1. Анализ предметной области

В современных условиях цифровизации и широкого распространения мобильных устройств вопросы управления личным бюджетом и долгосрочного финансового планирования приобретают всё большую актуальность. Программные средства становятся ключевым инструментом для мониторинга финансового состояния, анализа потребительского поведения и обеспечения экономической стабильности пользователей.

Финансовое планирование предполагает систематическую фиксацию информации о доходах и расходах, а также получение на её основе аналитических выводов и персональных рекомендаций. Ручное ведение подобного учёта является трудоёмким процессом, что снижает мотивацию пользователей к его регулярному применению.

Основные проблемы в данной предметной области:

– отсутствие универсальных решений, обеспечивающих комплексный учёт и долгосрочное планирование в рамках одного приложения;

– ограниченность аналитических инструментов: большинство решений отображают лишь базовую статистику по категориям, не предоставляя персональных рекомендаций;

– широко распространённая модель монетизации, ограничивающая ключевой функционал без оформления платной подписки;

– необходимость самостоятельной интерпретации данных пользователем, не обладающим специальными знаниями в области финансового менеджмента.

Особенно остро эти проблемы проявляются у пользователей, нацеленных на достижение конкретных финансовых целей — формирование накоплений или оптимизацию повседневных расходов. Поэтому актуальна задача разработки программного средства, которое обеспечивает не только учёт транзакций, но и интеллектуальный анализ данных с формированием персональных советов. Такой подход позволяет снизить требования к финансовой грамотности пользователя и повысить практическую ценность системы.

2. Обзор существующих решений

В настоящее время существует ряд программных средств для управления личными финансами, среди которых можно выделить следующие категории:

– решения для учёта доходов и расходов;

– решения с инструментами финансового планирования и постановки целей;

– решения с элементами интеллектуального анализа данных.

К наиболее распространённым решениям относятся CoinKeeper, Cleo, Wallet и Zenmoney. Анализ показал, что существующие инструменты имеют следующие ограничения:

– отсутствие комплексного подхода в одном приложении;

– ограниченность аналитических функций базовой статистикой без формирования персональных рекомендаций;

– закрытость расширенного функционала за платной подпиской;

– ориентация на зарубежные банковские системы и отсутствие поддержки российского рынка у ряда решений;

– зависимость от установки отдельного приложения без возможности работы через распространённые мессенджеры.

Таким образом, существует потребность в универсальном программном средстве, обеспечивающем бесплатный доступ к комплексному учёту финансов, долгосрочному планированию и интеллектуальному анализу данных без необходимости установки дополнительного программного обеспечения.

3. Концептуальная модель

На основе анализа предметной области и функциональных требований разработана концептуальная модель программного средства для финансового планирования с применением искусственного интеллекта (ПС ФПИИ). Для визуализации границ системы и сценариев взаимодействия с внешним окружением использована диаграмма вариантов использования (Use Case Diagram) языка моделирования UML.

Пользователь — субъект системы, который инициирует работу программного средства, вводит данные о транзакциях и финансовых целях, управляет категориями расходов и запрашивает интеллектуальный анализ своего бюджета, получая в ответ персональные аналитические выводы и рекомендации.

Концептуальная модель ПС ФПИИ включает следующие ключевые сценарии:

– авторизация пользователя — идентификация осуществляется через механизмы мессенджера, что исключает необходимость отдельной регистрации и обеспечивает безопасный доступ к персональным финансовым данным;

– ведение учёта транзакций — пользователь вводит данные о доходах и расходах через интерфейс мессенджера p с указанием суммы, категории, валюты и даты операции;

– управление финансовыми целями — пользователь создаёт долгосрочные цели накопления, отслеживает прогресс их достижения и получает актуальное состояние бюджета;

– запрос интеллектуального анализа — завершающий этап взаимодействия, на котором сервис аналитики агрегирует данные за выбранный период, формирует контекст и передаёт его локальной языковой модели для генерации персональных рекомендаций по оптимизации бюджета.

Проиллюстрируем это на рис. 1.

Рис. 1. Концептуальная модель ПС ФПИИ

4. Стек технологий

В стек используемых технологий для разработки программного средства для финансового планирования с применением искусственного интеллекта (ПС ФПИИ) включены современные инструменты и библиотеки, обеспечивающие корректную обработку пользовательских данных, взаимодействие с мессенджером, интеграцию с языковой моделью и поддержку качества кода. Подробнее про каждый из компонентов:

– язык программирования Python версии 3.11;

– фреймворк FastAPI;

– библиотека валидации данных Pydantic — применяется для описания и проверки схем входных и выходных данных между компонентами системы;

– СУБД PostgreSQL — используется для хранения данных о транзакциях, финансовых целях и пользователях;

– библиотека aiogram для обработки пользовательских запросов в диалоговом формате;

– локальная языковая модель (LLM) — выполняет интеллектуальный анализ агрегированных финансовых данных и формирует персональные рекомендации по оптимизации бюджета;

– HTML, CSS, JavaScript — технологии для создания интерфейса;

5. Алгоритмы функционирования

Работа программного средства начинается с инициализации и запуска сервисов. После запуска система переходит в режим ожидания входящих запросов от пользователей. В зависимости от типа запроса возможны три сценария:

– запрос через интерфейс мессенджера — сервер принимает данные о транзакции или финансовой цели, выполняет валидацию, при корректности — сохраняет запись в базе данных и возвращает пользователю актуальное состояние бюджета;

– REST API запрос между сервисами — сервис аналитики обращается к сервису транзакций для получения агрегированных данных за выбранный период, выполняется обработка запроса и возврат JSON-ответа;

– запрос к языковой модели — сервис аналитики формирует контекст на основе полученных данных, передаёт его локальной языковой модели и ожидает результата в виде текстовых рекомендаций, которые затем направляются пользователю через мессенджер.

Система работает в непрерывном цикле обработки входящих запросов, обеспечивая как синхронное взаимодействие при учёте транзакций, так и асинхронную обработку ресурсоёмких операций интеллектуального анализа без снижения отзывчивости интерфейса.

Схема алгоритма работы ПС ФПИИ представлена на рис. 2.

Рис. 2. Схема алгоритма работы ПС ФПИИ

6. Результаты

Разработанное программное средство для финансового планирования с применением искусственного интеллекта автоматизирует ведение учёта доходов и расходов и формирование персональных аналитических рекомендаций без необходимости наличия у пользователя специальных знаний в области финансового менеджмента. Экспериментально подтверждена эффективность интеллектуального анализа финансовых данных и корректность формирования персональных советов по оптимизации бюджета на основе реальных транзакций пользователя.

Перспективы дальнейшего развития: расширение аналитического функционала, повышение точности рекомендаций языковой модели, интеграция с банковскими сервисами для автоматического импорта транзакций.

Литература:

1. Язык программирования Python. — URL:https://www.python.org/doc/
2. FastAPI Framework. Официальная документация. — URL: https://fastapi.tiangolo.com/
3. SQLAlchemy Documentation. — URL: https://docs.sqlalchemy.org/
4. Telegram Mini Apps. Официальная документация. — URL: https://core.telegram.org/bots/webapps
5. Aiogram. Асинхронный фреймворк для Telegram Bot API. — URL: https://docs.aiogram.dev/