Як використовувати AI для відстеження витрат і керування бюджетом
Швидше за все, ви вже якось використовуєте AI для особистих фінансів. Можливо, вставляєте банківську виписку в ChatGPT і просите категоризувати витрати. Або робите скриншот банківського застосунку й просите Claude порахувати, скільки ви витратили на продукти цього місяця.
Один раз це працює. Але відповідь лишається в чаті. Нічого не зберігається, нічого не відстежується, і наступного тижня ви робите те саме знову. AI читає ваші дані, дає короткий підсумок — і все зникає.
Є значно корисніший спосіб використовувати AI для трекінгу витрат. Замість того щоб просити його аналізувати скриншоти, дайте йому справжній доступ на запис до вашої фінансової бази даних. Нехай AI напряму записує транзакції, оновлює бюджет і перевіряє баланси, а не просто розмовляє про них.
Як на практиці виглядає "AI-облік витрат"
Кирило Маркін, автор Expense Budget Tracker, категоризує кожну свою особисту транзакцію вже понад п’ять років. Спочатку він робив це вручну — а потім почав будувати інструменти, щоб пришвидшити процес. Поточна система використовує AI-агента, який напряму підключається до бази через SQL API.
Його щотижнева рутина виглядає так: завантажити банківські виписки у CSV або PDF, кинути їх AI-агенту й дати йому розібрати кожну транзакцію та записати її. Агент уже знає його категорії витрат із попередніх записів, тому більшість транзакцій зіставляє сам. Кирило лише переглядає, що саме зробив AI, виправляє кілька помилок і рухається далі. Увесь процес займає близько 10 хвилин замість години, яка йшла раніше на ручне введення.
Той самий підхід працює з Claude Code, OpenAI Codex, кастомними GPT або будь-яким іншим AI-агентом, який уміє викликати HTTP endpoints. Ключова річ тут — прямий доступ до бази, а не плагін, не browser extension і не черговий інтеграційний шар, а API-ключ, який дає AI право читати й писати ваші фінансові дані.
Як підключити AI-агента до своїх фінансів
Expense Budget Tracker — це open-source система для особистих фінансів на базі Postgres. У неї є SQL API endpoint POST /v1/sql, який приймає SQL-запити через HTTP і повертає JSON.
Щоб підключити будь-якого AI-агента:
- Відкрийте застосунок і перейдіть у Settings → API Keys → Create key
- Скопіюйте ключ (він починається з
ebt_, і ви побачите його лише один раз) - Передайте агенту дві речі: URL API endpoint і сам ключ
Ось і все. Тепер агент може читати й змінювати ваші дані про витрати. Не потрібно запускати MCP-сервер. Не потрібно ставити плагін. Не потрібно підтримувати кастомну інтеграцію. Будь-який AI, який уміє робити HTTP POST, а це фактично всі, працює з 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"}'
У відповідь повертається JSON-масив рядків. Без pagination tokens, без вкладених об’єктів, без SDK.
Що ваш AI-агент може робити з таким доступом
Маючи API-ключ, AI-агент працює з вашими реальними даними витрат і бюджету — не з копією, не з summary, а з живою базою:
Розбирати й записувати витрати. Киньте банківську виписку (CSV, PDF або скриншот банківського застосунку) агенту. Агент читає кожен рядок, визначає суму, дату, контрагента й категорію, а потім пише INSERT у таблицю ledger_entries. Кожна витрата одразу потрапляє в базу.
Категоризувати транзакції на основі ваших існуючих категорій. Агент спочатку запитує, які категорії ви вже використовуєте. Якщо ви вже кілька місяців відносите "Whole Foods" до "groceries", AI це бачить і поводиться так само. Вам не треба наново пояснювати свою систему щоразу.
Перевіряти баланси рахунків. Після запису всіх витрат із банківської виписки агент може звернутися до view accounts і звірити підсумки з тим, що бачить ваш банк. Якщо щось не сходиться, значить, десь пропущена транзакція.
Оновлювати прогноз бюджету. Таблиця budget_lines зберігає ваш місячний бюджетний план — очікувані доходи і планові витрати по категоріях. AI-агент може прочитати actuals за цей місяць, порівняти їх із планом і запропонувати або навіть одразу внести зміни на наступний місяць.
Працювати з кількома валютами. Кожна транзакція в базі лишається в початковій валюті. Курси валют щодня підтягуються з ECB, CBR і NBS. AI не потрібно нічого конвертувати вручну — база робить валютну математику під час запиту.
Схема тут навмисно плоска й проста. Сім таблиць, зрозумілі назви колонок, жодних глибоко вкладених структур. AI-моделі пишуть коректний SQL проти такої схеми з першої спроби, бо тут майже нема чого неправильно зрозуміти.
Вбудований AI-чат для швидких задач
У Expense Budget Tracker також є AI-асистент прямо у веб-інтерфейсі. Ви підключаєте свій ключ OpenAI або Anthropic у Settings, і чат отримує інструмент query_database — той самий доступ до SQL, але вже всередині самого застосунку.
Це зручно для швидких задач: завантажили скриншот чека, попросили AI додати витрату, підтвердили — готово. Вбудований AI дотримується строгого протоколу: перевіряє ваші існуючі категорії, шукає дублікати транзакцій, звіряє баланси й пише в базу лише після вашого підтвердження.
