13
От хайпа к ROI: на каких фронтах ИИ уже зарабатывает для финансовых компаний
54% российских компаний внедрили генеративный ИИ хотя бы частично. В то же время есть организации, которые либо откладывают это, либо с осторожностью относятся к новым инструментам. Возможно, из-за неполного понимания технологии и ее рисков.
Иллюзия всеобщего интеллекта
Ожидания от искусственного интеллекта у всех были высокими. Предполагалось, что финансовая сфера тоже может шагнуть вперед. Например, в ближайшие годы у каждого сотрудника и клиента появится персональный умный ассистент, а решения будут приниматься быстрее и точнее.
От ИИ ждали и сокращения расходов на разработку, ведь генеративные модели умеют писать код. Сейчас процессы постепенно идут к этому, но пока что искусственный интеллект находится на уровне джуна.
В инвестиционном сегменте прогнозы выглядели не хуже: искусственный интеллект должен был анализировать поведение клиента, подбирать инструменты, уметь балансировать портфель и реагировать на рыночные изменения. Пока что, судя по исследованию Московской биржи, клиенты стали больше доверять ИИ, но перехода к умным инвестициям еще не ждем. Вот какие были результаты:
● 60% частных инвесторов готовы покупать инвестиционные инструменты, которыми управляет искусственный интеллект;
● 89% участников считают, что человеческий контроль важен и по-прежнему необходим;
● 28% не готовы доверить инвестиционные решения только машине;
● 13% затруднились с ответом.
Самый разрекламированный вид искусственного интеллекта — генеративные модели (LLM) и чат-боты. Иногда их подают как технологии, способные заменить целые отделы поддержки и аналитики. Но пока что на практике это скорее удобный интерфейс для небольших задач, чем полноценная замена сотрудников.
В чем ИИ уже хорош и как может приносить компании реальные деньги
Количество сценариев использования ИИ в финансах растет. Речь идет не только о популярных генеративных моделях (LLM), но и о так называемых агентных системах — умных помощниках, которые берут на себя целый пул процессов. Если сегодня ИИ уже может выдавать неплохой текст, картинку или код, то следующий шаг — решение комплексных задач, о которых уже давно говорят в медиаполе. Технологии для этого есть, вопрос лишь в масштабе внедрения.
1. ИИ-агент обслуживает клиентов
Самая очевидная и уже окупаемая зона применения — клиентский сервис. ИИ помогает банкам оценивать и прогнозировать риски, персонализировать продукты и автоматизировать повседневные операции.
Виртуальные ассистенты уже стали привычным интерфейсом. Они без участия сотрудников отвечают клиентам в текстовых чатах или по телефону на типичные вопросы, подсказывают статусы операций, помогают оформлять или подтверждать заявки. Например, британская финансовая компания NatWest совместно с OpenAI создала ИИ-помощника, который обслуживает клиентов. Интересно, что по соглашению NatWest получает доступ ко всем продуктам OpenAI, в том числе к новым разработкам компании. Также компании теперь доступны консультации и поддержка от OpenAI.
2. Автоматизирует внутренние процессы
ИИ уже может быстро обрабатывать внутренние запросы: он ищет нужные документы, обобщает информацию, формирует предварительные выводы, а сотрудник обязательно проверяет и дополняет. Внутри банков это используется, чтобы, например, ускорить подготовку аналитических отчетов. Так, один из крупнейших банков США сумел обработать 35 млн документов за две недели, снизив операционные расходы почти вдвое и повысив точность анализа.
В России подобные системы точно так же помогают ускорять внутренние процессы: от комплаенса и внутренней отчетности до аудита и анализа данных.
Похожий эффект это дает и в IT-подразделениях: модели-помощники берут на себя часть задач по написанию и проверке кода, поэтому разработчики могут быстрее работать и закрывать больше задач. Но, кажется, реальный рост производительности еще не дотягивает до ожидаемых показателей, потому что многое зависит от уровня внедрения и зрелости самой команды.
3. ИИ в клиентском контенте
Финансовые организации начинают использовать ИИ для создания обучающих и аналитических материалов, видеообзоров, внутренних презентаций и даже общения с клиентами.
Интересный кейс: швейцарский инвестиционный банк UBS с января внедрил ИИ-аватары своих аналитиков, которые в формате видео объясняют клиентам понятным языком свежие исследования и прогнозы. Глава отдела глобальных исследовательских технологий банка рассказал, что клиенты сейчас предпочитают именно формат коротких видео.
UBS выпускает около 50 тысяч аналитических документов в год, но ресурсов студии хватает на производство только около 1 тысячи видео в год. Теперь, благодаря ИИ-аватарам, он планирует увеличить выпуск до 5 тысяч видео ежегодно, освобождая аналитикам время для работы с клиентами.
Каждый ролик маркируется как созданный с помощью ИИ. Это важно, чтобы избежать путаницы и понимать, где реальный аналитик, а где его аватар. Банк отмечает, что технология пока не идеально справляется с акцентом некоторых аналитиков. Но сам подход уже показывает, что ИИ может масштабировать создание контента без потери качества и необходимости участия человека на каждом этапе.
В чем сложности внедрения ИИ в финтехе
В первую очередь пока рано говорить о полной замене сотрудника на ИИ-ассистента. Даже крупные игроки уже убедились, что искусственный интеллект может в том числе поставить компанию в неловкое положение. Так, Deloitte пришлось вернуть часть денег по госконтракту в Австралии после того, как в отчете, созданном с помощью GPT-4, обнаружили десятки ошибок и ссылки на несуществующие источники. Позже компания признала, что сотрудники использовали ИИ для заполнения пробелов. В сети уже много раз обсуждали, как ИИ периодически выдумывает несуществующие данные, ссылки, цифры и названия. Возможно, в первую очередь нейросеть заточена сгенерировать ответ на основе огромного объема данных и стремится к логичности, но не к фактической точности.
ИИ уже умеет писать код, прогнозировать разные ситуации и генерировать отчеты, но пока не способен мыслить системно. Главная сложность внедрения — в управлении. Компании только недавно начали решать сложную задачу: как встроить ИИ в процессы так, чтобы он помогал, но не заменял критическое мышление специалистов? Ответ будет найден в ближайшие годы. Финансовые организации будут активнее внедрять ИИ в качестве ассистентов или экспериментировать с заменой целых отделов. При этом уже сейчас идет усиление контроля качества и безопасности данных, пересмотр стандартов и обучение сотрудников новым возможностям.
