В начале ноября 2026 года консалтинговая компания Strategic Treasurer опубликовала ежегодный Treasury Technology Analyst Report — масштабное исследование рынка казначейских технологий. Год назад мы уже подробно разбирали предыдущий выпуск этого отчёта — тогда главной темой было использование ИИ в казначействе. Сегодня разберём, как изменилась функциональность казначейских систем на входе в 2027 год и какие тренды стоит учитывать при планировании автоматизации казначейства.
Казначейство в цифрах
Исследование опирается на свежие опросы Strategic Treasurer, и их результаты объективно подсвечивают распределение приоритетов современного казначейства:
- Больше всего рабочего времени казначейские команды тратят на прогнозирование денежных потоков (48%), позиционирование и отчётность по денежным средствам (37%) и управление платежами (35%).
- Ожидания руководства в части прогнозирования растут по всем направлениям: у 76% компаний требуется большая точность прогнозов, у 69% — более тщательная проверка, у 51% — фокус на анализе отклонений, у 41% — более частые прогнозы, а 28% ждут поддержки прогнозирования со стороны ИИ и машинного обучения.
- При этом более трети респондентов ещё в 2025 году называли прогнозирование «значительно более важной» задачей, а более половины признавали, что их команде сложно формировать прогнозы денежных потоков.
- Банковская коннективность остаётся консервативной: 46% организаций используют прямые подключения, управляемые собственными силами (SFTP, host-to-host), 32% — предпочитают ручную работу с банковскими порталами, и лишь 22% — прямые API-подключения.
- 40% компаний по-прежнему полагаются в основном на ядро TMS или ERP, не выходя за его пределы.
Технологиями, которые, по мнению респондентов, сильнее всего повлияют на казначейство в ближайшие 12–18 месяцев, названы генеративный ИИ (51%), API (47%) и агентный ИИ (34%). Именно вокруг них и строится функциональная эволюция всех категорий решений, рассмотренных в отчёте.
Тренд 1. ИИ перестаёт быть опцией и встраивается в ядро казначейских систем
Отчёт выделяет три типа искусственного интеллекта, релевантных автоматизации казначейства, — как последовательность «от анализа информации к её созданию и, всё чаще, к действиям с ней»:
- Предиктивный ИИ — самый зрелый и распространённый. Уже применяется в прогнозировании денежных потоков, планировании ликвидности, выявлении аномалий, мониторинге мошенничества и анализе рисков. Его эффективность напрямую зависит от качества исходных данных.
- Генеративный ИИ — внедряется в бизнес-приложения для суммаризации документов, подготовки коммуникаций и конверсационного поиска информации. Авторы отчёта прямо предупреждают: генерируемые ответы могут быть неточными, поэтому нужен строгий контроль. Это полностью совпадает с нашими собственными наблюдениями — независимый бенчмаркинг показал, что даже лучшие нейросети ошибаются в финансовых вопросах в 39–55% случаев, о чём мы писали ранее.
- Агентный ИИ — самая ранняя стадия. Агент способен самостоятельно собрать данные, подготовить анализ, выявить исключения и направить результаты на согласование. Некоторые вендоры уже встроили агентные и генеративные инструменты в свои TMS: пользователь может задавать системе вопросы на естественном языке или настроить регулярное выполнение процессов без ручного запуска.
Наибольший потенциал для ИИ-агентов, действующих в рамках заданных политик, респонденты видят в прогнозировании и анализе отклонений (79%), ежедневном позиционировании и управлении ликвидностью (71%), мониторинге платежей и обработке исключений (48%).
Важная оговорка документа: ИИ — это усиление, а не замена экспертного суждения казначея. Тем более что искусственный интеллект активно осваивают и мошенники — для более качественного социального инжиниринга, подделок и вредоносного ПО. Многоуровневые контроли и мониторинг становятся обязательной частью функциональности, а не надстройкой.
Тренд 2. Казначейство реального времени
Быстрые платежные системы (в США — FedNow), миграция на ISO 20022 и рост API-интеграции снижают время между финансовой операцией, её видимостью для казначейства и возможностью отреагировать. Для вендоров TMS это означает поддержку потоков данных и управления ликвидностью в режиме, близком к реальному времени.
При этом отчёт честно фиксирует: интеграция развивается путём добавления, а не замены. Большинство организаций живут в гибридной среде: API дают оперативные запросы балансов и статусов платежей, host-to-host обслуживает массовые платёжные файлы, Swift обеспечивает стандартизированный обмен, а SFTP остаётся рабочей лошадкой файлового обмена. Целью является не единая модель подключения, а надёжное движение информации по всей экосистеме. Авторы называют это «open treasury» — более связанной операционной средой, где данные свободнее перемещаются между банками, учётными системами и казначейскими приложениями.
Тренд 3. От монолита — к модульной экосистеме
Фундаментальный архитектурный сдвиг: рынок уходит от монолитных приложений к компонуемым (composable) ландшафтам из специализированных компонентов, соединённых стандартизированными API и часто построенных на микросервисах. SaaS окончательно стал доминирующей моделью развёртывания TMS — воспринимается как решение, которое со временем наращивает ценность, — а cloud-native архитектуры добавляют масштабируемость и непрерывную поставку обновлений.
TMS при этом не размывается, а меняет роль: из «рабочей станции» она превращается в операционный хаб, к которому через API подключаются специализированные решения — прогнозирование, хеджирование, управление банковскими счетами (BAM), анализ банковских комиссий, санкционный скрининг, intercompany-неттинг. Зрелость API и облачных платформ резко снизила барьеры такой интеграции.
