GigaChat от «Сбера» успешно сдал профессиональный экзамен СФА

23.12.2025Богдан Семичев

Нейросеть GigaChat, разработанная специалистами Сбербанка, официально подтвердила свою квалификацию, успешно сдав экзамен на получение сертификата финансового аналитика (СФА). Искусственный интеллект продемонстрировал глубокие познания в экономике, инвестициях и корпоративных финансах, пройдя тестирование в условиях строгого регламента для обеспечения полной объективности. Данное событие стало прецедентом для российской финансовой отрасли, закрепив за нейросетью статус компетентного цифрового помощника.

В ходе экзаменационной сессии GigaChat не просто преодолел минимальный порог, а превысил необходимый проходной балл более чем на 10%. Анализ результатов показал, что нейросеть блестяще справилась с разделом «Альтернативные инвестиции», хотя тема корпоративных финансов оказалась для алгоритмов наиболее трудоемкой. Столь высокие показатели свидетельствуют о том, что модель обладает не просто набором данных, а структурным пониманием финансовой индустрии во всей её сложности.

Получение профессионального сертификата открывает новые горизонты для использования GigaChat в качестве квалифицированного ИИ-ассистента. Уже сейчас нейросеть способна брать на себя рутинные задачи: детальный анализ финансовой отчетности компаний и предварительную оценку инвестиционной привлекательности активов. Это позволяет частным и корпоративным инвесторам делегировать первичную обработку данных искусственному интеллекту, высвобождая время для принятия стратегических управленческих решений.

Заместитель председателя правления «Сбера» Тарас Скворцов подчеркнул, что успех GigaChat приближает банк к созданию полноценного финансового помощника, способного оказывать поддержку клиентам любого уровня. Профессиональное сообщество в лице президента Национальной финансовой ассоциации Василия Заблоцкого также отметило уникальность этого опыта для системы СФА. Развитие подобных инструментов призвано не заменить человеческую экспертизу, а существенно дополнить её, минимизируя ошибки при работе с огромными массивами экономических данных.