За цифрами: Как ИИ стал самым прибыльным «сотрудником» в финансах

В средствах массовой информации банковское дело и, в более широком смысле, финансы часто изображаются как люди в строгих костюмах, принимающие деловые решения с верхних этажей небоскрёбов, или талантливые трейдеры, которые могут понять состояние рынка по небольшим данным. Поскольку это одно из самых мощных образов финансов, многие обсуждения новых технических функций в этой области сосредоточены на том, как они изменят эту работу на переднем плане.

ИИ не является исключением здесь, и большая часть дискуссий вокруг его принятия в финансах сосредоточена на том, заменят ли агенты трейдеров или смогут ли они более эффективно распределить капитал, чем консультанты. Однако наиболее эффективное применение ИИ оказалось далеко от того гламурного образа, который многие представляют. На самом деле, искусственный интеллект приносит больше денег с того, что можно назвать «скучной» стороной финансов, повседневными операциями.

Где ИИ фактически создаёт ценность

Основная польза от ИИ заключается в том, что он может выполнять задачи намного дешевле и несколько раз быстрее, чем люди. И, делая это, он буквально генерирует прибыль за счёт повышения операционной эффективности.

Например, с помощью инструментов ИИ Citigroup снизила время проверки документов перед открытием счета с более чем часа до 15 минут. Естественно, более быстрое принятие решений порадует клиентов и может даже сделать их более лояльными. Но в то же время эти 45 минут переводятся в сотни тысяч долларов экономии затрат для банка, поскольку эти инструменты освобождают часы человеческого труда для более важной работы.

ИИ помогает оптимизировать обширный слой финансовой бюрократии и внутренних рамок, на которых основываются компании. Поэтому наиболее ценные случаи использования часто оказываются далеко от самых зрелищных. Автономные трейдеры или чат-бот, который предлагает лучшие сделки клиенту, могут звучать впечатляюще, но автоматизированные процедуры KYC и проверки достоверности, скорее всего, принесут гораздо большую экономическую ценность банку или финансовой компании.

Это говорит о том, что, как и в случае с процессом проверки документов Citigroup, ничего не мешает этим улучшениям приносить пользу клиентам. Пользователи могут оценить личного помощника ИИ в приложении, но они оценят его ещё больше, если решение о кредите можно принять за минуты, или если их транзакции не будут неправильно помечены как мошенничество, поскольку такие вероятности снижаются на десятки процентных пунктов.

Как ИИ стал самым прибыльным «сотрудником»?

Обычно, когда растёт база клиентов банка, его штат должен расти почти пропорционально. Раньше было невозможно проверить растущее количество транзакций и документов клиентов с тем же составом команды. Различные современные технологические решения помогли до некоторой степени, но рост бизнеса всё равно неизбежно приводил к росту численности сотрудников. И чем больше сотрудников у компании, тем больше менеджеров ей нужно и тем дороже становится контроль над всей структурой.

Теперь, когда появился ИИ, эта проблема начинает исчезать, поскольку меньшее количество сотрудников всё ещё может эффективно обслуживать растущее число клиентов с помощью инструментов ИИ. Некоторые компании уже используют эту логику: Klarna, например, заявила, что один помощник ИИ может выполнять работу 700 человек. Каковы бы ни были затраты на применение таких инструментов, они вряд ли подойдут к регулярным зарплатам нескольких сотен сотрудников.

Однако, чтобы это действительно сработало, компания должна правильно интегрировать ИИ в свои рабочие процессы, за пределами простых экспериментов. В финансах многие проекты всё ещё остаются на стадии пилотного проекта, которая, очевидно, не может генерировать много ценности. Пока одна компания обсуждает, стоит ли принять новые инструменты или как масштабировать агентов ИИ, её конкуренты не будут стоять на месте, строя свои собственные возможности ИИ.

Отставание в этой гонке приведёт к значительным финансовым потерям. Чтобы быть точным, компании, которые не смогут перенести операции на рельсы ИИ вовремя, могут потерять до 9% своей прибыли. Восстановление после такого отставания позже не будет легко, и это требует от финансовых компаний построения солидной стратегии ИИ.

