ИИ трансформирует мировой финсектор, ускоряя процессы, персонализируя услуги и снижая ИБ-риски. По оценкам Juniper Research, в прошлом году глобальные затраты отрасли на этот класс решений составили почти 6 млрд долларов, а к 2030 году эта сумма может вырасти до 85 млрд долларов. Эксперты К2 НейроТех выделили пять ключевых ИИ-трендов в финансах на ближайшие годы.
1. От автоматизации к автономии
Банкиры уже автоматизировали до 84% клиентских сервисов с помощью нейросетей — это подтверждается исследованием KPMG. Руководители верят, что внедряя такие технологии, они получат устойчивое конкурентное преимущество. Так, например, ИИ-скоринг сокращает время одобрения кредитов в три раза, а виртуальные ассистенты обрабатывают до 90% типовых запросов. В страховании же оценка убытков сократилась с недель до часов.
2. Персонализация вместо унифицированных услуг
В отрасль приходят динамические сервисы: боты-помощники анализируют поведение клиента, его транзакции и данные гаджетов, чтобы предлагать персонализированные финансовые продукты. А в страховании жизни тариф может варьироваться в зависимости от меняющихся привычек клиента (в этой области 74% игроков в принципе рассматривают ИИ как инструмент для роста, а не только для сокращения издержек).
3. Гибридная инфраструктура как новый стандарт
По данным всё того же исследования KPMG, пилоты по использованию нейросетей в банковском секторе обычно стартуют в облачных средах, но позже 76% финорганизаций переносит рабочие нагрузки на собственные серверы или гибридные модели. Во-первых, того требуют регулирующие органы, а во-вторых — так велят свои же политики кибербезопасности. Ещё один фактор — наличие производительных отечественных аналогов систем NVIDIA DGX. При этом только четверть компаний в сфере финансов имеет стратегически выстроенные облачные платформы.
4. ИИ как «антикризисный щит»
Алгоритмы в реальном времени предотвращают миллиардные потери от действий мошенников, чат-боты ускоряют анализ нормативных документов и помогают соблюдать законодательство, а сам бизнес может действовать на опережение благодаря ИИ-прогнозу потенциального исхода клиентов. Конкретно в России лишь 10-15% GenAI-проектов доходит до промышленной эксплуатации, и только 20-25% из них дают ощутимый экономический эффект, однако, успешные примеры есть: «закрытые контуры» с on-premise решениями для скоринга, гибридные системы, сочетающие облачные и локальные мощности для аналитики, а также OpenSource-модели с дообучением на банковских данных.
5. Переход бизнес-моделей в экосистемы
Банки-платформы трансформируются в комплексные экосистемы, интегрирующие финансовые, страховые, медицинские и ритейл-услуги в едином интерфейсе под управлением нейросетей, что меняет сам подход к клиентскому сервису. Вместо реактивного реагирования на запросы система становится проактивной, предугадывая потребности пользователей — предлагая займ перед крупной покупкой или корректируя параметры страхового покрытия в зависимости от изменений окружающей среды.
.jpg)
