Как финансовые услуги могут использовать генеративный искусственный интеллект:практическое руководство для начинающих

Генеративный искусственный интеллект незаметно проник в сердце финансовых услуг.

Год назад большинство банков и финтех-компаний все еще экспериментировали с ИИ. Теперь они задаются более сложными вопросами:какую пользу это на самом деле приносит, как мы можем использовать это безопасно и как оправдать затраченные усилия?

Согласно недавнему исследованию MarketsandData, глобальный рынок генеративного искусственного интеллекта в секторе финансовых услуг По прогнозам, к 2032 году объем достигнет примерно 12,63 млрд долларов США. .

Привлекательные цифры подчеркивают важность правильного подхода к созданию искусственного интеллекта, чтобы раскрыть его огромную ценность.

Присоединяйтесь к нам, чтобы изучить это руководство, где мы предоставим четкую картину рынка. Изучите примеры использования с высокой рентабельностью инвестиций, преимущества, связанные с показателями, пошаговый план запуска и средства контроля рисков, относящиеся к регулируемым финансовым услугам.

Давайте углубимся.

Генеративный искусственный интеллект в финансовых услугах:обзор рынка

Очень важно следить за тем, что происходит в отрасли, и вот краткий обзор:

• Инвестиции и внедрение: Генеративный ИИ привлек около 33,9 млрд долларов США в виде частных инвестиций по всему миру (2024 г.), а общий уровень внедрения ИИ в бизнесе вырос до 78 % по сравнению с 55 % в 2023 году. (Stanford HAI)
• Потенциал банковской ценности: McKinsey прогнозирует, что годовой эффект в банковском секторе составит 200–340 миллиардов долларов, если сценарии использования генеративного ИИ будут полностью масштабированы. (McKinsey &Company)
• Использование для руководителей: Более 53% руководителей высшего звена сообщили об использовании генеративного искусственного интеллекта на работе в 2024 году, что доказывает, что сейчас это стало мейнстримом. (McKinsey &Company)
• Доказательство в масштабе: Эрика из Bank of America преодолела уровень взаимодействия с клиентами 3B (2025 г.), продемонстрировав масштабное внедрение в реальном мире. (Банк Америки / Погружение директора по информационным технологиям)
• Нормативная взлетно-посадочная полоса: Закон ЕС об искусственном интеллекте вступил в силу 1 августа 2024 года, а обязательства GPAI начинаются со 2 августа 2025 года. В этом контексте полное его соблюдение ожидается к 2026 году, что является ключевым этапом для финансовых услуг на регулируемых рынках. (Цифровая стратегия)

👉 Итог: Генеративный искусственный интеллект в сфере финансовых услуг оказывает реальное влияние, и неудивительно, что его поддерживают значительные инвестиции, использование руководителями и четкие правила.

Каковы лучшие варианты использования GenAI в финансовых услугах

Бизнес-руководителям и предпринимателям полезно изучать и расставлять приоритеты вариантов использования, которые требуют точного измерения и соблюдения требований.

Вот некоторые из лучших примеров использования GenAI в финансовых услугах:

1. KYC / Регистрация и автоматизация документов

GenAI может ускорить процессы «Знай своего клиента» (KYC) и процесс адаптации. Эта технология помогает обобщать и извлекать данные из документов клиентов, включая удостоверения личности, банковские выписки и налоговые декларации.

Это очень удобно с точки зрения технологии, поскольку оно может автоматически извлекать ключевые данные, проверять недостающую информацию и создавать контрольные списки соответствия для аналитиков.

Яркий пример  — это HSBC, который использует инструменты искусственного интеллекта для более эффективной проверки документов и привлечения клиентов, сокращая время проверки вручную почти на 40 %.

Доказательство эффективности: экономия времени на выполнение работ и часов аналитиков.

2. Обслуживание клиентов (розничный/коммерческий банкинг)

Традиционно агенты колл-центра решают рутинные вопросы клиентов, и характер этой задачи создает большую нагрузку.

