На протяжении многих лет искусственный интеллект (ИИ) в банковской сфере работал в роли полезного стажёра: он писал черновики писем, резюмировал отчёты и отвечал на вопросы клиентов. Полезно, но не революционно.
Затем появились чат-боты. Эти «цифровые помощники» обещали более качественный сервис, но часто лишь выдавали длинные ответы на простые вопросы.
Теперь модель меняется. Новая волна агентного ИИ переходит от помощи к действию. Вместо того чтобы предлагать задачи, эти системы могут их выполнять: проводить расчёты по сделкам, проверять правила соответствия или помечать подозрительные транзакции.
Иными словами, банковская сфера переходит от ИИ, который помогает банкирам, к ИИ, который действует как банкир.
Что такое агентный ИИ?
По своей сути агентный ИИ — это ИИ-системы, которые могут планировать, принимать решения и автономно выполнять задачи на нескольких этапах.
В отличие от традиционных ИИ-инструментов, которые ждут запросов, ИИ-агент может:
Согласно недавнему анализу команды финансовых услуг Microsoft, агентные системы позволяют банкам автоматизировать сложные процессы, от проверок на мошенничество до онбординга, поскольку современные модели ИИ теперь способны выполнять многоэтапные рассуждения и безопасно взаимодействовать с внутренними интерфейсами прикладного программирования (API).
В банковской сфере это означает, что система делает больше, чем просто интерпретирует запрос. Она может выполнять процесс от начала до конца. Например, она может проанализировать рыночные данные, проверить правила комплаенса и выполнить сделку или провести расчёты через подключённые системы.
Вместо того чтобы ждать, пока человек одобрит каждый шаг, ИИ следует правилам и автоматически завершает задачу.
Эта способность координировать задачи между системами — причина, по которой многие банки теперь называют агентный ИИ «транзакционным ИИ».
ИИ не просто говорит о финансовых действиях; он их выполняет.
Генеративный ИИ и агентный ИИ: в чём разница?
И генеративный ИИ, и агентный ИИ опираются на большие языковые модели (LLM). Ключевое отличие заключается в том, для чего они созданы.
Сегодня большинство людей знакомы с инструментами генеративного ИИ вроде ChatGPT или Claude. Эти системы генерируют контент: текст, код, отчёты и сводки. Это помогает сотрудникам интерпретировать информацию, но не выполняет действий.
Но генеративный ИИ останавливается на этапе советов. Агентный ИИ идёт дальше: он предназначен для выполнения задач. Он может анализировать данные, принимать решения в рамках заданных правил и запускать действия в связанных системах.
Проще говоря, генеративный ИИ даёт карту. Агентный ИИ ведёт автомобиль.
Вот в чём разница в банковском контексте:
|
Функция |
Генеративный ИИ |
Агентный ИИ |
|
Ключевая роль |
Создаёт информацию |
Выполняет задачи |
|
Стиль взаимодействия |
Запрос — ответ |
Автономный рабочий процесс |
|
Пример в банковской сфере |
Подготовить черновик отчёта по комплаенсу |
Автоматически подать отчёт по комплаенсу |
|
Пример в трейдинге |
Проанализировать портфель |
Исполнить и провести расчёты по сделкам |
Управляет ли агентный ИИ банками уже сейчас?
Такие организации, как Goldman Sachs, Lloyds Banking Group и Deutsche Bank, уже не просто тестируют ИИ-инструменты. Многие внедряют агентные системы в повседневные операции, чтобы автоматизировать части трейдинга, комплаенса и мониторинга рисков.
Этим системам сейчас предоставляют ограниченные полномочия для выполнения задач, которые раньше требовали ручных проверок.
Например, Lloyds Banking Group объявила о планах масштабировать агентный ИИ по всему банку, ожидая более £100 млн ценности от ИИ-инициатив в 2026 году, что вдвое превышает показатель предыдущего года.
