Board deck автоматизация (фінансовий + operational)

Автоматизація забирає на себе збір цифр і написання першого варіанту board deck. CFO, COO та CEO отримують готовий чорновик з цифрами, графіками та narrative за кілька годин до ради — замість кількох днів ручної роботи фінансової команди та аналітиків. Один board cycle проходить не за тиждень-два, а за день.

Конкретні кроки, які AI-агент виконує сам:

1. Підключається до data warehouse та BI-системи, забирає фінансові метрики (revenue, ARR, CAC, burn, runway) та операційні (NPS, churn, pipeline, utilization).
2. Порівнює поточний період із планом, минулим періодом та прогнозом — виявляє матеріальні відхилення.
3. Розраховує похідні метрики та KPI за визначенням компанії, а не за загальним стандартом.
4. Генерує чорновик narrative для кожного слайду — що сталося, чому, що робимо далі.
5. Збирає deck за шаблоном презентації: обкладинка, executive summary, фінансові результати, операційні метрики, ризики, пріоритети наступного кварталу.
6. Підкладає графіки та таблиці, згенеровані з даних warehouse.
7. Експортує готовий файл у file storage (наприклад, Google Drive, SharePoint або Notion) та сповіщає команду в Slack або email.
8. Приймає правки від CFO та перезбирає версію — до фінальної.

Що автоматизація НЕ робить

• Не замінює судження CFO, CEO або ради директорів. Фінальне рішення, narrative та висновки залишаються за людьми.
• Не підміняє audit і compliance — цифри беруться з джерел, які компанія вважає довіреними, а не перераховуються з нуля.
• Не приймає стратегічних рішень і не формулює пріоритети сама. AI-агент описує факти та пропонує варіанти формулювань, рішення залишається за CEO.

AI-агент працює як pipeline з кількома стадіями: data ingestion → reconciliation → analysis → narrative → assembly → delivery. Кожна стадія перераховується окремо, щоб CFO правив лише потрібне, а не переробляв увесь deck.

Архітектура та потік даних

Агент запускається за розкладом (monthly або quarterly board cycle) або за ручним тригером. Спочатку він іде до data warehouse або BI-системи, вивантажує заздалегідь визначені метрики за потрібний період. Далі — reconciliation: перевірка, що дані за період закриті, немає прогалин, немає підозрілих значень (наприклад, revenue падає на 90% без причини). Якщо щось виглядає підозріло, агент не йде далі, а ескалює в Slack або email відповідальному.

Наступна стадія — analysis. Агент рахує відхилення від плану, прогнозу та попереднього періоду, ранжує їх за матеріальністю (за порогами, які встановлює компанія). Для кожного матеріального відхилення він формує чернетку пояснення, спираючись на дані — наприклад: «burn виріс на 15% через trade-off між hiring і cash runway».

Narrative-стадія — генерація тексту для кожного слайда. Використовується мовна модель з tool-use доступом до даних warehouse, щоб модель перевіряла конкретну цифру перед тим, як її написати. Чернетки narrative проходять через grounding-промпт, який забороняє цифри, що не присутні в warehouse.

Assembly-стадія — збірка deck за шаблоном (Google Slides, Notion або PowerPoint-експорт). Шаблон і правила позиціонування слайдів зафіксовані, агент лише підставляє контент і графіки. Графіки генеруються з warehouse-даних — агент не малює їх з нуля, а використовує заздалегідь зібрані візуальні примітиви. Якщо метрика нова і графіки для неї немає в шаблоні, агент залишає placeholder і позначає це в delivery-сповіщенні.

Delivery — файл іде до file storage з версіонуванням, коментар надсилається в Slack або email відповідальному.

Кроки впровадження

1. Mapping метрик. Визначити список метрик, які йдуть до board deck: джерело в warehouse, формула розрахунку, пороги матеріальності для flagging відхилень.
2. Template deck. Зафіксувати шаблон слайдів і правила: що де лежить, які розділи обов'язкові, яка послідовність.
3. Data access. Налаштувати сервісний акаунт агента в data warehouse і file storage з read-правами для джерел і write-правами лише для фінального файлу.
4. Reconciliation rules. Прописати правила, за яких агент зупиняється і ескалює — порожні дані, викиди, non-closed period, різкі стрибки.
5. Narrative промпти. Зібрати набір промптів, які описують стиль narrative компанії (консервативний або прямий, для інвесторів або для ради), включаючи заборону на цифри поза warehouse.
6. Pilot run. Паралельно з ручною підготовкою проганяємо агента на одному board cycle, порівнюємо результати, збираємо feedback від CFO щодо якості narrative і коректності цифр.
7. Production rollout. Перехід на агента як основне джерело чернетки, ручна підготовка стає рецензією з контрольними точками.

Ключові компоненти

Перед впровадженням потрібно переконатися, що дані та процеси готові — без цього AI-агент не працює коректно.

Дані та доступ

• Data warehouse або BI-система із закритими періодами, а не live dashboards з незакритими транзакціями.
• Зафіксовані визначення ключових метрик — ARR, revenue, burn, churn. Якщо у фінансової команди та ops-команди різні визначення, спочатку потрібно дійти до одного.
• File storage з API-доступом (Google Drive, SharePoint або Notion) для запису готового deck.
• Шаблон board deck, який використовується стабільно хоча б останні 2-3 цикли.

Команда та процеси

• Власник з боку фінансів (CFO або financial controller), який витрачає 4-8 годин на тиждень на період впровадження.
• Data engineer або analytics engineer для первинного налаштування connectors.
• Готовність CFO та CEO прочитати чернетку від агента та дати структурований feedback — без цього narrative не налаштується.

Часові рамки

Складність впровадження — середня. Термін — 6-10 тижнів:

• Тижні 1-2: mapping метрик та шаблону, узгодження з CFO.
• Тижні 3-5: налаштування data access, reconciliation rules, narrative промптів.
• Тижні 6-7: pilot run паралельно з ручною підготовкою.
• Тижні 8-10: ітерації за feedback, production rollout.

Якщо у компанії немає централізованого warehouse і метрики збираються вручну з Excel або Google Sheets, термін збільшується на 2-4 тижні під окремий проект із закриття джерел даних.