Благодаря чат-ботам и голосовым помощникам на базе искусственного интеллекта такие задачи, как проверка баланса, объяснение комиссий или разрешение споров, можно не только делегировать, но и выполнять эффективно и практически круглосуточно.

Это повышает скорость ответа и снижает нагрузку на колл-центр.

Пример: Виртуальный помощник Bank of America «Эрика», который обслужил более 1,5 миллиарда взаимодействий с клиентами, что значительно сократило среднее время ожидания.

Доказательство эффективности: Среднее время обработки (AHT), удовлетворенность клиентов (CSAT), уровень сдерживания (запросы, решенные без помощи человека).

3. Кредитные и андеррайтинговые операции

Кредитный анализ, включая составление кредитных авизо, извлечение подробностей соглашений и подтверждение соблюдения кредитной политики, занимает значительное время. GenAI эффективно управляет этими компонентами.

Пример: Такие банки, как ING и Goldman Sachs, экспериментируют с искусственным интеллектом, чтобы помочь андеррайтерам более эффективно проводить детальную кредитную оценку.

Доказательство эффективности: Существует ощутимая разница во времени обработки заметок и степени соблюдения правил.

4. Исследования, доходы и портфельная аналитика

ИИ читает подробные стенограммы телефонных переговоров, новостные статьи и исследовательские отчеты, чтобы получить ценную информацию, оценить настроения и обосновать инвестиции, ссылаясь на источники.

Пример: «Помощник по знаниям» с искусственным интеллектом от Morgan Stanley помогает финансовым консультантам быстро извлекать и обобщать информацию из отчетов об исследованиях рынка.

Доказательство эффективности: Заметная разница наблюдается во времени подготовки аналитиков, точности анализа и времени ответа на запросы клиентов.

Также читайте: Интеграция генеративного искусственного интеллекта для создания новых потоков доходов

5. Отчеты о рисках и соблюдении требований

Нормативные документы и документы по рискам сложны, особенно когда речь идет о разработке документов, включая ICAAP (Процесс внутренней оценки достаточности капитала) и ILAA (Индивидуальная оценка достаточности ликвидности).

Теперь, благодаря GenAI, составление таких сложных документов стало простым и основано на сборе данных, объединении доказательств и поддержании контроля версий.

Пример: UBS использует искусственный интеллект для создания первых проектов нормативных отчетов, экономя несколько часов на каждый отчет.

Доказательство эффективности: Заметна разница в сроках подготовки отчетов и обеспечении полноты документации.

6. Сборы и обслуживание

GenAI персонализирует общение с клиентами, имеющими задолженность, генерирует напоминания о погашении задолженности и предлагает следующие действия или планы платежей, основываясь на мнениях и истории клиентов.

Пример: Capital One использует пилотные проекты на базе искусственного интеллекта, чтобы рекомендовать правильные сообщения о погашении, улучшая взаимодействие с клиентами.

Доказательство эффективности: Заметная разница в уровне обещанной оплаты, Net Promoter Score (NPS) и эффективности агентов.

7. Финансовые преступления и мошенничество

Группы обеспечения соответствия тратят много времени на просмотр предупреждений, обобщение истории транзакций или составление отчетов о подозрительной деятельности (SAR). GenAI может выполнять эти задачи, сокращая ручную работу и помогая аналитикам сосредоточиться на реальных угрозах.

Пример: JPMorgan Chase использует GenAI, чтобы помочь следователям быстрее анализировать транзакции и выявлять аномалии.

Доказательство эффективности: Заметная разница во времени цикла рассмотрения дела, снижении количества ложных срабатываний и соотношении количества предупреждений к случаям.

🖋️ Соучредитель Imaginovation Пит Перанцо выделил некоторые из наиболее убедительных реальных вариантов использования генеративного искусственного интеллекта в банковских и финансовых услугах.

Пит отметил, что GenAI автоматизирует создание и обобщение документов, беря на себя задачи, которые раньше отнимали много времени, например создание и проверку политик.

