Искусственный интеллект (ИИ) для финансиста: от рутины к стратегическому управлению финансами

День 1

Модуль 1. Знакомство с технологиями искусственного интеллекта. ИИ трансформация работы финансиста: быстрый старт и работа с данными.
ИИ – это не замена финансиста, а инструмент, ускоряющий рутину в десятки раз.

Что финансисту нужно знать об ИИ.

• Что такое ИИ и как это работает: почему нейросеть — это не калькулятор и не база данных, а «языковая модель».
• Что умеет и что не умеет ИИ: в каких задачах применение нейросетей принесёт положительный результат, а в каких лучше воспользоваться классическими инструментами.
• «Галлюцинации» ИИ: почему нейросети выдумывают данные и как этого избежать (cross-checking).
• Кейс: «Bridging (Мостик между данными): «Как с помощью ИИ сопоставить названия компаний, если они написаны по-разному (с кавычками и без, ООО и т.д.)».

Промпт-инжиниринг в финансах.

• Промпт-инжиниринг в финансах: как правильно задать запрос (промпт) нейросети (контекст – роль – задача – ограничения – формат)
• Техники промптов: few-shot для обучения на примерах, chain of thoughts для пошагового решения задачи, role-prompting для ролевой модели поведения.
• Практикум: «Создание промпта для выполнения реальной финансовой задачи».

Практика применения ИИ.

• Классификация ИИ для финансиста: прогнозный ИИ, предиктивный ИИ, генеративный ИИ.
• Обучение ИИ: как заставить нейросеть думать и действовать по вашим правилам.
• Оптимизация работы ИИ: какие модели нейросетей лучше всего справляются с финансовыми задачами.
• Интеграция ИИ в Excel: какие существуют надстройки и как ими пользоваться.
• Практикум: «Перенос данных из PDF в Excel, поиск аномалий в отчётах».

Ответственность и безопасность при работе с ИИ.

• Ответственность за ошибки ИИ: кто виноват в предоставлении ложных данных.
• Конфиденциальность и защита персональных данных: что можно и нельзя загружать в ИИ и как обезопасить свои данные.
• Интеллектуальная собственность и правовое регулирование: кто является автором контента, создаваемого ИИ и какие законы регулируют ИИ в РФ.
• Кейс: «Последствия предоставления ошибочных данных в финансовом отчёте, созданном ИИ».

Демонстрация примеров.

• Ложные данные, предоставляемые ИИ.
• Хорошие и плохие промпты и разница полученных результатов. 
• Как ИИ может анализировать графики. 
• Как ИИ может за секунды выполнить задачу, решаемую вручную за день.

Модуль 2. Практика использования ИИ в финансовой аналитике.

В модуле рассматривается, как с помощью ИИ быстро разобрать финансовую отчётность, найти тенденции, которые сложно заметить при анализе отчетности вручную, как выявить драйверы прибыли и причины убытков и факторы, вызывающие финансовые проблемы.

На каких этапах финансовой аналитики ИИ помогает финансисту, а на каких — нет.

• Применение ИИ в финансовом анализе больших, неструктурированных данных для улучшения прогнозов. Преимущества ИИ в финансовой аналитике. 
• Кейс: «Примеры финансовых задач, где ИИ превосходит традиционные методы».
• Практикум: «Разбор трех кейсов: анализ чистой прибыли, скоринг клиентов, поиск аномалий в транзакциях».
• Как использовать ИИ для проверки собственных выводов.
• Риски применения ИИ в финансовой аналитике.
• Как получить точные расчеты и финансовую аналитику без «галлюцинаций».
• Как внедрить ИИ в аналитику: пошаговый алгоритм для финансиста.
• Типичные ошибки новичка при использовании ИИ в финансах.

Дескриптивная аналитика с ИИ: сбор и чтение данных, автоматизация рутины.

