ИИ-агенты в бюджетном процессе: где реально работают, а где риск

За последний год крупные поставщики корпоративного ПО — от SAP и Oracle до Workday — добавили в свои финансовые продукты слой ИИ-агентов*, которые обещают автоматизировать не отдельные отчёты, а куски самого процесса бюджетирования: сбор заявок от подразделений, сверку с прошлыми периодами, поиск отклонений и подготовку черновика сметы. Формулировка «agentic budgeting» перекочевала из маркетинговых презентаций в реальные пилоты, в том числе в государственном секторе. Разберём, что за этим стоит и что из этого пока работает только на слайдах.

Что именно называют агентом для бюджетирования

Обычный BI-дашборд показывает цифры и ждёт, что решение примет человек. ИИ-агент устроен иначе: он получает цель («подготовь проект бюджета отдела на следующий период с учётом ограничения по фонду оплаты труда»), сам обращается к нескольким источникам данных, выполняет последовательность шагов и возвращает результат, который можно принять, отклонить или отправить на доработку.

В контексте госбюджета к типовым задачам агента относят:

• сбор бюджетных заявок от распорядителей средств и приведение их к единому формату;
• сверку запрошенных сумм с исполнением за прошлые периоды и подсветку аномалий (запрос вырос втрое без обоснования);
• проверку заявок на соответствие формальным лимитам и кодам бюджетной классификации;
• подготовку пояснительных записок и черновиков сводных таблиц.

Ключевое слово здесь — черновик. Ни один серьёзный вендор не заявляет, что агент утверждает расходы. Он готовит материал, решение остаётся за человеком и коллегиальными органами.

Агент экономит время не на принятии решений, а на подготовке к ним: собрать, сверить, отформатировать — там, где раньше уходили недели ручной работы аналитиков.

Чем это отличается от того, что было раньше

Автоматизация в бюджетном планировании существует давно: макросы в Excel, ETL-процессы, специализированные системы вроде «Электронного бюджета» в России или федеральных ERP за рубежом. Новизна ИИ-агентов в двух вещах. Первая — работа с неструктурированным текстом: агент может прочитать пояснительную записку на естественном языке и сопоставить её с цифрами. Вторая — многошаговость: он не выполняет одну заранее прописанную операцию, а сам выстраивает цепочку под задачу.

За это приходится платить предсказуемостью. Детерминированный скрипт при одинаковом входе всегда даёт одинаковый результат. Языковая модель может выдать разные формулировки и, что опаснее для финансов, ошибиться в арифметике или сослаться на несуществующее правило. Поэтому в бюджетном контуре агентов почти всегда связывают с проверяемыми источниками и жёсткими валидаторами.

Как сравнить подходы

На практике эти слои не конкурируют, а складываются: агент работает поверх данных из ERP и BI, а не вместо них.

Где стоят красные флаги

Госбюджет — область, где ошибка стоит не репутации, а бюджетных средств и ответственности конкретных должностных лиц. Несколько мест, где к агенту нужно относиться с осторожностью.

• Арифметика и своды. Языковые модели ненадёжны в точных вычислениях. Суммирование и сверку итогов стоит отдавать не самой модели, а инструментам, которые она вызывает, с последующей человеческой проверкой контрольных сумм.
• Ссылки на нормы. Агент может уверенно сослаться на несуществующий пункт регламента. Любое «согласно правилам» должно вести на проверяемый первоисточник, иначе это не аргумент.
• Данные ограниченного доступа. Бюджетные данные и персональные сведения нельзя гонять через внешние облачные модели без правовой оценки. Для госконтура это обычно означает развёртывание в защищённом периметре.
• Прозрачность решения. Если агент предложил урезать статью расходов, должно быть видно, на каких данных он это построил. Непрозрачная рекомендация в бюджетном процессе бесполезна — её нельзя защитить перед контролирующим органом.

Кому это пригодится, а кому нет

Пригодится финансовым службам крупных распорядителей, которые ежегодно сводят сотни заявок от подведомственных учреждений. Здесь агент экономит недели на форматировании и первичной сверке, а спорные места всё равно уходят человеку. Пригодится и аналитикам контрольно-счётных органов: агент способен быстро находить аномалии в массиве заявок, которые вручную заметить сложно.

Не пригодится небольшому учреждению с бюджетом из десятка строк — там внедрение и сопровождение агента дороже задачи, которую он решает. И точно не заменит коллегиальное решение: агент не несёт ответственности, а бюджет утверждают люди и депутаты.

Отдельный сценарий — общественный контроль. Открытые бюджетные данные плюс агент дают журналистам и НКО инструмент, чтобы задавать вопросы к тратам на естественном языке. Но и здесь ответ агента — повод для проверки по первоисточнику, а не готовый вывод.

Сколько это стоит и когда внедрять

Прямых прайсов на «агентов для госбюджетирования» как отдельного продукта на рынке пока нет — функциональность идёт внутри финансовых модулей корпоративных платформ и в кастомных внедрениях. Стоимость складывается из лицензий на базовую платформу, инференса модели и интеграции с существующими системами. Конкретные цифры сильно зависят от масштаба и требований к защите данных, поэтому ориентироваться на чужие кейсы без пилота рискованно.

Разумный путь — узкий пилот на одной задаче (например, сверка заявок с исполнением прошлого года) с обязательным логированием всех шагов агента и ручной проверкой результата. Это позволяет измерить реальную экономию времени и долю ошибок до того, как процесс масштабируют.

* ИИ-агент — программа на основе языковой модели, которая под поставленную цель сама выстраивает последовательность действий: обращается к данным, вызывает инструменты (калькулятор, базу, поиск) и возвращает результат, а не просто отвечает одной репликой на один запрос.