Где ИИ уже экономит время и деньги финтеху
ИИ уже используют для разработки, кибербезопасности и подготовки платежей, но далеко не каждый сценарий приносит бизнесу эффект. Какие задачи в финтехе уже можно доверить ИИ, а где риски пока перевешивают пользу? Объясняет Андрей Кузнецов, НСПК
Фото: РБК
По данным Банка России, две трети российских финансовых организаций используют или планируют использовать ИИ. На постоянной основе искусственный интеллект применяет каждая пятая организация. Наиболее часто ИИ на финансовом рынке применяется в управлении рисками, противодействии мошенничеству и операционной деятельности.
Также активно развивается агентский ИИ. В отличие от больших языковых моделей ИИ-агенты обладают большей функциональностью — умеют самостоятельно принимать решения для выполнения поставленных задач. Например, финансовые корпорации по всему миру начинают использовать агентов для обслуживания транзакций.
ИИ как помощник в работе
ИИ — это не замена людей, а способ многократно повысить эффективность работы команд. Несмотря на то что решения, требующие ответственности, контекста и понимания последствий, остаются за человеком, машина отлично справляется с первичной обработкой больших объемов информации. Представляется реалистичным прогноз исследователей из Gartner о том, что к 2028 году по меньшей мере 15% повседневных рабочих решений будут приниматься автономно с помощью ИИ-агентов.
Таким образом, многие компании в финтехе в первую очередь используют ИИ для ускорения операционной деятельности, помогая сотрудникам быстрее проходить рутинные этапы работы. Один из типовых сценариев применения ИИ в технологических компаниях — это ассистент разработки, который помогает верифицировать написанный код.
Современные ИИ-инструменты умеют находить потенциально уязвимые места, нарушения стиля, логические ошибки и расхождения с принятыми в команде практиками еще до того, как код попадет на финальную проверку (ревью) к старшему разработчику. Это не значит, что машине можно полностью доверить написание кода — программный код, сгенерированный ИИ, может содержать разные уязвимости. Поэтому разработчикам в финтехе следует быть особенно осторожными с использованием в высоконагруженных системах вайб-кодинга. Это метод программирования, при котором генерация программного кода отдается большим языковым моделям для быстрого создания рабочих программ. Однако этот метод можно с пользой применить в других проектах, где цена ошибки ниже и не связана с прямыми финансовыми рисками, например в UX/UI-дизайне.
Кроме того, ИИ используется для расшифровки и подведения итогов (саммаризации) совещаний. Раньше это могло отнимать час ручной работы сотрудника после каждой встречи, а сегодня за считаные секунды превращается в готовый структурированный документ с зафиксированными договоренностями. Во многих компаниях, в том числе в НСПК, разрабатываются и используются корпоративные расшифровщики вместо сторонних решений. Такой подход позволяет обеспечить сохранность конфиденциальной информации внутри компании.
Также финансовые организации могут использовать ИИ для обеспечения безопасности компьютерных систем. Сегодня искусственный интеллект помогает киберпреступникам автоматизировать поиск уязвимостей, создавать убедительные фишинговые сценарии и адаптировать вредоносное ПО к слабым местам конкретной системы. Для того чтобы подготовиться к отражению потенциальных атак, сотрудники служб информационной безопасности внедряют нейросети в пентесты, метод оценки компьютерных систем или сетей средствами моделирования атаки злоумышленника. Так ИИ позволяет выстраивать более сложные и реалистичные тестовые сценарии взломов.
Для организаций, работающих с критически важной инфраструктурой, одним из ключевых требований становится использование надежных и контролируемых программных решений, включая ИИ-сервисы. Такой подход помогает снизить зависимость от внешних технологий и обеспечить устойчивую работу важных систем.
Отдельного внимания требует защита корпоративных ИИ-сервисов. В частности, для них может использоваться выделенный контур сетевой безопасности (файрвол). Еще одна распространенная практика, которая также применяется в НСПК, — создание внутренних рабочих групп, которые разрабатывают политику использования искусственного интеллекта. Такой документ регламентирует применение ИИ в компании, определяет требования к безопасности, контролю и распределению ответственности, помогает минимизировать риски взлома инфраструктуры и утечек данных, а также обеспечить соответствие законодательству. При этом важно, чтобы меры защиты не замедляли внедрение ИИ — от разработки моделей до их практического использования.