Он также добавил, что в рамках аналитики обслуживания клиентов приложения искусственного интеллекта теперь обрабатывают разговоры и аудиовзаимодействия, чтобы измерять поведение агентов, улучшать качество обслуживания клиентов и заранее сигнализировать о проблемных областях.

Пит добавил, что в контексте оценки рисков и соблюдения требований ИИ может автоматически тестировать и проводить внутренние аудиты, гарантируя, что учреждения будут соблюдать меняющиеся правила.

GenAI также может произвести революцию в управлении портфелем и принятии инвестиционных решений, копируя мыслительные процессы ведущих инвесторов и позволяя розничным клиентам принимать решения, основанные на фактах.

Далее, в контексте рыночного прогнозирования и торговли, Пит рассказывает, как разрабатываются боты на базе искусственного интеллекта, которые могут превзойти такие показатели, как S&P 500, что указывает на возможности и потенциальные потрясения.

Когда дело доходит до анализа рентабельности инвестиций и получения информации о клиентах, эту технологию можно усовершенствовать за счет быстрой оценки показателей производительности, жизненной ценности и продаж с помощью искусственного интеллекта, что позволяет принимать более быстрые и точные стратегические решения.

Он также добавил, что высвобождение человеческих талантов для более высокоуровневой, стратегической и творческой работы позволяет автоматизировать повторяющиеся задачи, такие как построение отчетов и анализ данных.

Итог: Благодаря множеству вариантов использования можно ясно увидеть, как генеративный искусственный интеллект меняет эффективность, процесс принятия решений и качество обслуживания клиентов во всей отрасли финансовых услуг.

Преимущества GenAI в сфере финансовых услуг

Прежде чем рассмотреть возможность внедрения какой-либо технологии, следует задать себе следующий вопрос:"Каковы преимущества" (или "что это даст моей организации или бизнес-подразделению) .

Вот некоторые преимущества, которые могут помочь понять масштабы и диапазон использования GenAI в финансовых услугах.

1. Операционная эффективность

Аналитики и менеджеры по связям с общественностью часто выполняют трудоемкие задачи, такие как составление проектов, исследования и документация. Один из способов решить эту проблему — внедрить GenAI, который автоматизирует все подобные задачи, позволяя руководителям сосредоточиться на более ценной работе.

Результат: Очевидно, что затраты и время выполнения работ сокращаются.

Отраслевые данные: Deloitte добилась ощутимого повышения эффективности благодаря масштабированию приложений GenAI для банковских операций.

2. Более быстрые решения и лучшее качество обслуживания клиентов

С помощью инструментов искусственного интеллекта можно добиться огромной скорости получения информации и ответов всего за несколько секунд. Феноменальная скорость доставки также обеспечивает круглосуточную поддержку и бесперебойное цифровое взаимодействие.

Результат: Есть видимые различия:более короткие циклы принятия решений и более высокая вовлеченность клиентов.

Пример: Система Erica от Bank of America демонстрирует устойчивое внедрение:она обработала более 1,5 миллиарда взаимодействий и демонстрирует стабильное цифровое взаимодействие.

3. Рост доходов

Еще один интересный аспект GenAI — это способность персонализировать идеи при предложении лучших действий. Эта информация помогает расширить возможности перекрестных и дополнительных продаж в различных сегментах клиентов.

Результат: Ощутимое увеличение дохода на одного клиента и улучшение проникновения продукта.

Эталон: Анализ McKinsey &Company показывает, что GenAI может обеспечить значительную ценность для всего банка при его масштабном применении.

4. Риск и качество соответствия

GenAI помогает создавать проекты нормативных документов со ссылками и контрольными журналами, сокращая количество ручных ошибок и обеспечивая отслеживаемость.

Результат: Более высокая точность соблюдения требований и повышенная готовность к аудиту.

Контекст: Совет по финансовой стабильности уделяет особое внимание объяснимости и надзору, которые системы GenAI могут улучшить.