Как управлять решениями ИИ

Именно здесь возникает самая большая проблема, поскольку внедрение агентов ИИ в финансовые операции неизбежно означает делегирование некоторой власти принятия решений им. В финансах, где ИИ стал своего рода бесконечным источником бесплатных «младших сотрудников», оптимизируя базовые операции бэк-офиса, это представляет значительный риск. Дело в том, что ошибки в этом типе работы часто являются самыми дорогими.

Обычно регулирующие органы предотвращают, чтобы финансовые организации делали что-то рискованное и составляли правила, чтобы минимизировать возможный вред. Однако, когда речь идёт об ИИ, отрасль движется гораздо быстрее, чем надзор, поскольку только четверть властей собирают данные об использовании ИИ из регулируемых организаций. Это явно недостаточно, чтобы поспевать за растущим числом компаний, которые добавляют агентов в свои операции.

В результате финансовым компаниям приходится найти способы регулирования инструментов, основанных на ИИ, самостоятельно. Это понятно, учитывая, что любая ошибка здесь может привести к убыткам в миллионы долларов. Например, в современных банках агентам предоставляются ограниченные полномочия, как и реальным сотрудникам. Если ИИ работает с документами клиентов, ему явно не нужно право изменить рейтинг риска клиента. Агенту присваивается строгая операционная роль, и он не имеет права её превышать.

Другим возможным и, безусловно, необходимым механизмом является ведение подробных записей всех действий ИИ, чтобы, если произойдёт ошибка, можно было отслеживать каждый шаг, который предпринял агент. В таких областях, как KYC и обнаружение мошенничества, вопросы о клиенте могут возникнуть через месяцы, поэтому банкам абсолютно необходимо сохранять полную запись логики помощника ИИ.

Поведение ИИ также можно протестировать в песочнице. Банк Англии, например, начал симулировать сессии торговли ИИ, чтобы понять, как агенты будут взаимодействовать друг с другом и с реальным рынком. Такое тестирование помогает точно определить, где агент совершает ошибки, и исправить проблему до того, как она станет публичной.

В конечном итоге стоит помнить, что любое решение ИИ должно быть подтверждено человеком, который остаётся ответственным за него. В случае убытков никто не примет ответ «потому что модель решила так», и старший менеджер всё равно должен одобрить действия ИИ и взять на себя ответственность за них.

От «Банки против финтех» к «Быстрому против медленного»

Регулирование ИИ также формирует конкуренцию на финансовом рынке. Клиенты могут быть довольны, когда их документ обрабатывается на 30 минут быстрее, но они определённо не будут довольны, если бот ИИ повредит их кредитную историю или приведёт к финансовым потерям. Чтобы избежать таких проблем, они с большей вероятностью доверят свои деньги компаниям, которые объясняют свою стратегию ИИ прозрачно и честно. И, конечно же, имеют меньше проблем с её управлением.

Финтех-компании имеют явное преимущество здесь, просто потому, что они не обременены бременем устаревших систем. Современные финтех-компании могут строить свои услуги вокруг ИИ с самого начала и автоматизировать все процессы сразу. Создание чего-то нового может быть намного проще, чем попытка интегрировать агентов ИИ в организации, которые всё ещё полагаются на факс-машины и десятилетние системы COBOL. Неудивительно, что почти половина финтех-компаний уже достигла продвинутой стадии принятия ИИ, по сравнению с менее чем третью среди традиционных финансовых учреждений.

Банки не обречены на вымирание. Ведь они пережили Великую депрессию, 1970-е, Великую рецессию, и многое другое. Они знают, как адаптироваться к изменениям. Благодаря своему наследию, они накопили огромные объёмы данных клиентов, капитала и репутации. Однако, чтобы действительно использовать эти преимущества, им следует полностью интегрировать ИИ во все свои процессы, поскольку простое добавление его к побочному продукту не поможет много.