ИИ в платежах
Следующее направление использования искусственного интеллекта относится непосредственно к финансам. Например, финтех двигается к агентской коммерции, когда покупку совершает не человек, а программный агент по его поручению: пользователь попросил купить билет на самолет — агент сам сравнил варианты, выбрал подходящий и провел оплату.
По всему миру разработчики ИИ-систем встраиваются в платежную инфраструктуру и проводят пилоты агентских транзакций в разных странах. Логика везде одна: платежная система должна оставаться доверительной средой и инструментом верификации даже тогда, когда инициатор транзакции — не человек, а автономное программное обеспечение.
Развитие этого направления в России во многом связано с наличием единой инфраструктуры, которая позволяет внедрять новые технологические решения по общим правилам для всех участников платежного рынка. Такой подход помогает обеспечить совместимость сервисов и делает новые технологии доступными не только крупным игрокам, способным разрабатывать их самостоятельно.
Для агентских платежей единая инфраструктура особенно важна: новый тип транзакций требует общих стандартов идентификации, авторизации и управления рисками. В российской платежной системе эти задачи, в частности, решаются с участием НСПК как оператора национальной платежной системы.
Куда движется ИИ и какие риски стоит держать в уме
Если говорить о горизонте в несколько лет, ключевой тренд очевиден: ИИ-агенты будут брать на себя все больше операционных и некоторую часть транзакционных решений, а роль человека будет постепенно трансформироваться в того, кто формулирует задачу и контролирует результат, а не выполняет рутину руками.
В России в этом направлении также есть прогресс. Топовые российские большие языковые модели встраиваются в финтех-процессы: от автоматизации поддержки до внутренних ассистентов — и развиваются версии с учетом требований к хранению данных и управлению рисками, важных именно для финансового сектора.
Но рост автономности ИИ-агентов порождает и новые риски. Самая очевидная — вопрос доверия и контроля. Чтобы агент мог покупать и платить самостоятельно, необходимо создать надежные механизмы подтверждения согласия пользователя, лимиты и прозрачную ответственность за ошибочные или мошеннические транзакции. Платежные системы по всему миру уже работают над такими механизмами.
Вступайте в сообщество Школы управления РБК в Telegram или «Максе», чтобы общаться с руководителями из разных сфер, выстраивать нетворкинг и получать советы экспертов.
Одним из примеров злоупотребления доверием пользователей со стороны ИИ может служить GEO-оптимизация. Она похожа на SEO-оптимизацию, только вместо попадания в поисковую выдачу бренд появляется в ответах ИИ-ассистента. С этим связан скандальный случай в международной академической среде, когда ученые из разных стран оставляли скрытые промпты (запросы ИИ) в своих работах, чтобы нейросети предоставляли им хорошие рецензии. Применительно к бизнесу возникают вопросы о беспристрастности использования ИИ-агентов в закупках — искусственный интеллект может предлагать не самый лучший вариант, а наиболее разрекламированный.
Более фундаментальный риск лежит дальше горизонта ближайших нескольких лет — это вопрос о том, что произойдет, когда ИИ-системы научатся не просто выполнять задачи по запросу, а самостоятельно обеспечивать себя ресурсами, необходимыми для своей работы: вычислительными мощностями, доступом ĸ данным, в конечном счете — финансами. Пока агент действует по четко заданному поручению человека и в рамках выделенного пространства и ресурсов, риски управляемы. Но по мере того, как агенты получают больше автономии в принятии решений, появляется все больше вопросов.
Это не повод останавливать развитие технологии, а повод уделять большее внимание обучению моделей и погружению пользователей в контекст работы с искусственным интеллектом, чтобы получить выигрыш от использования ИИ-агентов в производительности, скорости принятия решений и снижении операционных расходов. Одно из направлений — преодоление подхалимства искусственного интеллекта, когда нейросеть соглашается с ложной позицией пользователя, предоставляя в ответ некорректную информацию. Такая тенденция особенно опасна в медицине, где ошибочно поставленные диагнозы могут привести к катастрофическим последствиям.
Именно систематическое дообучение ИИ и выстроенная стратегия по работе с нейросетями позволят раскрыть главный потенциал искусственного интеллекта как мощного инструмента усиления человеческих возможностей. Задача индустрии — выстраивать его внедрение так, чтобы выигрывали все участники рынка.