Искусственный интеллект сейчас повсюду в банковской сфере. Об искусственном интеллекте упоминается в каждой стратегической презентации, каждое учреждение заявляет, что в него инвестирует, и каждый совет задает вопрос менеджменту о том, насколько быстро он может быть внедрен. Accenture опросила 500 американских консультантов в прошлом году - и 96% считают, что генеративный ИИ изменит обслуживание клиентов.
Однако во многих случаях то, что внедряется, ближе к демонстрации, чем к трансформации с реальным влиянием на бизнес - системы, которые хорошо работают в контролируемых средах, но сталкиваются с проблемами при подключении к сложной реальной банковской инфраструктуре.
Но самый большой риск для банков сегодня не в том, что они двигаются слишком медленно с внедрением ИИ, а в том, что они внедряют его в неправильной последовательности.
Почему инфраструктура данных должна быть отправной точкой
По всей отрасли многие банки отдают предпочтение видимому ИИ - чат-ботам, ассистентам и клиентским интерфейсам - прежде чем исправить основы, которые делают ИИ на самом деле рабочим. Инфраструктура данных, управление и объяснимость часто рассматриваются как второстепенные проблемы. На самом деле, это отправная точка.
Этот шаблон легко понять, если посмотреть, как обсуждаются вопросы ИИ внутри банков. Советы находятся под давлением продемонстрировать быстрый прогресс. Самый простой способ показать этот прогресс - запустить что-то видимое, и чат-бот - самый быстрый способ это сделать.
Технически запуск чат-бота относительно прост: подайте большую языковую модель внутренние политики и документацию, и он может почти мгновенно отвечать на вопросы сотрудников или клиентов. Но стратегически это лишь почти касается поверхности того, что на самом деле может сделать ИИ. Реальная возможность находится гораздо глубже, в том, как банки организуют и используют свои данные.
Финансовые институты располагают одними из самых богатых наборов данных в экономике
Они знают, где мы тратим деньги, как наше финансовое поведение меняется со временем и как крупные жизненные события формируют наши финансы. Для многих клиентов банки хранят запись десятилетий финансовой деятельности. Через KYC эти же учреждения также собирают значительное количество информации. И это еще не все: в банках хранятся несколько уровней структурированных и неструктурированных данных - многие из них очень ценны, если они правильно очищены и подготовлены для моделей ИИ.
Но наличие эквивалента нескольких жизней клиентских данных ничего не значит, если вы не можете воспользоваться этим.
Большая часть этой информации находится в старых системах, созданных за тридцать или сорок лет. Данные хранятся в различных форматах в различных отделах и управляющих. В некоторых случаях критическая информация о клиентах все еще находится внутри отсканированных документов или заполненных от руки форм.
Внедрение клиентского ИИ поверх фрагментированных, несогласованных данных наследия фактически автоматизирует ошибки в масштабе
Когда банки пытаются внедрить ИИ поверх этой среды, результат можно предсказать. Мусор на входе все еще означает мусор на выходе - даже с самыми передовыми моделями.
Просто говоря, технология готова, но трубопровод не готов.
Вот почему правильная последовательность для внедрения ИИ в банковской сфере проста: сначала данные, затем модели. Без чистых, стандартизированных данных даже самый мощный двигатель ИИ бесполезен.
Сами модели уже не являются основной проблемой. Технология уже существует и продолжает быстро совершенствоваться. То, насколько ИИ работает в банковской сфере, определяется качеством и структурой информации, которую он получает.
Эта проблема становится еще более важной, когда в дело вступает регулирование.
Современные системы ИИ основаны на нейронных сетях с миллиардами параметров. На практике они функционируют как черные ящики. Даже их создатели не могут полностью объяснить, как генерируется каждый вывод.
Для регуляторов и служб соблюдения правил это вызывает понятное недоверие. Если система ИИ рекомендует действие, выделяет транзакцию или поддерживает финансовое решение, учреждение должно быть способно обосновать причины этого.
Вот почему службы соблюдения стандартов часто рассматриваются как препятствие для принятия ИИ. Однако соблюдение стандартов также может стать одним из крупнейших бенефициаров ИИ.
60 млрд долларов: годовые глобальные затраты на соблюдение финансовых преступлений
По данным LexisNexis, глобальные затраты на соблюдение финансовых преступлений превышают 60 млрд долларов ежегодно. Большая часть этой работы включает в себя ручные процессы, такие как привлечение клиентов, верификацию документов и отчетность в соответствии с регуляторными требованиями. ИИ имеет потенциал трансформировать эти процессы, но только после того, как базовая информация структурирована и доступна. Без этой подготовки автоматизация соблюдения стандартов просто добавляет сложности.
Еще одним распространенным недопониманием в отрасли является идея, что ИИ в банковской сфере в основном означает чат-ботов. Так же важно измерять, действительно ли работают системы ИИ. Банки должны отслеживать метрики, такие как точность, завершение задачи и уровень галлюцинаций, чтобы понять, улучшают ли модели операции или просто генерируют убедительные ответы.
Реальная трансформация не произойдет отдельно от одной модели, а от мультиагентной системы с несколькими агентами, которые объединяют специализированные модели и работают вместе как команда. Одна модель может анализировать финансовые данные, другая - интерпретировать требования регуляторов, третья - оценивать налоговые последствия, а четвертая - оценивать рыночные условия.
Это намного ближе к тому, как принимаются решения внутри банка. Клиенты не обслуживаются одним человеком, а специалисты работают вместе - в области инвестиций, рисков, налогов и соблюдения стандартов. ИИ начинает отражать эту структуру.
Вместе они могут воспроизвести коллективное принятие решений, которое в настоящее время требует команд специалистов. Есть также веская причина, почему эта трансформация имеет значение сейчас.
Бумеры и поколение X в настоящее время контролируют около 70% глобального богатства
В течение следующих двух десятилетий примерно 124 триллиона долларов перейдет наследникам. Таким образом, учреждения, которые не адаптируются к цифровым клиентам, рискуют потерять 70% следующего поколения, прежде чем они даже с ними познакомятся.
Будущие клиенты ожидают цифровых услуг, которые полностью вливаются в их жизнь - с более быстрыми инсайтами, более активным подходом, большим эмпатическими и гиперперсонализированными советами. В то же время, финансовая история, которая делает возможным персонализированные советы, уже хранится в легаси-системах традиционных банков.
Если учреждения смогут организовать и мобилизовать эту информацию, они получат мощное преимущество. Если же нет, новые цифровые платформы быстро догонят.
У банков нет проблем с технологиями, у них проблема с данными.
Учреждения, которые уделяют время организации и структурированию информации, которую они уже имеют, извлекут огромную ценность из ИИ. Те, кто сосредотачивается только на инструментах поверхностного уровня, обнаружат, что технология предоставляет гораздо меньше, чем ожидалось.
В банковской сфере, как и во многих отраслях, трудная работа обычно имеет большее значение, чем видимая.
Альваро Моралес, соучредитель и председатель Flanks
"Поверхностный искусственный интеллект - крупнейший стратегический риск для банков в 2026 году" был изначально создан и опубликован Private Banker International, брендом, принадлежащим GlobalData.
Информация на этом сайте была включена добросовестно исключительно в целях общей информации. Она не предназначена для рассмотрения как совет, на который стоит полагаться, и мы не даем никаких гарантий, явных или подразумеваемых, относительно ее точности или полноты. Прежде чем предпринимать какие-либо действия на основе содержания нашего сайта, обязательно получите профессиональную или специализированную консультацию.