• Консолидация данных из разных источников. Трансформация отчетности. Как превратить скан финансового отчета (документа) в таблицу для анализа за 1 минуту. Как с помощью ИИ обработать и структурировать сотни PDF-отчетов, выписок и разрозненных Excel-файлов.
• Практикум: «Сведение данных из разных отчетов через ИИ-помощника».
• Кейс: «Слушателям предоставляются «зашумлённые» реальные данные с пропусками, выбросами, нестыковками.  Пишем промт для ИИ, чтобы обнаружить скрытые расходы, аномалии, ошибки, манипуляции».
• Риски применения ИИ в финансовой аналитике: как распознать и устранить. Риск переобучения на исторических трендах, когда ИИ учится на истории, а рынок меняется. Юридические риски: кто отвечает за ошибку ИИ в утверждённом отчёте перед акционерами или налоговой.

Операционный риск ложной уверенности, когда красивый дашборд снижает критичность проверки.

Диагностическая аналитика с ИИ: поиск драйверов и аномалий.

• Какие ИИ-инструменты использовать для работы с отчётностью. Быстрый анализ отчетности: автоматическая расшифровка отчётов, поиск драйверов прибыли, определение причин убытков, анализ маржинальности.
• Вертикальный и горизонтальный анализ отчетности с помощью ИИ: как правильно написать промты для ИИ.  
• Кейс: «Горизонтальный и вертикальный анализ отчетности за 5 минут с помощью ИИ: пишем промты для выявления «опасных зон», нетипичных изменений статей отчетности и критических отклонений».
• Кейс: «Анализ отчета о доходах и расходах (P&L-отчета): поиск 5 главных причин снижения чистой прибыли с помощью ИИ».
• Кейс: «Расчет EBITDA с ИИ и без: сравнение скорости и точности подходов и написание промтов для ИИ».
• Кейс: «При росте прибыли наблюдается дефицит денежных средств. Используем P&L и Cash Flow, пишем промт для ИИ, чтобы найти причину кассового разрыва».
• Проведение анализа финансовых показателей с ИИ. Как с помощью ИИ выявлять «скрытые» взаимосвязи, которые сложно обнаружить вручную: глубокий анализ влияния внешних и внутренних факторов на финансовые показатели компании. Поиск аномалий и отклонений от плана. Как с помощью ИИ написать заключение по результатам анализа финансовых показателей языком, понятным генеральному директору и собственнику компании.
• Факторный анализ: как попросить ИИ разложить изменение прибыли на эффект цены, эффект объема и эффект затрат. Автоматическое написание комментариев к отклонениям с помощью ИИ.
• Поиск «нетипичных операций». Кейс: «Загружаем реестр платежей (тысячи строк) и пишем промпт для ИИ по поиску транзакций, которые выбиваются из типичного поведения для контрагента».
• Корреляции с ИИ без формул, функций в Excel и сложной статистики. Пишем промты для ИИ на поиск наличия связей между различными показателями. 
• Построение KPI-карты и анализ рисков по результатам аналитики с помощью ИИ. 
• Кейс «Разработка системы опережающих показателей с помощью ИИ». 
• Практикум: «Провести финансовую диагностику компании: консолидировать данные из различных Excel-таблиц, найти драйверы падения прибыли, построить KPI-карту, сделать прогноз на следующий квартал и подготовить дашборд для финансового директора (СFO) с пояснением, чему можно верить в выводах ИИ, а чему — нет».  
• Проверка выводов, которые формирует ИИ. 
• Кейс: «Как заставить ИИ показать, на основе каких фактов он сделал вывод о риске изменений в финансовой ситуации компании».

Бенчмаркинг: анализ конкурентов и рыночного контекста (внешняя среда) с ИИ.

• Как выявить скрытые данные в публичном отчете о деятельности конкурентов с помощью ИИ.
• Кейс: «Сравнение вашей компании и 3-х конкурентов по ключевым финансовым показателям с помощью ИИ».
• Практикум: «Выявление стратегии конкурента по его финансовым показателям с помощью ИИ».

Предиктивная аналитика: что произойдет.

• Как выполнить сценарный анализ с помощью ИИ. Переход от констатации факта к проактивной аналитике. Построение прогнозов на основе исторических данных с учетом выявленных зависимостей. 
• Анализ сценариев и стресс-тестирование с ИИ.
• Практикум: «ИИ-стресс-тест ликвидности, платежеспособности и финансовой устойчивости компании».
• Практикум: «Построить модель скоринга поставщика на основе данных о задержках платежей и показателей отчетности поставщика».
• Практикум: «Моделирование сценариев «что будет, если…» для принятия эффективных управленческих решений».

