Искусственный интеллект в финансах: три взгляда на настоящее и будущее технологии

Финансовый мир стремительно меняется под натиском ИИ — одни компании уже внедряют умные алгоритмы в ключевые процессы, другие только начинают эксперименты. Но какие технологии действительно работают сегодня? Какие риски скрываются за автоматизацией? И как изменится роль ИИ уже в ближайшие годы?

Мы поговорили с экспертами из разных направлений:

Их прогнозы иногда расходятся, но в одном они единодушны: ИИ — не будущее, а настоящее финансовой индустрии. Вопрос только в том, кто сможет использовать его максимально эффективно — и избежать скрытых ловушек.

Читайте интервью — и узнайте, как искусственный интеллект меняет правила игры.

1. Какие наиболее значимые примеры использования ИИ в финансовом секторе вы наблюдаете сегодня?

Сейчас мы видим четкое разделение по масштабам компаний:

• Крупные компании перешли от этапа экспериментов к активной интеграции ИИ в ключевые бизнес-процессы.
• Средние компании продолжают тестирование и оценку потенциала применения, однако массового внедрения пока не наблюдается.
• Малый бизнес демонстрирует высокую активность в использовании.

Сложились группы решений, которые можно выделить:

Клиентский сервис нового поколения

• Чат-боты и голосовые ассистенты (Сбер, ВТБ, Альфа) сокращают нагрузку на call-центры на 40-60%
• Специализированные решения (например, FIS) автоматизируют поддержку клиентов

Интеллектуальный скоринг

• Кредитные решения на основе анализа сотен параметров (Сбер, Тинькофф)
• Оценка рисков эмитентов (Атомайз)

Аналитика и прогнозирование

• Инвестиционные рекомендации (Morgan Stanley)
• Управление ликвидностью (Сибур, Kyriba)

Борьба с мошенничеством

• Системы реального времени (Mastercard, российские банки)
• Автоматический KYC и контроль платежей

Персонализированный маркетинг

• Индивидуальные предложения (все крупные банки)
• Потенциал для улучшения точности

Автоматизация процессов

• Обработка документов и отчётность (Сбер)
• Юридический анализ (чат-боты)

ИИ стал неотъемлемой частью финансового сектора, но ещё не раскрыл весь свой потенциал. Основные игроки уже активно используют технологии, тогда как остальные пока оценивают возможности внедрения.

Банки, особенно крупные, очень активно разрабатывают и внедряют решения на базе искусственного интеллекта, прибегая как к собственным компетенциям, так и за счет ресурсов дочерних обществ, на примере работы с ЭТП ГПБ. При росте ключевой ставки ЦБ и миграции клиентов между игроками, крупные банки вынуждены повышать собственную операционную эффективность в том числе за счет применения ИИ.

В банковской сфере:

Применение ИИ для повышения операционной эффективности всего банка:

• Уменьшение рутинных операций за счет роботизации текущих процессов
• Применение генеративных моделей для ответа пользователям
• Внедрение умных баз знаний для работы с внутренней документацией и НПА.

Мгновенный кредитный скоринг

• Оценка рисков за секунды с анализом не только финансовых показателей, но и цифрового поведения клиента
• Пример: автоматическое одобрение кредитов в Тинькофф и Сбере

Антифрод-системы нового поколения

• Реальное обнаружение и блокировка мошеннических операций до их завершения
• Технологии Mastercard и российских банков предотвращают до 90% fraudulent-транзакций

Цифровые консультанты

• Виртуальные помощники полного цикла: от открытия счета до сложных банковских операций
• Кейсы: Газпромбанк (применение ИИ в Личном кабинете банковского сопровождения контрактов), Альфа-банк (робот-юрист), Сбер (AI-менеджер по продуктам)

Для финансовых директоров:

AI-ассистент CFO

• Автоматическая подготовка финансовой аналитики
• Объяснение отклонений и аномалий в отчетности
• Интеллектуальный мониторинг KPI с прогнозными возможностями
• Пример: решения от 1С и российских финтех-стартапов

Современные системы перешли от простой автоматизации к комплексному управлению финансовыми процессами с элементами предсказательной аналитики.

Наиболее востребованные решения сегодня:

Интеллектуальные ассистенты (типа CoPilot), которые:

• Моментально находят актуальную законодательную информацию
• Автоматизируют создание документов и аналитических материалов
• Генерируют формулы для Excel и базовые скрипты для доработки систем
• Создают презентации и визуальный контент

2. С какими основными рисками и ограничениями сталкивается внедрение ИИ?

Мы выделяем три группы рисков, с которыми сталкиваются компании:

Технологические вызовы

• Проблема доверия
  Многие клиенты и сами банки опасаются ИИ-решений из-за их «чёрного ящика» — невозможно понять, как система пришла к тому или иному выводу
• Бесконечная гонка за актуальностью
  Модели требуют постоянного переобучения, особенно в условиях санкций и быстро меняющейся экономики
• Мусор на входе — мусор на выходе
  Даже крупные игроки сталкиваются с проблемой «грязных» данных, хотя тренд на осознанный сбор информации уже прослеживается

Регуляторные и этические дилеммы

• Юридическая неопределённость
  Кто будет отвечать, если ИИ даст ошибочную рекомендацию, приведшую к убыткам?
• Персональные данные под прицелом
  Жёсткие требования GDPR и аналогичных законов существенно ограничивают возможности использования данных для маркетинга и скоринга

Операционные сложности

• Дорого и сложно
  Внедрение требует не только серьёзных инвестиций, но и перестройки всех бизнес-процессов
• Кадровый голод
  Острый дефицит специалистов, способных говорить на языках и бизнеса, и технологий
• Перезагрузка обучения
  Традиционные программы подготовки junior-специалистов безнадёжно устарели — теперь нужно учить людей работать в симбиозе с ИИ

Получается, ИИ пока больше проблем, чем пользы?

