загружаете в каждый новый чат заново, это занимает 30 секунд и экономит 30 минут отладки путаницы в ответах.

Ошибка 3. Не проверять итоговые суммы. ChatGPT посчитал — значит правильно. Нет. Одна опечатка в исходном файле, нестандартный пробел в числах (Code Interpreter иногда читает «1 234» как текст «1» и «234» отдельно), смешение форматов дат (ДД.ММ.ГГГГ против ММ/ДД/ГГГГ) — и расчёт уходит, а результат выглядит правдоподобно. Всегда: итоговая сумма «сверено» плюс «расхождения» должна равняться итогу исходника. Три минуты контрольной проверки в Excel.

Ошибка 4. Ждать от ChatGPT причин отклонений. «ChatGPT не нашёл объяснения, почему в мае вырос ФОТ» — конечно не нашёл, в данных этой информации нет. Модель видит числа, не историю за ними. Причины знаете только вы: плановый найм, задержка платежа, сезонный пик, решение руководства. Схема работает: ChatGPT делает технический расчёт отклонений, вы добавляете причины во втором сообщении, ChatGPT пишет связный текст.

Ошибка 5. Использовать черновик как финальный документ. ChatGPT пишет структурированно и грамотно, но без знания вашего бизнеса текст будет формальным и общим. Бывает, что факты верны, но тон не соответствует вашим отношениям с собственником: слишком официально, слишком осторожно, или наоборот. 15-20 минут редактуры делают черновик живым управленческим документом. Не сокращайте этот шаг — он не про исправление ошибок нейросети, а про добавление вашего профессионального голоса.

Ошибка 6. Не сохранять удачные промпты. Потратили 40 минут, нашли промпт который дал хороший результат, закрыли вкладку — следующий месяц начинаете снова. Решение: текстовый файл или Notion-страница с библиотекой промптов. Или GPT-агент с инструкциями, где промпты вшиты внутрь. Через три месяца работы разница между настроенным агентом и чистым чатом — как между опытным стажёром и первым днём.

Ошибка 7. Начинать с самой сложной задачи. «Сразу автоматизирую всё закрытие» или «сделаю все 10 промптов сразу» — и через два часа запутываетесь. Правило старта: одна задача, один промпт, один чат. Сверка или классификация ДДС — доведите до рабочего результата, сохраните промпт, используйте следующий месяц. Потом добавите план-факт. Потом записки. Постепенное внедрение даёт лучший результат, чем революция за один вечер.

Ошибка 8. Не учитывать, что ChatGPT не знает вашу отрасль. Финансовый учёт в строительстве, в ритейле и в IT — это разные статьи, разные методологии, разные стандарты признания выручки. ChatGPT знает общую финансовую логику, но без объяснения отраслевой специфики в промпте будет давать общие рекомендации. Всегда добавляйте контекст в первое сообщение: «Компания в сфере [отрасль]. В нашей методологии EBITDA считается так-то. Выручка признаётся так-то».

Если узнали себя хотя бы в одной из этих ошибок — это нормально. Все они исправляются за одно закрытие, если знать, где искать проблему. Полный разбор типичных ошибок финансистов с нейросетями — в статье 5 ошибок финансиста в нейросетях.

Чек-лист закрытия месяца с ChatGPT: 12 шагов

Прогоните по пунктам перед первым закрытием. Каждый пункт — либо обязательный шаг, либо ошибка, которая случалась у учениц курса на практике.

1. Получите выгрузки из всех источников. Банковская выписка, ОСВ по ключевым счетам (51, 62, 60, 76), реестр счетов поставщиков, данные по ДДС. Проверьте, что периоды совпадают: даты в разных выгрузках должны покрывать один и тот же месяц. Если один источник закрывается на день позже — укажите это в промпте.

2. Обезличьте данные через справочник замен. Запустите Power Query или ВПР-замену по справочнику контрагентов. После замены откройте файл и убедитесь, что нет пропущенных: проверьте несколько строк глазами. Если нашли незамаскированную строку — добавьте контрагента в справочник и повторите замену.

3. Отключите «улучшить модель для всех» в Settings → Data Controls. Это делается один раз для аккаунта, но если работаете с чужого компьютера или нового аккаунта — проверьте обязательно.

4. Запустите экспресс-аудит каждого файла (промпт 1 из раздела выше). ChatGPT скажет: сколько строк, какие форматы дат и чисел, есть ли пустые ячейки в ключевых полях, есть ли нули там, где их быть не должно. Это 2-3 минуты, но экономит 20 минут отладки потом.

