Первое, что приходит в голову при автоматизации прогноза денежного потока (ДДС) : модель на временных рядах. Взять историю, обучить, получить прогноз. Для бюджета компании временные ряды не подойдут. Крупные движения денег определяются дискретными событиями: подписанными договорами, графиками оплат, календарём ФОТ и налогов, планами закупок. У таких событий нет инерции ряда, которую можно выучить. Экстраполяция работает только на стабильных повторяющихся потоках вроде подписочной выручки или аренды. Всё остальное надо не прогнозировать, а собирать из известных обязательств.

Что реально работает, по опыту вывода такого решения в прод:

- Фундамент. Автоматический сбор факта из учетных систем и платежный календарь из договоров. Скучно, зато именно здесь аналитик теряет два часа из трех. Не на анализе, а на поиске и сверке данных. - Извлечение вместо прогнозирования. LLM отлично вытаскивает графики платежей и условия из договоров. Это детерминированный прогноз снизу: мы не гадаем, мы читаем обязательства. - Машинное обучение только на узких узлах. Например, предсказание срока оплаты счета дебитором. Здесь данных достаточно, каждый счет отдельное наблюдение. Точность выше 85% достижима. - Числа считает формульный движок, а не языковая модель. LLM галлюцинирует в финансовых расчетах, это доказано бенчмарками. Ее роль: извлечь, классифицировать, объяснить отклонения план-факта словами. Считать должна детерминированная логика. - Волатильность закрывается сценариями, а не «более умной моделью». Скользящий прогноз на 13 недель, пересмотр раз в неделю, вилка исходов вместо одной цифры.