AI w przygotowaniu raportów kwartalnych: kompletny przewodnik

Co kwartał ten sam scenariusz odgrywa się w działach IR polskich spółek giełdowych. CFO potrzebuje skryptu na conference call. Prezes chce talking points. Analitycy z mBank Securities, Trigon DM i IPOPEMA przysłali 30 pytań, a zespół IR ma trzy tygodnie, żeby to wszystko złożyć z rozproszonych danych, wcześniejszych transkryptów i niedokończonych prezentacji.

Typowa spółka notowana na GPW z indeksów WIG20 lub mWIG40 inwestuje od 150 do 250 osobogodzin na kwartał w przygotowanie materiałów wynikowych. CFO, prezes zarządu, dyrektor IR i dwóch do trzech pracowników pracują nad materiałem, który w 70 procentach jest powtarzalny z kwartału na kwartał.

AI nie zastępuje tego zespołu. AI przejmuje powtarzalne 70 procent, aby zespół mógł skupić się na 30 procentach wymagających doświadczenia i oceny sytuacji: strategicznym przekazie, prezentacji ryzyk i antycypowaniu pytań analityków.

1. Prawdziwy koszt ręcznego przygotowania raportów kwartalnych

Zacznijmy od ekonomii. Spółka giełdowa z kapitalizacją powyżej 500 mln PLN ma zazwyczaj CFO z wynagrodzeniem od 600 000 do 1 200 000 PLN rocznie i dyrektora IR na poziomie 300 000 do 500 000 PLN. Kiedy te osoby poświęcają dwa do trzech tygodni na kwartał na przygotowanie raportów, obciążony koszt ich czasu jest znaczący.

Bezpośredni koszt łatwo obliczyć: stawka godzinowa każdego uczestnika pomnożona przez liczbę godzin. Dla średniej wielkości spółki z mWIG40 daje to zwykle od 80 000 do 160 000 PLN na kwartał samego czasu kadry zarządzającej.

Koszty pośrednie są jednak poważniejsze. Każda godzina, którą CFO spędza nad dopracowaniem skryptu, to godzina mniej na alokację kapitału, ocenę potencjalnych przejęć lub decyzje operacyjne. Każda godzina, którą prezes poświęca na próby sesji Q&A, to czas zabrany strategicznemu zarządzaniu spółką.

Na co faktycznie idzie czas

• Zbieranie i konsolidacja danych (25%): Wyciąganie danych finansowych z systemów ERP, porównywanie z prognozami, uzgadnianie wyników segmentowych. Dla spółek raportujących w podwójnym standardzie (Polskie Standardy Rachunkowości i MSSF) dochodzi dodatkowa praca nad uzgodnieniami.
• Tworzenie skryptu (20%): Pisanie przygotowanych wypowiedzi prezesa i CFO. Kilka wersji, przegląd prawny, kontrola compliance. Na polskim rynku dodatkowo przygotowanie wersji polskiej i angielskiej dla inwestorów międzynarodowych.
• Przygotowanie Q&A (30%): Antycypowanie pytań analityków, przygotowywanie odpowiedzi, przeprowadzanie sesji próbnych. Tu trafia największa część czasu kadry zarządzającej.
• Prezentacja i slajdy (15%): Wykresy, grafiki, materiały uzupełniające do prezentacji inwestorskiej.
• Koordynacja i zatwierdzenie (10%): Uzgodnienia międzydziałowe, przegląd przez radę nadzorczą, końcowe próby.

AI może mierzalnie przyspieszyć cztery z tych pięciu obszarów. Koordynacja nadal wymaga ludzkiego osądu. Ale nawet tu AI potrafi wykryć niespójności między skryptem a prezentacją slajdową, albo między bieżącym przekazem a zobowiązaniami z poprzedniego kwartału.

2. Pięć sposobów, w jakie AI zmienia przygotowanie raportów wynikowych

3. Profilowanie głosu kadry zarządzającej: dlaczego ma to znaczenie

To jest element, który większość zespołów IR niedocenia. Analityk z mBank Securities czy IPOPEMA, który śledzi Twoją spółkę od pięciu lat, rozpozna w dwóch zdaniach, czy skrypt napisał CFO, czy młodszy pracownik działu IR. Dobór słów, rytm wypowiedzi, poziom szczegółowości, nawet sposób prezentowania liczb. Te wzorce są spójne i rozpoznawalne.

