Ожидается, что ИИ принесет мировой банковской отрасли 1,2 триллиона долларов чистой прибыли к 2030 году. За два года активное использование ИИ в финансах выросло более чем вдвое.
🔎 Генеративный ИИ (GenAI) – это ИИ, который может анализировать неструктурированные данные и выполнять определенные действия под запрос, а не просто формировать детерминированную вероятностную оценку на основании структурированных данных (классический ML, скоринг, вероятности).
Наша команда провела исследование применения генеративного ИИ в различных бизнес-процессах банков. Делимся некоторыми интересными кейсами.
1️⃣Управление рисками и комплаенс
Повышение точности выявления рисков и снижение нагрузки на аналитиков.
➡️Mastercard
Decision Intelligence Pro – генеративный ИИ для оценки транзакционных рисков. Система анализирует историю по триллионам транзакций, позволяя банкам в реальном времени идентифицировать мошенничество и одобрять безопасные транзакции на 143 млрд долларов в год.
✅Результат: обнаружение мошенничества растет в среднем на 20%, в отдельных случаях – до 300%.
2️⃣Процесс «Знай своего клиента» (KYC)
Рост скорости проверки клиентов и минимизация ошибок при сборе и анализе данных.
➡️Deutsche Bank
Банк совместно с WorkFusion трансформировал KYC-процессы: на проверку одного счета раньше уходило более 40 часов – скрининг адресов, отслеживание подозрительных транзакций, мониторинг негативных новостей и PEP-проверка (политически значимые лица), – а теперь ИИ-боты оцифровывают документы, извлекают данные и анализируют контекст.
✅Результат: сокращение времени обработки на 25-50%.
3️⃣Управление активами
Предоставление персонализированных инвестиционных рекомендаций на основе профиля и целей клиента.
➡️HSBC Private Bank
Wealth Intelligence – генеративный ИИ для клиентских менеджеров и продуктовых специалистов. Платформа анализирует 10 000+ источников в реальном времени и помогает сотрудникам давать клиентам качественную информацию о рынке и персонализированные стратегии.
✅Результат: сокращение административных задач на 15%.
4️⃣Клиентский сервис
Ускорение обработки запросов и рост доступности поддержки за счет автоматизации типовых сценариев обращений клиентов.
➡️Bank of America
EricaAssist – генеративный ИИ для операторов поддержки. Помощник во время звонка обобщает причину обращения, собирает информацию о клиенте, рекомендует следующие шаги и фиксирует договоренности.
✅Результат: инструмент используют 18 000 операторов. Помощник предоставляет релевантную информацию менее чем за 3 секунды, улучшая качество обслуживания.
5️⃣Внутренняя продуктивность сотрудников
Сокращение времени на рутину и высвобождение ресурсов для сложных решений.
➡️Goldman Sachs
GS AI Assistant – ИИ-помощник для всей компании (более 46 000 сотрудников), адаптированный под роли: разработчики, инвестиционные банкиры, аналитики и сотрудники управления активами получают версии под свои задачи.
Сегодня система отвечает на запросы, пишет письма и резюмирует документы, а будущие версии получат агентные способности – многоэтапные задачи с минимальным участием человека.
✅Результат: сокращение времени на выполнение задач на 10-15%, по некоторым – до 25%.
6️⃣Разработка ПО
Ускорение создания, тестирования и документирования кода.
➡️OCBC
OCBC Wingman – ИИ-помощник по программированию для 2 000 разработчиков. Автоматически генерирует, отлаживает и улучшает код. Был построен и запущен всего за 5 дней.
✅Результат: производительность разработчиков выросла на 20%.
❓Что это значит для финансовых организаций?
🔹Генеративный ИИ превратился из эксперимента в инструмент для ежедневных задач.
🔹Качество данных – фундаментальный барьер и главная причина провала ИИ-проектов.
🔹Скорость внедрения: значимость ИИ-модели заключается в том, как быстро можно масштабировать ИИ-решение.
🔹Галлюцинации в финансовом контексте: генерация правдоподобного, но неверного контента – это критический риск в принятии решений.
🦁 Подписаться на «ТеДо ФинИнсайт» в Telegram| в MAX| в VC
#ВИСТА