Контроль отчетности и визуализация результатов аналитики с помощью ИИ.

• Как обеспечить аудируемость и контроль отчётности при работе с ИИ. 
• Как быстро с помощью ИИ проверить отчетность на наличие ошибок и манипуляций. Закон Бенфорда и ИИ.
• Кейс: «Найти с помощью ИИ аномальные статьи в отчетности за год».
• Практикум: «Детектор лжи» в отчетности: Как с помощью ИИ выявить признаки, которые могут указывать на риск мошенничества и манипуляций данными».
• Визуализация результатов аналитики с помощью ИИ. Как создать «умные дашборды». Как подготовить ТЗ для дизайнера или аналитика Power BI с помощью ИИ. Пишем промт для ИИ, который поможет выбрать, какой график лучше всего визуализирует конкретную проблему.

День 2

Модуль 3. ИИ-инструменты в бюджетировании: от сбора данных до контроля исполнения.
В модуле рассматривается, как с помощью ИИ оперативно выявлять отклонения в бюджете, подозрительные операции, планировать бюджет доходов и расходов, бюджет движения денежных средств, формировать итоговые отчёты, оценивать факторы, влияющие на денежный поток и прибыль компании в прогнозном бюджетном периоде, принимать оптимальные решения в части привлечения источников финансирования, управления оборотным капиталом, максимизации прибыли.

Подготовка данных: ИИ как «умный фильтр» и классификатор.

• Внедрение ИИ в процесс формирования исходных данных для разработки бюджетов компании. 
• Проблема «грязных» данных: как ИИ помогает сопоставить разрозненные статьи из разных филиалов/баз данных и привести их к единому справочнику. 
• Автоматическая классификация нераспознанных расходов с помощью ИИ. 
• Выявление аномалий в исходных данных до начала бюджетирования.
• Автоматическая разметка: Использование ИИ для присвоения ЦФО и статей затрат на основе текстового описания.
• Работа с таблицами Excel: как скопировать данные из Excel в чат ИИ, получить анализ и вернуть выводы обратно в таблицу.

Промпт-инжиниринг на языке бюджетирования.

• Как правильно поставить задачу ИИ в терминах бюджетирования. Принципы составления промптов для задач бюджетирования (контекст + роль + формат данных + ограничения).
• Как обучить ИИ логике бюджетирования, применяемой в компании, и, при этом, не допускать типичных ошибок.
• Как планировать в бюджетах доходы, расходы, денежные потоки, активы и источники финансирования с помощью ИИ.
• Кейс: «Как составить бюджет с помощью промптов».

План-факт анализ и поиск «смыслов» в отклонениях.

• Выявление факторов влияния на прибыль и денежный поток с помощью ИИ, определение факторов риска.
• Как ИИ помогает провести план-факт анализ за 2 часа. 
• Кейс: «Факторный анализ и поиск «аномалий».
• Кейс: «Применение ИИ для оперативного выявления отклонений бюджета, подозрительных операций».
• Как выявлять, когда ИИ «уверенно врёт» в анализе факторов влияния на прибыль и денежный поток.
• Создание лимитов доверия: при каких отклонениях решение остаётся за человеком, а при каких – ИИ может действовать автономно.

Прогнозная ликвидность и управление рабочим капиталом.

• Прогноз оборотного капитала в бюджетировании: практика работы с ИИ.
• Кейс: «Как ИИ прогнозирует кассовые разрывы на 3 недели вперёд на основе данных о дебиторской задолженности и графике платежей». 
• Кейс: «Как ИИ анализирует платежную дисциплину контрагентов за полгода и строит реалистичный график поступлений».
• Кейс: «Ранжирование платежей на оплату: Как ИИ ранжирует поставщиков для срочной оплаты или отсрочки, исходя из ликвидности компании».
• Практикум: «Формирование задачи для ИИ: создание оптимального плана переноса оплат при возникновении дефицита на конкретную дату». 

Качество прогнозов и борьба с «цифровым оптимизмом».

