
Каждый раз, когда вы прикладываете свою банковскую карту к любому терминалу или подтверждаете перевод средств в мобильном приложении, запускается невидимый марафон вычислений. За доли секунды, пока на экране крутится простой индикатор загрузки, десятки математических моделей быстро успевают сопоставить ваш основной цифровой почерк с миллионом других транзакций, оценить вероятность мошенничества, рассчитать ликвидность и дать зеленый свет операции. Современные финансы давно перестали быть миром клерков с гроссбухами и даже миром трейдеров, кричащих в телефонные трубки на биржевой яме. Сегодня глобальным капиталом управляют алгоритмы, а искусственный интеллект превратился из модного технологического эксперимента в кровеносную систему мировой экономики. Однако этот тихий захват финансового сектора начался задолго до появления современных нейросетей.
Еще в 1950-х годах экономисты и математики сделали первые шаги к алгоритмизации, создав современные портфельные теории и первые системы кредитного скоринга. Настоящий перелом наступил в 1980-х, когда на Уолл-стрит пришли физики и математики — так называемые «кванты». Они начали внедрять экспертные системы и статистические модели для поиска рыночных аномалий и автоматизации торгов. Появление первых нейронных сетей для распознавания поддельных чеков в 1990-х и развитие высокочастотного трейдинга в 2000-х подготовили почву для нынешней революции. Когда вычислительные мощности выросли, а объемы цифровых данных стали колоссальными, финансы оказались идеальной средой для глубокого машинного обучения: здесь все измеряется цифрами, а цена ошибки или выигрыша исчисляется миллиардами.
Сегодня технологии искусственного интеллекта пронизывают каждый уровень финансовой индустрии, меняя правила игры как для гигантских корпораций, так и для обычных вкладчиков. Инвестиционные фонды используют алгоритмы обработки естественного языка, которые за миллисекунды анализируют тон пресс-релизов центральных банков и новостные ленты, совершая сделки раньше, чем человек успеет дочитать заголовок. Банки применяют сложные ансамбли моделей для оценки кредитоспособности заемщиков, учитывая не только сухую кредитную историю, но и поведенческие паттерны. В страховании компьютерное зрение оценивает ущерб автомобиля по фотографии с места аварии за пару минут, а в клиентском сервисе генеративные модели берут на себя функции персональных финансовых советников.
Но за впечатляющей скоростью и точностью скрывается обратная сторона прогресса. Передавая управление капиталом самообучающимся системам, финансовый мир сталкивается с принципиально новыми вызовами. Что произойдет, если десятки торговых алгоритмов, обученных на схожих данных, одновременно примут решение продавать активы? Как объяснить клиенту отказ в ипотеке, если решение вынесла непрозрачная нейросеть, логику которой не могут до конца расшифровать даже ее создатели? И где проходит граница ответственности, когда ошибка алгоритма способна обрушить котировки целой отрасли за считанные минуты? Чтобы понять будущее денег, нам предстоит разобраться, как именно искусственный интеллект перестраивает финансовую архитектуру и какую цену индустрия рискует заплатить за эту технологическую эффективность.
В первую очередь рассмотрим главные направления применения инструментов на основе искусственного интеллекта в сфере связанной с финансами. В этом году можно выделить несколько основных направлений. 1) Прогнозирование и управление рисками. Хорошо известно, что управление рисками в своей основе наиболее формализованный сегмент финансовой индустрии, который в наилучшей степени поддается “запиранию” в рамки ИИ, где ИИ способен прогнозировать риски, связанные с кредитованием, инвестициями и страхованием, забирая на себя функции риск-менеджеров. 2) Расширенный анализ данных. Финансы, как и экономика – это непрерывный поток данных, которые поддаются упорядочиванию через идентификаторы, веса и «маяки». ИИ способен анализировать огромные объемы финансовых данных в режиме реального времени, включая транзакции, экономические и рыночные тенденции, также потребительское и корпоративное поведение.
