Стоит ли доверять искусственному интеллекту финансовые советы? И вообще все, что связано при работе с финансами. Сегодня, мне кажется, очень важная тема, особенно касательно того, что уже сентябрь, почти конец сентября двадцать шестого года. И если б такой вопрос стоял на повестке два года назад или год назад, то, ну, наверное, он бы звучал немного хайпово. И можно было рассказывать: вы сейчас можете загружать в искусственный интеллект любые формы отчетов, там, статистики, ваши счета, договора, налоговые данные, делать разные анализы и так далее.
И это были достаточно живые кейсы, и мы у себя на канале здесь, в ToTheMoon, огромное количество таких кейсов рассказывали, приводили примеры и обстоятельства примеров. Там, где системы гораздо круче работают, чем, казалось бы, любые финансисты, бухгалтера, юристы и кто угодно. Но еще раз, почему важная тема сегодня в конца сентября двадцать шестого года? Потому что сейчас компания Saturn провела исследование "Искусственный авторитет. Стоит ли доверять искусственному интеллекту финансовые советы?" И мы буквально вот вышли свежие данные, достаточно свежие модели там внутри были.
Там был Grok четыре с половиной, там был ChatGPT пять точка шесть, там был Gemini три один Pro, там был Claude Opus пять. То есть достаточно хорошие модели. Я хочу сразу заметить, что это модели не Pro уровни, и мы сегодня с вами поговорим вообще, может ли Pro уровень действительно настолько фундаментально отличаться. Вы все знаете, что я на канале очень сильно, можно было бы такое слово сказать, топлю за то, чтобы люди переключались на платные режимы, не на простые платные, а на Pro режимы.
Да, не из-за того, сколько кому токенов хватает, а для того, чтобы получить доступ к другим моделям. Это не вопрос в токенах, да, в Codex или в Claude Code, а вообще качество, фундаментальное качество ответа. И очень много про это рассказываю. Буквально двадцать секунд для тех людей, которые впервые у нас на канале. Нашему каналу, длительное время мы выпустили, там, около ста семидесяти выпусков суммарно, и мы вещаем в основном из Кремниевой долины, из США про искусственный интеллект и про технологический мир, с большим бэкграундом и багажом в целом в бизнесе и в технологическом мире.
И, ну, я настоятельно рекомендую к нам подключаться. И, конечно, часто для понимания того, что у нас здесь происходит в ToTheMoon, это все же канал про интересное настоящее формирование человека, в рамках его развития в технологическом мире, в искусственном интеллекте. Это у нас аудитория разная есть. Я бы не сказал, что это для, там, сверхжестких гиков, с одной стороны. С другой стороны, я сам достаточно большой гик в, во многих задачах. Рекомендую всем подключаться, да, и смотреть, особенно если для вас этот мир не до конца понятен.
И особенно для тех, для кого он понятен. Кто хочет получить новые мнения, новые взгляды, а не просто там какую-то жестко практическую теорию. Хотя мы ее тоже стараемся иногда давать. И в то же время до философских рассуждений. Вот такой широкий спектр. Значит, ну, не забываем нас поддерживать. Это важно для нашего канала. Комментарии, лайки, подписки. Значит, смотрите это исследование меня очень сильно заинтересовало, потому что в части, почему оно меня заинтересовало? Когда я увидел ошибку и когда я увидел, какой процент от ошибочных вопросов. И если честно сказать, мне было изначально сложно даже этому поверить.
То есть если бы я, наверное, увидел бы, что ошибок десять процентов, я мог, ну, я просто не обратил бы внимания, подумал: "Да конечно, есть ошибки в рамках искусственного интеллекта". Мы все с вами понимаем, да, что любая система может ошибаться. Даже написан алгоритм, он может ошибаться, он может быть написан неправильно. А если говорить, в частности, про современные модели искусственного интеллекта, конечно, они могут ошибаться. Это надо сразу спокойно, нормально понимать, и с этим спокойно жить.
Но когда я увидел реальную ошибку, которую делают эти системы, особенно с учетом текущих моделей, я, конечно, не то чтобы взволновался, но решил прямо отдельно нам с вами сделать выпуск, чтобы на эту тему и вам рассказать, и плюс подискутировать, чтобы вы свое мнение где-то высказали касательно того, что происходит. Опять же, я напомню, конечно, что высказывать мнение про работу таких систем, как ChatGPT, Claude, Grok, Gemini. Там, кстати, еще был тест. Там, на самом деле они тестировали восемнадцать моделей, да, но мы с вами ограничимся в топовых моделях, чтобы делать какие-то тесты.