5. Проведите сверку банк vs 1С в новом чате (промпт из раздела о сверке). Получите таблицу расхождений и контрольное сопоставление остатков. Запишите итоговую разницу остатков — это число станет ориентиром для ручного разбора флагов.

6. Разберите флаги сверки в том же чате: запросите список строк «банк_без_1С» и «1С_без_банка», отсортированный по сумме. Начинайте разбор с крупных сумм. Спросите ChatGPT, есть ли среди флагов строки с одинаковой суммой, но разными датами — часто это транзакции в пути, которые не нужно вносить вручную.

7. Классифицируйте ДДС в новом чате (промпт классификации): загрузите реестр транзакций и справочник статей, получите таблицу с уверенностью и флагами. Строки с «низкой уверенностью» разберите вручную, начиная с наибольших сумм. После разбора вернитесь в чат и добавьте корректировки финального классификатора.

8. Рассчитайте план-факт (промпт из раздела план-факта): получите топ-5 перерасходов и экономий. Напишите рядом причины к каждому из топ-5 — это короткие фразы, которые вы знаете и ChatGPT не знает. Они войдут в следующий шаг.

9. Получите черновик пояснительной записки: передайте в чат план-факт с вашими объяснениями к отклонениям, запросите текст в нужном формате и длине. Прочитайте черновик и задайте три вопроса: правильно ли отражена общая картина, есть ли лишний жаргон, нет ли фактических ошибок (ChatGPT иногда перефразирует число неточно).

10. Подготовьте управленческий дайджест (промпт 10): короткий текст для собственника с тремя ключевыми цифрами и двумя главными тезисами. Дайджест проверяйте особенно внимательно — это текст, который будет читать человек без финансового бэкграунда, ошибка или неточная формулировка создаёт неправильное впечатление о периоде.

11. Проверьте итоговые суммы вручную. Возьмите выручку, операционную прибыль и остаток на счетах. Сверьте с источниками: P&L с 1С, остаток с банковской выпиской. Это занимает 5 минут и ловит 95% критических ошибок расчёта.

12. Финальная подпись ваша. Всё, что уходит собственнику, в банк или в налоговую — проверили и подписали лично. ChatGPT готовит черновики, ответственность за финансовый результат остаётся за финансистом. Это не недоверие к нейросети — это профессиональный стандарт.

Как настроить GPT-агента под закрытие месяца: один раз и навсегда

Самый мощный инструмент, который мало кто использует — это GPT-агент с вашими инструкциями, сохранёнными внутри. Это не просто чат, где вы каждый раз объясняете контекст с нуля. Это «сотрудник», которого вы обучили один раз: он знает вашу структуру статей, формулу EBITDA, тон записок и специфику отрасли.

Как создать: в ChatGPT нажмите «Исследовать GPT» — «Создать». Дайте агенту имя, например «Финансовое закрытие [Компания]».

Что вписываете в инструкции агента:

Ты — финансовый аналитик компании [описание/отрасль].
Твоя специализация: ежемесячное закрытие финансового периода.

Структура учёта в компании:
Выручка → Прямые затраты → Валовая прибыль → Коммерческие расходы
→ Административные расходы → Операционная прибыль → EBITDA → Чистая прибыль.

Формула EBITDA в нашей компании:
EBITDA = Операционная прибыль + Амортизация ОС и НМА.
Строка "Амортизация" находится в разделе административных расходов.

Правила работы:
— Все данные, которые я загружаю, обезличены (маски контрагентов, округлённые суммы).
— Если данные выглядят необезличенными (реальные ИНН, названия компаний) — предупреди меня.
— Расчёты выполняй через Code Interpreter (Python). После расчёта EBITDA всегда показывай Python-код.
— Комментарии для собственника: без канцелярита, без жаргона, деловым языком. Длина по умолчанию 200-250 слов.
— Никогда не начинай абзац со слов "стоит отметить", "следует учитывать", "важно подчеркнуть".
— Если данных для расчёта не хватает — пиши "нет данных", не подставляй нули и не угадывай.

Задачи, которые я буду давать:
1. Сверка банковской выписки с 1С (два файла, найти расхождения).
2. Классификация транзакций по статьям ДДС (файл + справочник статей).
3. Расчёт план-факта с отклонениями (файл с планом и фактом).
4. Написание пояснительных записок для собственника и управляющего совета.
5. Подготовка дайджеста по итогам месяца.