3) Прогнозирование тенденций
Значительная часть данных и процессов в фининдустрии регулярно повторяется через различные комбинации, а следовательно, возможен анализ паттернов, где ИИ очень силен (статистика и вероятности), что позволяет быстрее, точнее и эффективнее предсказывать наиболее вероятные тенденции.
4) Автоматизированное инвестирование
Данный подход применяется уже с начала 2000-х годов в рамках алгоритмических систем и торговых роботов, но теперь может выйти на совершенно иной уровень за счет комбинации инструментов, где одновременно объединяется анализ вероятностей и паттернов, риск менеджмент и прогнозирование.
5) Автоматизация задач
Свыше 80% бизнес операций в финансах и страховании – в чистом виде рутина по протоколам действий. Если есть протоколы – значит есть пространство для ИИ, который может автоматизировать многие рутинные и трудоемкие процессы, такие как обработка заявок на кредиты, управление клиентскими аккаунтами и анализ страховых претензий, что повышает эффективность и сокращает затраты.
Финансовый консультант на базе ИИ может обеспечивать высококачественное обслуживание клиентов, предоставляя быстрые и точные ответы на их вопросы, а также помогая в выполнении финансовых операций – намного быстрее и эффективнее человека, за исключением сложных вопросов.
6) Автоматическое написание инвестиционных и рыночных обзоров/новостей
Обучение ИИ на базе миллионов инвестиционных обзоров за последние 50-60 лет позволит создать высокоразвитого инвестаналитика на базе ИИ, который будет быстро, релевантно и качественно писать обзоры.
7) Обнаружение и предотвращение мошенничества
Анализ транзакционных данных для выявления подозрительных или необычных паттернов (мошенники в 97% случаях действуют по похожим схемам), что помогает в борьбе с финансовым и страховым мошенничеством.
8) Автоматический контроль за налоговыми требованиями
Автоматический контроль за налоговыми требованиями и регуляторными нормами, что позволит избежать штрафов и преследования со стороны государства.
Главные риски применения ИИ в финансовом секторе России
По состоянию на начало года лидером по внедрению технологий искусственного интеллекта в России является финансовый сектор. Применение ИИ открывает огромный потенциал для повышения эффективности, точности и безопасности финансовых операций, а также для разработки новых продуктов и услуг. Об этом говорится в исследовании, результаты которого опубликованы в середине апреля.
По данным «Ассоциации ФинТех», около 90% методов и инструментов ИИ, которые используют российские кредитные компании, основываются на методах машинного обучения. Российские банки применяют такие технологии для создания систем компьютерного зрения, запуска речевых сервисов, работы с текстом, анализа данных (предиктивной аналитики) и интеллектуальной роботизации. При этом, технологическим драйвером развития ИИ в финтехе стали большие языковые модели (LLM).
Лидерство финансовой отрасли во внедрении решений на базе технологий искусственного интеллекта в России неоспоримо. Вместе с тем существуют и критические риски применения решений на основе ИИ в финансово-банковской сфере. Это, в частности, искажения автоматизации — когда автоматизируется решение, изначально содержащее ошибки. Существует также вероятность использования некачественных данных при обучении ИИ, что негативно влияет на качество работы сервисов. Опасения вызывают риски вторжения в частную жизнь клиентов финансовых организаций при сборе и использовании данных и этические риски, связанные с национальным, религиозным, региональным компонентами (например, неправильное обращение к клиенту). Плюс к этому эксперты указывают на возможные проблемы в области кибербезопасности.
Для России специфическим риском называется санкционное давление, из-за которого затруднены закупки мощного ИИ-оборудования, включая ускорители на базе графических процессоров. Кроме того, наблюдаются неравная конкуренция и монополизация рынка: это связано со значительными возможностями технического развития у крупных игроков и отсутствием их у небольших и региональных участников отрасли.
Как Национальное бюро кредитных историй использует ИИ
Национальное бюро кредитных историй (НБКИ) применило искусственный интеллект в создании PD-скоринга — оценки вероятности невыплаты кредита (дефолта). Об этом проекте в конце февраля рассказал Олег Скворцов, председатель правления Ассоциации российских банков (АРБ).