• Применение ИИ в разработке сценариев и определения оптимального сценария бюджета: максимизация прибыли и формирование бездефицитного денежного потока.
• Качество прогнозов и борьба с «цифровым оптимизмом». Оценка качества прогнозов ИИ при бюджетировании и работа с неопределённостью. Метрики качества прогнозов (MAPE, MAE) в интерпретации для финансиста – без математического фанатизма. 
• Техника «Скептик»: Как заставить ИИ критиковать ваш собственный бюджет и искать в нем скрытые риски.
• Диалог с бюджетом: Учимся задавать вопросы к файлу бюджета: «Какие три статьи дали 80% перерасхода в марте?», «Где мы нарушили лимит по ФОТ, учитывая премии?» и пр. 
• Учимся создавать промты для ИИ для оценки финансовых показателей, которые свидетельствуют об эффективности бюджета. 
• Принципы безопасности при использовании ИИ в бюджетировании.

Верификация и визуализация результатов бюджетирования. Контроль исполнения бюджетов.

• Кейс: «ИИ как персональный ассистент финансового директора при защите бюджета». Генерация пояснительной записки к бюджету. Выявление скрытых конфликтов сценариев. Генерация возможных вопросов совета директоров и подготовка ответов.
• Промпт-инжиниринг на языке финансового контроля. 
• Кейс: «Как контролировать бюджет с помощью промптов».
• Настройка «Цифрового контролера»: Как создать сохраненную инструкцию (индивидуальный чат), который знает вашу учетную политику, регламенты и лимиты.
• Практикум: «Создание «Цифрового контролера» для контроля бюджета доходов и расходов (БДР), бюджета движения денежных средств (БДДС), платежного календаря».
• Кейс: «Настройка «Инструкции аналитика», который автоматически проверяет каждую новую заявку на платеж на соответствие остаткам по бюджету».

Итоговый проект: Участники получают «грязный» Excel-файл с историей движения денег за 6 месяцев и 5 вариантами бюджетов. С помощью ИИ (любого доступного инструмента) находят 3 скрытые аномалии, готовят прогноз кассовых разрывов и рекомендуют сценарий финансирования. Демонстрируют промпты, которые привели к выводам, и объясняют, почему ИИ прав.

День 3

Модуль 4. Практика использования ИИ в финансовом моделировании.

В модуле рассматривается, как с помощью ИИ ускорить расчёт финансовых моделей, избавиться от рутинной работы, оптимизировать финансовые сценарии развития компании

Участники учатся тратить меньше времени на расчёты и больше — на выводы и решения.

Как НЕ надо использовать ИИ в финансовом моделировании.

• Как определить «опасность» применения ИИ в финансовом моделировании. Где финансисту поставить «красные флаги».
• Какие приемы нельзя использовать при выявлении причинно-следственных связей.
• Проверка на вменяемость: как заставить ИИ показать диапазон прогноза, а не одну точку.
• Правило «обратного инжиниринга»: финансист должен уметь объяснить простыми словами для совета директоров, почему ИИ выбрал именно эти допущения.

Работа с внешними данными: «ИИ как агрегатор макрофакторов».

• Формирование исходных данных, допущений и ограничений финансовой модели. Консолидация внешних макро и микро - факторов при построении финансовой модели с помощью ИИ. 
• Кейс: «ИИ собирает прогнозы ключевой ставки, инфляции, курсов валют и прочих макро-факторов из нескольких источников и строит пессимистичный / базовый / оптимистичный сценарий».
• Кейс: «Как ИИ читает отраслевые обзоры (PDF на 100 страниц) и вычленяет 3 главных тренда для компании».
• Практикум: «Загрузка в ИИ отраслевого отчёта и получение готового блока допущений для финансовой модели».

Прогнозирование внутренних факторов: применение ИИ для анализа исторических данных.

• Как применить ИИ при прогнозировании внутренних факторов финансовой модели.
• Сравнение методов: ИИ-прогноз (нейросети) и классические методы (скользящая средняя, регрессия): критерии выбора лучшего метода.
• Выявление нелинейных зависимостей с помощью ИИ.
• Учёт сезонности и нестандартных факторов с помощью ИИ. 
• Кейс: «Как ИИ автоматически очищает данные от «санкционных» и прочих аномалий».

Практикум: применении ИИ при разработке финансовой модели.

