Агентский ИИ в финансах: как лидеры данных масштабируют безопасно

По всей Европе лидеры данных в финансовых услугах оказываются на тонкой грани – они желают внедрить и масштабировать инструменты ИИ, но ограничены соблюдением нормативных требований, управлением рисками и проблемой доказательства осязаемой ценности. Согласно нашему опросу CDO Insights 2025, более 97% глобальных лидеров данных говорят, что им трудно четко продемонстрировать бизнес-ценность генеративного ИИ. И, хотя 87% планируют ускорить инвестиции в ИИ, 67% признают, что перевели менее половины своих пилотных проектов ИИ в полномасштабное развертывание.

Одной из основных проблем является получение одобрения руководства. Более трети (35%) говорят, что получение поддержки и демонстрация ценности является ключевой проблемой, препятствующей развертыванию ИИ. Это означает, что многие остаются в режиме ожидания, не желая обязываться на более широкие развертывания без измеримых доказательств.

Эта колебание резко контрастирует с потенциалом технологии. McKinsey оценивает, что ИИ и аналитика могут принести до 1 триллиона долларов дополнительной годовой ценности глобальному банковскому делу, в то время как генеративный ИИ может внести до 340 миллиардов долларов в операционную прибыль. Это возможность слишком значительная, чтобы ее игнорировать – но она должна быть approached таким образом, чтобы обеспечить соблюдение нормативных требований, построение доверия и генерирование доказанных результатов.

Путь вперед

Несмотря на значительные проблемы, есть организации по всей Европе и остальной части мира, которые продвигают свое развертывание ИИ, изучая, как они могут получить выгоду от агентов ИИ. Те, кто движется в правильном направлении, не делают этого, погружаясь в сложные, длинные развертывания. Вместо этого они принимают измеренный подход: начинают с малого, строят доверие, доказывают ценность и масштабируют только тогда, когда технология доказывает свою эффективность.

Самые успешные развертывания ИИ не происходят за одну ночь. Они начинаются с небольших, высокоэффективных шагов, которые строят доверие и приносят результаты. Вот три шага, чтобы начать.

1. Используйте ИИ для очистки данных перед масштабированием

Даже с одобрением соблюдения нормативных требований системы ИИ так же сильны, как и данные, на которых они построены. Плохое качество данных подорвет точность, эффективность и доверие. Фактически, 43% лидеров данных говорят, что проблемы с данными являются их главным барьером для масштабирования генеративного ИИ.

Поощряюще, что сам ИИ может помочь исправить эти проблемы с данными. В финансовых услугах, например, некоторые фирмы используют инструменты ИИ для очистки данных о счетах к получению, удаляя дубликаты, исправляя устаревшие записи и решая несоответствия записей. Как только данные будут согласованы и надежны, компании могут автоматизировать напоминания, улучшить поток денежных средств и работать с большей уверенностью в своих выводах ИИ. Это также является одним из приоритетов инвестиций. 86% лидеров данных планируют увеличить расходы на управление данными, и почти половина из них называют подготовку данных для ИИ своей основной мотивацией.

2. Начните с сосредоточенных агентов-исполнителей

Развертывание узкопрофильных агентов-исполнителей является одним из самых быстрых способов получить измеримые победы. Эти агенты предназначены для выполнения очень конкретных, четко определенных задач, таких как составление сводок встреч, обработка стандартных транзакций или категоризация входящих запросов клиентов.

Поскольку агенты-исполнители просты в отслеживании, они производят выводы, которые четко отслеживаются и легче проверяются на точность. Это не только снижает операционный риск, но также обеспечивает ранние доказательства для заинтересованных сторон, помогая получить одобрение для более широкого внедрения.

Как только успех будет продемонстрирован с помощью агентов-исполнителей, организации могут ввести более сложные агентские структуры, такие как планировщики и координаторы, для обработки многоступенчатых рабочих процессов.

3. Упростите отчетность о соблюдении нормативных требований посредством автоматизации

Соблюдение нормативных требований является высоко ресурсоемкой областью в финансовых услугах. Регуляторная отчетность часто требует сбора и согласования данных из нескольких источников, процесс, который может занять сотни часов и зависит от небольшой группы обученных специалистов. ИИ отлично подходит для этой задачи, обеспечивая отличную отправную точку для тестирования и масштабирования технологии.

Как только базовые данные очищены и структурированы, ИИ может взять на себя часть тяжелой работы. Например, генерация отчетов, соответствующих требованиям BCBS 239, может быть частично автоматизирована с помощью сопоставления метаданных в сочетании с агентскими моделями ИИ. Эти системы могут производить точные первые черновики, которые затем проверяются сотрудниками по соблюдению нормативных требований, снижая время обработки, сохраняя при этом контроль качества.

Потенциал здесь значительный. McKinsey подчеркивает один глобальный банк, который достиг производительности на 200-2000% в процессе Know-Your-Customer (KYC), приняв подход “фабрики агентов ИИ”. Они сохранили человеческий надзор, но автоматизировали наиболее трудоемкие шаги.

Уроки из пути данных многопрофильного банка

Один голландский многопрофильный банк признал важность построения основ данных для успеха ИИ. Он понял важность управления данными и сделал это приоритетом. Он инвестировал в правильные организационные процессы для обеспечения доставки в масштабе, принимая намеренные решения для расширения полномочий команд. И он дал командам четкое направление и сильное межфункциональное сотрудничество для успеха. Это сочетание доверенных данных, расширенных полномочий команд и четкого стратегического направления является тем, что позволяет ИИ доставлять бизнес-ценность — не только технологические результаты.

Наращивание импульса без потери контроля

С 76% финансовых услуг, планирующих развертывание решений ИИ в течение следующих 12 месяцев, нарастает импульс. Однако ясно, что наиболее успешные организации не спешат с полномасштабной трансформацией. Они развертывают ИИ стратегически, сосредотачиваясь на небольших, хорошо ограниченных случаях использования, которые доставляют измеримую ценность и улучшают операционную эффективность. Они также внедряют управление на каждом этапе, обеспечивая участие команд по соблюдению нормативных требований на ранней стадии и часто.

Принимая этот пошаговый подход, фирмы могут ускорить внедрение ИИ без жертвования доверием или регуляторным соответствием, превращая “начало с малого” из воспринимаемого ограничения в намеренную, проверенную стратегию роста. В внедрении ИИ скорость имеет значение, но безопасность и масштабируемость имеют еще большее значение. Финансовые учреждения, которые начинают с малого, доказывают ценность и масштабируют с уверенностью, будут теми, кто лучше всего сможет раскрыть триллионный потенциал ИИ.