🖋️ Пит поделился конкретным примером того, как генеративный искусственный интеллект повысил эффективность финансовых услуг:автоматизация создания PDF-файлов финтех-компанией, которой раньше требовалась команда инженеров и сотрудников для регулярного создания PDF-файлов.

Внедрение агента ИИ автоматизировало этот процесс, сэкономив значительное время и ресурсы и эффективно заменив ручной труд. На этом примере Пит показывает, как генеративный искусственный интеллект может сэкономить время за счет автоматизации рутинных задач по документированию, что приведет к повышению эффективности операций и высвобождению человеческих ресурсов для более сложных действий.

Итог: GenAI явно оказывает заметное влияние на сферу финансовых услуг, поскольку помогает сократить расходы, ускорить процесс принятия решений, улучшить соблюдение требований и освободить людей для более ценной работы.

Как начать работу с генеративным искусственным интеллектом в финансовых услугах

🖋️ Пит подчеркивает, что организациям следует начать с изучения технологии искусственного интеллекта, чтобы понять, где и зачем ее внедрять.

После этого следующим важным шагом станет установление контакта и сотрудничество с экспертами или специалистами по искусственному интеллекту, которые могут предоставить индивидуальные рекомендации и помочь согласовать инициативы в области искусственного интеллекта с целями организации.

Такой подход обеспечивает стратегический и осознанный старт интеграции генеративного ИИ в их процессы.

Вот прагматичный стартовый план с соблюдением требований:

1. Определите четкий ключевой показатель эффективности бизнеса

Первым шагом может быть выбор одной осязаемой, измеримой цели, которая предлагает реальную ценность для бизнеса. Например:

• Сократите время обработки запроса KYC на 25 %, чтобы повысить скорость регистрации.
• Отклоните 20 % чатов клиентов первого уровня, что позволит освободить агентов для выполнения сложных запросов.
• Сократите время на составление кредит-нот на 40 %, чтобы ускорить финансовые операции.

Поэтому сосредоточьтесь на одном ключевом показателе эффективности для вашего первого пилотного проекта, чтобы все было просто и измеримо.

2. Подготовьте данные и доступ

Прежде чем применять какое-либо решение ИИ, необходимо сначала подготовить и защитить ваши данные.

• Далее рассмотрите сопоставление авторитетных источников и требований к хранению; не пропустите требования к обработке личных данных.
• Используйте генерацию с расширенным поиском (RAG), а не тонкую настройку регламентированного текста, поскольку она менее рискованна, менее сложна в управлении и имеет смысл.

Всегда приятно работать с хорошо подготовленными данными, а это ключ к успеху пилотного проекта ИИ, соответствующего требованиям.

3. Выберите пилотный вариант использования

Выберите небольшой, автономный рабочий процесс с измеримым объемом. Полезно начинать с малого:это снижает риск и позволяет легко отслеживать последствия. Вот несколько примеров:

• Составление документов KYC, которые помогают ускорить проверку соответствия.
• Создание кратких отчетов о доходах, которые точно автоматизируют рутинные отчеты.
• Ответы в чате первого уровня позволяют избежать повторяющихся вопросов от агентов-людей.

Ключевым моментом рабочего процесса является то, что он должен быть измеримым, управляемым и с низким уровнем риска.

4. Настройка архитектуры и ограждений

Вы можете проектировать среду ИИ, принимая во внимание безопасность и соответствие требованиям. Несколько советов ниже:

• Используйте изоляцию (VPC), управление секретами, фильтрацию запросов/контента и проверку ссылок на источники.
• Объединение решения перед развертыванием может помочь обнаружить уязвимости.
• Не исключайте возможность участия человека в процессе проверки; зарезервируйте его для результатов, ориентированных на клиентов или чувствительных к рискам.
• Защитные меры помогают вашему ИИ принести пользу, не создавая новых рисков.

