Выделите текст, чтобы комментировать.
По данным Отчёта Альфа-банк – «ИИ в финтехе – 2025: перспективные сценарии и лучшие практики», в 2024 году инвестиции финансового сектора в искусственный интеллект достигли 56,8 млрд рублей – абсолютного рекорда для отечественного рынка. Этот факт создаёт ту самую точку необратимости: ИИ перестал быть «модной инновацией» и стал инструментом повседневной эффективности. Если раньше компании задавались вопросом «нужен ли нам ИИ?», то теперь – «какие бизнес-функции он может автоматизировать полностью?»
От массового внедрения к зрелым сценариям
Финансовая отрасль прошла фазу «первых экспериментов». Две трети игроков уже применяют ИИ в операциях, но эффективность этих внедрений различается значительно. И причина всё чаще – не в технологиях, а в неправильном выборе сценариев. Если ещё несколько лет назад банки делали ставку на простые решения автоматизации типовых процессов, то сегодня акцент смещается к ИИ-агентам – системам, которые способны выполнять бизнес-функцию полностью, без участия человека. В английской терминологии это AI Agents – «агенты искусственного интеллекта». Такой переход означает смену парадигмы: от микровыгод к архитектурным преобразованиям. Крупные российские банки демонстрируют здесь наибольшие амбиции: они инвестируют в собственную ИИ-инфраструктуру, формируют команды дата-инженеров, создают корпоративные модели. Однако подобный путь остаётся доступным только для игроков с большим запасом капитала – себестоимость инфраструктуры всё ещё высока. Средние и небольшие компании выбирают другую траекторию: внедряют проверенные решения или экспериментируют с инновациями точечно, чаще ради сохранения имиджа «технологичной компании». В итоге формируется двухскоростная модель развития – но обе скорости движутся в одном направлении.
Где скрыт максимум эффекта: корпоративный и инвестиционный сегменты
По оценке отчёта, наибольший потенциал ИИ сохраняет именно в корпоративном бизнесе и инвестиционном сегменте. Здесь количество доступных данных высоко, а ценность точности особенно велика. В рознице, наоборот, шёл процесс бурного роста – и сегодня уровень автоматизации типовых операций здесь уже приближается к насыщению. Основные прорывы теперь происходят там, где сложность решения значительно выше: инвестиционный анализ, формирование рыночных идей, оценка волатильности, выявление аномальных событий.
Но важно помнить и об ограничениях. Использование генеративного ИИ для торговли или инвестиционных рекомендаций пока остаётся вспомогательным инструментом. Главная проблема – «галлюцинации» (англ. hallucinations, конфабуляции), когда модель выдаёт уверенные, но неверные выводы. Это риск, несовместимый с автоматической генерацией торговых стратегий без контроля человека.
“Радар возможностей” ИИ: как оценить зрелость финтех-организации
В 2023 году аналитики Gartner предложили удобный инструмент – «радар возможностей» ИИ (AI Opportunity Radar). Он основан на двух параметрах:
- масштаб амбиций (ambitions)
- осуществимость – feasibility – техническая, организационная и внешняя.
Чтобы организация могла объективно оценить свои ИИ-приоритеты, решения размещаются на диаграмме с двумя осями:
- Горизонталь – от «повседневного ИИ» (Everyday AI – автоматизация типовых задач) до «прорывного ИИ» (Game-Changing AI – инновационные конкурентные преимущества).
- Вертикаль – от внутренних процессов (Back Office) до внешних клиентских сервисов (Front Office).
В левой верхней части диаграммы оказываются решения для фронт-офиса, в левой нижней – для бэк-офиса, в правой верхней – клиентские сервисы, а в правой нижней – ключевые инфраструктурные компетенции. Каждый сценарий оценивается на предмет осуществимости:
- высокий уровень – ближе к центру;
- низкий – к внешнему кольцу.
Так формируется честный, прагматичный взгляд на то, что действительно может быть реализовано здесь и сейчас.
Три типичных профиля внедрения ИИ
Gartner выделяет несколько характерных моделей поведения компаний:
- Повышение производительности (productivity pursuers): ИИ применяется для автоматизации фронт- и бэк-офиса, иногда – основных бизнес-процессов.
- Стратегия «Не для клиентов» (Not in front of my customers): ИИ активно используется внутри организации, но не демонстрируется клиентам.
- «ИИ во всём» (AI first / AI everywhere): Максимальный охват технологий, включая продукты, процессы и клиентские сервисы.
Все три сценария формируют разные уровни рисков, затрат и организационной подготовки. Но в любом случае ключевую роль играет готовность компании к амбициям, а не масштаб самой идеи.
Три компонента готовности: безопасность, данные, принципы работы
1. AI ready security – готовность системы кибербезопасности
Главное – оценить риски раскрытия данных, используемых для обучения моделей. Другая критически важная задача – защита от подмены первичных данных: даже небольшое искажение способно изменить финансовые выводы. Классические подходы к информационной безопасности здесь недостаточны – требуется стратегия AI TRiSM (доверие, риск и безопасность моделей ИИ).
2. AI ready data – готовность данных
Оценивается полнота, точность, актуальность и правовая корректность данных. В финтехе особенно важно обеспечить возможность быстрого дообучения моделей: устаревшая информация прямо снижает точность решений – а это уже вопрос финансовых рисков.
3. AI principles – принципы работы организации
Речь о том, что компания должна заранее определить границы применения ИИ. Например:
- персонализированные предложения – допустимы,
- автогенерация инвестиционных рекомендаций – источник серьёзных репутационных рисков.
Чем честнее и формальнее организация фиксирует эти правила, тем легче масштабировать ИИ-проекты.
Новая зрелость финтеха – это реализм, архитектура и ответственность
Финтех вступает в эпоху, где главный ресурс – не скорость внедрения ИИ, а согласованность амбиций, данных, безопасности и организационных принципов. Отдельные решения уже не дают стратегического преимущества – выигрывают те, кто способен создавать архитектуру ИИ, а не набор инструментов. Главная тенденция 2025 года – переход от цифровизации к интеллектуализации, где ИИ становится не дополнением к процессам, а новой логикой их работы.
Материал подготовлен:
- доцентом Кафедры бизнес-информатики Финансового университета при Правительстве Российской Федерации, к.э.н. Зубовым Ярославом Олеговичем,
- заместителем заведующего Кафедрой бизнес-информатики Финансового университета при Правительстве Российской Федерации Сергеевым Степаном Алексеевичем.
