Никита Гусев, «Инфосистемы Джет»: «Мы начинаем верить прогнозам экспертов вместо цифр»: что не так с планированием в компаниях

Никита Гусев, руководитель направления EPM, «Инфосистемы Джет», и спикер Четырнадцатой конференции «Корпоративное планирование и прогнозирование», рассказал CFO Russia про ключевые проблемы, с которыми сегодня сталкивается бизнес – разрозненные данные и ошибки прогнозирования. Эксперт объясняет, почему Excel перестает справляться на корпоративном уровне, где действительно работают ML и Big Data и как внедрять умное планирование без лишних затрат.

Какие ключевые проблемы на сегодняшний день вы наблюдаете в процессах планирования на предприятиях?

На мой взгляд, есть несколько основных проблем, которые мешают бизнесу работать четко и эффективно.

Первое – это несогласованность планов и данных по времени. Иными словами, пакеты документов и данных готовятся непоследовательно.

Еще одна большая проблема – недостаточное качество и консистентность данных, их разрозненность. Чаще всего данные живут в Excel. Это отличный инструмент, но в какой-то момент его «догоняет эффект масштаба»: та гибкость, которая делает его удобным для локальных задач, на корпоративном уровне начинает работать против нас.

Из-за этого возникают ошибки прогнозирования. Вместо того, чтобы полагаться на цифры, мы начинаем верить прогнозам экспертов, нередко ошибочным.

Как Machine Learning и Big Data помогают справиться с этими проблемами? Где они реально работают, а где пока больше ожиданий, чем результата?

Часто ML и Big Data преподносят как некую волшебную таблетку. Но у нас есть несколько уровней планирования. На уровне стратегического или среднесрочного годового планирования эти технологии дают эффект только при идеально выверенных данных на нижних уровнях – а таких, особенно в крупных и зрелых компаниях, часто нет.

Зато на оперативном уровне – дни, недели – ML и Big Data действительно помогают. Они позволяют выявлять паттерны, которые человеческий глаз не заметит, и локализовать проблемные места. В оперативном контуре можно применять множество кейсов машинного обучения. О самых интересных я расскажу на конференции.

Можно ли сегодня внедрять умное планирование без огромных бюджетов? И какие подходы позволяют это сделать?

Да, можно. Здесь ключевое – этап обследования и проектирования, он позволяет сэкономить бюджет. На этом этапе мы понимаем, где AI, ML и GPT-модели дадут наибольший эффект.

Не стоит сразу внедрять большие языковые модели везде подряд. Лучше привлечь внешнего эксперта, который определит зоны наибольшей отдачи, а затем реализовать небольшой proof of concept. Далее – перейти к небольшому пилотному проекту, и, если он показал результат, решение можно масштабировать на всю компанию или направление.

Без proof of concept есть риск впустую потратить огромные средства: ML – дорого, облачные ресурсы дорогие, железо тоже. Даже крупные компании, которые чувствуют себя уверенно, сильно задумываются, стоит ли игра свеч.

Задать свои вопросы Никите и узнать больше про опыт компании «Инфосистемы Джет» вы сможете на Четырнадцатой конференции «Корпоративное планирование и прогнозирование», которая состоится 3 апреля 2026 года.

Алиса Попова