Промпт для поиска аномалий в отчёте о прибылях превращает языковую модель в первого читателя ваших цифр. Она пробегает отчёт, отмечает строки, которые выбиваются из обычной картины, и собирает их в короткий список для проверки финансистом. Это сильно ускоряет ежемесячный разбор, но требует точной постановки задачи: языковая модель хорошо ищет странности в данных, которые вы ей дали, оставаясь помощником финансиста вместо его замены.
Что это даёт
Промпт для поиска аномалий заставляет модель прочитать отчёт о прибылях и убытках, сравнить периоды и отметить строки, которые выбиваются: резкий рост расходов, проседание маржи, статья, которой раньше отсутствовала. На выходе вы получаете короткий список подозрительных мест с пояснением, почему модель их выделила. Финансист проверяет этот список вместо того, чтобы вычитывать весь отчёт строка за строкой.
Финансовый директор или собственник тратит часть каждого месяца на вычитку отчёта о прибылях. Глаз привыкает к цифрам, и аномалия легко проскакивает: расходы на логистику выросли на треть, но в общей массе строк это незаметно. Модель в этой задаче работает как свежий внимательный читатель, который без усталости сравнивает каждую строку с предыдущим периодом.
Важно понимать рамку. Модель отмечает странности в данных, которые вы ей дали, оставаясь помощником финансиста вместо его замены. Она говорит: «вот эти пять строк выбиваются, посмотрите». Решение, аномалия это или законный рост под новый контракт, остаётся за человеком. Польза в том, что вы сразу видите, куда смотреть, и тратите внимание на пять строк вместо ста.
- Сравнение периодов: модель находит строки с резким отклонением от прошлого месяца
- Проверка логики: расходы растут, а выручка стоит — модель отметит это первой
- Новые статьи: появилась строка, которой раньше отсутствовала в отчёте
- Короткий список: на выходе пять-десять мест для проверки вместо всего отчёта
Структура промпта
Хороший промпт для этой задачи состоит из четырёх частей: роль, данные, что считать аномалией и формат ответа. Роль задаёт модели рамку финансового аналитика. Данные — это сам отчёт за два-три периода. Определение аномалии сужает поиск: вы говорите, какое отклонение считаете значимым. Формат ответа делает результат пригодным для работы вместо стены текста.
- Задайте роль: «Ты финансовый аналитик, читаешь отчёт о прибылях и убытках»
- Дайте данные: отчёт за текущий и прошлый период в таблице или тексте
- Определите аномалию: «отметь строки с отклонением больше 20 процентов к прошлому периоду»
- Попросите пояснение: к каждой строке короткая причина, почему она выделена
- Задайте формат: список из строки, отклонения и гипотезы, отсортированный по величине
- Добавьте рамку честности: «если данных мало для вывода, скажи об этом прямо»
Добавьте фразу: «Работай только с цифрами, которые я дал. Если для вывода данных мало, скажи об этом прямо, без догадок». Это удерживает модель от выдумывания трендов на пустом месте — главной ловушки в работе с цифрами, где уверенная догадка выглядит как факт.
Чем точнее вы определите аномалию, тем чище результат. Расплывчатое «найди странности» даёт расплывчатый ответ, где модель отмечает половину строк на всякий случай. Конкретное «отклонение больше 20 процентов к прошлому периоду или новая статья расходов» даёт короткий точный список. Порог отклонения подбирайте под свой бизнес: для стабильной компании 15 процентов уже сигнал, для растущей и 40 норма.
Готовый шаблон
Вот рабочий каркас промпта, который вы дорабатываете под свой отчёт. Скопируйте его в чат, подставьте свои цифры и порог отклонения, прогоните на отчёте за прошлый месяц, результат которого вы уже знаете. Так вы проверите, ловит ли модель аномалии, которые финансист нашёл руками. Если ловит — закрепляете шаблон и используете каждый месяц.
| Часть промпта | Что писать | Зачем |
|---|---|---|
| Роль | Ты финансовый аналитик компании | Задаёт рамку и тон ответа |
| Данные | Отчёт за два периода в таблице | Без сравнения аномалию видно |
| Критерий | Отклонение больше 20% или новая статья | Сужает поиск до значимого |
| Формат | Список: строка, отклонение, гипотеза | Делает ответ пригодным для работы |
| Честность | Мало данных — скажи прямо | Удерживает от выдумки |
Отдельно отметьте модели, что числа в отчёте чувствительные. Если вы работаете с зарубежной моделью, обезличьте данные перед загрузкой: уберите названия контрагентов, оставьте только статьи и суммы. Аномалию модель найдёт и по обезличенным цифрам, а лишнее останется внутри компании. Для российского провайдера по договору этот шаг мягче, но дисциплина с финансовыми данными остаётся уместной всегда.
Как читать результат
Результат модели — это список гипотез для проверки вместо готового вердикта. Модель отметила, что расходы на маркетинг выросли на 35 процентов. Это может быть аномалией, а может быть запланированной кампанией, о которой модель остаётся в неведении. Ваша работа — пройти по списку и для каждой строки сказать: это объяснимо или требует разбора. Так вы за десять минут закрываете то, на что уходил час вычитки.
Модель ошибается уверенно, и в работе с цифрами это особенно опасно. Она способна посчитать отклонение неверно или назвать трендом случайный скачок. Поэтому каждую цифру в её ответе сверяйте с исходным отчётом перед тем, как принять решение. Это свойство языковых моделей называют галлюцинациями, и для финансов оно требует жёсткой проверки на выходе.
Модель сужает поле внимания, но решение и ответственность держит человек. Она говорит, куда смотреть; финансист говорит, что это значит. Удержите вывод модели от прямого переноса в управленческое решение — пусть она готовит список, а итог по нему подводит ваша команда.
- Сверяйте цифры: каждое отклонение из ответа модели проверяйте по исходному отчёту
- Отделяйте объяснимое: запланированный рост остаётся нормой, даже если модель его отметила
- Держите вывод за собой: модель находит странности, значение им придаёт финансист
- Держите след: фиксируйте, что проверили, чтобы в следующем месяце сравнивать
Куда двигаться
Когда промпт для поиска аномалий работает на одном отчёте, его расширяют. Тот же подход ложится на отчёт о движении денег, на дебиторку, на расходы по подразделениям. Вы один раз отрабатываете структуру запроса, и дальше переносите её на любую финансовую таблицу, меняя только критерий аномалии под конкретные данные.
Следующий шаг — автоматизация. Пока вы вставляете отчёт в чат руками, это работа на пять минут в месяц, и усложнять рано. Когда отчётов много и разбор стал регулярным, связку настраивают так, чтобы модель получала свежий отчёт сама и присылала список аномалий на проверку. Этот переход оправдан тогда, когда ручной режим начинает съедать заметное время каждую неделю.