Разбираем на практике, как искусственный интеллект меняет работу оценщиков — и почему он не заменит эксперта, но может ему помочь.
По данным McKinsey, около 70% компаний, внедривших ИИ в бизнес-процессы, фиксируют прирост EBITDA до 5%. Технологию используют в финансах, логистике, риск-менеджменте, и всё чаще в аналитике. Закономерный шаг — аналитика оценки стоимости бизнеса и его активов. Но можно ли доверить алгоритму расчёт стоимости компании?
Мы в «РОССИЙСКОЙ ОЦЕНКЕ» занимаемся стоимостным консультированием с 1995 года. За 30 лет работы мы выполнили проекты для «Росатома», «Газпрома», «Лукойла», РЖД, группы ВТБ, «Аэрофлота», «объединенной авиастроительной корпорации» и других крупнейших российских компаний. Сегодня мы входим в топ-8 крупнейших оценочных организаций России. За годы существования, мы в «РОСОЦЕНКЕ» накопили достаточно экспертизы в оценке бизнеса и активов, сопровождении сделок M&A, подготовке финансового и налогового due diligence, технологического и ценового аудита, чтобы ответить на этот вопрос предметно.
Последние два года мы активно тестируем ИИ-инструменты в своей практике. В этой статье делимся тем, что реально работает, а что пока остаётся маркетинговым обещанием.
Что изменилось: от таблиц к интеллектуальной аналитике
Ещё пять лет назад работа оценщика строилась вокруг Excel-моделей и ручного сбора данных. Сегодня объём информации, который нужно переработать для оценки одного проекта, вырос многократно. Это сотни сделок M&A, объемные отраслевые обзоры, макроэкономические прогнозы, данные о конкурентах, регуляторные изменения.
Именно на этом этапе ИИ даёт ощутимый результат. Алгоритмы умеют собирать информацию из разрозненных источников, структурировать её, находить аномалии в данных и готовить первичную аналитику. Для оценочной компании это конкретная экономия: меньше времени на подготовку и сбор информации — больше на анализ и работу с клиентом.
На практике мы уже применяем ИИ при подготовке финансового и налогового due diligence, анализе исторических показателей компании, построении прогнозных моделей и отборе сопоставимых сделок.
Прогнозирование: сильная сторона ИИ — и его главное ограничение
Одно из самых перспективных направлений использование искусственного интеллекта в оценочной деятельности — это прогнозирование выручки, EBITDA и денежных потоков. Модели на базе временных рядов, градиентного бустинга или нейросетей способны учитывать историческую динамику и строить сценарные прогнозы.
В устойчивых отраслях с большой накопленной статистикой, например, в ритейле или телекоме такие инструменты дают высокую точность. Алгоритм видит скрытые закономерности, учитывает сезонность, влияние макрофакторов и даже реакцию бизнеса на отраслевые изменения.
Но вот в чём проблема: любая модель учится на прошлом. Когда происходит структурный сдвиг: санкции, технологический разрыв, резкое изменение потребительского поведения, алгоритмы могут не справиться с качественными факторами. Он не понимает контекста.
Поэтому мы используем ИИ-прогнозы как отправную точку: алгоритм формирует диапазон сценариев, а решение о том, какой из них реалистичен, принимает эксперт.
Анализ рисков и конкурентной среды
Стоимость компании — это всегда производная от рисков. Отраслевая динамика, регуляторное давление, конкурентная среда, макроэкономика — всё это напрямую влияет на итоговый результат.
Здесь ИИ помогает в двух направлениях.
Во-первых, анализ текстовой информации. Современные модели обработки естественного языка (NLP) способны мониторить новостной фон, отслеживать изменения тональности, фиксировать ранние сигналы о рисках задолго до того, как они попадут в финансовую отчётность.
Во-вторых, моделирование чувствительности. Алгоритмы позволяют быстро рассчитать, как изменится стоимость компании при разных сценариях: рост ключевой ставки, ослабление валюты, замедление рынка. Это усиливает сценарный анализ и помогает точнее определять ставку дисконтирования.
Для команды «Российской оценки», которая регулярно работает с проектами в нефтегазовом, финансовом и транспортном секторах, — это инструмент, который позволяет учитывать отраслевую специфику на принципиально ином уровне.
