Представьте ситуацию: конец рабочего дня, 18:47, вам на почту поступает ответ банка на запрос. Без сопроводительного письма — только архив с 26 банковскими выписками. И речь идет не просто о большом количество файлов, а о массиве данных, включающем:
более 300 000 транзакций;
десятки тысяч контрагентов;
движение денежных средств за длительный период, распределенное по разным счетам.
В этот момент основной вопрос заключается уже не в том, сколько времени займет обработка документов. Возникает куда более серьезная проблема: как качественно проанализировать такой объем данных, чтобы впоследствии не столкнуться с претензиями со стороны суда или кредиторов из-за упущенных обстоятельств, неподанных требований или недостаточно глубокой проверки финансовых операций?
Если говорить откровенно, в реальной практике мало кто скрупулезно анализирует подобные объемы, когда сроки процедуры ограничены, а параллельно «горят» остальные рутинные задачи. При этом работа с банковскими выписками предполагает:
выявление ключевых контрагентов;
анализ концентрации денежных потоков;
поиск аномальных операций;
восстановление цепочек движения средств.
Такой массив данных невозможно эффективно обработать ни пролистыванием, ни выборочной проверкой, ни даже предельно внимательным просмотром вручную.
Именно в подобных ситуациях проявляется сложность бытия арбитражного управляющего. С одной стороны, без полноценного анализа нельзя — это неизбежно вызовет вопросы со стороны кредиторов и суда. С другой стороны, проведение такого анализа требует значительных временных и трудовых ресурсов, которых в рамках процедуры зачастую объективно не хватает. Ведь никто не ждет, когда бы ему «выкроить недельку-другую» на анализ выписок.
Как правило, далее используется классический сценарий: привлекается аналитик, иногда сразу несколько, которым ставятся задачи по анализу контрагентов, сверке оборотов и выявлению подозрительных операций. На первый взгляд процесс идет нормально, но появляется один нюанс, который всегда остается за кадром: как только объем данных превышает сотни тысяч операций — качественный анализ становится неуправляемым.
И проблема заключается не в недостаточной квалификации аналитиков, а в том, что невозможно:
стабильно отслеживать тысячи взаимосвязей вручную;
удерживать в поле внимания динамику денежных потоков;
гарантированно выявлять цепочки операций, растянутые во времени.
В определенный момент работа перестает быть аналитикой и становится похожей на попытку формирования приблизительной картины происходящего. При этом «эту картину» необходимо проверить, принять и подписать. Именно здесь возникает главный профессиональный риск: объем данных огромен, а уверенность в полноте выводов остается ограниченной.
С аналогичной ситуацией столкнулся арбитражный управляющий Руслан Мухарбиевич Хагундоков в деле ООО «Аленфарма». В рамках процедуры предстояло проанализировать 358 660 транзакций. Как отметил сам управляющий: «Некоторые файлы даже не открывались на моем старом компьютере, я не мог оценить движение средств. Компьютер зависал».
В такой ситуации можно было пойти по стандартному пути: распределить документы между аналитиками, провести выборочную проверку и получить результат, который в целом отражает общую картину.
Однако управляющего не устраивало «в целом», потому что общий объем претензий превышал 1,5 млрд рублей, поэтому ключевой задачей стало не просто выявление отдельных операций, а определение участков, в которых логика движения денежных средств начала выглядеть подозрительно.
При этом управляющий стремился сохранить все под контролем и лично участвовать в анализе данных. На фоне активного развития ИИ-решений они с командой начали поиск «умных» инструментов для финансового анализа с возможностью импорта информации из выписок. В итоге был выбран сервис AI Referent — инструмент, позволяющий:
консолидировать данные по всем транзакциям и контрагентам;
использовать широкую систему фильтров по операциям;
автоматически выявлять аффилированных лиц и взаимосвязи между контрагентами.
В результате массив данных перестает восприниматься как набор разрозненных операций, а становится целостной «моделью поведения» денежных средств.
Как отметил управляющий: «У коллег тогда было запущено специальное предложение: анализ выписок по фиксированной цене в системе AI Referent, а также подготовка отчетов о подозрительных сделках, признаках фиктивного банкротства и финансового анализа от “ЮБФ Консалтинг”. При этом все было прозрачно, и мы могли проверить любой вывод в два клика внутри самой системы».
Как это работает?
В систему загружаются выписки, после чего система автоматически формирует единую структуру данных.
Сервис определяет контрагентов. Выявляются повторяющиеся связи и аккумулируются сведения об их оборотах. Н.В. Сулейманова уже через пару часов получила ДДС по всем участникам операций.
Формируется картина денежных потоков. Платежи типизируются, что позволяет быстро определить, как и куда распределяются средства должника, и где они начинают дробиться на мелкие платежи.
Выявляются аффилированные связи. Какие контрагенты связаны между собой? Есть ли замкнутые цепочки, повторяются ли сценарии движения средств?
Одновременно формируется отчет по финансовому анализу должника.
В результате арбитражный управляющий получает не просто таблицы, а:
структурированную карту денежных потоков;
систему взаимосвязей контрагентов;
выделенные зоны риска;
перечень аномальных операций с объяснимой логикой.
И самое важное — клиент получает полный охват массива, а не интерпретацию его частей. Однако увидеть полную картину денежных потоков должника — лишь половина задачи, полученные сведения необходимо:
юридически квалифицировать;
сопоставить с нормами законодательства;
превратить в процессуально значимую позицию.
Поэтому к работе подключились специалисты из «ЮБФ Консалтинг», которые в партнерстве с AI Referent подготовили отчеты для предоставления совету кредиторов. При этом любой вывод или комментарий можно легко проверить прямо в интерфейсе сервиса.
Таким образом, кейс Р.М. Хагундокова демонстрирует важный вывод: проблема анализа заключается не в количестве выписок или транзакций. Сложность состоит в том, что при подобных объемах данных вы либо действительно понимаете логику движения денежных средств, либо ограничиваетесь упрощенной «удобной» версией, создающей лишь видимость полноты анализа.
Долгое время подобный подход воспринимался как норма: специалисты выполнили максимально возможный объем работы, что-то проверили, что-то приняли как допущение, после чего пошли по процедуре дальше.
Однако, когда у вас появляется инструмент, в котором можно структурировать весь массив данных, выявить взаимосвязи и в любой момент проверить конкретный вывод, возвращаться к модели «в целом картина понятна» становится сложнее.
Именно в этот момент становится очевидно, где заканчивается анализ и начинается допущение. А в процедурах банкротства, где цена ошибки — это средства кредиторов и устойчивость вашей позицией в суде, такая разница уже перестает быть теоретической.
Готовы ли вы продолжать работать в устаревшей модели? Попробуйте «умный» сервис AI Referent на платформе ССПБ ID. После регистрации вы получите в подарок первый месяц анализа банковских выписок без ограничений.
Над материалом работали:
