# AI-агент для сценаріїв кеш-флоу: посібник CFO

> Більшість сценарного моделювання — це боротьба з таблицями, не аналіз. Як вставити AI-агента у роботу CFO — і чому попередження Gartner про 1000% похибку формує дизайн.

- Автор: Ярослав Максимович (Founder & CEO, AI Advisory Board)
- Опубліковано: 2026-05-08
- Оновлено: 2026-10-26
- Джерело: https://aiadvisoryboard.me/uk/blog/ai-agent-cash-flow-scenario-modeling

Найбільша помилка SMB-власників у cash-flow моделюванні — дозволяти CFO витрачати вівторок на повторне збирання сценарної вкладки замість того, щоб використати це судження на питання, яке справді важить. Робота агента — повернути цей вівторок.

## TL;DR

- AI-агент для cash-flow сценаріїв перетворює "1 сценарій на день" на "10 сценаріїв на день" — не жертвуючи якістю рішення.
- Попередження Gartner про 1000% похибку працює _і всередині моделі_: припущення — зона, де агент завжди передає слово людині.
- Агент володіє механікою; CFO — припущеннями і висновками.

## Як виглядає робота до AI?

У SMB на 30–500 людей CFO (або фін-лід) запускає сценарії, коли:

- Рада питає "що, якщо виручка впаде 15%?"
- Великий клієнт — на продовженні, можливий churn
- Раунд за 6 місяців, runway важливий
- План найму на затвердженні
- Костс стрибнув — часто infra, часто AI-infra (Gartner)

Паттерн роботи: відкрити модель, скопіювати вкладку, змінити 3 входи, побачити 40 поламаних формул, лагодити, перевіряти, відсилати CEO. 2–4 години на сценарій. Зазвичай — 1 на запит, бо question 2-го порядку ("а якщо X _і_ Y?") моделювати боляче.

> **Визначення:** Decision-grade scenario — сценарій з документованими припущеннями, аудитованою механікою і довірою для дії.

1000% похибка Gartner — не лише про вендорів. Усередині SMB-моделей те ж саме: неправильний драйвер, неправильний коефіцієнт.

## Куди слотується агент?

Три межі (фінанси — найвищий ризик):

1. **Механіка.** Агент переписує формули, копіює вкладки, поширює зміни. НЕ вигадує припущень.
2. **Витяг припущень.** Агент читає контракти, інвойси, payroll і виносить _поточні_ значення. НЕ вирішує, які брати у майбутнє.
3. **Розширення сценаріїв.** З одного сценарія CFO агент генерує 5–10 sensitivity варіантів.

Чого нема: агент НЕ пише висновок, НЕ обирає рекомендований сценарій, НЕ проектує припущень вперед без людського входу.

> **Визначення:** Sensitivity варіант — сценарій від варіювання 1–2 входів проти базового.

## Шаблон промпта

```
Ти — асистент cash-flow сценаріїв для [КОМПАНІЇ].

ВХОДИ:
- Базова модель
- Базові припущення (від CFO)
- Запит сценарія
- Constraint-таблиця (мінімум cash buffer, ковенанти)

ЗАДАЧА: запитаний сценарій + 5 sensitivity-варіантів.

Для кожного:
1. Які припущення змінилися vs base.
2. Місячний cash на 12 місяців.
3. Місяці порушення buffer.
4. Порушення constraints.
5. 3 цифри: найнижчий місяць, breakeven, зміна runway.

ВИХІД (JSON):
{
  "scenarios": [...],
  "questions_for_cfo": [...]
}

ПРАВИЛА:
- Не використовуй припущень, яких нема (a) у base, (b) від CFO, (c) flagged як "extension" + у questions_for_cfo.
- Жодних рекомендацій.
- Якщо формула неоднозначна — стоп, питай.
```

Поле "questions_for_cfo" — клапан безпеки. Агенту дозволено _питати_, не дозволено _припускати_.

