Журнал · Rit.work

ATLAS-Finance: аккуратные таблицы скрывают ошибки ИИ-агентов

ATLAS-Finance показывает, почему ИИ-агент может собрать рабочую финансовую модель, пройти собственные проверки и всё равно выдать неприемлемый результат.

Rit.work
Студия разработки
18 ноября 2026 г.2 мин чтения

Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.

Даже лучшие ИИ-агенты редко доводят реалистичную банковскую задачу до приемлемого результата. В ATLAS-Finance от Handshake AI Claude Opus 5 и Fable 5.1 прошли менее 11% заданий даже с тремя попытками, хотя препринт не рецензировали и числа получили сами авторы. Для подобных продуктов одной проверки формул недостаточно: нужно отдельно контролировать исходные требования и финансовые допущения.

Бенчмарк включает 100 сквозных задач в среде инвестиционного банка. Агент получает краткое поручение, ищет уточнения и обновления в Outlook, Slack, Google Drive, Google Calendar и OneNote, затем собирает модель в Excel и отправляет её нужному сотруднику. Задача считается пройденной, только если выполнены все критические требования и не сработал ни один штраф.

Больше половины найденных первопричин, 53,8%, связаны с неверной финансовой логикой: агент выбирает неподходящий метод, трактует допущение не так или ошибается в расчётной базе. Ещё 26% приходятся на неполный объём работы. Остальные ошибки возникают при связывании формул, переносе исходных данных, включении готовых компонентов в расчёт и отправке результата.

Claude Opus 5 однажды построил одну и ту же ошибочную логику в Python и Excel. Все 13 внутренних проверок сошлись, поскольку обе реализации использовали неверное налоговое допущение, но годовая амортизация оказалась занижена на 22,6%. Такой сбой особенно опасен в продукте: файл выглядит согласованным и не показывает ошибок в ячейках.

Проверка охватывает несколько видов банковской работы, включая сделки M&A, кредитование, оценку компаний и инфраструктурное финансирование, но проходит в смоделированных организациях. Когда часть моделей получала все сведения сразу, их оценки росли: поиск требований среди писем и файлов сам по себе добавляет ошибки. Среда при этом не проверяет поиск во внешнем интернете и обсуждение правок с коллегами или клиентами.

Источники

Пауза в чтении

Похоже на вашу задачу?

Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.

Rit.work

Студия разработки

Собираем мобильные приложения и помогаем командам получать от AI реальную пользу. Основатель и команда, работаем удалённо — с клиентами в России и за рубежом.

← Ко всем материалам
Понравилось? Обсудим вашу задачу