Искусственный интеллект уже не просто инструмент в руках банков, он становится основой новой финансовой реальности. От автоматизации рутинных задач до разумных рекомендаций для клиентов, ИИ меняет все этапы банковских операций. Однако вместе с новыми возможностями возрастают и риски, которые могут поставить под угрозу не только бизнес-процессы, но и доверие клиентов. Как банкам балансировать между инновациями и безопасностью? Рассказывает CIO Sense Bank Александр Драгин.
Покупайте годовую подписку на шесть журналов Forbes Ukraine по цене четырех. Если вы цените качество, глубину и силу реального опыта, эта подписка именно для вас.
Еще 10 лет назад украинские банки тестировали автоматизацию, основываясь на простых if-then-правилах. Сегодня искусственный интеллект формирует новую архитектуру банковской системы – цифровые помощники и генеративные модели меняют способы обслуживания клиентов и принятия решений.
Вместе с перспективами возрастают риски. Банки должны балансировать между амбициозным внедрением инноваций и взвешенной ответственностью. ИИ остается стратегическим вызовом для отрасли.
От автоматизации к Enterprise AI
Банковский сектор традиционно использовал интеллектуальную автоматизацию (IA) для упрощения KYC, AML, кредитного скоринга. В настоящее время происходит переход к Enterprise AI, это сочетание машинного обучения, генеративных моделей, API и оркестрации процессов. Это не вспомогательные сервисы, а ядро новой операционной модели банка, обеспечивающее гибкость, масштабируемость и быстроту внедрения инноваций.
Такая интеграция позволяет трансформировать всю логику клиентского обслуживания: от персонализированных инвестиционных рекомендаций до динамичного управления рисками и автономной обработки документов, по данным SS&C Blue Prism.
Очевидные преимущества
Внедрение ИИ позволяет банкам сократить расходы по автоматизации рутинных задач и привлекать человеческие ресурсы на стратегические направления. ИИ-модели также минимизируют ошибки людей в анализе данных и решениях по кредитованию.
Технология улучшает сервис и клиентский опыт: круглосуточные чат-боты, интеллектуальные рекомендации, бесшовное обслуживание. В управлении рисками ИИ тоже помогает. Применять его можно от fraud-анализа до оценки платежеспособности клиента в реальном времени.
ИИ также усиливает комплаенс – системы с высокой точностью обеспечивают мониторинг и аудит действий в соответствии с нормативами.
Не все так просто: риски и вызовы
Новые возможности сопровождаются новыми рисками.
Black-box-эффект – большинство ИИ-моделей (особенно LLM) плохо объясняют, как пришли к конкретному выводу. Data bias означает, что предупреждения относительно обучающих данных модели воспроизводятся и масштабируются.
Галлюцинации бывают не только у людей, но и у генеративных моделей, что недопустимо, когда речь идет о высокорегулируемой среде банкинга. Техническая концентрация создает угрозу – большинство банковских ИИ-решений базируются на ограниченном количестве провайдеров, образуя системные точки отказа.
Рост сложности моделей означает большее количество векторов атак на данные и алгоритмы, усиливая киберугрозы.
Отдельная обеспокоенность – «модельное стадное мышление», когда использование одинаковых моделей разными игроками повышает риск синхронных ошибок и волатильности рынка.
Тренды до 2027 года
Четыре ключевых вектора развития ИИ в банкинге, согласно аналитике IIF, Forrester, Bank of England.
Человекоцентричный ИИ. Когда ИИ не вытесняет, а дополняет работника. Новые роли в банках будут предусматривать партнерство с алгоритмами, а не контроль над ними.
Агентные модели. Autonomous AI agents равномерно возьмут на себя часть операционных решений. Но ключевое – сохранение модели HITL на критических этапах.
Строгое AI-управление. Фреймворки типа Enterprise Operating Model (EOM) станут обязательными для контроля, этичного применения, регуляторной отчетности.
Коннекторность и экосистемность. ИИ должен быть интегрирован в цифровую экосистему банка через API, orchestration и общую платформенную стратегию.
Нужна стратегия, а не слепое внедрение
Использование искусственного интеллекта в банкинге быстро становится необходимостью. Не встает вопрос «внедрять ли ИИ», а как это сделать ответственно и этично.
Есть случаи, когда технологии внедряются ради галочки, без учета специфики бизнес-модели, культуры организации или этичного контекста. Это создает риски репутации, операционные и регуляторные угрозы.
Стратегия ответственного ИИ должна быть интегрированной частью цифровой трансформации банка, не только техническим проектом, но и системным подходом. Это включает четыре ключевых компонента:
Риск-менеджмент by design. ИИ-модели должны быть разработаны с учетом рисков, а не для «тушения пожаров». Это включает контроль качества и происхождения данных для тренировки моделей, аудит и валидацию результатов, системы мониторинга «галлюцинаций», обязательный механизм вмешательства человека на критических этапах (HILT).
Этические принципы в коде не только на слайдах. Недостаточно декларировать этичность в публичных стратегиях. Этические нормы должны быть зашиты непосредственно в архитектуру продуктов, логику моделей, правила модерации входных данных и выдачи решений.
Речь идет не только о недопущении дискриминационных решений, но и о более глубоком уровне: о прозрачности алгоритмов, ответственности за последствия и способности объяснить каждое автоматизированное решение.
Инклюзивная автоматизация. Автоматизация не должна стать инструментом вытеснения людей. Напротив, она должна усиливать их эффективность, позволять фокусироваться на задачах с добавленной стоимостью. Это означает: переосмысление ролей и компетенций внутри банка, инвестирование в обучение и адаптацию персонала к новым реалиям, создание условий для партнерства между человеком и ИИ, а не конкуренции.
Прозрачность моделей и процессов. Чем сложнее алгоритм, тем больше к нему вопросов. Поэтому банки должны быть способны объяснить клиенту, почему его заявка одобрена или отклонена, предоставить аудитору логику решения, отследить источники данных и корректность их обработки, прозрачно отчитываться перед регулятором об использовании алгоритмических систем. Без этого мы рискуем потерять главное – доверие.
У банковского сектора впереди еще много решений по использованию ИИ – как технологических, так и философских. По-настоящему важен фокус не на том, какие алгоритмы мы выбираем, а какое будущее программируем вместе с ними.
Вы нашли ошибку или неточность?
Оставьте отзыв для редакции. Мы учтем ваши замечания как можно скорее.