Зачем банки тратят миллиарды долларов на генеративный ИИ
Исследование Juniper Research, результаты которого опубликованы 23 января, говорит о том, что банки быстро увеличивают расходы на генеративный искусственный интеллект (GenAI). Внедрение таких инструментов позволяет улучшить качество обслуживания клиентов и повысить уровень безопасности.
По оценкам аналитиков, глобальные затраты банков на системы GenAI составят около $6 млрд. В 2030-м, как ожидается, это значение достигнет $85 млрд. Таким образом, рост за рассматриваемый период превысит 1300%. По данным Juniper Research, ведущие банки будут внедрять сервисы GenAI, чтобы предлагать более персонализированный клиентский опыт. Это позволит финансовым организациям предоставлять более привлекательные услуги по сниженным ценам.
Исследование показало, что системы GenAI позволят радикально изменить привычную работу банков, предоставляя персонализированную информацию о расходах и отслеживая рыночные тенденции. Финансовые организации, по мнению аналитиков, будут все чаще переходить к стратегии, ориентированной на искусственный интеллект, поскольку такие бизнес-модели необходимы для эффективной конкуренции в высокодинамичной банковской среде. Инвестиции в GenAI позволят банкам получить конкурентное преимущество, поскольку их затраты снизятся, а уровень обслуживания клиентов повысится.
ИИ-тренды, меняющие банковский сектор
Искусственный интеллект оказал влияние на многие отрасли, в том числе на банковский сектор. Благодаря нейросетям и алгоритмам машинного обучения финансовые организации получают возможность улучшить качество предоставляемых услуг, оптимизировать операции и предоставить более персонализированные сервисы для клиентов.
1. Улучшенное обслуживание клиентов
Чат-боты и виртуальные помощники на базе ИИ становятся обычным явлением в секторе банковских услуг. Эти интеллектуальные инструменты могут взаимодействовать с клиентами круглосуточно, отвечая на запросы, помогая с выполнением рутинных операций и предлагая полезную информацию. ИИ не только повышает эффективность работы финансовых организаций, но и снижает эксплуатационные расходы. Благодаря нейросетям и алгоритмам машинного обучения финансовые организации получают возможность улучшить качество предоставляемых услуг
2. Персональные рекомендации
Алгоритмы ИИ анализируют данные о клиентах с целью оценки индивидуальных предпочтений и финансового поведения. Используя такую информацию, банки могут формировать персональные рекомендации, что помогает в продвижении продуктов и услуг.
3. Обнаружение и предотвращение мошенничества
ИИ играет важную роль в повышении безопасности в финансовой отрасли. Модели машинного обучения могут обнаруживать аномалии при выполнении транзакций и предупреждать о потенциально мошеннических действиях. Такие системы анализируют огромные объемы данных в режиме реального времени, быстро выявляя подозрительные операции.
4. Оценка кредитоспособности и анализ рисков
Традиционные модели кредитного скоринга часто ограничены узким набором параметров. Системы на основе ИИ используют более широкий набор источников данных, включая активность в социальных сетях и поведение в интернете. Такой комплексный подход позволяет банкам принимать более точные решения о кредитовании, одновременно снижая риски.
5. Автоматизация операций бэк-офиса
ИИ помогает в выполнении ряда задач, которые раньше осуществлялись вручную и отнимали много времени. Автоматизация не только снижает вероятность ошибок, но и позволяет организациям повысить операционную эффективность.
6. Прогнозная аналитика
Модели на основе ИИ способны анализировать огромные объемы данных о клиентах. Такие инструменты могут использоваться в маркетинговых целях, при разработке новых продуктов и для привлечения клиентов. Модели на основе ИИ способны анализировать огромные объемы данных о клиентах
7. Знай своего клиента
ИИ упрощает процесс регистрации новых клиентов благодаря автоматизации проверки документов. Системы на основе ИИ, такие как распознавание лиц и биометрическая аутентификации, повышают удобство и безопасность.
8. Соблюдение нормативных требований
ИИ помогает банкам соблюдать установленные требования посредством автоматизации нормативной отчетности и мониторинга. Умные системы могут анализировать обширные наборы данных на предмет любых аномалий или нарушений, предупреждая о возможных проблемах.
