Как использовать ИИ для учета расходов и управления бюджетом

Скорее всего, вы уже в какой-то форме используете ИИ для личных финансов. Может быть, вставляете банковскую выписку в ChatGPT и просите категоризировать траты. Или делаете скриншот банковского приложения и просите Claude посчитать, сколько вы потратили на продукты в этом месяце.

Это срабатывает один раз. Но ответ остается в чате. Ничего не сохраняется, ничего не начинает отслеживаться, и на следующей неделе вы делаете то же самое снова. AI читает ваши данные, дает сводку — и на этом все.

Есть более полезный способ использовать AI для учета расходов. Вместо того чтобы просить его анализировать скриншоты, дайте ему реальный доступ на запись в вашу финансовую базу. Пусть AI не просто говорит о транзакциях, а записывает их, обновляет бюджет и напрямую сверяет балансы.

Как «AI-учет расходов» выглядит на практике

Кирилл Маркин, создатель Expense Budget Tracker, категоризирует каждую свою личную транзакцию уже больше пяти лет. Сначала он делал это вручную, а потом начал строить инструменты, чтобы ускорить процесс. Текущая система использует AI-агента, который подключается прямо к базе через SQL API.

Его еженедельная рутина выглядит так: скачать банковские выписки в CSV или PDF, бросить их в AI-агента, дать агенту разобрать каждую транзакцию и записать ее. Агент уже знает его категории расходов по прошлым записям, поэтому большую часть строк он сопоставляет правильно сам. Кирилл просматривает, что сделал AI, поправляет несколько ошибок и идет дальше. Весь процесс занимает около 10 минут вместо часа, который раньше уходил на ручной ввод.

Тот же подход работает с Claude Code, OpenAI Codex, custom GPTs или любым AI-агентом, который умеет вызывать HTTP endpoint'ы. Ключевой ингредиент — прямой доступ к базе, а не плагин и не расширение для браузера, а API-ключ, который позволяет AI читать и писать ваши финансовые данные.

Как подключить AI-агента к вашим финансам

Expense Budget Tracker — это open source система личных финансов на Postgres. У нее есть SQL API endpoint POST /v1/sql, который принимает SQL-запросы по HTTP и возвращает JSON.

Чтобы подключить любого AI-агента:

1. Откройте приложение и перейдите в Settings → API Keys → Create key
2. Скопируйте ключ, который начинается с ebt_ и показывается только один раз
3. Сообщите AI-агенту две вещи: URL endpoint'а API и сам ключ

Вот и все. Агент теперь может читать и изменять ваши данные о расходах. Не нужно поднимать MCP-сервер. Не нужно ставить плагин. Не нужно поддерживать кастомную интеграцию. Любой AI, который умеет делать HTTP POST, а значит почти любой, работает из коробки.

curl -X POST https://api.expense-budget-tracker.com/v1/sql \
  -H "Authorization: ApiKey ebta_your_key_here" \
  -H "X-Workspace-Id: workspace-id" \
  -H "Content-Type: application/json" \
  -d '{"sql": "SELECT * FROM ledger_entries ORDER BY ts DESC LIMIT 10"}'

В ответ приходит JSON-массив строк. Без pagination token'ов, без вложенных объектов, без SDK.

Что AI-агент может делать с таким доступом

Имея API-ключ, AI-агент работает с вашими реальными данными расходов и бюджета — не с копией, не со сводкой, а с живой базой:

Разбирать и записывать расходы. Бросьте банковскую выписку в CSV, PDF или даже скриншот банковского приложения в AI-агента. Он прочитает каждую строку, определит сумму, дату, контрагента и категорию, а затем запишет INSERT в таблицу ledger_entries. Каждая трата сразу попадает в базу.

Категоризировать транзакции на основе ваших существующих категорий. Агент сначала запрашивает, какими категориями вы уже пользуетесь. Если вы месяцами относили Whole Foods к groceries, AI это увидит и будет делать то же самое дальше. Вам не нужно заново объяснять свою систему каждый раз.

Проверять балансы счетов. После записи всех расходов из банковской выписки агент может запросить представление accounts и сверить итог с числами в вашем банке. Если что-то не сходится, вы сразу знаете, что какая-то транзакция пропала.

Обновлять прогноз бюджета. Таблица budget_lines хранит ваш помесячный план — ожидаемые доходы и плановые расходы по категориям. AI-агент может прочитать фактические данные текущего месяца, сравнить их с планом и предложить или сразу внести корректировки на следующий месяц.

Работать с несколькими валютами. Каждая транзакция в базе остается в своей исходной валюте. Курсы обновляются ежедневно от ECB, CBR и NBS. AI не нужно ничего конвертировать вручную — база делает валютную математику в момент запроса.

Схема намеренно плоская и простая. Семь таблиц, понятные названия колонок, никаких глубоко вложенных структур. Модели AI пишут корректный SQL по такой схеме с первой попытки именно потому, что там почти нечего неправильно понять.

Встроенный AI-чат для быстрых задач

У Expense Budget Tracker есть и AI-помощник внутри веб-интерфейса. Вы подключаете свой API-ключ OpenAI или Anthropic в Settings, и чат получает инструмент query_database — тот же SQL-доступ, только изнутри приложения.

