GigaChat от «Сбера» успешно сдал профессиональный экзамен СФА
23.12.2025 • Богдан 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.