Profilowanie głosu przez AI polega na analizie 8 do 12 kwartałów transkryptów earnings call i wyodrębnieniu:

• Wzorców słownictwa: Czy CFO mówi „około" czy „w przybliżeniu"? „Prognoza" czy „perspektywa"? „Poprawa sekwencyjna" czy „wzrost kwartał do kwartału"? Na polskim rynku ważne jest też, jak płynnie przechodzi między terminologią polską a angielską podczas call prowadzonych w dwóch językach.
• Nawyków strukturalnych: Czy prezes zaczyna od strategii, czy od wyników finansowych? Ile szczegółów trafia do każdego segmentu? Co zasługuje na pełny akapit, a co na jedno zdanie?
• Formatowania liczb: Precyzyjne wartości procentowe vs liczby zaokrąglone. Przychody w milionach czy miliardach złotych. Dynamika wzrostu podawana jako zmiana absolutna czy procentowa.
• Znaczników tonu: Poziom optymizmu. Sposób prezentowania wyzwań. Czy złe wiadomości poprzedzają dobre, czy odwrotnie. Proporcja między komentarzem retrospektywnym a perspektywicznym.

Efektem jest profil głosu, który działa jak przewodnik stylistyczny dla każdego szkicu. Gdy AI generuje skrypt CFO, używa słownictwa, struktury i tonu tego konkretnego CFO. Pierwszy szkic czyta się jak coś, co faktycznie napisał dany członek zarządu, a nie jak tekst wymagający gruntownego przepisania.

4. Przewidywanie pytań analityków, zanim je zadadzą

Przygotowanie sesji Q&A to najbardziej czasochłonny element całego procesu i jednocześnie obszar, w którym AI ma najwyraźniejszą przewagę. Oto jak prognozowanie działa w praktyce.

Źródła danych do prognozowania

1. Historyczne transkrypty Q&A (8-12 kwartałów): Co każdy analityk pytał w poprzednich kwartałach. Które tematy śledzi konsekwentnie. O co pytał konkurentów. Na GPW kluczowi analitycy z domów maklerskich jak mBank Securities, Trigon DM, Noble Securities, BOŚ DM, IPOPEMA Securities, Pekao Investment Banking i PKO BP Securities mają rozpoznawalne wzorce pytań.
2. Bieżące dane finansowe: Każda metryka, która odbiega od konsensusu lub prognoz, staje się prawdopodobnym tematem pytania. Kompresja marż, gorsze wyniki segmentu, zmiany w przepływach pieniężnych.
3. Najnowsze raporty analityczne: Opublikowane rekomendacje i notatki często telegrafują, co interesuje analityków jeszcze przed conference call.
4. Trendy sektorowe i makroekonomiczne: Zmiany stóp procentowych NBP, regulacje KNF, zakłócenia w łańcuchach dostaw. Wszystko, co wpływa na branżę, generuje pytania.
5. Earnings call konkurentów: Jeśli CD Projekt dostał trudne pytania o cykl wydawniczy, spodziewaj się podobnych pytań o Twoją spółkę gamingową. Jeśli Allegro było pytane o presję cenową, inni przedstawiciele e-commerce powinni być przygotowani.

Trafność prognoz

Na podstawie weryfikacji wstecznej wobec rzeczywistych sesji Q&A, listy prognoz generowane przez AI zazwyczaj pokrywają 8 do 9 z faktycznych 10 najczęstszych pytań. Pozostałe 1 do 2 pytań to zazwyczaj kwestie bardzo specyficzne, często oparte na niedawnym wydarzeniu rynkowym lub niepublikowanym punkcie danych, który analityk odkrył samodzielnie.

Wartość nie polega wyłącznie na przewidywaniu pytania, ale na przygotowaniu ustrukturyzowanej odpowiedzi. Dla każdego prognozowanego pytania AI generuje:

• Najbardziej prawdopodobnego analityka, który je zada (na podstawie historycznych wzorców)
• Sugerowaną ramę odpowiedzi, skalibrowaną do głosu danego członka zarządu
• Kluczowe punkty danych do przywołania
• Potencjalne pytania uzupełniające i sposoby ich obsługi

5. Przygotowanie z AI vs tradycyjne: porównanie

Wymiar	Proces tradycyjny	Proces wspomagany AI
Pierwszy szkic skryptu	Zespół IR pisze od zera, 3-5 dni	AI generuje z profilu głosu + danych, 2-4 godziny
Rundy korekt	3-4 rundy w ciągu 1-2 tygodni	1-2 rundy w ciągu 2-3 dni
Przygotowanie Q&A	Zespół zbiera pytania, 40-60 godzin	AI prognozuje pytania + szkicuje odpowiedzi, 10-15 godzin na weryfikację
Monitoring konkurencji	Ręczne czytanie transkryptów, 1-2 dni na konkurenta	Automatyczna ekstrakcja, 2 godziny na konkurenta
Kontrola spójności	Przegląd prawny tylko bieżącego skryptu	AI porównuje 8+ kwartałów komunikacji
Łączny czas zarządu	60-80 godzin na kwartał (prezes + CFO)	20-30 godzin na kwartał
Łączny czas zespołu IR	150-200 godzin na kwartał	60-80 godzin na kwartał