Но все же вы должны ежедневно спрашивать в этих моделях про какие-то финансовые вопросы для того, чтобы по-настоящему их понимать. Вот я очень широко спрашиваю про финансовые вопросы как про личные. То, что касается счетов, касается кредитных рейтингов. В США есть кредитные просто рейтинги, да, не во всех странах это, конечно, есть. То, что касается все, что связано с финансированием, с инвестированием, с покупками, акциями, анализом рынков, с налогами, личными налогами компаний, с бухгалтерскими всякими работами, услугами и всем остальным.
То есть очень много всего собирается. Недавно я как раз рассказывал кейс, что такие даже промежуточные бухгалтерские системы, как QuickBooks, в какой-то момент времени, мне кажется, могут быть не нужны. Но это американская система, да, QuickBooks. Можете этот выпуск пересмотреть. Мне кажется, он очень хороший на эту тему, но именно на тему создания таких систем. Когда я через Codex проанализировал, там, все свои счета, все детали, насколько грамотно была построена вся полностью отчетность.
И здесь, казалось бы, если система тебе построила такую отчетность, то как можно говорить про процент, такой большой процент ошибок? Итак, значит, что сделал? Я, я вам краткую такую быструю теорию веду, и я еще сегодня вам хочу рассказать, куда эти системы все двигаются. Тоже быстро. Куда двигается Gemini, куда двигается Anthropic. Ну, Google Gemini, да. Куда двигается OpenAI, в частности, развитие финансовых инструментов. Вы представляете, только сейчас запустил ChatGPT сегодня, прямо перед нашим с вами, ну, перед моим запуском, и он мне порекомендовал подключить мой кредитный рейтинг, он подключает это через систему Experian.
Есть такой провайдер кредитных рейтингов в Америке и в США. И подключить через эту систему, сделать анализ моего кредитного рейтинга. И это как раз таки дело GPT Finance, да, это финансовый модуль, финансовый плагин, можно было бы сказать, или финансовая часть, как бы отдельно разработанная для систем. То есть мы, в пятницу, кстати, у нас выходил выпуск про плагины. Посмотрите. Новое, новое время, новый мир. Особенно хорошая история для сентября двадцать шестого года. Надо ли использовать плагины, да?
И мы с вами понимаем, что мы можем спрашивать все системы через плагины какие-то отдельные или через плагины отдельные, а можем спрашивать через, напрямую через чат, да, или напрямую через Codex с точки зрения ваших финансов. То есть вы можете отправить свой налоговый отчет и сказать: "Сформируй мне на следующий год налоговый отчет" или "Разбери, найди мне в нем ошибки", или отправить свои счета, сказать: "Посчитай мне, покажи мне, на что я деньги трачу" и так далее. Да, то есть вы можете делать как напрямую в чате, так и через плагины разные, которые возникают, или через коннекторы, да? Значит, что сделала вот эта компания Saturn?
Она взяла восемнадцать моделей: ChatGPT, Claude, Gemini, Grok, там, Copilot — и подготовила сто двадцать один различный финансовый вопрос, который задавали пять раз, чтобы проверить устойчивость ответа. То есть, по сути, сделать такой тест, вроде как не сложно, а в то же время, ну, все же это серьезно, потому что получилось более десяти тысяч ответов, и мы с вами, ну, вряд ли так быстро сможем такие тесты сделать. Десять тысяч — это серьезно. Важно понимать, что это не десять тысяч разных задач, а повторные прогоны сравнительного небольшого набора вопросов среди одних и тех же условно систем или повторяющихся вообще вопросов пять раз.
Значит, какие были вопросы среди тем? Там были темы управления долгами, там были темы, которые касаются кредитов, ипотеки, пенсионных накоплений, налогов, там, сбережений. Там дальше были вопросы, которые касаются, там, не знаю, тематик студенческих кредитов и так далее. Понятно, что исследовался рынок США, но я хочу вам сразу сказать, что, ну, так как наш канал, понятно, все, все страны смотрят, что это касается, в том числе вашей страны. Вам может показаться, что Claude Code или там ChatGPT менее знают законодательство вашей страны или налоговую финансовую систему вашей страны. Действительно, наверное, по факту да.