9. Улучшение безопасности данных
Технологии ИИ, такие как обработка естественного языка и алгоритмы машинного обучения, повышают безопасность при выполнении банковских операций. Эти инструменты могут идентифицировать конфиденциальную информацию в неструктурированных данных и защитить ее от несанкционированного доступа. ИИ также позволяет обнаруживать киберугрозы и реагировать на них в режиме реального времени.
10. Инвестиции и управление капиталом
Роботы-консультанты на базе ИИ делают услуги по инвестициям и управлению активами более доступными. Автоматизированные платформы не только сокращают затраты клиентов, но и делают финансовые сервисы более доступными для широких слоев населения.
Российские банки инвестируют в искусственный интеллект около $1 млрд в год
Крупнейшие российские банки инвестируют в общей сложности в развитие решений на основе искусственного интеллекта около $1 млрд в год, а прибыль от вложений достигает $3 млрд в год. Такие цифры в ассоциации «Финтех» в начале года.
По ее данным, крупнейшие финансовые организации в России уже инвестировали в развитие ИИ более $10 млрд за последние 10 лет. Под крупнейшими банками подразумеваются пять крупнейших кредитных организаций в России по величине активов на конец года. В исследовании отмечается, что средние и небольшие российские финансовые компании вкладывают в реализацию портфеля проектов с ИИ лишь 100-300 млн рублей в год. Таким образом, крупнейшие банки РФ инвестируют ежегодно в развитие ИИ в 500 раз больше, чем любые другие компании на рынке.
Крупнейшие российские банки инвестируют около $1 млрд в год в ИИ
Также из исследования следует, что исходя из совокупных эффектов на выручку компаний, для которых ИИ внес существенный эффект, рынок ИИ оценивается в 647 млрд рублей или $7,1 млн. Рост рынка составил 17,3%.
Ключевой же барьер при внедрении искусственного интеллекта, указывает ассоциация «Финтех», – это дефицит профильных специалистов. 83% российских компаний отметили, что испытывают здесь кадровый голод.
В июле года глава Сбербанка Герман Греф сообщил, что ежегодно банк инвестирует в искусственный интеллект порядка $1 млрд. При этом отдача от вложений окупается троекратно, заявил он. Как пояснили в «Сбере», искусственный интеллект в банке помогает создавать новые продукты, улучшать клиентский опыт и развивать клиентоцентричный подход.
Новые технологии помогают сотрудникам банка принимать широкий спектр решений на всех уровнях управления. А некоторые решения искусственный интеллект уже принимает лучше человека — например, о том, как оптимально выстроить маршрут инкассации и сколько денег положить в каждый конкретный банкомат, — отмечают в банке.
ЦБ выделил основные риски внедрения ИИ в банковской сфере
Центральный банк выделил три основных риска развития искусственного интеллекта на финансовом рынке: конкуренция, доступ к данным и этический вопрос. Об этом сообщила пресс-служба депутата ГосДумы РФ Антона Немкина.
Активное внедрение технологий искусственного интеллекта в банковской сфере может привести к угрозе снижения конкуренции, компрометации данных, которые используются для обучения ИИ, а также повлечь за собой этические риски, отметил заместитель председателя Банка России Алексей Гузнов.
Прежде всего растет риск монополизации крупными игроками технологий искусственного интеллекта, поскольку их развитие требует значительных инвестиций как в вычислительные мощности, так и в инфраструктуру обработки данных, которые зачастую недоступны менее ресурсным компаниям.
Наверное, результат получат только те, кто имеет возможность вложиться. И это формирует определенные перекосы, – отметил эксперт.
Кроме того, существует риск недостаточного обеспечения информационной безопасности и, как следствие, возможность утечки персональных данных пользователя.
Среди этических рисков эксперт выделил угрозу принятия предвзятых и дискриминационных решений.
Это не только наша проблема, она осмысляется философски – проблема сочетания человеческого интеллекта и искусственного. Так как ИИ быстрее учится естественному языку, он может гораздо искуснее формировать иллюзии, подбирать соответствующий контекст, – пояснил Алексей Гузнов.