После создания агента: загружаете 2-3 примера ваших лучших записок и отчётов в раздел «Знания» агента. Это образцы стиля, которые агент будет воспроизводить на новых данных. Разница в качестве черновиков с образцами и без — как между опытным стажёром и стажёром первого дня.

Для команды на тарифе Business: агент живёт в корпоративном воркспейсе, доступ открывается всей команде. Бухгалтер пользуется теми же промптами и знает ту же структуру без необходимости объяснять всё заново каждый раз.

Сохраните в агенте все 10 промптов из предыдущего раздела как часть инструкций или в примерах задач. С настроенным агентом каждое новое закрытие начинается не с «объяснения контекста», а сразу с «вот файл сверки» — и агент знает, что с ним делать.

Подробнее про создание и настройку кастомных GPT-агентов для финансовых задач — в статье Custom GPT для финдиректора.

ChatGPT и 1С: как работает связка без коннектора

Прямой ответ: прямого коннектора ChatGPT к базе 1С нет и не нужен для большинства задач. Рабочая схема — выгрузка через регламентные задания и загрузка файла в ChatGPT.

В 1С (любая версия, начиная с 8.2) можно настроить регламентное задание, которое автоматически формирует отчёт и сохраняет его в Excel или CSV в заданную папку. Настройка через администратора 1С занимает 20-30 минут. После этого к первому числу каждого месяца нужные выгрузки уже лежат в папке без вашего участия.

Какие отчёты из 1С нужны для закрытия:

• ОСВ (Оборотно-сальдовая ведомость) — по нужным счетам (51, 62, 60, 76) за закрываемый период. Даёт остатки и обороты для сверки.
• Анализ счёта 51 — детальный реестр банковских операций по 1С. Сверяется с реальной банковской выпиской.
• Выгрузка по статьям ДДС — если ведёте управленческий ДДС в 1С. Иначе классифицируете выписку банка отдельно.
• Реестр счетов поставщиков — для проверки кредиторской задолженности.
• Бюджет на период — если ведёте бюджетирование в 1С. Для план-факта.

Формат выгрузки: Excel (xlsx) или CSV без объединённых ячеек, без строк промежуточных итогов внутри таблицы. Промежуточные итоги ChatGPT читает нестабильно — лучше выгружать «плоский» файл с данными, итоги посчитает сам.

Типичная проблема: 1С выгружает числа с пробелами (1 234 567 рублей) или с символом валюты. Code Interpreter иногда читает их как текст, а не числа. Решение через промпт экспресс-аудита (промпт 1): попросите ChatGPT сначала проверить форматы и конвертировать числа перед расчётами.

Вариант для тех, у кого есть разработчик: через API OpenAI можно подключить ChatGPT к любой системе, включая 1С через HTTP-сервис. Тогда данные уходят напрямую из 1С в запрос к API, ChatGPT обрабатывает и возвращает результат. Это требует разработки, но для крупных финотделов с высоким объёмом закрытия это следующий шаг после освоения ручного режима.

Для небольших компаний с Google Sheets: если управленческий учёт ведётся в Google Sheets, а не в 1С, — рассмотрите Gemini 2.5. Нативная интеграция с Google Workspace означает, что не нужно ничего выгружать: Gemini работает с данными прямо в Sheets через встроенный помощник.

Что дальше: от ручного режима к автоматизации

После двух-трёх закрытий с ChatGPT появляется понимание, какие задачи работают хорошо и где приходится исправлять чаще. Это ценное знание — именно из него собирается следующий шаг.

Следующий уровень — мультиагентная связка в n8n, где сценарий запускается автоматически ночью первого числа: сборщик забирает данные из 1С и банка, нормализатор обезличивает, сверщик ищет расхождения, классификатор разносит ДДС, аналитик пишет черновик P&L и к утру в Telegram лежит уведомление «черновики готовы, флагов 14». Подробно об этой архитектуре — в статье армия AI-агентов для закрытия месяца.

Но важно: не пытайтесь перейти к автоматизации, не поработав руками. Два-три ручных закрытия через ChatGPT дают понимание, как устроены ваши данные, какие форматы нестандартны, какие контрагенты дают расхождения. Без этого понимания n8n-сценарий будет падать на каждом специфическом случае.

Начните с одной задачи этого закрытия. Не пытайтесь перевести всё сразу. Возьмите сверку или классификацию ДДС — доведите до рабочего промпта, сохраните, используйте следующий месяц. Потом добавите следующую задачу.

Если хочется сделать шаг к автоматизации уже сейчас, но n8n кажется сложным — промежуточный вариант это GPT-агент с инструкциями (раздел выше). Агент не запускается сам, но значительно сокращает время на объяснение контекста и стандартизирует качество результатов месяц к месяцу.

