Генеративный ИИ поможет банкам заработать
ООО "Рексофт" представило исследование, посвященное применению генеративного ИИ в банкинге. По данным аналитиков, 48% финансовых организаций в России уже начали внедрять ИИ-решения. При этом большинство эффектов достигаются за счет сокращения фонда оплаты труда и ограниченно влияют на выручку банка. 70% неудач ИИ-проектов вызваны не слабостью алгоритмов, а фундаментальной неготовностью бизнеса к изменениям и подходом к ИИ как к ИТ-инструменту.
По мнению экспертов, эффекты от внедрения ИИ могут увеличить прибыль банка в 1,5 раза в перспективе двух-пяти лет. На данном этапе развития технологий потенциальный базовый эффект для отрасли от ИИ может составить 385 млрд руб., а при переходе к стратегии AI-first технология может принести российским банкам до 1,9 трлн руб. Однако аналитики отмечают, что это не значит, что прибыль отрасли вырастет именно на такую сумму. Необходимо учитывать, что часть традиционной прибыли может быть замещена.
Ключевые факторы успеха: включение ИИ-трансформации в стратегические цели, выбор "пилотных" процессов, исходя из их потенциала, максимальное использование генеративного ИИ и комплексный подход к трансформации, включающий перестройку операционной модели, развитие компетенций, ИТ-архитектуры и управления данными.
"Для того, чтобы эффективно использовать ИИ в финансовой сфере, нужно поменять привычный подход. Например, не пытаться предсказать стоимость акции, а применить ИИ для анализа отчетности компаний, новостного фона, сравнения с конкурентами. То есть, по сути, взять на себя работу аналитика. Это в основном работа с текстом, поэтому генеративный ИИ с этим должен неплохо справиться. И такие примеры уже есть. Сформированные за десятилетия алгоритмы анализа финансовых инструментов перетекают в ИИ, который быстро и успешно выполняет роль финансового аналитика", - рассказал старший разработчик систем искусственного интеллекта ООО "Инностейдж" (Innostage) Александр Лебедев.
"Экономический эффект от внедрения ИИ в финансовых организациях в ближайшие годы будет расти нелинейно. Многие банки лишь прикасаются к поверхности возможностей технологии, автоматизируя рутинные операции. Этот этап уже дает ощутимый результат: снижение затрат на 20-30% на отдельных процессах, например, в колл-центрах или при проверке документов. Однако настоящий прорыв ожидает тех, кто перейдет от точечных внедрений к стратегии AI-first, когда ИИ становится ядром всех бизнес-процессов. Речь идет о сквозной трансформации фронт-, мидл- и бэк-офиса. В этом случае совокупный экономический эффект может превышать 50%", - отметил директор по продажам ООО "Форктек" (Fork-Tech) Кирилл Солкан.
Экономический эффект от внедрения ИИ в банках значительно варьируется в зависимости от выбранных процессов. Точечные внедрения могут принести до 11% роста прибыли, когда эффект от комплексной ИИ-трансформации оценивается до 53%. Анализ процессов фронт-офиса показал, что внедрение помощников и чат-ботов в среднем дает лишь 1,2% прироста прибыли, в то время как комплексная перестройка процессов фронт-офиса может увеличить этот показатель на 20%. В мидл-офисе, где использование генеративного ИИ пока ограничено, потенциальный эффект составляет до 19%, а в бэк-офисе и ИТ – до 13%.
"Мы рассматриваем искусственный интеллект как один из ключевых драйверов развития бизнеса и видим его потенциал далеко за пределами генеративных технологий. Но если говорить про генеративный ИИ, то разработка и дообучение больших языковых моделей на наших данных позволяет нам создавать эффективные и безопасные системы. Мы уже видим конкретные результаты: до 45% обращений в поддержку решаются без участия человека, что снижает нагрузку на специалистов и ускоряет обработку запросов", - рассказал корреспонденту ComNews представитель пресс-службы АО "ТБанк" (Т-Банк).
Основные трудности при реализации ИИ-инициатив обусловлены ограниченным характером внедрения и фокусом на ИТ-инструментах, а не перестройке процесса, что приводит к стагнации ИИ-проектов. В лучшем случае они не приносят желаемого эффекта, в худшем – приводят к противоречиям и дублированиям в процессах, которые должны были оптимизировать. В результате у сотрудников и руководства формируется скептическое отношение к ИИ: эффективность технологий ставится под вопрос, и дальнейшее внедрение откладывается на неопределенный срок.
Директор по продуктам ERM и BPM ООО "Некстби" Наталья Рудик назвала еще несколько трудностей, с которыми могут столкнуться организации при внедрении ИИ: "Во-первых, это качество данных: фрагментация между разными внутренними учетными системами, отсутствие унификации по времени (на какую дату данные). Некачественный данные приводят к появлению некорректных решений. В результате вместо оптимизации происходят дополнительные расходы и убытки. Также отмечу вопросы к "интерпретации" результатов моделей и принятых решений, особенно со стороны регулятора. Нельзя просто использовать "черный ящик" - модель должна быть понятна и логична для регулятора, топ-менеджмента, акционеров и других заинтересованных сторон".
"Одним из препятствий для финансовых организаций при внедрении ИИ являются законодательные ограничения на доступ к чувствительным данным. В остальном отрасль может столкнуться с уже привычными для всех игроков дефицитом квалифицированных специалистов и сложностью интеграции подобных технологий в текущие бизнес-процессы. Дополнительные риски создают разрозненные источники данных и сложные пайплайны их обработки", - добавил менеджер ML-продуктов АО "Селектел" (Selectel) Антон Чунаев.
Представитель пресс-службы "Т-Банка" рассказал о планах на будущее: "В ближайшие годы мы рассчитываем на значительное снижение издержек благодаря развитию LLM‑платформ и копайлотов, а также на ускорение базовых операций. Это улучшает клиентский опыт и влияет на рост выручки за счет новых продуктов и повышения лояльности. Если говорить о внедрении ИИ в операционные процессы, то текущий эффект уже составляет десятки миллиардов рублей. А при масштабировании на всю выручку группы "Т‑Технологии" экономия может быть еще более значительной".