Выбор оптимального сценария финансовой модели.

• Разработка сценариев финансовой модели компании. Многокритериальная оптимизация с помощью ИИ.
• Определение с помощью ИИ факторов, оказывающих наибольшее влияние на финансовый результат, выявление связей между факторами, подбор оптимального сценария для компании. Оценка рисков сценариев финансовой модели.
• Пишем промты для анализа сценариев «а что, если….».
• Автоматическая генерация ИИ альтернативных сценариев финансовой модели. 
• Визуализация влияния факторов: как с помощью ИИ нарисовать схему влияния факторов и определить вес фактора влияния.
• Неочевидные связи: как ИИ помогает находить связи факторов, которые невозможно выявить при ручном моделировании.
• Практикум: «Построить граф факторов с помощью ИИ».
• Практикум: «Применение ИИ для выбора оптимального сценария финансовой модели компании».

Проверка и валидация финансовой модели с ИИ.

• Стресс-тестирование допущений ИИ.
• Бэктестинг: как заставить ИИ предсказать прошлый год и сравнить с фактом.
• Автоматическая генерация чек-листа ошибок с помощью ИИ.
• Очистка данных финансовой модели с помощью ИИ.

Исправление "сломанной" финансовой модели.

• Кейс: «Слушатели получают Excel-финансовую модель с ошибками в формулах, разорванными связями, неправильными допущениями. С помощью ИИ необходимо найти 5 критических ошибок и предложить исправленную версию».
• Кейс: «Как ИИ проверяет кросс-листы».

Защита модели перед инвестором.

Итоговый практикум: «Слушателям выдаётся набор данных: история компании (3 года), 5 макро-факторов, 3 варианта стратегии. Задание: с помощью ИИ построить 3 сценария финансовой модели, выбрать оптимальный, подготовить пояснительную записку на 2 страницы и ответы на 5 «злых вопросов» инвестора. Критерии: не точность цифр, а прозрачность допущений + умение объяснить логику ИИ.

Модуль 5. Практика использования ИИ в управлении рисками.

В модуле рассматривается, как ИИ автоматически анализирует данные и отслеживает ключевые показатели риска, находит аномалии, «болевые точки», «зоны возможностей» и нестандартные ситуации.

Как НЕ надо использовать ИИ в рисках (юридическая и методологическая безопасность).

• Практика «Принудительной аргументации». Введение запрета на необъяснимые решения: обязательность получения объяснений от ИИ при установлении уровня риска анализируемых факторов или сценариев развития. Пишем промт для ИИ для получения конкретных фактов, которые привели ИИ к выводам.
• Правовые ограничения применения ИИ при анализе риска.
• Риск самого ИИ: риск ложной корреляции, риск устаревания логики ИИ при изменении рынка, риск «тихого отказа», риск «галлюцинаций» в цифрах. 
• Правило двух источников: как проверить риски, определенные ИИ, вторым методом. 
• Практикум: «Обучение ИИ методу «Перекрестной проверки ролей», при которой один ИИ-ассистент оценивает риск, а второй ИИ-аудитор пытается опровергнуть этот вывод».

Типология рисков для ИИ: что ИИ умеет, а что нет.

• Типология рисков и выявление рисков, с которыми ИИ не сможет справиться.
• Практикум: разбор реальных кейсов — где ИИ применять, а где нет.
• Кейс: «Как идентифицировать риски с помощью ИИ»

Источники данных для риск-моделей ИИ.

• Внутренние источники: 1С, ERP, CRM, казначейство (платёжные поручения), договоры (сроки, штрафы, отсрочки).
• Внешние источники: данные ЦБ, ФНС (риск контрагента), СМИ (репутационные риски), карты Яндекс (логистические риски) и прочие.
• Проблема «тёмных данных»: как ИИ может использовать тексты переписок с клиентами, жалобы, акты сверок, которые не структурированы.
• «Риск в тексте»: как научить ИИ при анализе документов находить скрытые условия и данные, которые пропускает юрист и финансист.
• Практикум: «Загрузить скан договора и попросить ИИ найти 3 условия, которые создают финансовые риски для компании».
• Анализ тональности: как научить использовать ИИ для мониторинга новостей о ключевых контрагентах. 
• Практикум: «Собираем данные для оценки риска контрагента из 3 открытых источников с помощью ИИ».

