В ходе июньского опроса 183 финансовых директоров, проведенного в 2025 году, компания Gartner сообщила, что 84% финансовых организаций внедрили ИИ или планируют это сделать, однако лишь 7% отметили высокий эффект. Большая часть затрат на ИИ приводит к росту производительности, эффективности и экономии времени, а не к ощутимой окупаемости инвестиций (ROI).
Компания Gartner опросила 204 финансовых руководителя в марте 2026 года и выяснила, что 45% инвестиций в ИИ в финансовой сфере направлены на повышение производительности, а 20% — на улучшение качества принятия решений. Шанкар Кешав (Shankar Keshav), аналитик, проводивший опрос, назвал этот результат «разрывом в восприятии», отметив, что «финансовые руководители сообщают о прогрессе во внедрении ИИ, но советы директоров видят ограниченный стратегический эффект.»
Ощутимая окупаемость (ROI) должна основываться на денежных средствах — будь то рост выручки, экономия затрат или более быстрое увеличение свободной наличности. Экономия времени важна до определенной степени, но финансовые руководители должны перестать путать внедрение ИИ с созданием ценности для бизнеса и находить решения, которые способны приносить компании больше живых денег.
Дебиторская задолженность обеспечивает реальную окупаемость (ROI)
По данным Федеральной резервной системы, в первом квартале 2026 года объем коммерческой дебиторской задолженности в США составил 9,8 триллиона долларов. Согласно отчету Allianz Research, в 2023 году средний показатель периода оборота дебиторской задолженности (DSO) компании составлял 59 дней (на основе примерно 45 000 публичных компаний более чем в 35 странах). Компания Atradius выяснила, что в Северной Америке 43% B2B-продаж на условиях кредитования в 2025 году имели просрочку.
Дебиторская задолженность сегодня — это самая острая и универсальная финансовая боль в сфере B2B. До появления больших языковых моделей (LLM) управление дебиторской задолженностью было слишком сложной задачей, а допустимая погрешность составляла ровно ноль. В результате компании боятся ее автоматизировать, но проблема настолько распространена, что каждая общающаяся с нами финансовая команда молча тонет в головной боли из-за дебиторки.
Когда эта задача решается правильно, компании получают оплату быстро, а ценность искусственного интеллекта становится очевидной.
Почему десятилетие «автоматизации дебиторской задолженности» так и не смогло пройти финальный этап
Программное обеспечение для управления дебиторской задолженностью на основе правил существовало годами. Такие программные решения отправляют напоминания по расписанию, и для простых счетов это работает нормально, но любой специалист по работе с дебиторкой знает, что так бывает редко.
Среди управляемых нами дебиторских задолженностей сложность присутствует практически в каждом сценарии оплаты. 92% корпоративных счетов приходится отправлять через порталы или сети поставщиков, а не оплачивать по счетам из электронной почты, и каждый портал представляет собой отдельный инструмент браузерной автоматизации. Согласно нашим данным, на нестандартные случаи приходится 39% замедления денежного потока: отсутствие формы W-9, отсутствие согласующего лица на рабочем месте, несоответствие заказа на поставку (PO) или отклонение формата со стороны портала. В опросе NACM и BlackLine, в котором приняли участие более 400 специалистов по кредитованию, 44% респондентов заявили, что используют минимальную автоматизацию для данных о платежах (или не используют ее вовсе), причем эти данные поступают из самых разных источников: электронной почты, PDF-файлов, порталов и банковских ячеек.
Практически ни одно из замедлений не вызвано отказом клиента платить; они происходят из-за трений в процессах и счетов, которые неделями тихо лежат в индивидуальных почтовых ящиках. ПО до эпохи LLM никогда не было достаточно сложным для обработки нестандартных ситуаций, и в результате работа по взысканию неоплаченных счетов снова ложится на плечи финансовых команд.
Процесс взыскания полон нюансов, и не так-то просто представить себе ИИ-агента между вами и вашими клиентами
Непродуманное сообщение от агента может навредить отношениям, на создание которых ушли годы. ПО на базе LLM обладает уникальной способностью адаптироваться к любым потребностям, тонам и ситуациям клиентов. При правильном развертывании инструменты дебиторской задолженности на базе агентов могут снять эту работу с плеч финансовой команды, но все должно быть сделано с нулевой погрешностью.
В компании Monk каждая создаваемая нами модель заключена в детерминированный код и протестирована на тысячах реальных кейсов, прежде чем дойти до клиента. Разнесение платежей работает на трех уровнях: точные совпадения применяются автоматически без участия моделей, затем подключаются специфичные для клиента правила, которые система предлагает, накопив достаточный опыт обработки платежей, и только то, что проходит оба этапа, передается агенту. Каждое совпадение демонстрирует логику своей работы и сохраняет аудит-след. Наш голосовой агент совершает звонки и отвечает на вопросы по счетам, но он не может переписывать счета, менять статус платежа или принимать новые банковские реквизиты по телефону.
Вся эта кропотливая подготовительная работа для наших агентов не выглядит захватывающе. Но финансовый директор может прийти в полный восторг, когда видит, как агент изящно разрешает спорную ситуацию, быстро привлекает деньги на счета компании и когда он может проследить каждый шаг агента по четкому аудиторскому следу.
Как автоматизация дебиторской задолженности становится «низко висящим фруктом» для достижения жесткого ROI с помощью ИИ
Мы управляем портфелем дебиторской задолженности на сумму более $2 млрд. Среди наших клиентов агенты Monk решают 90% задач по взысканию без участия человека, разнесение платежей автоматически сопоставляет 80% оплат (и этот показатель вырастает до 95%, когда команды активируют предложенные правила), а показатели отклика клиентов на информационно-разъяснительную работу на 24% выше по сравнению со стандартными напоминаниями.
У команд, использующих Monk, средний показатель DSO (период оборота дебиторской задолженности) снижается на 40%, а объем свободных денежных средств на счетах в первый же месяц увеличивается в среднем на 37%. Сокращение DSO ускоряет поступление денег, и финансовая команда может направить их на развитие, а свое время — на стратегические задачи вместо ручного преследования должников. Например, при выручке в 100 млн долларов сокращение DSO на 40% высвобождает примерно 5 млн долларов наличности. Окупаемость (ROI) в дебиторской задолженности — это уже заработанные вами деньги, которые удалось получить быстрее.
Рост роли финансового стратега
Годами финансам обещали автоматизацию, но зачастую она так и не доходила до финишной прямой, чтобы обеспечить реальную окупаемость (ROI), и самая критическая работа все равно ложилась на плечи людей.
Когда ИИ-агенты могут справляться с исключениями, нестандартными ситуациями и порталами, сотрудники, которые каждую неделю тратили на погоню за счетами, могут освободить свое время и сосредоточиться на важнейших стратегических задачах. Вместо того чтобы оглядываться назад, они могут заниматься прогнозированием и оценивать состояние денежных средств в следующем квартале. Все эти годы каждый представлял себе именно такую версию финансовой роли, и теперь это стало реальностью.
Опубликовано 7 сентября 2026 - 11:11 Наверх