Вовсе нет! Это типичные «болезни роста». Те, кто преодолеет эти вызовы сегодня, завтра окажутся в числе лидеров рынка. Главное — двигаться осознанно, без технологического фанатизма.

Проблема прозрачности алгоритмов

Клиенты и регуляторы требуют объяснений решений ИИ («Почему мне отказали в кредите?»), но современные модели часто работают как «чёрный ящик».

Низкое качество исходных данных
Неполные или искажённые данные, особенно поступающие от территориально распределённых подразделений, приводят к ошибочным прогнозам и несправедливому ограничению клиентов в доступе к финансовым продуктам. Наш опыт внедрения решений в холдингах показывает, что для успешной интеграции ИИ критически важно наличие методологии нормализации справочников, а также системы автоматического обогащения данных на основе бизнес-правил и контекстной логики.

Кибербезопасность
ИИ-системы становятся приоритетной мишенью для хакеров из-за их центральной роли в обработке финансовых данных.

Регуляторные вызовы

• Отсутствие чётких стандартов «ответственного ИИ»
• Противоречивые позиции регуляторов (как заявление Максута Игоревича Шадаева (министр цифрового развития, связи и массовых коммуникаций Российской Федерации) о нежелании избыточного регулирования)

Риск цифровой дискриминации
Клиенты без цифровой истории автоматически попадают в группу риска («Нет цифрового следа = подозрительный клиент»).

Организационные сложности
Требуется глубокая интеграция ИИ-решений между подразделениями для обеспечения сквозной автоматизации процессов. Для этого требуется замотивировать персонал заказчика — необходимо силами совместной группы внедрения обучать сотрудников заказчика управлять новыми сервисами и сопровождать ИИ‑процессы самостоятельно, не спешить отключать «человеческий фактор», а при интеграции  позиционировать решение не как «внешний замещающий интеллект», а как «рабочую лошадку» в операционной деятельности предприятий.

Ключевой аспект — безопасность технологий.

Часть данных имеет гриф коммерческой тайны и не может обрабатываться с помощью ИИ, особенно если технология ориентирована на внешнее использование, а не только на внутренние процессы компании.

3. Как изменится роль ИИ в финансовой отрасли в ближайшие 3-5 лет?

В ближайшие 3–5 лет применение ИИ-решений и инструментов на его основе продолжит расширяться, однако сама роль ИИ останется прежней – вспомогательной. На данный момент мы не видим оснований для принципиального изменения его функций.

В то же время специалистам в финансовой сфере и других областях, где активно используется ИИ, придётся адаптироваться: передать часть рутинных задач алгоритмам, перестроить рабочие процессы и научиться эффективно взаимодействовать с ИИ. Это включает в себя грамотную постановку задач, контроль их выполнения, а также активное применение креативного и критического мышления в повседневной работе.

Гиперперсонализация

Финансовые сервисы перейдут от общих рекомендаций к мгновенным адаптивным решениям: переезд, рождение ребёнка или новая работа — и ваша «цифровая экосистема» автоматически предложит оптимизированные сценарии.

Автоматизированный комплаенс

Банки перестанут зависеть от ручных проверок: ИИ в режиме реального времени будет отслеживать регуляторные изменения, корректировать внутренние политики и формировать отчёты для ЦБ — без участия человека.

Симбиоз ИИ и блокчейна

«Умные» контракты эволюционируют в автономных арбитров: они смогут самостоятельно инициировать выплаты, открывать кредитные линии или пересматривать условия договора на основе предзаданных метрик.

Финтех-платформы «всё в одном»

Границы между финансовыми услугами постепенно исчезают: единая система на базе искусственного интеллекта будет динамически адаптироваться к изменяющимся целям и финансовому статусу клиента — автоматически переключая его между страхованием, инвестициями, кредитованием и бухгалтерским учетом.

Ликвидность холдингов станет управляться централизованно — через единый личный кабинет с функциями прогноза и рекомендаций от ИИ. Первые шаги в этом направлении уже реализованы на примере комплексной системы *TMG*, разработанной нашей командой. Сегодня ключевая задача — не просто обеспечить креативные подсказки со стороны ИИ, а сформировать надежный инструмент, способный точно рассчитывать последствия принимаемых решений с учетом рисков и возможности возникновения отложенных убытков.

ИИ превратится в обязательный инструмент для анализа, управления рисками и подготовки отчётов. Однако его внедрение будет сопровождаться усилением защитных механизмов. Как гласит мудрое правило (которое, возможно, однажды озвучит и ИИ) — технологии должны служить людям, а не подменять их.

---

Вывод: общее и особенное

Сходства:

• Все эксперты отмечают повсеместное проникновение ИИ в ключевые процессы
• Единодушны в оценке рисков: безопасность данных и регуляторная неопределенность
• Согласны, что ИИ не заменит людей, но изменит их роль

Различия:

• Консультант делает акцент на бизнес-процессы, разработчик — на технологические прорывы
• Казначей фокусируется на практических аспектах внедрения в корпоративной среде
• Взгляд на будущее: от осторожного (Кабаева) до оптимистично-революционного (Емелин)

Общий итог: ИИ в финансах — это эволюция, а не революция. Технология уже меняет отрасль, но ее потенциал раскроется только при грамотном управлении рисками и переосмыслении человеческой роли в новых условиях.