Для більших задач — пакетної обробки кількох банківських виписок, автоматизації регулярних флоу, інтеграції з іншими системами — зовнішній SQL API практичніший. Ним можна користуватися з будь-якого агента або скрипта поза застосунком.
Чому прямий SQL кращий за MCP-сервери і плагіни
MCP-сервери, custom GPT actions і provider-specific plugins зараз популярні для підключення AI до зовнішніх інструментів. Для особистих фінансів вони додають зайві рухомі частини.
MCP-сервер — це ще один процес, який треба запускати й тримати живим. Якщо він падає, AI втрачає доступ до ваших фінансових даних посеред розмови. Custom GPT plugins працюють лише з ChatGPT — вони не допоможуть, якщо ви перейдете на Claude або напишете власного агента. Provider-specific інтеграції ламаються щоразу, коли провайдер оновлює свій API.
SQL API прибирає все це. Інтерфейс тут — це HTTP endpoint і мова SQL. Обидві речі існують десятиліттями і нікуди не діваються. Ви можете змінити одну AI-модель на іншу — ключ той самий, endpoint той самий, SQL той самий. Агентові байдуже, чи він працює всередині ChatGPT, Claude Code чи вашого власного Python-скрипта.
Чи безпечно давати AI прямий доступ до бази?
Так, якщо система має правильні обмеження. SQL API в Expense Budget Tracker накладає кілька рівнів захисту:
Кожен запит проходить через Postgres Row Level Security. API-ключ прив’язаний до вашого користувача та workspace — AI може бачити й змінювати тільки ваші фінансові дані, і нічиї більше.
Дозволені лише операції з даними: SELECT, INSERT, UPDATE, DELETE. AI-агент не може створювати таблиці, нічого дропати чи змінювати права. Кілька statements в одному запиті заблоковані. Так само заблокований set_config(), щоб не було privilege escalation.
API-ключі зберігаються як SHA-256-хеші — plaintext ніколи не лежить у базі. Ви можете миттєво відкликати ключ у Settings. Якщо прибрати учасника зі workspace, усі його ключі теж автоматично видаляються.
Rate limits обмежують використання до 10 запитів на секунду і 10 000 на день на один ключ. Запити мають таймаут у 30 секунд. Відповідь повертає не більше 100 рядків. Для AI-обліку витрат і бюджетування цього більш ніж достатньо, але runaway-поведінку це стримує.
Практичні поради для AI-обліку витрат
Кілька речей, які роблять такий флоу гладкішим на практиці:
Тримайте категорії витрат послідовними. AI вчиться на тому, що вже є у ваших даних. Якщо ви то називаєте категорію "restaurants", то "dining out", агент почне плутатися. Виберіть одне ім’я на категорію і тримайтеся його.
Щотижня звіряйте баланси. Після того як AI записав витрати з банківської виписки, перевірте, що баланс рахунку в системі збігається з банком. Це рано ловить пропущені або дубльовані транзакції, ще до того як помилки починають накопичуватися.
Починайте з одного рахунку. Не намагайтеся в перший день підняти всі банківські рахунки, кредитки й інвестиційні акаунти одразу. Почніть із основного checking-рахунку. Дайте AI попрацювати з ним кілька тижнів. Решту додасте, коли флоу стане стабільним.
Щоразу переглядайте AI-категоризацію. Більшість транзакцій AI класифікує правильно, але іноді він помиляється — особливо з новими мерчантами чи дивними витратами. Приділіть п’ять хвилин на перегляд. Коли ви виправляєте помилки, майбутня точність зростає, бо наступного разу агент побачить уже виправлені дані.
Використовуйте budget table, а не лише трекінг витрат. Записувати те, що вже витратили, корисно, але цього мало. Справжня цінність — у підтримці rolling-бюджету на 12 місяців: рядки — це категорії, колонки — місяці, у майбутніх місяцях живе ваш прогноз. AI-агенти добре оновлюють ці прогнози на основі фактичних витрат. Попросіть агента скоригувати наступний місяць після перегляду current month actuals.
Як почати
- Зареєструйтесь на expense-budget-tracker.com (безкоштовно, open source) або розгорніть self-hosted версію на своєму сервері
- Перейдіть у Settings → API Keys → Create key і скопіюйте ключ
- Передайте AI-агенту ключ, workspace ID і endpoint
https://api.expense-budget-tracker.com/v1/sql - Киньте банківську виписку агенту й попросіть його розібрати та записати ваші витрати
AI сам побачить схему бази, підбере ваші категорії витрат і почне писати транзакції. Перегляньте, що він записав, виправте все підозріле — і от у вас уже працює AI-керований бюджет.
Кирило Маркін детально описав власну методологію тут: How I Use AI to Handle My Expenses from Bank Accounts and Budget. П’ять років кожної особистої транзакції, категоризованої й відстеженої — саме той підхід, який описано в цій статті, перевірений на реальних грошах у кількох валютах і країнах.
Інструмент має ліцензію MIT і повністю відкритий код на github.com/kirill-markin/expense-budget-tracker. Можна користуватися хостинговою версією, а можна запускати самому — SQL API в обох випадках працює однаково.