И меньше, наверное, по факту США знают лучше. Но в то же время какие-то страны они могут знать ультра лучше. Если эта страна была очень серьезно задокументирована и открыто описана, да? И не надо думать, что, например, в, не знаю, в Италии, там, где, там, не знаю, не будет сверхразвито какое-то информационное пространство, да? Или в каких-то странах Африки будет некачественно показаны результаты с точки зрения вот этой финансовой грамотности, да? Но все же в США системы имеют гораздо большее количество интеграций. И я вам сейчас поясню, почему.
Потому что, например, GPT Finance, есть такая система как раз таки, которая мне сегодня предложила к Experian подключиться. Так вот, эта система, представьте, она, можно подключить счета в более чем двенадцати тысячах финансовых учреждений. И там будет, конечно, не только США, да? Вот это тоже важно понимать. Там банки, карты, брокеры разные через Plaid. Но двенадцать тысяч — это серьезное число. Даже можно было… Я бы, я бы даже такое число бы не сказал. То есть если бы меня бы спросили, сколько интеграций имеет такая система, я бы сказал: "Ну, сотня, но не двенадцать тысяч". Двенадцать тысяч — это уже очень серьезно.
Значит, итак, что считали ошибкой, вот когда задавали эти десять тысяч вопросов? Ответ получал незачет, если содержал фактическую ошибку или пропускал существенный момент, там, или какое-то необходимое предупреждение, да? И какой получился показатель? Значит, та-дам! Можно погадать, значит. Что получилось? Еще раз. Еще раз, пожалуйста, услышьте. Claude Opus 5, то есть это серьезная система, это, ну, хорошая система, да? Это ChatGPT 5.6, но там была Luna. Мы с вами напомню, что есть Terra, есть Sol и Luna.
Не то чтобы, значит, это какая-то сверхъестественная модель. Это достаточно простая модель в версии 5.6, но все же это, это модель, да? Значительно лучше, чем огромное количество моделей, которые были год назад, да? Там был Grok 4.5, хорошая версия 3.1 Pro, Gemini — серьезная версия, да? Там был еще Claude Haiku 4.5, но многие даже могут и не знать, и не пользоваться этим. И, ну, его там не сверх надо рассматривать, хотя я вам результаты скажу. Значит, все модели в среднем дали ошибку пятьдесят семь процентов. Я хочу сказать, конечно, это очень серьезно.
И если я вам сказал, что десять процентов я бы не обратил бы внимания, казалось бы, десять процентов это несерьезно, потому что вероятность есть. Но на ваших финансах наличных десять процентов — это уже тоже серьезно, да? Потому что представляете, что такое, когда у вас есть ваша собственная налоговая ошибка? Вы представляете, да, что такое вы подаете налог, а у вас вероятность того, что вы совершите ошибку, десять процентов. Ну, как бы, это очень серьезная ошибка. В то же время десять процентов окей, но пятьдесят шесть процентов. Ты такой сидишь и думаешь: подождите, то есть я правильно понимаю, что если я буду опрашивать какие-то данные, там, по своим счетам или по своим каким-то подпискам, или по промокартам, или по подключению каких-то историй, по получению кредитов или отчетов, выдачи и так далее.
А я уже не говорю про сложные налоговые системы, то, возможно, такие ошибки мне система скажет? Да, возможно. Значит, сложные вопросы. Там есть такая тема, есть бесплатные, во-первых, модели, да. Хотел сказать, что в бесплатной модели ошибка была шестьдесят три процента. И важная разница, да, особенно для аудитории, которая сейчас смотрит. Все могут спросить: а на что тестируется? Есть бесплатные модели, есть платные модели. Платные — понятно, что здесь дешевые версии были. То есть тут нет таких версий, как 5.6 Sol Pro, как была или, например, сейчас 6.0 Astra Pro, да?
Или здесь нету Fable 5.1, да? Или нету Claude 5 Ultra Code, там, или Extra High какие-то, да? Ну, то есть вот режимы, которые имеют, ну, там не Extra High, он Max называется, да, это в Codex называется он Extra High. И для многих, конечно, это важная конструкция. Еще раз, вот все, кто считают, знаете, как типа я не буду два доллара платить, мне это дорого. Вы, Александр, не понимаете, что такое платить за платную подписку. Но это средняя цена в платных версиях, там, в мире, да. Вы не понимаете, что, что это такое, но вы должны понимать риски с точки зрения инструментария, который вы используете, и что вы в наше время можете на двадцать долларов купить.
