Как собрать финмодель за четыре часа
Финансовая модель всегда была не самой простой задачей. Вчера для нашего проекта я собрал три финансовых сценария примерно за четыре часа. Раньше на первый проход я бы закладывал минимум неделю и привлекал финансового директора. Но AI все поменял.
Сделать это удалось не благодаря какому-то волшебному промпту. Главную роль сыграло то, что к моменту постановки задачи у моего агента уже был весь контекст проекта.
Я записываю и транскрибирую встречи, а материалы по проекту складываю в отдельный репозиторий. Вернее, отдаю их агенту, а он сам раскладывает их по папкам, кластеризует, ведет реестр с единой базой знаний.
Там лежат записи созвонов, исследования конкурентов, продуктовые концепции, гипотезы, принятые решения и т. д. Поэтому, когда понадобилась финансовая модель, мне не пришлось объяснять ему, что мы делаем, для кого и какие у нас ограничения.
Не хватало только исследования как подобные продукты монетизируются в России и за рубежом. Это я тоже поручил агенту. А он собрал 13 вариантов монетизации с примерами, обоснованием и оценкой применимости каждого из них к нашему продукту.
Далее я попросил на основе 13 вариантов монетизации и всей накопленной по проекту информации построить три сценария выхода на целевую выручку через пять лет с учетом затрат на команду, маркетинг, продажи и других нюансов.
В результате я получил три финансовые модели, которые можно сравнивать друг с другом и обсуждать с командой. На все это у меня ушло около четырех часов.
Конечно, это не означает, что мой AI-агент полностью заменил финансового директора. Каждое предположение нужно проверять, а цифры — валидировать. Но AI радикально снизил стоимость исследования пространства вариантов и построения нескольких моделей для сравнения.
Раньше каждый дополнительный вариант стоил времени дорогого специалиста. Поэтому мы неизбежно ограничивали количество гипотез, которые были готовы исследовать и просчитывать.
Теперь за несколько часов можно сначала изучить десяток моделей монетизации, затем собрать несколько принципиально разных сценариев развития и только после этого решать, какой из них имеет смысл прорабатывать глубже.
Финансовая модель всегда была не самой простой задачей. Вчера для нашего проекта я собрал три финансовых сценария примерно за четыре часа. Раньше на первый проход я бы закладывал минимум неделю и привлекал финансового директора. Но AI все поменял.
Сделать это удалось не благодаря какому-то волшебному промпту. Главную роль сыграло то, что к моменту постановки задачи у моего агента уже был весь контекст проекта.
Я записываю и транскрибирую встречи, а материалы по проекту складываю в отдельный репозиторий. Вернее, отдаю их агенту, а он сам раскладывает их по папкам, кластеризует, ведет реестр с единой базой знаний.
Там лежат записи созвонов, исследования конкурентов, продуктовые концепции, гипотезы, принятые решения и т. д. Поэтому, когда понадобилась финансовая модель, мне не пришлось объяснять ему, что мы делаем, для кого и какие у нас ограничения.
Не хватало только исследования как подобные продукты монетизируются в России и за рубежом. Это я тоже поручил агенту. А он собрал 13 вариантов монетизации с примерами, обоснованием и оценкой применимости каждого из них к нашему продукту.
Далее я попросил на основе 13 вариантов монетизации и всей накопленной по проекту информации построить три сценария выхода на целевую выручку через пять лет с учетом затрат на команду, маркетинг, продажи и других нюансов.
В результате я получил три финансовые модели, которые можно сравнивать друг с другом и обсуждать с командой. На все это у меня ушло около четырех часов.
Конечно, это не означает, что мой AI-агент полностью заменил финансового директора. Каждое предположение нужно проверять, а цифры — валидировать. Но AI радикально снизил стоимость исследования пространства вариантов и построения нескольких моделей для сравнения.
Раньше каждый дополнительный вариант стоил времени дорогого специалиста. Поэтому мы неизбежно ограничивали количество гипотез, которые были готовы исследовать и просчитывать.
Теперь за несколько часов можно сначала изучить десяток моделей монетизации, затем собрать несколько принципиально разных сценариев развития и только после этого решать, какой из них имеет смысл прорабатывать глубже.