> **Tool tip (Course for Business):** У фінансах принцип Augment-don't-replace критичний — інакше decision-grade сценарій будується на AI-галюцинаціях. 6-week program ставить AI Champion (1:15-20) поруч із CFO і одним аналітиком; Shoulder-to-Shoulder hot seat фокусується на assumption-extraction промпті проти ваших _реальних_ контрактів і payroll. CFO тримає кожне припущення. https://course.aiadvisoryboard.me/business.

## Які KPI міряти?

Шість чисел:

1. **Сценаріїв на CFO-тиждень.**
2. **Час на сценарій** — хвилини від запиту до драфта.
3. **Assumption error rate** — random audit проти джерел.
4. **Constraint-violation catch rate.**
5. **Decision lag** — від запиту власника до відповіді CFO. Найцінніше.
6. **Trust score** — рада/CEO довіряють? (Питати щоквартально.)

Trust score — рів. Будується 6 місяців, ламається одним поганим сценарієм.

## Team scan (what AI champions report after week 1)

- ~70% фін-команди використали агента (фінанси правильно консервативні)
- Найвища адопція на sensitivity-генерації, найнижча на assumption-extraction
- Економія: 4–6 год/тиждень CFO, 2–3 год аналітик
- Override-паттерн: payroll-scaling — generic; fix через конектор
- Перша перемога: 3-денний запит ради відповіли за 4 години, 8 варіантів
- Перший біль: формули pre-AI неконсистентні — агент примусив cleanup
- Assumption error rate: 1.2% у першому аудиті
- Trust score CEO на 4-му тижні: обережно позитивний
- Топ-2 use case за оцінкою CFO
- Кожен сценарій — через підпис CFO

## Micro-case (що змінюється за 7-14 днів)

Сервісна компанія на 320 людей увімкнула це для CFO + аналітика. Було: 1–2 сценарія на цикл ради. Через 2 тижні: 8 сценаріїв на той же мітинг, з них 3 CFO зробив сам, бо стало дешево. Розмова на раді змістилася з "що каже модель?" на "що ми робимо з 8 опцій?" — і це розмова, яку рада мала вести з самого початку.

> **Note on this case:** This example is illustrative — based on typical patterns we observe with companies of 30-500 employees, not a single named client. Specific numbers are rounded approximations of common ranges, not guarantees.

> **Tool tip (Course for Business):** Один failure mode уникати: junior-аналітик запускає агента без супервізії і продукує "сценарій", який усі сприймають як decision-grade. Augment-don't-replace значить — підпис CFO на кожному сценарії. 6-week program прописує це у handbook до 3-го тижня. https://course.aiadvisoryboard.me/business.

## FAQ

**Чи не галюцинуватиме модель драйвери?**
Саме це блокують жорсткі правила промпта. Без них — Gartner 1000% версія "internal edition".

**Підʼєднати до бухгалтерії?**
Так, лише read-only. Жодного write до GL. Конектор — це extraction-шар, не proекції.

**Ризик шахрайства?**
Контролі ті ж — separation of duties, аудит, підпис. Але кожен сценарій тепер має versioned trail — _краще_ за таблицю на ноуті.

**Чим відрізняється від Cube/Mosaic?**
Planning-tools володіють моделлю і дашбордами; агент володіє workflow побудови сценарія. Комплементарно.

## Висновок

Cash-flow сценарії — як SMB ухвалює найбільші рішення: найм, raise, cut, invest. Робота агента — не ухвалити, а покласти на стіл 8 сценаріїв замість 2, з аудитованими припущеннями.

Один цикл ради. Тиждень з чемпіоном поруч із CFO. Аудит щомісяця. Слухайте, як змінюється розмова на раді.

Якщо хочете, щоб кожен співробітник зробив свою першу AI-автоматизацію за 5 днів — 30-хвилинний дзвінок: https://course.aiadvisoryboard.me/business.

---

Цитуючи, посилайтесь на https://aiadvisoryboard.me/uk/blog/ai-agent-cash-flow-scenario-modeling. Більше статей: https://aiadvisoryboard.me/uk/blog