Вообще, что в наше время на двадцать долларов можно купить, на что вы меняетесь? Вы меняетесь, там, не знаю, на два, три, там, пять кофе, там, да, или на килограмм мяса. На что вы меняете вот эту, вот эти данные с точки зрения подписки? И вы знаете мой кейс. Я неоднократно, вот буквально недавно заявил, что если бы там была такая история, что я сказал, что я готов был бы платить, там, легко две тысячи долларов в месяц, если бы у меня система постоянно сканировала мои чаты, их дорабатывала и смотрела.
И кто-то сказал: "Ой, там вы типа, значит, где-то летаете, там, загнались". А кто-то написал прикольную вещь. Он сказал: "Слушайте, но это всего лишь, там, шестьдесят долларов, условно, в день. И как вы думаете, готов ли человек платить шестьдесят долларов в день за то, что он получает достаточно серьезный анализ параллельно своей жизни, которая у него происходит, если для него это резонно с точки зрения его системы, там, мироустройства, доходов и так далее, да?" Готовы ли вы это делать? Что такое шестьдесят долларов в день?
Готовы ли вы это делать, да? То есть насколько в вашей системе мира это вообще понятная, еще раз, понятная логика. Значит, сложные вопросы. Смотрите, то, что в этой Saturn считал сложными вопросами, вот в своих опросах, то сложные вопросы — ошибка была восемьдесят восемь процентов. И именно поэтому я и захотел этой информацией с вами поделиться и сделать этот выпуск, потому что это, конечно, очень серьезная ошибка. Восемьдесят восемь процентов ошибки — это очень серьезно. Платные модели дали ошибку сорок девять процентов, что, конечно, это не платные модели Pro версии за двести долларов.
Но меня, конечно, смущает это, потому что Pro версия тогда должна дать процентов двадцать или тридцать, не меньше ошибку, да. Вот бесплатные модели на самых сложных вопросах давали ошибку девяносто три процента. Мы с вами прекрасно понимаем, что вот эти вопросы, которые они задавали, вот эти сто двадцать один финансовый вопрос, давайте так, по-честному: вряд ли там были вопросы сверх какой-то критической сложности, да. И поэтому, конечно, такой разброс, он нереален, нереален. Сейчас я вам скажу, кстати, какая модель где что ответила. Но в начале немного про ошибки, да.
Ну, вы потом поймете дальше, какую модель для себя использовать или какую вообще стратегию себе брать, а с какими моделями работать с точки зрения финансовых вопросов. Потому что, конечно, финансовые вопросы — это, это вот, вот сегодняшний ролик, это для ста процентов людей в мире, да, сто процентов людей в мире будет в таких системах, как ChatGPT, в Anthropic, в Gemini, в таких, везде, во всех системах искусственного интеллекта задавать финансовые вопросы. Это очевидно, это сверхважный, нужный, распространенный вопрос. Это тема, которая беспокоит планету вообще. Тема денег.
Как мы можем говорить про профессиональное развитие, про профессии, про резюме людей, если ошибки допускаются в финансовых вопросах? Значит, какие были ошибки? Например, были ошибки в пенсионных налогах. Например, Claude Haiku, четыре с половиной версия, кому версии важны. Значит, он дал рекомендацию, следование которой по оценке, вот, авторов исследования могло привести к налоговому дополнительному начислению, там, у человека на семнадцать с половиной тысяч фунтов, да. И этот расчет условно возможного последствия, да, а не сообщение того, что человек действительно совершал ошибку.
То есть система дала ответ, и этот ответ, он содержал не просто какую-то микроошибку, а он нес огромные последствия. Или, например, там есть более интересные кейсы, когда по поводу приоритета погашения долга. Там получилось, что модель советовала сначала погасить, сначала погасить долг с самой высокой ставкой, не учитывая, какие у человека другие приоритеты. Например, аренда жилья или что есть другие налоги, которые в стране происходят. И авторы указывают, что для человека, например, если у человека существует просрочка, то есть есть же вторичные темы, которые у него могли быть, то для него…
Условно, для человека с просрочками вот этих последствия неплатежей по таким обязательствам могут быть серьезнее, чем дополнительные проценты, которые он сейчас выиграет. То есть система, с одной стороны, советует сэкономить деньги и вернуть вначале кредит, в котором самые высокие проценты, а на, на самом деле, с другой стороны, человек может не вернуть какой-то кредит, в котором есть низкие проценты, но этот кредит повлечет за, повлечет за собой очень какие-то сложные проблемы в семье, например, или сложные обстоятельства будущего.