6. Plan wdrożenia dla zespołów IR

Faza 1: Budowa profilu głosu (tydzień 1-2)

Zebranie transkryptów z ostatnich 8 do 12 kwartalnych conference call. Zbudowanie profili głosu dla prezesa zarządu i CFO. Identyfikacja kluczowego słownictwa, wzorców strukturalnych i znaczników tonu. To fundament, na którym opiera się cała reszta. Dla spółek prowadzących call w dwóch językach (polski i angielski) konieczne jest budowanie oddzielnych profili dla każdego języka.

Faza 2: Pilot prognozowania Q&A (Kwartał N)

Podczas następnego earnings call uruchomienie silnika prognozowania AI równolegle z istniejącym procesem. Porównanie prognozowanych pytań z faktycznie zadanymi. Pomiar trafności. Wykorzystanie wyników do kalibracji modelu. Na polskim rynku warto uwzględnić specyfikę pytań od analityków krajowych vs zagranicznych, którzy mogą mieć inne punkty odniesienia.

Faza 3: Generowanie skryptów (Kwartał N+1)

Z zwalidowanymi profilami głosu i sprawdzonym silnikiem prognozowania można zacząć korzystać z pierwszych szkiców generowanych przez AI. Zespół IR przechodzi od pisania do redagowania. Zarząd dostaje szkic, który już brzmi jak ich własna wypowiedź, zamiast tekstu wymagającego całkowitego przepisania.

Faza 4: Pełna integracja (Kwartał N+2)

Włączenie feedów z wywiadu konkurencyjnego, automatycznych kontroli spójności i historycznej analizy Q&A do jednego pakietu briefingowego przed conference call. Zespół IR otrzymuje kompletny pierwszy szkic wszystkich materiałów wynikowych w ciągu 48 godzin od zamknięcia kwartału.

7. Specyfika polskiego rynku kapitałowego

Spółki notowane na Giełdzie Papierów Wartościowych w Warszawie (GPW) operują w kontekście regulacyjnym i rynkowym, który sprawia, że przygotowanie wspomagane AI jest szczególnie wartościowe. Polski rynek kapitałowy ma swoją specyfikę, której nie uwzględniają narzędzia projektowane wyłącznie pod rynki zachodnioeuropejskie czy amerykański.

Indeksy i wymogi raportowania na GPW

GPW organizuje spółki w trzech głównych indeksach: WIG20 (20 największych i najbardziej płynnych spółek), mWIG40 (średnie spółki) i sWIG80 (mniejsze spółki). Wymogi raportowania różnią się w zależności od segmentu. Spółki z WIG20, takie jak PKN Orlen, KGHM Polska Miedź czy CD Projekt, publikują pełne raporty kwartalne i prowadzą regularne conference call z analitykami. Spółki z sWIG80 często ograniczają się do skróconych raportów. AI musi rozumieć te różnice i dostosowywać zakres generowanych materiałów.

Dwujęzyczne conference call

Wiele polskich spółek prowadzi conference call w dwóch językach. Główna sesja odbywa się po polsku, a dla inwestorów zagranicznych organizowana jest osobna sesja angielskojęzyczna lub tłumaczenie symultaniczne. Spółki takie jak Allegro, Dino Polska czy LPP, ze znaczącym udziałem inwestorów zagranicznych w akcjonariacie, prowadzą pełne call w języku angielskim. AI pomaga utrzymać spójność przekazu między wersjami językowymi i przygotować materiały w obu językach jednocześnie.

KNF i wymogi regulacyjne

Komisja Nadzoru Finansowego (KNF) nadzoruje obowiązki informacyjne spółek giełdowych w Polsce. Obowiązki te obejmują publikację raportów bieżących, okresowych i komunikatów o informacjach poufnych zgodnie z Rozporządzeniem MAR. Polski system prawny nakłada dodatkowe wymogi wynikające z Ustawy o ofercie publicznej i Ustawy o obrocie instrumentami finansowymi. AI może sygnalizować potencjalne problemy z compliance przed przeglądem prawnym, ale nie zastępuje kancelarii prawnej w ocenie zgodności z przepisami KNF.

