Закрытие месяца с ChatGPT: чеклист, сверка и управленческий отчёт за утро первого числа вместо двух дней

Закрытие месяца занимало у меня два дня. Это была 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. Большая часть уходит на копирование данных между системами, ручную классификацию 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 идут в середине и конце. Актуально на сентябрь 2026 года, модель GPT-5.6 Sol на платном 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, где ваше профессиональное суждение не требуется: 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, оставляя решения за ним.

Почему закрытие месяца занимает два дня и можно ли это изменить

Закрытие месяца в среднем финотделе состоит из пяти 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. Большая часть этих часов уходит на копирование, перепроверку форматов, ручную классификацию 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 требует ручной классификации 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-5.6 Sol 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, их 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 по принципу «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 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, они нужны для анализа динамики
• Суммы в обезличенном виде, пропорции важны для анализа структуры

Как сделать обезличивание быстро:

Вручную каждый месяц делать это не стоит. 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 выходит 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 по сумме ошибки они 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 чаще всего делается 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 с колонками «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» остаются вашей работой 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 уходит на расчёт отклонений, 20-30 минут на добавление ваших объяснений и получение черновика 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: их 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 не сводится к набору 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 вопрос остаётся 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 Opus 5.5. 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 занимает 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 занимает 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 занимают 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 умножаем на вашу ставку, сравниваем 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 времени: 8 часов
Экономия в деньгах при ставке 800 рублей в час: 8 × 800 = 6 400 рублей
Стоимость ChatGPT Plus: платная подписка, цену проверяйте на дату расчёта
Что дальше: считаете от своего тарифа и своей ставки
Срок окупаемости: первое же закрытие, если час вашего времени дороже стоимости подписки

Точную выгоду в рублях считайте от своей ставки и своего тарифа: цены на подписку меняются, актуальную стоимость проверяйте на официальной странице на дату расчёта. При ставке 1 500-2 000 рублей в час экономия в деньгах вырастает кратно. При экономии 15-20 часов (кейс 1 из раздела выше) ROI уже сотни процентов.

Но деньги не главная метрика. Важнее 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 5 и Gemini 3 для закрытия месяца

Актуально на сентябрь 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 Opus 5.5 или Fable 5.1. Русский язык там точнее, структура аргументов сильнее.

Команды, которые работают в Google Workspace и ведут учёт в Google Sheets, могут выбрать Gemini 3.1 Pro: не нужно ничего выгружать и загружать, работаете с данными там, где они уже есть.

DeepSeek V4-Pro подходит 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-5.6 Sol. 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 5 или Opus 5.5 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 дополняющие друг друга роли.

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 нужен для добавления вашего профессионального голоса, исправление ошибок нейросети здесь ни при чём.

Ошибка 6. Не сохранять удачные промпты. Потратили 40 минут, нашли промпт который дал хороший результат, закрыли вкладку, и 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 такая же, как между опытным стажёром и новичком в первый день.

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. Возьмите сверку или классификацию 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 опирается на разные статьи, методологии и 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 это 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 из вашего знания контекста, которых у ChatGPT нет. 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, проверено и подписано лично. ChatGPT готовит черновики, ответственность за финансовый результат остаётся за финансистом. Это вопрос профессионального стандарта, недоверие к нейросети здесь ни при чём.

Как настроить GPT-агента под закрытие месяца

Самый мощный инструмент, который мало кто использует, это GPT-агент с вашими инструкциями, сохранёнными внутри. Это «сотрудник», которого вы обучили один раз. Он знает вашу структуру статей, формулу EBITDA, тон записок и специфику отрасли, и контекст не приходится объяснять заново каждый раз.

Как создать: в ChatGPT нажмите «Исследовать GPT», затем «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 такая же, как между опытным стажёром и новичком в первый день.

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 сразу с «вот файл сверки», без объяснения контекста, 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 такая: 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 вместо 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, присмотритесь к Gemini 3.1 Pro. 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 связан с мультиагентной связкой в n8n: 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-5.6 Sol на платном тарифе Plus. Именно эта версия стабильно работает с файлами через Code Interpreter, запускает Python-расчёты и поддерживает длинный контекст. На бесплатном тарифе и Go по умолчанию работает GPT-5.6 Luna: она 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 подойдёт тариф Business.

Сколько времени реально экономит ChatGPT на закрытии? По практике учениц курса: сверка сокращается 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 полной автоматизации не будет. Она требует n8n с AI-агентами. ChatGPT в чате хорошо подходит как 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 лучше ChatGPT с GPT-5.6 Sol. Для длинных аналитических текстов с тонкими формулировками подходит Claude Sonnet 5 или Opus 5.5. Это дополняющие друг друга инструменты: 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. Подписка окупается за первые два закрытия: экономия 6-10 часов стоит дороже стоимости тарифа 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 в этом разница между ролями финансиста и финансового директора.

Закрытие месяца с ChatGPT не означает, что нейросеть делает работу за вас. Смысл в том, чтобы перестать тратить 10 из 20 часов на механику, которую нейросеть делает точнее и быстрее. Сверка регистров, разнесение ДДС, написание черновиков не относятся к тому, 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 и 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.