CIBC Mellon управляет активами на сумму 3,5 трлн долларов. На этом рынке один день может стоить сотен миллионов. Вот как компания использует ИИ, чтобы не упустить преимущество.

18 февраля 2021 года в Канаде запустился первый в Северной Америке биткоин-ETF. За первую неделю он привлек более 500 млн долларов. Уже на следующий день на той же бирже появился второй биткоин-ETF. По словам генерального директора CIBC Mellon Мэла Каллена, тот привлек 35 млн долларов. Продукты были похожи, рынок был один и тот же, а между запусками прошел всего день. Но результаты оказались совершенно разными.

Этот контраст хорошо описывает мир, в котором работает Каллен. CIBC Mellon — одна из крупнейших компаний Канады по обслуживанию активов. Она отвечает за администрирование активов на сумму 3,5 трлн долларов. В такой среде задержка даже на день обходится в реальные деньги — иногда в сотни миллионов.

«Сколько стоит один день в вашем бизнесе?» — спросил Каллен аудиторию на Appian World 2026, прошедшей в прошлом месяце в Орландо. «В нашем бизнесе цена может быть огромной».

Этот вопрос теперь определяет одно из наиболее значимых внедрений ИИ в финансовом секторе Канады. Уроки этой истории выходят далеко за пределы рынков капитала.

Проблема тридцатилетних процессов

CIBC Mellon работает уже 30 лет. Это совместное предприятие BNY, администрирующей активы на сумму более 59 трлн долларов по всему миру, и CIBC, одного из крупнейших банков Канады. Такое происхождение дает компании масштаб и доверие крупных организаций, но приносит и сложность.

«Есть только одна вещь лучше, чем принадлежать банку, — сдержанно улыбаясь, сказал Каллен. — Принадлежать двум банкам. Два банка означают две команды по соблюдению нормативных требований, две команды по управлению рисками и два мнения почти по каждому вопросу».

Чтобы серьезно заняться ИИ, CIBC Mellon пришлось отказаться от стремления действовать как можно быстрее. Прежде чем внедрить хотя бы один инструмент, компания вернулась к основам: описала каждый рабочий процесс, выяснила, где не хватает ресурсов, где риски выше всего и где сосредоточен ручной труд. Результат удивил команду.

«Проблема была не в людях, которые выполняли работу, — отметил Каллен. — Ограничения возникали из-за того, как работа переходила между командами». Иными словами, технология сама по себе не могла исправить недостатки процесса.

От конвейера к ИИ

Первое крупное внедрение касалось учета фондов, которым CIBC Mellon занимается в огромных масштабах. Компания ежемесячно рассчитывает стоимость фондов около 350 000 раз. Каждый расчет должен быть точным и выполненным в жесткий срок.

Много лет процесс был устроен вертикально: один бухгалтер вел задачу от начала до конца. Такая схема опиралась на личный опыт сотрудника, а значит, зависела от возможностей отдельного человека и почти не поддавалась масштабированию. Компания перестроила работу по горизонтали и распределила ее между специализированными командами. Но возникла новая проблема: передача задач между командами стала источником задержек. Руководители не могли узнать состояние работы, не спросив сотрудников напрямую.

Бухгалтер фонда с более чем десятилетним стажем, знавший процесс лучше всех в компании, воспользовался платформой AI Automation от Appian и создал то, что Каллен называет «диспетчерской вышкой». Эта система показывает каждой команде в реальном времени, на каком этапе находится работа, и автоматизирует передачи задач, которые раньше вызывали задержки.

В результате эффективность одного процесса выросла на 34%. При 350 000 расчетов в месяц такой выигрыш быстро накапливается.

«Он сказал мне, что убрал из процесса все, что ему не нравилось в своей работе, — рассказал Каллен. — Когда над процессом работают люди, которые его понимают, они не просто автоматизируют старые ручные действия. Они переосмысливают процесс и делают его лучше».

Проблема ETF

Второй пример возвращает нас к истории биткоин-ETF. Запуск ETF или выплата дохода владельцам его паев затрагивает сложную сеть участников: управляющего фондом, хранителя активов, биржу, маркетмейкера и трансфер-агента. Каждого необходимо уведомить, и у каждого есть своя роль. Чтобы вывести фонд на рынок на день раньше, все должны действовать согласованно.

Специалист CIBC Mellon по ETF создал на Appian рабочий процесс, который объединяет сведения обо всех этих участниках. Разрозненная переписка по электронной почте превратилась в автоматизированный процесс, действия в котором можно проверить.

За три недели до Appian World компания показала приложение крупнейшим канадским поставщикам ETF на встрече клиентской группы в Торонто. «В комнате стало тише, — вспоминает Каллен. — Люди подались вперед. Один из наших крупнейших клиентов сказал коллегам: „Это только что сэкономило мне значительную часть рабочего дня“».

Вопрос управления

Ни одно из этих изменений не произошло быстро, и Каллен прямо объясняет почему. Пока CIBC Mellon не применяет ИИ в инструментах, с которыми взаимодействуют клиенты. Все внедрения остаются внутренними: они ограничены определенными рабочими процессами, допускают аудит, а результаты проверяет человек до того, как они повлияют на клиента.

«Мы можем внедрять ИИ лишь настолько быстро, насколько к этому готовы наши клиенты, — сказал он. — Мы намеренно не встроили ИИ ни в один клиентский процесс, потому что считаем, что необходимой системы управления пока нет».

Данные более широкого рынка подтверждают опасения Каллена. Согласно новому исследованию Harvard Business Review Analytic Services, подготовленному при поддержке Appian и опубликованному на конференции, 92% организаций согласны с тем, что ИИ-агентам необходимы основанные на правилах ограничения для безопасной работы. Однако менее половины организаций действительно определили такие правила. CIBC Mellon решила создать основу до масштабирования внедрения.

Внутри компании эта осторожность влияет и на подготовку сотрудников. Из примерно 2000 работников CIBC Mellon выделила 100 «амбассадоров ИИ». Они получают ранний доступ к инструментам и время на разработку сценариев применения, а также проверяют приложения в изолированных средах до запуска в рабочую эксплуатацию. Каждую неделю они проводят внутренние встречи под названием «Artificially Speaking» и приглашают компании, в том числе Snowflake и Microsoft (MSFT ), чтобы обсуждать, что работает, а что нет.

Каллен уже наблюдал похожий процесс. Двадцать лет назад технические директора говорили ему, что облако — лишь временная мода и что ему никогда не доверят конфиденциальные данные. Затем появилось гибридное облако, давшее организациям промежуточный вариант: эффективность облачной инфраструктуры без предполагаемой потери контроля. Он ожидает, что ИИ пройдет похожий путь.

«Думаю, следующим шагом станет гибридный ИИ, — сказал он. — Ограниченный рамками, управляемый, но развивающийся».

Чему может научиться остальной рынок

История CIBC Mellon — не рассказ о технологическом прорыве. Это история организационной дисциплины при работе с мощным инструментом. Сначала измерьте процесс, затем создавайте решение. Поставьте людей, знающих процесс, ближе всего к проблеме и выстройте управление до масштабирования.

Эти уроки применимы далеко за пределами обслуживания активов. На рынке, где лишь 16% организаций сообщают о значимой пользе от ИИ, реальных результатов добиваются те, кто считает управление частью продукта, а не ограничением.

«Не начинайте с технологии, — сказал Каллен аудитории Appian World. — Сначала измерьте все».

В отрасли, где один день может означать разницу между 500 млн и 35 млн долларов, такое терпение само по себе становится конкурентным преимуществом.