Нейросеть за 20–30 минут сводит плановые и фактические цифры по отделу в анализ отклонений — что превысило план, что недобрало, какая статья требует комментария — экономист вставляет выгрузку из учётной системы, а модель раскладывает отклонения по значимости и предлагает формулировку для отчёта руководителю.
Что собирает модель
План-факт анализ по одному отделу модель собирает за 20–30 минут вместо часа-полутора ручной сверки в таблице, по нашему опыту внедрений: значимые отклонения, вероятные причины и формулировка для отчёта руководителю.
План-факт анализ — рутинная, но кропотливая задача: нужно сверить десятки строк бюджета, найти значимые отклонения среди естественного шума цифр и сформулировать причину каждого важного расхождения понятным языком для руководителя. Модель хорошо справляется с первой частью этой работы — сведением и сортировкой отклонений по значимости.
- Сведение плановых и фактических цифр по каждой статье бюджета
- Сортировка отклонений по значимости — крупные, средние, в пределах нормы
- Черновик формулировки вероятной причины отклонения
- Итоговый абзац для отчёта руководителю понятным языком
Здесь — конкретная ежемесячная задача сверки плана и факта по одному отделу вместо общего вопроса, сколько экономит компания на автоматизации небольшого отдела в целом, который разобран в статье про экономию отдела из одного человека с ИИ.
Смежная задача расчёта себестоимости продукции нейросетью разобрана в статье про расчёт себестоимости продукции. Обе задачи используют похожий подход к работе с цифрами из учётной системы.
Шаблон анализа
Хороший промпт для анализа задаёт три параметра: выгрузку плановых и фактических цифр, порог значимости отклонения и получателя итогового отчёта.
- Опишите роль: «Ты экономист, делаешь план-факт анализ по отделу»
- Вставьте выгрузку плана и факта по всем статьям бюджета
- Задайте порог значимости отклонения в процентах или сумме
- Попросите отдельно вероятную причину для каждого значимого отклонения
- Задайте формат итогового абзаца для отчёта руководителю
Формулировку причины отклонения стоит проверять на конкретность — «рост цены сырья у поставщика на 12%» вместо общего «выросли расходы», иначе руководитель получает констатацию факта без понимания, что делать дальше.
Отдельно полезно попросить модель отметить отклонения, которые повторяются из месяца в месяц, — такая регулярность часто указывает на системную ошибку в самом плановом бюджете вместо разового фактора.
Полезно также заранее договориться с экономистом о единой шкале значимости отклонений на весь год — если порог меняется от месяца к месяцу произвольно, отчёты за разные периоды сложно сравнивать между собой при подведении итогов квартала.
Модель и пороги
Для отчёта, где финансовые цифры должны оставаться внутри периметра компании, разумно выбирать GigaChat — российский хостинг данных снимает часть вопросов службы безопасности при работе с финансовой отчётностью. Когда у отклонения сразу несколько переплетённых причин, точнее формулирует вывод и держит нейтральный тон при негативных отклонениях Claude. Для быстрого черновика на прикидку достаточно DeepSeek — дешёвый вариант, который потом можно доработать вручную.
Модель точнее сортирует значимость, если получает в промпте порог отклонения в процентах, принятый в вашей компании, и явно заданную структуру ответа — таблицу по каждой статье вместо сплошного текста. Такой формат ответа по жёсткой структуре обычно называют structured output.
Для отдела с сезонными колебаниями — розница перед праздниками, строительство в межсезонье — полезно сразу указать модели типичный сезонный паттерн, чтобы она держала ожидаемое сезонное отклонение отдельно от значимой аномалии.
Ещё одна деталь — отдел, где план утверждён давно и с тех пор остаётся без пересмотра, хотя рыночные условия успели заметно измениться. В таком случае регулярные отклонения сразу по многим статьям иногда указывают скорее на устаревший сам план, чем на проблемы в работе отдела, — такой план давно пора актуализировать.
Сколько статей бюджета сверяет ваш отдел каждый месяц?
Отдельно стоит зафиксировать в промпте валюту и единицы измерения по каждой статье бюджета — рубли, проценты от плана, штуки. Без явного указания модель иногда смешивает абсолютные суммы и проценты в одном предложении, и итоговая формулировка теряет точность для читателя отчёта.
Кто отвечает за строку
Модель хорошо сортирует отклонения по значимости и предлагает формулировку причины, но точность самой причины — это ли сырьё подорожало, или дело в объёме закупки — зона ответственности экономиста: модель предполагает причину по цифрам, а подтверждает её только человек, знающий контекст отдела. Финальное решение по каждой строке остаётся за экономистом — человеком в контуре.
| Ситуация | Кто подтверждает причину | Почему нужен человек |
|---|---|---|
| Разовая сделка или форс-мажор у поставщика | Экономист вместе с руководителем отдела | Модель без контекста относит событие к обычному сезонному шуму |
| Отклонение повторяется из месяца в месяц | Экономист | Регулярность часто указывает на устаревший план вместо разового фактора |
| Крупный процент при маленькой абсолютной сумме | Экономист | Процентный порог сам по себе искажает значимость для мелких статей |
Финальный отчёт полезно показать руководителю отдела перед отправкой выше — он часто знает деталь вроде незапланированной закупки, которая объясняет отклонение точнее любой формулировки модели по цифрам.
Внедрение и метрика
Проверить подход удобно на отчёте за уже закрытый месяц, где причины отклонений экономисту и так известны, — так сразу видно, совпадают ли выводы модели с тем, что произошло на самом деле.
Возьмите выгрузку план-факта по одному отделу за прошлый месяц, прогоните через модель и сравните её причины отклонений с теми, что вы указали в отчёте тогда.
Дальше стоит смотреть на долю отклонений, где причина от модели совпала с реальной без правки экономиста, — рост этой доли от месяца к месяцу показывает, что модель всё точнее улавливает специфику именно вашего отдела.
Стандартизация такого промпта на всю экономическую службу — тема отдельного обучения, формат разобран в статье про обучение сотрудников работе с ИИ.
Одна ловушка на старте — полностью довериться формулировке причины без проверки, особенно когда отклонение выглядит правдоподобно на первый взгляд: правдоподобная формулировка порой расходится с тем, что реально произошло в отделе.
Полезно также сохранять формулировки причин, которые экономист подтвердил как точные, — со временем набирается справочник типичных причин отклонений именно для этого отдела, на который может опираться модель в следующих месяцах.
Полезно также сравнить время, которое экономист тратил на весь цикл раньше, с временем на сверку и подтверждение причин сейчас, — это и есть реальная экономия от внедрения вместо абстрактной оценки на глаз.