Банки лучше других отраслей подготовлены к внедрению ИИ, но слабо измеряют эффект от его внедрения
Крупные российские финансовые организации демонстрируют более высокий уровень организационной зрелости в управлении генеративным искусственным интеллектом по сравнению с компаниями из других отраслей.
К такому выводу пришли эксперты К2Тех, сравнив финансовый сектор с компаниями из ритейла, промышленности и логистики по четырем параметрам: наличие выделенного ответственного за риски, бюджет, зрелость управления данными и измеримость эффективности пилотов ИИ. Исследование проводилось К2Тех методом анализа более 80 предпроектных обследований и аудитов, а также опроса 150 респондентов из компаний со штатом более 1000 человек.
В финансовой отрасли 43% компаний указали, что ответственность за ИИ и данные закреплена на уровне выделенного руководителя — CAIO, CDO или сопоставимой роли, тогда как в остальных секторах этот показатель составляет 30%. Ещё более заметна разница в подходах к управлению рисками: 24% финансовых организаций за них отвечает риск-менеджмент или комплаенс, в других отраслях — лишь 6%.
Бюджеты на данные и ИИ-проекты выросли у 81% финансовых организаций (у трети — более чем на 50%), при этом ни один банк не сообщил об отсутствии отдельного финансирования. В других отраслях отдельный бюджет не выделяется у 18% компаний, а рост более чем на 50% зафиксирован только у 25%.
Банки также активнее готовятся к новому регулированию в ИИ. Нормы закона обязывают компании КИИ четко знать, какие модели и сервисы используются в корпоративном контуре, на каких данных они работают, к каким системам имеют доступ. 86% финансовых организаций оценили свою data-инфраструктуру как полностью или частично готовую к требованиям закона, тогда как в других отраслях этот показатель составляет 73%. При этом готовность data-инфраструктуры не означает, что конкретные наборы данных уже пригодны для ИИ-сценариев. 62% банков считают, что их данным требуется доразметка, очистка или консолидация. В других отраслях о частичной готовности сообщили 39% компаний. При этом банки реже называют данные главным барьером: 19% против 23% в других отраслях.
Главная системная проблема в управлении ИИ сегодня во всех отраслях — отсутствие измеримых KPI. Лишь 24% финансовых организаций используют количественные метрики, такие как число инцидентов, полнота документации или уровень автоматизации контрольных процедур; в других отраслях этот показатель составляет 26%. При этом 48% банков ориентируются преимущественно на качественные оценки, например результаты аудитов, а 14% оценивают процесс без формализованных метрик. В результате около трёх четвертей компаний не имеют количественных KPI для управления.
"Мы видим парадокс: инвестиции в ИИ растут быстрее, чем у компаний появляется способность измерить и доказать их бизнес-эффект. Поэтому следующий уровень зрелости — не ещё один бюджет на GenAI, а портфельное управление: каждая инициатива должна иметь владельца, стоимость, риск-профиль, измеримые метрики эксперимента и понятное решение по итогам — масштабировать, доработать или закрыть. Иначе даже хорошо финансируемая ИИ-программа довольно быстро превращается в дорогую коллекцию пилотов", — отметил Гоша Шатиров, директор по инновациям и ИИ К2Тех.
В банках наблюдается более сильный разрыв между ожиданиями топ-менеджмента и реальной готовностью бизнеса к внедрению ИИ: 38% финансовых организаций сообщили о сильном разрыве, тогда как в других отраслях — только 24%. Полное соответствие ожиданий ресурсам зафиксировано лишь у 10% банков против 25% в других секторах. Это означает, что даже при более зрелой организационной структуре и финансировании банковское руководство ждёт от ИИ большего, чем могут обеспечить текущие данные и инфраструктура.