Была проблема там тоже студенческих кредитов, например. Claude придумал правило, позволяющее прекратить выезды после переезда за границу. И я хочу сказать, что мне кажется, это вообще распространенная ошибка, когда люди говорят: "А если я в другую страну, например, уехал? А если я переместился в другое право?" Как система начинает предлагать какие-то варианты. И так далее. То есть зона была очень интересная. Там была, например, тема ипотечных каникул. Тоже Gemini ошибочно заверил заемщика, что приостановка платежей не повлияет на его кредитную оценку. И вы представляете, что это такое?
Вот, например, в США есть кредитный рейтинг. То есть ты ошибся, и если ты ошибся, то эта ошибка тебе может стоить несколько лет записи внутри в системе. А ошибиться ты можешь, потому что мы на сегодняшний день с вами очень сильно, часто, даже безгранично доверяем ответам модели. Как сказал Сэм Альтман год назад: "Ну, давайте будем честными. Модель может ошибиться, и не надо ей безгранично верить. Мы вам не говорили, что она не может ошибиться". Мы все с вами знаем, что когда вы задаете ChatGPT вопрос, там написано: "ChatGPT может делать ошибки. Проверьте важную информацию".
То есть вот эта строчка, она написана, да? "ChatGPT can make mistakes. Check important info". То есть там написано это. Написано, что, что система может делать ошибки. Но ты начинаешь, конечно, системе верить, потому что ты перестаешь находиться в режиме, когда ты хочешь, когда ты хочешь лишний раз будешь у кого-то перепроверять, лишний раз будешь делать какое-то дополнительное действие, и ты действуешь на автомате. И этот автомат может привести к серьезным последствиям. И финансы — это важнейшая тема.
И представьте, когда вы резюме делаете или вы где-то профессию для себя выбираете, ну, это серьезная, это серьезная задача, да? Это, это задача, к которой надо относиться, там, не просто ChatGPT один вопрос задав. Или вот как люди говорят: "Вы слишком долго рассказываете, да? Можно summary сделать с этого несколько минут". Но в этом и задача, что если вопрос какой-то серьезный, то ему надо уделить внимание. Значит, что касается моделей, которые отвечали на разные вопросы. Claude Haiku 4.5, такая попроще версия, ошибки были восемьдесят два процента.
То есть доля ошибок, очень серьезная доля ошибок. Gemini 3.1 Pro — семьдесят три процента. И я хочу сказать, я помню, когда Gemini где-то полтора года назад начал очень сильно, Google прямо влетел на рынок искусственного интеллекта. Мне кажется, там еще Meta тогда присутствовал неплохо. Я имею в виду среди топовых систем. Он влетел, и было такое ощущение, что Google, конечно, прямо крутая, крутые молодцы. И видно, как Google немного начал отставать. Хотя, кстати, замечу, что у Google в их Gemini присутствует огромное количество всяких интеграций.
Например, у Google есть интеграция по кредитным рейтингам, у Google есть разные интеграции, которые касаются, например, профессиональных инвестиций. У них есть специальный модуль для enterprise, для работы с, ну, для, для корпоративного рынка, для работы, для корпоративного финансового рынка, да? То есть у них прямо есть огромный этот блок. Ну и Google все же обладает, мне кажется, огромной базой знаний. И при этом ошибка в семьдесят три процента в Pro версии меня сильно смущает.
Grok 4.5, шестьдесят процентов ошибка. ChatGPT 5.6 Luna — пятьдесят восемь процентов. И я еще раз напомню, что 5.6 Luna — это слабая модель на сегодняшний день у ChatGPT. И плюс здесь не показан режим, в котором модель эта находилась в режиме — в какой мощности она находилась. Она находилась в режиме быстрого ответа или она находилась то, что у OpenAI называется instant, да? Или Luna находилась в условно максимальном режиме, который возможно из нее выжать. И это есть смысл, ну, это есть смысл понимать.