Любые технологии несут в себе как положительные, так и отрицательные явления, считает член комитета Госдумы по информационной политике, информационным технологиям и связи Антон Немкин.
<pХорошо, когда мы можем понять какие отрицательные явления есть у некоторой технологии и сразу их купировать. Другое дело, когда возможные негативные последствия на старте определить сложно. Это, во многом, характерно для сферы цифровизации и связано с тем, что развитие технологий, в том числе ИИ, происходят очень динамично – мы не всегда поспеваем за ними, – пояснил Антон Немкин.
На октябрь как в России, так и во всем мире происходит определение возможных угроз, которые несет в себе ИИ, а также разработка мер по их устранению, отметил депутат.
Это достаточно масштабная и кропотливая работа, требующая постоянного баланса. Важно понимать, что отрасль ИИ находятся в зачаточном состоянии. Поэтому ее нормативное «закрепощение» потенциально может привести к замедлению темпов развития. Напомню, что с такой практикой уже столкнулись некоторые страны, в которых в следствие излишней регуляции ИИ-технологий значительно упал инвестиционный потенциал. Поэтому, к этому вопросу нужно подходить осторожно и иногда притормаживать, – пояснил Антон Немкин.
Обозначенные Банком России риски релевантны для сегмента ИИ, считает депутат. Поэтому необходимо определить хотя бы рамочное понимание того, как мы будем их преодолевать. Например, в контексте персональных данных – необходимо предъявлять четкие стандарты, а также следить за их исполнением.
У нас в стране, к сожалению, даже без ИИ технологий, утечки – колоссальная проблема. Я думаю, что развитие ИИ должно происходить в опоре на кибербезопасность: без второго не может быть и первого. Вопрос монополизации также очень сложный и здесь есть место для большой дискуссии, в том числе, в контексте стимулирования малых и средних компаний к разработке ИИ со стороны государства, – считает депутат.
Напомню, что несмотря на санкционное давление рынок искусственного интеллекта вырос на 18%. Это очень позитивный тренд, поэтому данный сегмент должен оставаться под пристальными вниманием всех участников цифровизации, – заключил Антон Немкин.
Герман Греф рассказал о перспективах использования искусственного интеллекта в банках
Российские банки будут активно внедрять приложения и сервисы на основе искусственного интеллекта в рамках структурной трансформации, нацеленной на предоставление новых услуг и повышение качества обслуживания клиентов. Об этом сообщил председатель правления Сбербанка Герман Греф.
По его словам, как отмечает газета «Ведомости», в сложившейся геополитической обстановке и в условиях макроэкономических вызовов финансовым организациям необходимо «учиться жить по-новому». Для этого, в частности, следует расширять возможности с помощью современных систем ИИ.
В Сбербанке доля процессов, в которых применяются ИИ-алгоритмы, к началу года достигла 75%. Искусственный интеллект участвует в принятии ключевых решений, за которые раньше в банке отвечал человек. Нейросети в числе прочего решают, какой продукт предложить конкретному клиенту, как выстроить оптимальный маршрут для инкассации, что ответить пользователю в чат-боте или колл-центре, какое количество сотрудников должно быть в определённом отделении банка в тот или иной день недели и пр., сообщил Греф.
Системы ИИ также могут применяться в области корпоративного кредитования. При обслуживании юридических лиц и индивидуальных предпринимателей «умные» алгоритмы помогают структурировать кредитную сделку, проанализировать риски и проверить деловую репутацию клиента, а также принять итоговое решение. Причём качество предоставления услуг на базе ИИ в данном случае оказывается выше по сравнению с традиционным подходом. «Сбербанк» намерен научиться выдавать сложно структурированные кредиты с помощью ИИ и довести их по объёмам до 80%. В банке также сообщили, что каждый вложенный в искусственный интеллект рубль приносит 6,7 рубля прибыли. К концу года это значение может увеличиться до 8 рублей.