Сравнительный подход: как ИИ улучшает подбор аналогов
Сравнительный подход — один из базовых методов оценки. Но подбор релевантных компаний-аналогов и корректная интерпретация мультипликаторов — это трудоёмкая аналитическая работа.
ИИ здесь решает конкретные задачи: обрабатывает базы данных M&A-сделок, классифицирует компании по финансовым и отраслевым параметрам, выявляет статистические выбросы, находит корреляции между характеристиками бизнеса и уровнем мультипликаторов.
Это снижает субъективность при выборе аналогов и повышает обоснованность выводов. Но финальная корректировка мультипликаторов — учёт уникальных особенностей конкретного бизнеса, стратегических факторов, качества менеджмента — по-прежнему остаётся за оценщиком.
Экономика внедрения: что получает компания
Главный эффект от ИИ в оценочной практике — ускорение без потери качества. Автоматизация рутины позволяет экспертам заниматься тем, что действительно требует квалификации: стратегический анализ, интерпретация результатов, коммуникация с клиентом.
Это особенно критично в сделках M&A, где сроки жёсткие. По данным Forbes, 93% владельцев малого бизнеса считают, что ИИ-инструменты помогают снижать издержки и повышать прибыльность. Для консалтинговой компании выигрыш аналогичный: более эффективное распределение ресурсов и рост конкурентоспособности.
Важный нюанс: экономия достигается не за счёт замены эксперта, а за счёт перераспределения его времени. Меньше ручного сбора данных — больше аналитики и работы над качеством отчёта.
Ограничения, о которых не говорят в презентациях
ИИ — не волшебная таблетка. Есть три ключевых ограничения, о которых стоит знать.
Качество данных.Алгоритм обработает миллионы строк, но если исходные данные неполны или некорректны, результат будет искажённым. Принцип «мусор на входе — мусор на выходе» никто не отменял.
Непрозрачность моделей. Нейросети могут показывать высокую точность, но их внутренняя логика — это «чёрный ящик». В оценочной практике, где каждое допущение должно быть обосновано, а логика расчетов прозрачна – это серьёзная проблема.
Как отмечает Александр Иванов, управляющий партнёр «РОССИЙСКОЙ ОЦЕНКИ»: «Алгоритм видит только цифры, ИИ может проанализировать терабайты данных и выдать миллион корреляций. Но он не знает про рыночную мотивацию и инвестиционную привлекательность. Именно мы, эксперты, соединяем данные, контекст, опыт и интуицию в итоговую величину стоимости».
Ответственность. Юридическая и профессиональная ответственность за результат оценки лежит на эксперте. Не на алгоритме. Именно оценщик является носителем профессионального суждения, подписывает отчёт и отвечает за выводы.
Open-source или собственная разработка?
Стратегический вопрос для любой оценочной компании: использовать готовые open-source модели или разрабатывать собственные инструменты?
Открытые решения позволяют быстро стартовать и сократить затраты. Но они не всегда учитывают специфику оценочной деятельности и могут создавать риски в части конфиденциальности данных клиентов, а для компании, работающей с условным «Росатомом» или «Газпромом», это не абстрактная угроза.
Собственная разработка даёт гибкость, контроль над алгоритмами и адаптацию под стандарты компании. Но требует инвестиций, квалифицированной команды и времени.
На практике оптимален гибридный подход: базовые инструменты берутся из open-source среды, а критически важные элементы дорабатываются под внутренние стандарты и требования регуляторов. Именно так мы выстраиваем процесс в «РОССИЙСКОЙ ОЦЕНКЕ».
Так заменит ли ИИ оценщика?
Короткий ответ — нет.
Оценка бизнеса — это не калькулятор. Важно понимать стратегию компании, анализировать управленческую команду, учитывать регуляторные риски, оценивать нематериальные активы, а также перспективы развития компании. Ни один алгоритм пока не способен заменить профессиональное суждение, которое формируется годами практики.
ИИ — это мощный инструмент. Он ускоряет расчёты, расширяет аналитические возможности и снижает издержки. Но роль его скорее инструментальная. Поэтому будущее оценочной отрасли не в замене человека алгоритмом, а в синергии технологий и экспертного опыта. Сочетание цифровых инструментов и профессионального суждения позволит обеспечить точность, обоснованность и надёжность оценки бизнеса в современных условиях.