Идентификация рисков.

• Нечёткий поиск аномалий: как ИИ ищет не только превышение лимитов, но и «странные паттерны».
• Метод «соседних ошибок»: как ИИ находит риски в местах, где раньше были похожие проблемы.
• Генерация сценариев для выявления перспективных рисков: как использовать ИИ при определении наиболее вероятных причин наступления неблагоприятного исхода, исходя из текущих данных.
• Генерация «чёрных лебедей»: как написать промпт для определения маловероятных, но катастрофических сценариев для компании.
• Практикум: «Используя историю платежей за 12 месяцев, попросить ИИ найти 3 скрытых риска, которых нет в вашем риск-реестре».

Оценка рисков и визуализация результатов оценки.

• Количественная оценка рисков с помощью ИИ: вероятность и стоимостная оценка рисков.
• Корреляции рисков с помощью ИИ.
• Риск-аппетит в цифрах: как настроить ИИ, чтобы он сигналил только когда риск превышает установленный аппетит.
• Практикум: «Оценить совокупный риск портфеля из 10 контрагентов с учётом корреляций с помощью ИИ».
• Кейс: «Формирование списка рисков компании с помощью ИИ и ранжирование рисков».
• Матрица рисков с помощью ИИ. Кейс: «Пишем промт для ИИ для формирования матрицы рисков на основе списка выявленных рисков и создание плана смягчения для каждого риска».
• Требования к дашборду по рискам. Как ИИ помогает проектировать дашборд: создание промптов. Чек-лист для дашборда рисков.
• Кейс: «Два режима: оперативный (сегодняшние риски) и стратегический (риски на горизонте квартал–год) с помощью ИИ».
• Практикум: «С помощью ИИ собрать дашборд рисков на основе данных, которые выдал ИИ».

Мониторинг рисков с помощью ИИ.

• Кейс: «Как организовать мониторинг рисков с помощью ИИ».
• Определение опережающих индикаторы: как ИИ учится на исторических данных.
• Раннее предупреждение: как настроить ИИ на отправку алерта (программируемого сообщения о каком-либо событии) в мессенджер/почту при приближении риск-триггера.
• Кейс: «Автоматическое обновление оценок: как настроить ИИ, чтобы каждое утро ИИ пересчитывал риски с учётом новых платежей и внешних событий».
• «Цифровой двойник» риск-аппетита: Как создать персонального помощника, в которого интегрирована риск-политика компании и который оценивает риски управленческих решений.
• Кейс: «Как ИИ за 2 дня до кассового разрыва предупредил финансового директора — на основе анализа графиков оплат от клиентов».
• Практикум: «Анализ платежной дисциплины контрагентов с помощью ИИ для оценки риска приближающегося кассового разрыва».

Практикумы:

Практикум 1: «Юридический чекап»: С помощью ИИ найти пункт с самой большой финансовой ловушкой в договоре с поставщиком.

Практикум 2: «Стресс-тест»: Для текущей бизнес-модели компании с помощью ИИ сгенерировать 3 внешних риска и рассчитать влияние на EBITDA.

Итоговый практикум: «ИИ против реального риск-события». Участники на основе исторических данных компании за 6 месяцев и прогнозных данных на 3 месяца с помощью ИИ строят систему мониторинга рисков, идентифицируют основные риски, оценивают стоимостные последствия рисков и рекомендуют действия.

День 4

Модуль 6. Практика использования ИИ в управлении инвестициями.

В модуле рассматривается, как с помощью ИИ ускорить анализ инвестиционных возможностей, сравнивать инвестиционные проекты, выбирать оптимальные сценарии реализации инвестиционных проектов и принимать обоснованные решения.

Главные заблуждения об ИИ в инвестициях.

• Заблуждения и реальность при использовании ИИ в инвестиционном анализе.
• Кейс: «Разбор реального кейса, где ИИ «уверенно рекомендовал» проект, который «провалился» из-за фактора, которого не было в обучающих данных».

Что ИИ умеет и не умеет в инвестиционном анализе.

• С какими задачами инвестиционного анализа ИИ справляется на «отлично», а для каких задач требуется участие человека.