Нежные роботы-коллекторы и искусственный интеллект. Как ВТБ использует цифровые инструменты для работы с должниками
Банк ВТБ с 2018 года применяет роботов-коллекторов для работы с просроченной задолженностью физических лиц, постепенно расширяя эту практику. Всего на это решение приходилось уже 40% от всех голосовых коммуникаций с клиентом в просрочке[6]. При этом судебных проблем у ВТБ в связи с применением роботов-коллекторов пока нет, рассказал на пресс-брифинге заместитель президента-председателя правления ВТБ Вадим Кулик.
Применение этой технологи не у всех проходит без проблем. Так, TAdviser подробно писал о судебных разбирательствах, так или иначе связанных с использованием роботов-коллекторов в Сбербанке, который активно задействует их с 2017 года, а также о существующем законодательном пробеле относительно роботов-коллекторов (см. статью ниже). В случае Сбербанка речь в судебных делах идёт, например, и о законности самого факта применения роботов-коллекторов, и о допустимом количестве взаимодействий банка с должником с их помощью.
TAdviser проверил: поиск по системам юридической информации, действительно, не выдаёт судебных споров, связанных с использованием роботов-коллекторов для взыскания просроченной задолженности в ВТБ.
Вадим Кулик на пресс-брифинге, отвечая на вопрос TAdviser, объяснил, с чем, по его мнению, это связано. Клиентский срез у ВТБ в среднем отличается от клиентского среза Сбербанка: по различным причинам у ВТБ исторически средний клиентский чек выше, доля «среднего+» клиентского сегмента выше. Поэтому способ и манера сбора задолженности у банка ВТБ мягче, говорит топ-менеджер ВТБ. Построить агрессивную модель сбора банк ВТБ не может себе позволить.
Российский Forbes выпускал рейтинги 15 лучших банков для миллионером, где ВТБ оба раза занял первое место, опередив Сбербанк. В частности, ВТБ раскрывал данные о наличии у него более 20 тыс. клиентов с финансовыми активами от $1 млн. Это оказалось больше, чем у какого-либо другого участника рейтинга.
Вадим Кулик рассказал, что в области коллекторского направления в ВТБ есть большая номенклатура разных моделей, не только роботы, синтез речи и контента. Начинается всё с модели предсказания, выйдет клиент на просрочку или нет. Есть также модель склонности к тому или иному виду контакта – какой контакт с клиентом будет более эффективным.
Далее вступают модели, когда человек вышел на просрочку или, наоборот, не вышел и лучше ему напомнить. Тогда подключаются различные роботы, которые либо информируют, либо побуждают клиента к действию.
Цифровые технологии применяются при взаимодействии с должником не только роботов, но и сотрудников банка. Для исключения негативных ситуаций, которые могут возникнуть при урегулировании задолженности, ВТБ дополнительно оценивает качество работы сотрудников, используя для этого речевую аналитику.
При этом одним из самых эффективных инструментов урегулирования задолженности в ВТБ называют программы реструктуризации. Их результативность оценивается в 80% – большинство клиентов справляются с задолженностью и продолжают сотрудничество с банком.
В этом тоже помогает цифровизация. В банке работают предодобренные предложения, которые проактивно минимизируют случаи просрочки. Скоринговая модель на основе искусственного интеллекта показывает, кому из заемщиков необходимо оказать помощь, учитывая множество факторов: платежную дисциплину клиентов, их доходы, срок кредита и др. На основе этого банк формирует индивидуальные финансовые предложения – например, пониженный размер ежемесячного платежа.
Архитекторы алгоритмических финансов: кто и как меняет индустрию в России и мире
Сегодня гонка за лидерство в области финансовых нейросетей развернулась сразу на нескольких уровнях — от глобальных инвестиционных банков и технологических корпораций до национальных регуляторов. Финансовый сектор стал главной лабораторией для тестирования автономных агентов и больших языковых моделей, где каждая разработка проходит проверку на многомиллиардных потоках капитала.
В России главными драйверами технологической трансформации выступают системно значимые банки, IT-гиганты и сам регулятор, выстраивающий правила игры.