Но я хочу сказать, что я такие модели, как Luna, не использую, независимо от того, какой я могу в ней выбрать, ну, режим работы. То есть можно выбрать, условно, Luna, что Luna будет работать, там, в режиме, не знаю, extra high, но я ей все равно как-то не сильно доверяю, да? Значит, что интересно, Claude Opus 5 в режиме рассуждения, и в отчете было это дано, у них режим рассуждения, у него был лучший результат. Доля ошибок, тридцать девять процентов. И допустим с вами, что Fable... Во-первых, режим рассуждения, он разный есть.
И допустим, что Max режим рассуждения или Fable — это уже Fable в Max, например, да? Ну, и Opus 5 все же зависит сильно режим рассуждения, а не просто модель, да? Я думаю, что в режиме Max она давала еще, наверное, меньше ошибок, а при пересмотре разных вещей может еще меньше давать ошибок, но все равно сорок процентов ошибка в режиме рассуждения. Opus 5 — это прямо серьезная современная модель. Большой вопрос к этому ко всему, да, который вообще есть. Значит, есть такая отдельная категория ошибок.
Модели игнорировали предстоящие вообще изменения, которые находятся в будущем. Например, представим, что есть налоговые изменения в будущем, которые будут происходить. И было показано, что модели не до конца круто обрабатывали, обрабатывали эту информацию. То есть мы не знаем до конца точно, вот в рамках теста я вам сейчас не отвечу прямо сверх деталей, что там происходило. Но что важно, что вы должны сразу, задавая вопрос, понимать, что, например, вам система может очень корректно ответить на сегодня, а завтра правила могут быть изменены.
То есть вы можете подавать отчеты сегодня, эти данные такие, а через месяц эти данные другие. Или, например, вы подаете отчет сегодня, но вы подаете на данных, которые были месяц назад или полгода назад. Система уже может работать по-разному, и законодательство все же очень сильно может меняться. Там могут быть введены какие-то дополнительные нормы, какие-то дополнительные мелкие нюансы в рамках вашего региона, страны, локации или ваших особенностей. И здесь возникает вопрос, что система вас должна, наверное, в начале очень серьезно опросить. А что такое опросить система может?
Вот, например, ChatGPT Finance, он подключается, соответственно, вот, например, к двенадцати тысячам вашим системам. Он может подключиться к вашим банковским счетам, разобрать расходы по категориям всем вашим, там, сравнить месяцы текущие к прошлым. Знаете, понять, как вы тратите деньги, строить бюджеты, там, анализировать разные долги, там, инвестиции, стоимости портфеля и так далее. Но! От того, что вы подключили эти все системы, это не значит, что модель реально на всем научилась и реально понимает все, что у вас внутри происходит, и знает все дополнительные детали.
Потому что все эти системы, у них на самом деле есть одно существенное ограничение, да. Потому что эта система, она не может самостоятельно, например, за вас определить какие-то вопросы, которые в каких-то, в каких-то моментах нет, какие-то уникальные дополнительные вещи, просто может не знать их. Какие-то супер особенности. Не знаю, что у вас есть какая-нибудь особенная болезнь или вы родились в каком-то особенном городе в определенную дату, или у вас есть какое-то, вы подпали под какое-то уникальное исключение, или, вот, у вас был конкретно какой-то дополнительный случай.
То есть на сегодняшний день мы уже понимаем, сколько огромное количество есть просто бухгалтеров, которые разную информацию дают, банков, которые разную информацию дают. Дальше судов, которые разную информацию дают, адвокатов, юристов, которые разную информацию дают. Представляете, как эта цепочка накладывается друг на друга? Сколько разных есть стратегий внутри с точки зрения вашей деятельности, работы и особенно ваших планов. То, что в будущем стоит, то есть как для вас правильно или неправильно строить определенную стратегию. То есть это большой вопрос, как вы будете жить, как вы будете деньги зарабатывать.
То есть планируете ли… Есть же большая разница. Вы, например, ничего не зарабатываете. Вдруг вы резко много денег заработали, а потом вы, например, эти деньги резко потеряли. Или, не знаю, какой-то человек получил резко наследство, так оказалось случайно или что-то еще. То есть очень много нюансов есть, огромное количество нюансов, где система про вас это не знает. Может ли система, подключившись к вашим системам, ну, как бы гарантированно это изучить? Не может. Вот вы должны помнить об этом, да, что даже память...