Отдельная категория — Treasury Aggregators, централизованный слой интеграции «данные внутрь, платежи наружу». Их функциональность растёт за счёт поддержки real-time платежей и ISO 20022, ИИ-инструментов (выявление аномалий, мониторинг платежей, управление исключениями) и роли поставщика стандартизированных данных для всей корпоративной аналитики.
Главные требования пользователей к агрегаторам на ближайший год: интероперабельность со всеми системами (55%) и расширенные сервисы платёжной безопасности — валидация, подтверждение, санкционный скрининг, фрод-детекция (54%).
Границы между TMS, агрегаторами и платёжными хабами при этом продолжают размываться.
Тренд 4. Оборотный капитал: гибридные программы и автоматизация цикла
В сегменте Supply Chain Finance главное функциональное изменение — гибридизация. Современные платформы всё чаще поддерживают несколько моделей (реверсивный факторинг и динамическое дисконтирование) в рамках одной программы. Это прямой ответ на реальность: треть организаций колеблются между позициями нетто-заёмщика и нетто-кредитора, и гибридная программа позволяет использовать собственный кэш при избытке ликвидности и стороннее фондирование — при дефиците. Как это меняет подходы к управлению оборотным капиталом, мы разбирали в материале «Оборотный капитал 2026: от страховки к катализатору роста».
Технологические драйверы функциональности SCF:
- ИИ-анализ транзакций и поведения поставщиков для структурирования дисконтов;
- Цифровые сети для упрощения онбординга, интеграция с ERP и казначейскими системами;
- DLT для прозрачности трансграничной торговли.
Автоматизация цикла конверсии денежных средств (CCC) развивается через ИИ и машинное обучение в инкассации и cash application, а также эволюцию распознавания документов: на смену OCR приходит интеллектуальное распознавание (ICR) на базе ML, оцифровывающее даже рукописные пометки.
Наибольший интерес для пользователей на ближайшие 12 месяцев представляет:
- автоматизация workflow и согласований (44%)
- выявление платёжных аномалий и фрода (42%)
- автоматический cash application и сверка (38%).
Отдельно отчёт рекомендует институционализировать работу с оборотным капиталом через кросс-функциональный совет по оборотному капиталу (working capital council) под лидерством казначейства — чтобы автоматизация не зашивала в процессы конфликтующие KPI разных подразделений.
Тренд 5. Инвестиционные решения и токенизация
Решения для управления инвестициями развиваются в трёх направлениях.
Первое — автоматизация рутины: регулярные инвестиции, реинвестирование, операции при погашении, переводы между денежными и инвестиционными счетами (с обязательным усилением контроля за автоматическими сделками).
Второе — расширение доступа: наряду с классическими порталами фондов денежного рынка появляются цифровые модели прямого доступа к инструментам вроде казначейских векселей.
Третье — новая инфраструктура: токенизированные инструменты, включая токенизированные фонды денежного рынка.
Платёжные стейблкоины, по оценке авторов, получают всё более серьёзное внимание на фоне развития регулирования, включая принятие в США GENIUS Act, что создаёт основу для их жизнеспособности в корпоративном мире.
Российскому читателю эта логика знакома по рынку цифровых финансовых активов — мы недавно делали детальный разбор ЦФА против классических облигаций.
Что это значит для российского казначейства
Отчёт Strategic Treasurer описывает западный рынок, и механически переносить его выводы на российскую практику не получится: часть названных вендоров ушла, а банковская инфраструктура устроена иначе.
Но функциональные векторы — встраиваемый ИИ, real-time видимость ликвидности, модульные экосистемы, гибридные SCF-программы — уже воспроизводятся на отечественных платформах.
Примеры перед глазами: группа VK построила централизованное казначейство на 1С:УХ для более чем 40 юрлиц со 100% STP по рублёвым платежам, а в Норникеле единое казначейское решение объединило данные 80+ компаний и дало сценарное моделирование ликвидности и долгового портфеля.
Следует помнить, что все продвинутые возможности — от предиктивного прогнозирования до ИИ-агентов — упираются в качество данных. Если данные от подразделений методологически не бьются между собой, нейросеть убедительно подгонит нестыковки, а не найдёт их причины.
Правильная последовательность автоматизации казначейства выглядит так: сначала унификация процессов и управление данными, затем — подключение ИИ-инструментов. Иначе мы автоматизируем хаос — тезис, который мы уже обосновывали на примере автоматизации бюджетирования.
Резюме: карта функциональной эволюции казначейских систем на 2027 год
- ИИ в ядре, а не сбоку. Предиктивный — уже рабочий инструмент прогнозирования и антифрода, генеративный и агентный — встроены в TMS, но требуют жёсткого governance.
- Real-time ликвидность. API, быстрые платежи и ISO 20022 сжимают цикл «событие — видимость — реакция», но коннективность останется гибридной.
- Модульность. TMS становится хабом экосистемы специализированных решений; границы между TMS, агрегаторами и платёжными хабами размываются.
- Оборотный капитал под контролем казначейства. Гибридные SCF-программы, ИИ в cash application, ICR и совет по оборотному капиталу.
- Новые классы активов. Автоматизация инвестиций, цифровой доступ к инструментам, токенизация и стейблкоины выходят из зоны экспериментов.
Оригинал исследования: 2027 Treasury Technology Analyst Report, Strategic Treasurer