- Сбер. Компания трансформировалась в полноценную ИИ-экосистему, внедрив сотни автономных агентов в повседневные процессы. В розничном кредитовании почти все решения по заявкам физических лиц принимаются с участием алгоритмов, а специализированные модели вроде «AI-Казначея» в реальном времени оптимизируют структуру баланса банка по сотням параметров. Совокупный финансовый эффект от использования этих технологий уже измеряется сотнями миллиардов рублей в год.
- Т-Банк. Один из пионеров цифрового банкинга в стране делает ставку на глубокую персонализацию, генеративных финансовых ассистентов и продвинутые антифрод-системы. Нейросети банка анализируют транзакционную активность и поведенческие паттерны в реальном времени, пресекая попытки социальной инженерии еще на этапе телефонного звонка или подготовки перевода.
- Банк России и Ассоциация ФинТех. Регулятор выступает не просто наблюдателем, а активным участником процесса. Центральный банк формирует отраслевые стандарты безопасного применения ИИ, исследует риски алгоритмической предвзятости и выстраивает диалог с рынком, чтобы внедрение нейросетей не создавало угроз для финансовой стабильности страны.
- ВТБ и Альфа-Банк. Крупнейшие игроки рынка активно развивают собственные языковые модели для корпоративного сегмента. Алгоритмы автоматизируют проверку юридических документов, ускоряют открытие расчетных счетов для бизнеса до нескольких минут и помогают оценивать кредитные риски сложных инвестиционных проектов.
На мировой арене задают темп североамериканские и европейские финансовые конгломераты, обладающие колоссальными бюджетами на исследования и вычислительные мощности.
- JPMorgan Chase. Американский банковский гигант стабильно возглавляет мировые рейтинги ИИ-зрелости в финансовом секторе. Внутри банка развернута собственная платформа больших языковых моделей LLM Suite, которой еженедельно пользуются около 150 тысяч сотрудников — от инвестиционных аналитиков до юристов. Алгоритмы помогают составлять аналитические записки, проверяют сложные контракты и более чем вдвое ускорили скрининг международных транзакций.
- BlackRock. Крупнейшая в мире инвестиционная компания встроила генеративный искусственный интеллект в свою знаменитую платформу управления рисками Aladdin. Система анализирует терабайты рыночных данных, макроэкономических отчетов и новостных сводок, помогая управляющим активами мгновенно оценивать, как геополитические события или изменение процентных ставок отразятся на глобальных портфелях клиентов.
- Morgan Stanley и Goldman Sachs. Ведущие инвестиционные банки Уолл-стрит превратили ИИ в главных помощников для финансовых советников и трейдеров. В Morgan Stanley закрытая нейросеть предоставляет консультантам мгновенный доступ к базе из более чем ста тысяч внутренних аналитических отчетов, позволяя формировать индивидуальные инвестиционные стратегии прямо во время разговора с клиентом. Goldman Sachs активно использует генеративные модели для написания программного кода торговых систем и автоматизации сложной финансовой отчетности.
- Bank of America. Банк доказал эффективность массового клиентского ИИ на примере своего виртуального ассистента Erica. Количество взаимодействий клиентов с этим алгоритмом перешагнуло отметку в несколько миллиардов: нейросеть не просто отвечает на вопросы, но и проактивно предупреждает о дублирующих подписках, прогнозирует кассовые разрывы на счетах и помогает управлять личным бюджетом.
- Mastercard и Visa. Глобальные платежные системы используют глубокое машинное обучение для защиты мирового транзакционного трафика. Их алгоритмы за миллисекунды оценивают миллиарды операций по сотням параметров, выявляя скрытые сети мошенников и снижая количество ложных блокировок карт добропорядочных покупателей по всему миру.
