РОЛЬ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В АВТОМАТИЗАЦИИ ФИНАНСОВОГО АНАЛИЗА ПРЕДПРИЯТИЙ

EDN: OMJENU

DOI: https://doi.org/10.65891/2949-1983-2026-22-3-15-19

Авторы:

КОЛОС Игорь Викторович, СКИБЕНКО Галина Геннадьевна,

ФАЙЗУЛАЕВА Зарина Алишеровна

Аффиляция:

Федеральное государственное бюджетное образовательное учреждение высшего образования «Донецкий национальный университет экономики и торговли имени Михаила Туган-Барановского» (Донецк)

Аннотация.

В данном исследовании рассматривается роль технологий искусственного интеллекта как ключевого фактора трансформации системы финансового анализа на современных предприятиях. На конкретных примерах обосновывается необходимость перехода от простой фиксации прошлых показателей к модели непрерывного предиктивного мониторинга в условиях нестабильной рыночной конъюнктуры. В работе реализован процесс систематизации основных направлений автоматизации финансовых функций, включая внедрение алгоритмов машинного обучения (XGBoost, LSTM) для более точного прогнозирования прибыли и использование методов NLP для анализа неструктурированных данных. Особое внимание в материале уделено сравнительному анализу цифровых платформ, доступных на российском рынке в современных условиях. В ходе исследования выявлена прямая связь между уровнем внедрения генеративного ИИ и скоростью принятия качественных управленческих решений. Результатом исследования стало то, что был подтвержден значимый экономический эффект от использования интеллектуальных систем, выраженный в оптимизации трудозатрат аналитического блока и сокращении сроков окупаемости инвестиций в ИТ-инфраструктуру. Вместе с тем, в статье обозначены барьеры, препятствующие широкомасштабному внедрению ИИ-инструментария: проблема непрозрачности выводов сложных моделей («черный ящик») и риск снижения точности прогнозов в периоды кризисов. Сформулированные выводы закладывают основу для оценки зрелости аналитических систем и определяют векторы дальнейшей адаптации отечественных BI-решений к требованиям РСБУ в условиях цифровой трансформации экономики.

Ключевые слова:

финансовый анализ, искусственный интеллект, бизнес-аналитика, предиктивное моделирование, машинное обучение, цифровая трансформация, автоматизация финансовой функции, BI-решения, NLP, РСБУ

Список литературы:

1. Денисенко, М.П. Информационное обеспечение эффективного управления предприятием / М.П. Денисенко, И.В. Колос // Инновации. 2018. №7. С.19-24.
2. Доля, Е. А. Сущность и концептуальные основы цифровой аналитики / Е. А. Доля // Торговля и рынок. – 2023. – № 2(66). – С. 16-24. – EDNOSTSFI
3. Казакова, Н. А. Финансовый анализ : учебник и практикум для вузов / Н. А. Казакова. – 2-е изд., перераб. и доп. – Москва : Издательство Юрайт, 2026. – 490 с. – Текст : электронный // Образовательная платформа Юрайт [сайт]. – URL: https://urait.ru/bcode/589126 (дата обращения: 18.04.2026).
4. Савицкая, Г. В. Комплексный анализ хозяйственной деятельности предприятия: учебник / Г.В. Савицкая. – 7-е изд., перераб. и доп. – Москва : ИНФРА-М, 2025. – 608 с. – (Высшее образование). – DOI 10.12737/13326. – ISBN 978-5-16-018752-5. – Текст : электронный. – URL: https://znanium.ru/catalog/product/2184922 (дата обращения: 18.04.2026).
5. McKinseyTechnologyTrendsOutlook 2022. – Текст : электронный // mckinsey.com : [сайт]. – URL: https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/the-top-trends-in-tech-2022#/ (дата обращения: 18.04.2026).
6. Chen, T. XGBoost: A Scalable Tree Boosting System / T. Chen. – Текст :электронный // researchgate.net : [сайт]. – URL: https://www.researchgate.net/publication/310824798_XGBoost_A_Scalable_Tree_Boosting_System (датаобращения: 18.04.2026).
7. Обеспечение диагностики паттернов фондового рынка инструментами искусственного интеллекта / И. В. Колос, Г. Г. Скибенко, Е. Ю. Томашевская, Д. В. Щетинина // Экономика: теория и практика. – 2024. – № 2(74). – С. 37-43. – DOI 10.31429/2224042X_2024_74_37. – EDN CKWYWQ.
8. Kolos, I. V. The effectiveness of AI models in predicting financial performance of enterprises / I. V. Kolos, G. G. Skibenko, D. S. Zaznoba // , 28 ноября 2025 года. Т. 2, 2025. – P. 20-25. – EDN HXXSTM.
9. Hariom, T. Beyond the Black Box: Interpretability of LLMs in Finance / T. Hariom. – Текст: электронный // arxiv.org : [сайт]. – URL: https://arxiv.org/abs/2505.24650 (датаобращения: 18.04.2026).
10. Deloitte, Development. Digital Transformation Tops CFO Priorities for 2026: Signals Survey / Development Deloitte. – Текст :электронный // deloitte.wsj.com : [сайт]. – URL: https://deloitte.wsj.com/cfo/digital-transformation-tops-cfo-priorities-for-2026-signals-survey-14f2562c (датаобращения: 18.04.2026).
11. PwC :Revisioning Finance in a New Era for Global Business Services. – Текст :электронный. – URL: https://www.absl.pl/en/news/p/pwc-revisioning-finance-new-era-global-business-services (датаобращения: 18.04.2026).
12. Информационное обеспечение системы менеджмента организации: учеб. пособие / А.В. Рубцов, С.В. Мамаева, Л.Н. Храмова, И.В. Храмов, – Красноярск: Сибирский федеральный университет, 2022. – 111 с.
13. 1С:Аналитика| Развитые средства бизнес-аналитики – платформа 1С:Предприятие. – URL: https://v8.1c.ru/platforma/1s-analitika/ (дата обращения: 18.04.2026).
14. Созвездие BI 2025. – Текст : электронный // tedo.ru : [сайт]. – URL: https://tedo.ru/insights/bi-2025 (дата обращения: 18.04.2026).
15. Enterprise Performance Management | Oracle. – URL: https://www.oracle.com/performance-management/ (датаобращения: 18.04.2026).