Тем временем компании с Уолл-стрит, такие как Goldman Sachs, экспериментируют с ИИ-агентами для внутренних процессов — например, учёта сделок, проверок при онбординге и комплаенс-процессов.
Цель — не заменить банкиров напрямую, а убрать самые медленные части процесса.
Где агентный ИИ появляется в первую очередь
Банки по своей природе осторожны. Это означает, что агентный ИИ не запускают повсеместно и одновременно. Вместо этого технология сначала появляется в областях со структурированными правилами и интенсивными потоками данных, включая:
-
Противодействие отмыванию денег (AML)
Команды комплаенса должны ежедневно просматривать тысячи предупреждений.
Системы агентного ИИ могут:
Академические исследования показали, что агентные AML-системы могут существенно ускорять комплаенс-процессы, одновременно повышая точность описательных частей отчётности для регуляторов.
-
Онбординг клиентов и процедуры KYC
Открытие банковского счёта требует подтверждения личности, проверки документов и скрининга на мошенничество.
Агентные системы могут автоматически выполнять эти шаги в последовательности.
-
Торговые операции
Расчеты по сделкам в бэк-офисе, одна из самых сложных с точки зрения правил задач в финансовой сфере, также становится основным кандидатом на автоматизацию.
Вместо того чтобы сотрудники вручную сверяли сделки, ИИ-агенты могут проверять записи и мгновенно обновлять бухгалтерские книги.
Но могут ли банки доверять автономному ИИ?
Вот неудобная правда: агентный ИИ приносит новые риски.
Системы агентного ИИ могут действовать самостоятельно, чтобы завершать задачи. Если система неверно интерпретирует рыночные данные или применит неправильное правило, она может запустить цепочку неверных действий до того, как вмешается человек.
Иногда этот риск связывают с тем, что исследователи называют галлюцинациями ИИ, когда модель делает неверные выводы на основе неполных или неправильно прочитанных данных. В банковской сфере такие ошибки могут повлиять на исполнение сделок, комплаенс-проверки или мониторинг транзакций.
Эксперты предупреждают о 3 ключевых вызовах:
Прозрачность
Решения ИИ должны быть объяснимы для регулирующих органов.
Предвзятость в финансовых моделях
Обучающие данные могут приводить к несправедливым результатам.
Расширение автономии
ИИ-системы могут начать принимать решения за пределами предполагаемой области применения.
Чтобы управлять этими рисками, регуляторы и глобальные организации разрабатывают меры защиты.
Например, регуляторы в Европейском союзе (EU) уже решают эти вопросы с помощью таких рамочных документов, как EU AI Act, который требует строгого надзора за высокорисковыми ИИ-системами в финансовой сфере.
Иными словами, банки могут автоматизировать рабочие процессы, но ответственность по-прежнему остаётся за людьми.
Итак… Захватывают ли ИИ-агенты банковскую сферу?
Не совсем. Реальность гораздо сложнее.
Агентный ИИ быстро становится цифровым рабочим слоем внутри финансовых организаций. Эти системы могут обрабатывать повторяющиеся задачи быстрее и в больших масштабах.
Однако основные обязанности, такие как принятие решений по рискам, отношения с клиентами, стратегическое мышление, по-прежнему требуют человеческого контроля.
Даже самые продвинутые внедрения ИИ сегодня работают с управлением по модели «человек в контуре управления», то есть сотрудники могут вмешаться при необходимости.
Финансовые учреждения будущего, возможно, не заменят банкиров ИИ, но они почти наверняка будут ожидать от банкиров работы бок о бок с тысячами цифровых агентов.
И это поднимает интригующий вопрос для отрасли:
Если агенты ИИ уже могут совершать транзакции, контролировать соблюдение нормативных требований и анализировать рынки, то чем именно будет заниматься банкир в следующем десятилетии?
Одно ясно: должностные обязанности вот-вот изменятся.