Polskie Standardy Rachunkowości vs MSSF

Spółki notowane na GPW sporządzają skonsolidowane sprawozdania finansowe zgodnie z Międzynarodowymi Standardami Sprawozdawczości Finansowej (MSSF/IFRS). Jednocześnie jednostkowe sprawozdania finansowe mogą być sporządzane według Polskich Standardów Rachunkowości (PSR). To podwójne raportowanie wymaga precyzji terminologicznej. AI musi rozumieć różnice między PSR a MSSF, właściwie posługiwać się polską terminologią księgową i nie mieszać pojęć z obu standardów w jednym dokumencie.

Ekosystem analityczny GPW

Polski rynek analityczny różni się od zachodnioeuropejskiego. Kluczowe domy maklerskie obejmują mBank Securities (dawniej BRE), Trigon Dom Maklerski, Noble Securities, BOŚ Dom Maklerski, IPOPEMA Securities, Pekao Investment Banking i PKO BP Securities. Do tego dochodzą międzynarodowe banki inwestycyjne pokrywające największe spółki z WIG20. Spółki z mWIG40 mają typowo od 5 do 12 analityków, co sprawia, że wzorce pytań są bardziej przewidywalne niż na rynkach z szerokim pokryciem. AI buduje głębsze profile dla mniejszej grupy analityków i trafniej prognozuje ich pytania.

SEG i dobre praktyki IR

Stowarzyszenie Emitentów Giełdowych (SEG) promuje standardy komunikacji z rynkiem kapitałowym w Polsce. Coroczny ranking „Złota Strona Emitenta" ocenia jakość relacji inwestorskich polskich spółek. AI wspomagające przygotowanie raportów kwartalnych powinno być zgodne z dobrymi praktykami SEG, w tym w zakresie przejrzystości komunikacji, terminowości raportowania i jakości materiałów dla inwestorów.

ESRS i raportowanie ESG

Europejskie Standardy Raportowania Zrównoważonego Rozwoju (ESRS), wprowadzone przez dyrektywę CSRD, dotyczą coraz większej liczby polskich spółek giełdowych. Od 2025 roku największe spółki muszą raportować kwestie ESG zgodnie z ESRS. Pytania analityków o wskaźniki ESG, ślad węglowy i plany transformacji energetycznej stają się standardowym elementem sesji Q&A. AI pomaga przygotować spójne odpowiedzi na pytania ESG, łącząc dane z raportu niefinansowego z narracją kwartalną.

8. Ryzyka i ograniczenia

Wspomagane przez AI przygotowanie raportów kwartalnych nie jest pozbawione ryzyk. Uczciwe przedstawienie ograniczeń jest warunkiem podejmowania dobrych decyzji wdrożeniowych.

• Ryzyko halucynacji: AI może generować wiarygodnie brzmiące stwierdzenia finansowe zawierające błędy. Każda liczba w szkicu generowanym przez AI musi być zweryfikowana wobec danych źródłowych. To jest niepodlegalne.
• Nieaktualne dane: Jeśli model AI był trenowany na danych do Q3, nie będzie wiedział o akwizycji z Q4, chyba że zostanie mu to jawnie przekazane. Zawsze należy zasilać system bieżącymi danymi kwartalnymi.
• Compliance regulacyjny: Skrypty generowane przez AI nadal wymagają przeglądu prawnego. AI może sygnalizować potencjalne problemy, ale nie może podejmować decyzji o zgodności z przepisami. Na polskim rynku dotyczy to szczególnie obowiązków wynikających z MAR i regulacji KNF.
• Nadmierne poleganie na AI: Celem jest przesunięcie zespołu IR od pisania do weryfikacji. Jeśli zespół przestanie krytycznie oceniać output AI, jakość spadnie. Ludzki osąd pozostaje niezbędny, szczególnie w zakresie strategicznego framingu i komunikacji ryzyk.
• Poufność: Dane kwartalne to wysoce wrażliwe informacje cenotwórcze. Każdy system AI używany w tym celu musi zapewniać solidne bezpieczeństwo danych. Wdrożenie on-premise lub rozwiązania chmurowe z certyfikatem SOC 2 to standard minimum. Dla polskich spółek dochodzą wymogi RODO i potencjalne restrykcje sektorowe.
• Specyfika językowa: Polszczyzna biznesowa i finansowa ma swoje niuanse. AI musi poprawnie stosować polską terminologię księgową i prawną, zachowywać właściwą odmianę przypadków i nie generować kalki z języka angielskiego, które brzmią nienaturalnie w kontekście polskiego rynku kapitałowego.