FAQ

Какую версию ChatGPT использовать для закрытия месяца? GPT-5.5 на тарифе Plus (20 USD в месяц). Именно эта версия стабильно работает с файлами через Code Interpreter, запускает Python-расчёты и поддерживает длинный контекст. Бесплатная версия ограничена по загрузкам и не поддерживает полноценный Code Interpreter. Доступ к chatgpt.com в России через специальные средства доступа.

Можно ли доверять ChatGPT расчёты при закрытии? Доверять с проверкой. Code Interpreter запускает реальный Python-код, не угадывает цифры. Главные риски: опечатка в исходнике, нестандартный формат числа или дат. Всегда проверяйте контрольную сумму: итоги «сверено» плюс «расхождения» равняются итогу исходного файла. Это занимает 30 секунд.

Безопасно ли загружать финансовые данные в ChatGPT? Только обезличенные. Реальные ИНН, названия контрагентов, банковские реквизиты и ФИО в публичный чат не загружаем. Справочник замен настраивается один раз. В настройках отключите «улучшить модель для всех». Для высоких требований — тариф Business.

Сколько времени реально экономит ChatGPT на закрытии? По практике учениц курса: сверка — с 4-6 часов до 40-60 минут. Классификация ДДС — с 3-5 часов до 20-35 минут. Написание записок — с 1,5-2 часов до 25-35 минут. Итого 6-10 часов механики возвращаются в месяц. Реальная цифра зависит от качества исходных данных и ваших промптов.

Можно ли автоматизировать закрытие полностью? В ручном режиме через чат — нет. Полная автоматизация требует n8n с AI-агентами. ChatGPT в чате — отличная точка входа, после которой автоматизация строится легче: вы уже знаете свои данные и понимаете, что нужно агентам.

Что ChatGPT не умеет при закрытии? Три зоны: не знает причин отклонений без вашего объяснения; не видит контекст за цифрами (нетипичная операция может не выглядеть числовой аномалией); не принимает налоговую позицию по нестандартным операциям. Финальная проверка перед подписью всегда за вами.

ChatGPT или Claude — что выбрать для закрытия? Для расчётов, сверки и классификации — ChatGPT GPT-5.5. Для длинных аналитических текстов с тонкими формулировками — Claude Sonnet 4.6. Это не конкуренты, а связка: ChatGPT считает, Claude пишет. Подробная сравнительная таблица выше в статье.

Нужен ли Plus для работы с финансовыми таблицами? Да. Code Interpreter и загрузка файлов работают только в Plus и выше. Плюс окупается за первые два закрытия: экономия 6-10 часов стоит дороже 20 долларов при любой ставке финансиста.

Один финансист из нашего MAX-канала сформулировал это лучше, чем я: «Я не стала работать меньше. Я стала работать над другим. Раньше первые два дня месяца я была бухгалтером с калькулятором. Сейчас я финансовый директор, который анализирует и принимает решения». Именно об этом разница в словосочетании: финансист vs финансовый директор.

Закрытие месяца с ChatGPT — это не про то, чтобы нейросеть делала работу за вас. Это про то, чтобы перестать тратить 10 из 20 часов на механику, которую нейросеть делает точнее и быстрее. Сверка регистров, разнесение ДДС, написание черновиков — это не то, за что вам платят. Вам платят за суждение, за знание бизнеса, за принятие решений. ChatGPT освобождает время именно для этого.

Начните с одной задачи на ближайшем закрытии. Возьмите сверку банк vs 1С с промптом из этой статьи, обезличьте данные, запустите. Через 40 минут у вас будет таблица расхождений и первый опыт работы на реальных данных. Этого достаточно для старта.

Записаться на курс «AI-навыки финансиста» в онлайн-школе «Финансовый директор | Мастер CFO» — 800+ выпускников, практика на реальных задачах закрытия месяца, диплом с лицензией

Наши каналы

@findir_pro — главный телеграм-канал школы «Финансовый директор | Мастер CFO». 45 000 финансистов и бухгалтеров. Практика, промпты, кейсы — каждый день.

«АИ с Софьей и Натали» — канал про AI для финансистов от Софьи Бурцевой (основатель школы) и Натали Васильевой. 13 000 подписчиков. Разборы инструментов, эфиры, тесты новых моделей.

MAX — закрытое сообщество выпускников и продвинутых практиков школы. 5 000+ участников. Сложные кейсы, шаблоны, нестандартные применения AI для финансов.