Подготовка данных для инвестиционной модели с помощью ИИ.

• Прогнозирование выручки нового проекта при отсутствии исторических данных: метод аналогов, метод «сверху вниз». Как с помощью ИИ анализировать данные по компаниям аналогам и выделять важные финансовые показатели для сравнения.
• Практикум: «Прогноз 3 сценариев выручки на 5 лет на основе данных о продукте и рынке с помощью ИИ: учим ИИ генерировать перечень факторов, которые могут «обнулить» выручку».
• Прогноз CAPEX и инвестиционного цикла. Пример применения ИИ в методе аналогов. 
• Обоснованный расчет ставки дисконтирования с помощью ИИ.
• Прогнозирование расходов с помощью ИИ. Учим ИИ генерировать перечень факторов, которые могут увеличить расходы.

Финансовая модель инвестиционного проекта с ИИ как сквозной процесс.

• ИИ как архитектор финансовой модели в Excel: пишем промт для ИИ, который создаст структуру листов и формулы финансовой модели инвестиционного проекта.
• Пошаговый алгоритм применения ИИ в создании финансовой модели инвестиционного проекта: сбор допущений, построение денежного потока (DCF), расчёт NPV/IRR/DPP, анализ чувствительности, метод Монте-Карло, сравнение проектов, подготовка заключения.
• Кейс: «Как с помощью ИИ применить метод Монте-Карло для формирования таблицы результатов расчета NPV при изменении нескольких входных данных»
• Практикум: «Построение инвестиционной модели с помощью ИИ — от допущений до готового отчёта». Слушателям предоставляется реальный инвестиционный кейс (отрасль по выбору слушателей) для заполнения модели.

Оценка рисков инвестиционного проекта.

• Как оценить риски инвестиционного проекта с применением ИИ. 
• Кейс: «Анализ чувствительности инвестиционного проекта с помощью ИИ: выбор параметров, к которым наиболее критичны NPV и IRR проекта».
• Три типа рисков, которые ищет ИИ: риск излишнего оптимизма, риск корреляций, риск «слепых» зон.
• Метод «стресс-тестирование оптимизма», метод «взгляд скептика».
• Риск-метрики для инвестиций.
• Практикум: «Расчёт риск-метрик для инвестиционного проекта с помощью ИИ и интерпретация результатов».

Выбор оптимального сценария для инвестиционного проекта с помощью ИИ.

• Метод Парето-оптимизации с ИИ. Портфельная оптимизация (Парето) для нескольких проектов. 
• Учёт нематериальных факторов через ИИ.
• Сравнение несравнимых проектов с помощью ИИ.
• Практикум: «Применении ИИ для выбора оптимального сценария развития инвестиционного проекта. Слушатели изучают процедуру анализа ИИ реального инвестиционного проекта на выявление необоснованных факторов, рисковых связей, необоснованных или противоречивых данных».

Проверка инвестиционной модели на ошибки и манипуляции.

• Практикум: «Слушатели получают инвестиционную модель, которая выглядит идеально. С помощью ИИ необходимо найти 5 скрытых ошибок/манипуляций».

Итоговый практикум: «Битва проектов»: «Слушателям предоставляется черновики 2 инвест-заявок. С помощью ИИ необходимо: быстро привести заявки к единому стандарту (структурировать); найти «слабые места» в проектах (стресс-тест); создать сравнительную таблицу (бенчмаркинг); сформировать «Защитную речь» для лучшего проекта и «Список каверзных вопросов» для конкурентов».

Практические материалы для слушателей:

• Чек-лист проверки инвестиционной модели (для ИИ).
• Как оценить качество ИИ для инвестиционных проектов?
• Шаблон инвестиционной модели в Excel, который ИИ может заполнить и анализировать. Промт для ИИ для заполнения инвестиционной модели.
• Библиотека синтетических сценариев.
• 15 промптов — от базовых до продвинутых — которые покрывают полный цикл инвестиционного анализа.

Модуль 7. Практика применения ИИ в принятии оптимальных управленческих решений: оптимизация ассортимента, затрат, оборотного капитала, максимизация прибыли, оптимизация структуры капитала и пр. (по выбору слушателей, могут быть добавлены темы практикумов).