Это удобно для быстрых вещей: загрузить скриншот чека, попросить AI добавить его как расход, подтвердить, готово. Встроенный AI следует строгому протоколу — проверяет существующие категории, ищет дубликаты транзакций, сверяет балансы и записывает данные только после вашего подтверждения.

Для более крупных задач — пакетной обработки нескольких банковских выписок, автоматизированных сценариев, интеграций с другими системами — внешний SQL API практичнее. Его можно использовать из любого агента или скрипта вне приложения.

Почему прямой SQL лучше MCP-серверов и плагинов

MCP-серверы, custom GPT actions и интеграции, завязанные на конкретного провайдера, сейчас популярны как способ подключать AI к внешним инструментам. Для личных финансов они добавляют лишние движущиеся части.

MCP-сервер — это отдельный процесс, который нужно запускать и поддерживать. Если он падает, AI теряет доступ к вашим финансовым данным прямо посреди диалога. Плагины для custom GPT работают только внутри ChatGPT — если вы переключитесь на Claude или напишете своего агента, они уже не помогут. Интеграции под конкретного провайдера ломаются всякий раз, когда этот провайдер обновляет API.

SQL API убирает все это. Интерфейс — это обычный HTTP endpoint и язык SQL. Оба существуют десятилетиями и никуда не денутся. Переключились с одной модели AI на другую — тот же ключ, тот же endpoint, тот же SQL. Самому агенту все равно, работает ли он внутри ChatGPT, Claude Code или написанного вами Python-скрипта.

Безопасно ли давать AI прямой доступ к базе?

Да, если ограничения выставлены правильно. В Expense Budget Tracker SQL API защищен несколькими слоями:

Каждый запрос проходит через Postgres Row Level Security. API-ключ привязан к вашему пользователю и workspace — AI видит и может менять только ваши данные по расходам, а не чужие.

Разрешены только операции с данными: SELECT, INSERT, UPDATE, DELETE. Агент не может создавать таблицы, удалять схему или менять права. Запросы с несколькими выражениями блокируются. set_config() тоже заблокирован, чтобы исключить эскалацию привилегий.

API-ключи хранятся как SHA-256-хэши — открытый текст не лежит в базе. Ключ можно мгновенно отозвать из Settings. Если вы удаляете участника workspace, все его ключи автоматически удаляются.

Лимиты ограничивают использование до 10 запросов в секунду и 10 000 в день на один ключ. Таймаут запроса — 30 секунд. Ответы ограничены 100 строками. Для учета расходов и бюджета этого более чем достаточно, но runaway-поведение такие ограничения срезают.

Практические советы по AI-учету расходов

Несколько вещей, которые делают этот процесс заметно более гладким на практике:

Держите категории расходов стабильными. AI учится на ваших существующих данных. Если вы иногда называете категорию restaurants, а иногда dining out, агент начнет путаться. Выберите одно имя на категорию и придерживайтесь его.

Проверяйте балансы каждую неделю. После того как AI записал расходы из банковской выписки, проверьте, что баланс счета в системе совпадает с банком. Так вы рано ловите пропущенные или дублированные транзакции, пока они не начали наслаиваться.

Начните с одного счета. Не пытайтесь в первый день завести все банковские счета, кредитки и инвестиционные аккаунты. Начните с основного расчетного счета. Дайте AI поработать с ним несколько недель. Добавите остальное, когда процесс станет надежным.

Каждый раз просматривайте категоризацию AI. Большинство транзакций агент определит правильно, но иногда он ошибется, особенно на новых мерчантах или редких расходах. Потратьте пять минут на ревью. Исправления повышают точность дальше, потому что в следующий раз агент увидит уже исправленные данные.

Используйте таблицу бюджета, а не только учет расходов. Запись того, что уже потрачено, полезна, но ограничена. Настоящая ценность — в rolling forecast на 12 месяцев: строки — это категории, колонки — месяцы, в будущих месяцах лежит ваш план. AI-агенты хорошо умеют обновлять такой прогноз по фактическим паттернам трат. Попросите агента скорректировать следующий месяц после разбора текущего.

С чего начать

1. Зарегистрируйтесь на expense-budget-tracker.com или разверните приложение сами
2. Перейдите в Settings → API Keys → Create key и скопируйте ключ
3. Передайте AI-агенту ключ, ID workspace и endpoint https://api.expense-budget-tracker.com/v1/sql
4. Бросьте банковскую выписку в агента и попросите разобрать и записать расходы

AI обнаружит схему вашей базы, подхватит существующие категории расходов и начнет записывать транзакции. Вы просматриваете результат, исправляете то, что ушло не туда, — и у вас уже работает бюджет с AI-поддержкой.

Кирилл Маркин подробно описал свою личную методологию здесь: Как я использую AI для ведения расходов по банковским счетам и бюджета. Пять лет, каждая отдельная транзакция категоризирована и учтена — тот же подход, что описан в этой статье, только уже проверенный на реальных деньгах в нескольких валютах и странах.

Инструмент распространяется по лицензии MIT и полностью открыт на github.com/kirill-markin/expense-budget-tracker. Можно пользоваться облачной версией или запускать у себя — SQL API в обоих случаях работает одинаково.