Продолжаю обсуждение использования ИИ в работе финансиста
ИИ обучаемый, поэтому необходимо правильно поставить промпт (prompt в переводе с английского «попытка»). Чем более корректно поставлен промпт, тем точнее он выдаст результат.
Где здесь ловушка?
Есть два момента в формулировании промпта:
технический - как лучше ставить задачи ИИ (язык машины) - и это то, чему вас будут учить на курсах по ИИ
методологический - это знания и опыт, связанные с образованием и реальной практикой финансиста (ИИ тут не причем)
Методологический аспект использования ИИ подразумевает глубокое понимание промпта (ТЗ), которое ставишь машине.
Что я вижу из трендов рынка:
Многие специалисты, так и не разобравшись в системе трех отчетов, в двойной записи, в контрольных точках реального бизнеса, особенностях разработки архитектуры управленческого учета, особенностях финансового моделирования для бизнеса, хватаются за ИИ в попытке перекрыть нехватку знаний в этих областях.
Опасность использования ИИ в работе методологически необученным специалистом приводит к тому, что в Отчетах, выдаваемых ИИ, появляется очень много воображаемых цифр и академической структуры. То есть Отчеты лгут, и выглядят они, как у специалиста без практического опыта. Как будто формат Отчета он срисовал из книжки.
Почему так происходит?
Методологически необученный специалист без должного практического опыта не видит дыр в своем ТЗ. А там, где есть дыра, ИИ заполняет пустоту своим воображением. Подставляет свои цифры, рисует свою структуру отчетов, делает свои предположения без бизнес-контекста. Последнее кстати в принципе нереально загрузить в ИИ. Это знание принадлежит исключительно человеку, и оно динамично в зависимости от осведомленности о событиях в конкретном бизнесе.
Не дадите информацию по каким-то расходам для финансового моделирования, ИИ подставит свои данные из своих соображений. И бизнес-план может превратиться из глубоко убыточного случайно в высокорентабельный.
Не поставите ТЗ на специфическую архитектуру управленческого учета, ИИ выдаст примитивную структуру из академической литературы, которая не содержит необходимых аналитических срезов и контрольных точек для конкретного бизнеса.
Примеры можно продолжать.
Неопытный специалист не распознает этих ошибок и неточностей. Сочтет все за чистую монету и выдаст результат такому же неопытному предпринимателю.
ИИ, также как любая учетная программа, это не голова, а лишь быстрый помощник в решении задач. Задачи ставит руководитель (голова). А помощник исполняет.
Включать критическое мышление придется все равно. Изучать методологию управленческого учета придется все равно:
в системе трех отчетов
в разработке архитектуры управленческого учета
в методах финансового анализа
в чтении бизнес-контекста и т.д.
Даже, если в каком-то будущем ИИ станет основным инструментом обработки данных, знание методологии УУ никто не отменит. Наоборот специалисты «рабочие руки» потеряют в цене, а еще более высокую ценность приобретут специалисты со знанием методологии. Чем выше и глубже понимание методологии, тем качественнее будут промпты для ИИ.