5. Внедрить средства контроля рисков и соблюдения требований

Приведите свой пилотный проект в соответствие с внутренними и нормативными стандартами:

• Полезно соблюдать сроки Закона ЕС об искусственном интеллекте (если применимо), рекомендации NIST AI RMF и внутренние правила управления модельными рисками.
• Проведите аудит всех результатов искусственного интеллекта для подтверждения соответствия.
• Соблюдение требований с первого дня предотвращает неожиданные ситуации и укрепляет доверие во всей организации.

6. Пилотный проект и масштабирование

Начните с короткого, контролируемого пилотного варианта и расширяйте его, когда будете уверены:

• Проведите пилотный проект продолжительностью 6–10 недель, используя базовые показатели для оценки воздействия.
• Укрепите решение с помощью мониторинга, обнаружения отклонений, политик хранения, проверок доступа и сценариев.
• Перейдите ко второму варианту использования, как только добьетесь успеха.

Поэтапный подход поможет вам безопасно масштабироваться и учиться на реальных результатах.

🖋️ Пит резюмирует, что финансовая организация, заинтересованная в использовании ИИ, должна изначально сосредоточиться на изучении и понимании технологии, чтобы определить соответствующие варианты использования и приложения.

После получения этих знаний следующим шагом будет привлечение экспертов или специалистов по искусственному интеллекту, которые смогут дать рекомендации, разработать индивидуальные решения и помочь с внедрением.

Такой стратегический подход помогает гарантировать, что интеграция ИИ будет эффективной и будет соответствовать целям организации.

Итог: Начните с одной измеримой победы, обеспечьте соблюдение требований и уверенно масштабируйте свою деятельность.

Основные проблемы перед началом работы

Давайте рассмотрим некоторые ключевые проблемы, с которыми вы можете столкнуться.

1. Регуляторное воздействие и объяснимость

Системы искусственного интеллекта, как правило, функционируют как «черный ящик», а также известны тем, что принимают решения, которые трудно объяснить или обосновать. Часто они дают неправильные ответы или полагаются на сторонних поставщиков.

В результате такие органы, как ФСБ и БМР, должны пристально следить и требовать от организаций ведения прозрачного учета, мониторинга применения ИИ и обеспечения возможности обосновать каждый результат.

2. Модельный риск и стадное поведение

Зависимость от стандартных моделей и данных может привести к коррелированному поведению и системному риску — фундаментальной проблеме, о которой говорят многочисленные центральные банки и финансовые СМИ.

3. Качество данных и права доступа

Иногда результаты ненадежны, поскольку они основаны на слабых методах управления данными и документации.

Следовательно, нужно будет особенно внимательно относиться к защите личных данных и другой конфиденциальной информации, обеспечивая при этом контроль доступа и возможность проверки.

4. Талант и операционная модель

Очень важно отслеживать этап реализации, поскольку он требует совместной работы функций.

К ним относятся организации, которым необходимо разделить обязанности, например время адаптации инженеров, менеджеров по знаниям, партнеров по рискам и владельцев продуктов.

5. Угрожающая среда

Генеративный искусственный интеллект может усилить угрозы кибербезопасности и мошенничества:от дипфейков до синтетических личных данных.

В таких ситуациях ключевыми средствами смягчения являются усиленный внутренний контроль и открытое общение с клиентами.

Итог: Прежде чем внедрять ИИ, организации должны принять во внимание вопросы доверия, прозрачности, целостности данных, квалифицированного сотрудничества и безопасности и эффективно их решить.

Подведение итогов

Всем, кто хочет начать проект GenAI в сфере финансовых услуг, следует начать с конкретного, измеримого варианта использования.

Далее вы можете с первого дня внедрить средства контроля и соблюдения требований и масштабировать их только после того, как будет подтверждено реальное воздействие. Организации, которые ищут надежного партнера для запуска пилотного проекта GenAI, могут обратиться в Imaginovation.

Мы здесь, чтобы помочь; наша команда экспертов может оказать поддержку от выбора варианта использования и настройки RAG до управления, информационных панелей и сценариев запуска.

Давайте поговорим .