Практика применения ИИ в решении финансовых задач.

Оптимизация ассортимента в условиях ограничений. 

• Почему классический ассортиментный анализ (ABC/XYZ) не учитывает реальные финансовые ограничения.
• Как ИИ формулирует задачу оптимизации ассортимента.
• Практикум: «Применение ИИ в оптимизации ассортимента в условиях ограничений».
• Метрики эффективности ИИ-оптимизации ассортимента для финансиста.

Управление затратами и себестоимостью с целью оптимизации расходов.

• Прогнозирование себестоимости с помощью регрессионных моделей: от классического факторного анализа к прогнозированию с ИИ.
• Кейс: «Применение ИИ при построении модели прогнозирования себестоимости с учётом факторов влияния на расходы».
• Кейс: «Оптимизация переменных затрат через анализ граничных условий с помощью ИИ».
• Кейс «Автоматическое выявление перерасхода в постоянных затратах с помощью ИИ».
• Распределение косвенных затрат с помощью ИИ.
• Кейс: «Как ИИ предлагает логику распределения косвенных расходов на сложные продукты, где нет прямой связи».
• Чек-лист финансиста: 10 вопросов перед запуском ИИ-проекта по затратам.

Управление прибылью и максимизация финансового результата.

• Почему классический CVP-анализ и план-факт недостаточны для максимизации прибыли в нестабильной среде.
• ИИ как инструмент генерации сотен микро-гипотез для выявления факторов влияния на прибыль. 
• Кейс: «Динамический расчет точки безубыточности с ИИ».
• Практикум: «Разработка гипотез по максимизации прибыли с помощью ИИ».
• Ценовая оптимизация на основе ИИ.
• Практикум: «Анализ чувствительности спроса: как ИИ помогает найти «золотую середину» между ценой и объемом продаж для максимизации маржинальной прибыли».
• Кейс: «Как с помощью ИИ определить оптимальную цену на продукт с учетом целевых показателей, исторических данных и внешних факторов».
• Применение ИИ для снижения неочевидных потерь и роста скрытой прибыли.
• Кейс: «Как использовать ИИ для пересмотра условий работы с поставщиком».
• Закупки и переговоры с поставщиками. 
• Практикум: «ИИ как партнер по переговорам. Как ИИ находит рычаги для снижения цены поставщика или увеличения отсрочки».

Управление дебиторской задолженностью.

• Практикум: «Использование ИИ для скоринга клиентов и прогнозирования вероятности просрочки платежа на основе их платежной дисциплины».
• Практикум: «Генерация ИИ-ассистентом персонализированных писем-напоминаний для дебиторов в зависимости от их «профиля надежности».

Оптимизация запасов – баланс между замороженным капиталом и риском дефицита.

• Зачем финансисту ИИ в управлении запасами. Традиционные проблемы финансиста. Какие проблемы помогает решить ИИ. Ключевые метрики, которые улучшит ИИ.
• Практикум: «Оптимизация запасов с помощью ИИ».

• Практикум: «Поиск оптимальной структуры капитала с использованием симуляций и оптимизации с помощью ИИ».

Управление денежными потоками компании.

• Практикум: «Применение ИИ в управлении денежными потоками. Как быстро проанализировать факторы влияния на денежный поток с помощью ИИ».

Налоговый комплаенс и защита.

• Практикум: «Использование ИИ для поиска налоговых рисков в договорах перед их подписанием».
• Практикум: «Подготовка ответов на требования налоговой службы с помощью ИИ (анализ законности требований и подбор аргументации)».
• Практикум «Проверка обоснованности применения специальных налоговых режимов с помощью ИИ».

Модуль 8. Создание цифровых ассистентов и разработка презентаций и дашбордов.

• Как превратить скучный отчет в управленческое резюме для акционеров.
• Практикум: «ИИ анализирует Excel-таблицу и пишет 5 главных выводов для презентации».
• Кейс: «Как делать «умные отчеты» в PPTX, PDF или Excel с помощью ИИ».
• Как повысить личную эффективность с помощью нейросетей.
• Как использовать нейросети в повседневных рабочих инструментах.
• Как создать личного помощника-секретаря и автоматизировать операционные циклы финансиста.