Будущее денег: между алгоритмической точностью и человеческим контролем
Внедрение искусственного интеллекта в финансовую сферу уже давно прошло точку невозврата. Технология перестала быть просто инструментом для сокращения издержек и ускорения рутинных операций, превратившись в фундаментальный фактор конкурентоспособности. Сегодня алгоритмы определяют скорость движения капитала, формируют индивидуальные финансовые продукты и защищают миллиардные транзакции от киберугроз. Однако чем глубже нейросети проникают в архитектуру глобальной экономики, тем очевиднее становится главный парадокс эпохи: стремясь избавиться от человеческого фактора и его ошибок, индустрия порождает новые, системные риски. Проблема «черного ящика», уязвимость моделей перед хакерскими атаками и вероятность синхронных рыночных сбоев требуют от участников рынка и регуляторов принципиально нового уровня зрелости. Искусственный интеллект не отменяет базовых законов экономики и управления рисками — он лишь многократно увеличивает масштаб как потенциальной прибыли, так и возможных потерь.
В ближайшие годы развитие финансовых технологий будет определяться переходом от узкоспециализированных моделей к автономным мультиагентным системам и гиперавтоматизации. На смену простым чат-ботам придут полноценные ИИ-агенты, способные самостоятельно управлять ликвидностью компаний, оптимизировать налоговую нагрузку и вести сложные переговоры по условиям сделок в рамках заданных человеком лимитов. Одновременно с этим ключевым трендом станет развитие объяснимого искусственного интеллекта (Explainable AI). Регуляторы по всему миру ужесточают требования к прозрачности алгоритмов, поэтому финансовым институтам придется внедрять системы, способные на понятном языке обосновать любое решение — от отказа в кредите до блокировки счета. Еще одним важным вектором станет синергия ИИ и квантовых вычислений, которая откроет невиданные ранее возможности для моделирования сложных макроэкономических сценариев и мгновенного пересчета рисков в условиях высокой рыночной турбулентности.
В конечном счете успех финансовой индустрии будущего будет зависеть не от того, кто создаст самую сложную нейросеть, а от того, кто сможет выстроить наиболее надежный баланс между машинной эффективностью и человеческим контролем. Искусственный интеллект способен просчитать миллионы вероятностей, но именно человек должен определять этические границы, нести юридическую ответственность и принимать финальные стратегические решения в моменты, когда исторические данные перестают работать.
Часто задаваемые вопросы
Сможет ли искусственный интеллект полностью заменить финансовых аналитиков и трейдеров?
Полной замены не произойдет, но произойдет глубокая трансформация профессий. Алгоритмы уже забрали на себя рутинный сбор данных, первичный технический анализ и исполнение сделок. За человеком остаются разработка стратегий, оценка нетипичных геополитических или макроэкономических шоков, контроль за работой самих моделей и принятие решений в условиях высокой неопределенности, где историческая статистика бессильна.
Насколько безопасны личные финансовые данные, на которых обучаются банковские нейросети?
Крупные финансовые организации используют строгие протоколы шифрования, обезличивания данных и закрытые контуры для обучения моделей, чтобы информация не покидала периметр банка. Кроме того, активно внедряются технологии федеративного обучения, позволяющие алгоритмам учиться на распределенных данных без их физического сбора в одном месте. Тем не менее риск утечек и целенаправленных атак на сами модели сохраняется, поэтому кибербезопасность остается главной статьей расходов финтех-сектора.
Что делать клиенту, если алгоритм банка ошибочно заблокировал счет или отказал в кредите?
В большинстве юрисдикций, включая Россию, финансовое законодательство постепенно закрепляет право клиента на пересмотр автоматизированного решения человеком. В случае ошибки необходимо обратиться в службу поддержки с требованием провести ручную проверку операции или кредитной заявки. Регуляторы обязывают банки сохранять механизмы человеческого вмешательства для разрешения спорных ситуаций, порожденных сбоями в работе скоринговых или антифрод-систем.
Не приведет ли массовое использование ИИ на бирже к новым глобальным финансовым кризисам?
Такой риск существует и активно изучается центральными банками. Если большинство крупных игроков будут использовать схожие алгоритмы, обученные на одних и тех же данных, в момент рыночной паники машины могут начать синхронно продавать активы, многократно усиливая обвал. Для предотвращения подобных сценариев биржи используют механизмы автоматической приостановки торгов при резких колебаниях котировок, а регуляторы вводят требования по стресс-тестированию алгоритмов.
Источник: https://www.tadviser.ru/