Кстати, у ChatGPT Finance, у этой системы внутри есть отдельная память — memories. Но важно, что тот же ChatGPT Finance, он ограничен. То есть ChatGPT, вот эта финансовая штука, как я рассказывал про плагины, это все же система, которая ограничена в тех данных, которые она получила, и она может какие-то дополнительные законы даже себе в плагин туда не забить. И, например, ваши обстоятельства бывает лучше решить без плагинов каких-то, да. Я, например, не любитель плагинов, потому что я не до конца понимаю, какие там правила настроены.
Я лучше буду работать в целом с массой, с общим искусственным интеллектом и отдельно ему давать те или другие определенные файлы или данные, и с этими те или другими файлами, данными работать. Хотя чем интересны такие плагины, которые существуют, вот, у ChatGPT, есть некоторые в Gemini с точки зрения скиллов, есть у Claude, например, да. У Claude есть ряд коннекторов, которые можно сделать, достаточно большое количество. Мало того, Claude выпустил специальную систему для, например, финансовых советников, но это скорее для профессионального рынка, да.
Они это запустили буквально неделю назад, и там у Claude тоже можно подключить, например, все ваши транзакции, которые у вас есть. На самом деле, вы сейчас можете через коннекторы и через собственную разработку подключить, на самом деле, практически все, там, выписки, банки, детали, огромное количество сделать различных интеграций. И дальше уже… Это не значит, кстати, что вы даете системе возможность делать платежи. Вы, например, можете давать системе возможность анализировать ваши данные.
Здесь, кстати, встает вопрос: а вам нужны ли какие-то отдельные мобильные приложения или отдельные в целом приложения, которые позволяют управлять финансами? Таких приложений очень много делалось. И кто такими приложениями использует, напишите, если кто-то их использует и кто-то считает, что эти приложения классные. Я не понимаю, зачем они нужны. Кстати, вот мне, бывает, в ToTheMoon люди присылают, говорят: "Мы написали какого-то агента, который позволяет лучше работать, там, с коннекторами.
Или мы написали какой-то коннектор, отдельно сделали или плагин, или какое-нибудь мобильное приложение, или софт, который позволяет что-то делать". Еще раз вам скажу, что я не заинтересован использовать, лично я сам, сторонние приложения вне систем текущих, которые есть: Gemini, Claude, Grok, ChatGPT или систем разработки, таких как Codex или Claude Code. Не заинтересован. Почему? Потому что мне любое мобильное приложение, во-первых, использует дешевые версии, и никогда это мобильное приложение не проанализирует мой, например, финансовый отчет через ChatGPT-6 Astra.
И у него еще будут различные ограничения. А сегодня в ChatGPT-6 Astra я могу дать, ну, прямо очень серьезный набор разных параметров. И, кстати, ту систему, которую мне Codex написал касательно, ну, как бы, лишь для одного из моих юридических лиц, миновав QuickBooks, это было очень прикольно, потому что отчет, который по итогу был, он, ну, я в нем вижу достаточно высокий уровень достоверности, да. Понятно, что у меня все равно есть там бухгалтера, они все равно в какой-то момент времени что-то будут перепроверять, но для них данные собраны гораздо более качественно, чем до этого мог бы фиксировать QuickBooks через, там, рядовые транзакции, расходы или через, через какие-то, ну, рядовые вещи, которые происходили.
Что вы думаете на тему вообще сами финансов? Как у вас работают, какие вы запросы спрашиваете в таких системах, как, там, ChatGPT или в Claude? Через что вы спрашиваете? Перепроверяете ли вы эти вопросы через разные системы? Кто сдавал разные налоговые отчеты, готовил разные отчеты и формы заполнял через такие системы? Мы все знаем, что, например, GPT-6 Astra очень сильно на это позиционировали, на то, что эта система может работать со сторонними сервисами, и система как раз таки способна больше работать без человека и без вовлечения человека.
Что вы думаете на этот счет? Меня, конечно, это число поразило, и я думаю, что я ближайшие несколько месяцев, возможно, буду еще более аккуратен в работе с финансами через модели искусственного интеллекта. Хотя я считал и считаю, что сегодня эти системы умнее любого человека с точки зрения работы с данными. Другой момент — какие вы вопросы им задаете, как вы эти вопросы формулируете? Увидимся в наших следующих выпусках.