Исследование, опубликованное The Decoder в апреле 2026 года, собрало оценки 500 специалистов инвестиционного банкинга, проверявших документы, сгенерированные современными ИИ-инструментами по профессиональным финансовым задачам. Вывод однозначен: ни один из представленных материалов не достиг порога, который банкиры определяют как «пригодный к передаче клиенту».
Профессиональные критерии в финансовом анализе включают точность числовых данных, корректную атрибуцию источников, правильную интерпретацию специфических терминов (EBITDA, covenant, waterfall) и соответствие регуляторным стандартам раскрытия информации. Именно по этим осям ИИ-системы — в исследовании проверялись выгрузки нескольких ведущих моделей — показали наибольшее число ошибок.
Самый распространённый тип нарушений — числовые галлюцинации: модели подставляли правдоподобные, но неверные значения показателей компаний. Второй по частоте — неверная интерпретация контекста: модели смешивали данные за разные периоды или путали дочерние и материнские структуры. Третий — проблемы с форматом раскрытия информации, критичные с точки зрения комплаенса.
Ни один документ не получил оценку «готов к отправке клиенту»
Важная оговорка исследования: банкиры не отрицали полезность ИИ-инструментов на этапе подготовки материала. Большинство признали, что ИИ ускоряет сбор первичных данных и составление структуры документа примерно втрое. Проблема не в скорости, а в точности: инвестиционный банкинг — среда, где ошибка в цифре стоит репутации и юридических рисков.
Результаты перекликаются с другими отраслевыми отчётами: в медицинской документации, юридических меморандумах и технических спецификациях ИИ демонстрирует схожий паттерн — высокая скорость черновика при систематической ненадёжности финального продукта. Для поставщиков ИИ-решений это означает, что корпоративное принятие в регулируемых индустриях идёт значительно медленнее, чем в потребительских сценариях.
