Агентський AI у фінансах: як лідери даних масштабують безпечно

По всій Європі лідери даних у сфері фінансових послуг опиняються на тонкій межі – вони хочуть впровадити та масштабувати інструменти AI, але обмежені питаннями дотримання законодавства, управління ризиками та проблемою доведення конкретної цінності. Згідно з нашим дослідженням CDO Insights 2025, понад 97% глобальних лідерів даних стверджують, що їм важко чітко продемонструвати бізнес-цінність генеративного AI. І хоча 87% планують прискорити інвестиції в AI, 67% визнають, що перейшли менше половини своїх пілотних проєктів у повномасштабну експлуатацію.

Одним з найбільших перешкод є отримання підтримки керівництва. Більше третини (35%) стверджують, що отримання підтримки та доведення цінності є ключовим викликом, який ускладнює впровадження AI. Це означає, що багато організацій залишаються в режимі очікування, не бажаючи зобов’язуватися щодо ширших розгортань без чітких доказів.

Ця вагання різко контрастує з потенціалом технології. McKinsey оцінює, що AI та аналітика можуть принести до 1 трильйона доларів додаткової річного цінності глобальному банківському сектору, тоді як генеративний AI сам по собі може đóngолос до 340 мільярдів доларів до операційного прибутку. Це можливість, яку не можна ігнорувати – але її потрібно підходити таким чином, щоб забезпечити дотримання законодавства, побудувати довіру та генерувати доведену прибутковість.

Шлях вперед

Незважаючи на значні перешкоди, є організації по всій Європі та світі, які просувають впровадження AI, досліджуючи, як вони можуть отримати вигоду від агентів AI. Ті, хто рухається вперед, не роблять цього, пірнаючи у складні, довготривалі розгортання. Натомість вони приймають вимірений підхід: починають з малого, будують довіру, доводять цінність і масштабують тільки тоді, коли технологія доводить свою ефективність.

Найуспішніші розгортання AI не відбуваються за одну ніч. Вони починаються з малих, високоефективних кроків, які будують довіру та дають результати. Ось три кроки, щоб почати.

1. Використовуйте AI для очищення даних перед масштабуванням

Дажі з погодженням щодо дотримання законодавства, системи AI є лише так сильні, як дані, на яких вони побудовані. Погана якість даних підірве точність, ефективність та довіру. Насправді, 43% лідерів даних стверджують, що проблеми з даними є їхнім найбільшим бар’єром для масштабування генеративного AI.

Поохочливо, сам AI може допомогти виправити ці проблеми з даними. У сфері фінансових послуг, наприклад, деякі компанії використовують інструменти AI для очищення даних про рахунки до отримання, видаляючи дублікати, виправляючи застарілі записи та вирішуючи несумісні записи. Як тільки дані будуть узгоджені та надійні, компанії можуть автоматизувати подальші дії, покращити потік коштів та діяти з більшою впевненістю у своїх висновках AI. Це також один з пріоритетів інвестицій. 86% лідерів даних планують збільшити витрати на управління даними, причому майже половина з них назвала підготовку даних для AI своїм основним мотиватором.

2. Почніть з фокусованих виконавчих агентів

Розгортання вузькоспеціалізованих “виконавчих” агентів є одним з найшвидших способів отримати вимірювані перемоги. Ці агенти призначені для виконання дуже конкретних, добре визначених завдань, таких як складання підсумків зустрічей, обробка стандартних транзакцій або категоризація входящих запитів клієнтів.

Оскільки виконавчі агенти простіше контролювати, вони дають результати, які чітко відстежуються та легше підтверджуються на точність. Це не лише зменшує операційний ризик, але також забезпечує ранній доказ цінності для зацікавлених сторін, допомагаючи забезпечити підтримку для ширшого впровадження.

Як тільки успіх буде продемонстрований з агентами з одним завданням, організації можуть вводити більш складні агентські структури, такі як плани та оркестратори, для обробки багатоступеневих робочих процесів.

3. Автоматизуйте звітність про дотримання законодавства

Дотримання законодавства є дуже ресурсоємною областю у сфері фінансових послуг. Регуляторна звітність часто вимагає збору та узгодження даних з кількох джерел, процес, який може зайняти сотні годин та залежати від невеликої групи підготовлених фахівців. AI добре підходить для цього завдання, забезпечуючи відмінну можливість для тестування та масштабування технології.

Як тільки базові дані будуть очищені та структуризовані, AI може взятися за частину найбільш трудомістких завдань. Наприклад, генерація звітів, що відповідають вимогам BCBS 239, може бути частково автоматизована за допомогою映射 метаданих у поєднанні з моделями агентського AI. Ці системи можуть створювати точні перші чернетки, які потім переглядаються посадовими особами з питань дотримання законодавства, зменшуючи час обробки та зберігаючи контроль якості.

Потенціал тут значний. McKinsey підкреслює, що одна глобальна банківська організація досягла продуктивності на 200-2000% у процесах KYC, прийнявши підхід “фабрики агентів AI”. Вони зберегли людський контроль, але автоматизували найбільш трудомісткі кроки.

Уроки з досвіду багатомільярдної банківської організації

Одна голландська багатомільярдна банківська організація визнала важливість побудови даних для успіху AI. Вона зрозуміла важливість управління даними та зробила це пріоритетом. Вона інвестувала у відповідні організаційні процеси для забезпечення доставки у масштабі, приймаючи свідомі рішення щодо надання повноважень командам. І вона дала командам чітке керівництво та сильну міжфункціональну співпрацю для успіху. Це поєднання надійних даних, наділених повноваженнями команд та чіткого стратегічного керівництва дозволяє AI доставляти бізнес-цінність — не лише технологічні результати.

Набуття імпульсу без втрати контролю

З 76% фінансових організацій, які планують розгортання рішень агентського AI протягом наступних 12 місяців, імпульс наростає. Однак ясно, що найуспішніші організації не поспішають з повномасштабною трансформацією. Вони розгортають AI стратегічно, фокусуючись на малих, добре відокремлених випадках використання, які доставляють вимірювану цінність та покращують операційну ефективність. Вони також впроваджують управління на кожному етапі, забезпечуючи участь команд з питань дотримання законодавства на ранній стадії та часто.

Прийнявши цей поступовий підхід, компанії можуть прискорити впровадження AI без жертвування довірою чи регуляторним узгодженням, перетворюючи “початок з малого” з обмеження у свідому, доведену стратегію зростання. У впровадженні AI швидкість має значення, але безпека та масштабованість мають значення більше. Фінансові організації, які починають з малого, доводять цінність та масштабують з впевненістю, будуть найбільш підготовлені до розблокування трильйонної потенціалу AI.