Где ИИ действительно вносит изменения в финансы прямо сейчас

Финтех развивается быстро. Новости повсюду, ясности нет.

FinTech Weekly собирает ключевые истории и события в одном месте.

Нажмите здесь, чтобы подписаться на рассылку FinTech Weekly

Её читают руководители в JP Morgan, Coinbase, BlackRock, Klarna и других.

На протяжении многих лет обсуждение искусственного интеллекта в финансах было досадно размытым. Большинство финансовых команд продолжали делать всё тем же способом, даже когда руководители говорили о дезинтермедиации, а консультанты выпускали многообещающие слайды. Но примерно за последние 18 месяцев кое-что изменилось. Инструменты улучшились, сценарии применения стали понятнее, а ранее скептически настроенные подразделения начали видеть реальные результаты там, где это действительно важно.

Не всех затронули изменения одинаково и не в одно и то же время. Одни области финансов внедряли ИИ быстрее, чем другие, и причины заслуживают внимания. Команды FP&A были среди первых, во многом из-за очевидной боли. Всем было ясно, что тратить две недели на извлечение данных из разрозненных систем, чтобы собрать квартальный прогноз, — это неустойчиво. Когда появились платформы, которые могли автоматизировать сбор данных и выявлять тенденции за часы вместо дней, внедрение ускорилось.

Что позволило этой волне закрепиться, так это то, что она решала проблемы, с которыми люди уже устали разбираться. Искусственный интеллект в финансах давно вышел за рамки экспериментальной фазы. Команды используют его, чтобы быстрее закрывать бухгалтерские книги, генерировать скользящие прогнозы, не выгорая на аналитиках, и запускать сценарные модели, на сбор которых вручную уходили бы недели. Ценность больше не абстрактна. Она проявляется в сокращении циклов отчетности и в том, что перед заседаниями совета директоров меньше приходится работать допоздна.

FP&A Добрались Первыми, Но На Этом Не Остановились

Учитывая, насколько ручным и повторяющимся был рабочий процесс, прогнозирование и бюджетирование логично было начать с них. Но как только команды увидели, что возможно, технология начала распространяться на смежные функции. Анализ отклонений — хороший пример. Чтобы понять, почему фактические показатели не совпали с планом, аналитик обычно тратил часы, проходя по строкам. Инструменты ИИ могут отмечать такие расхождения за минуты и, что более важно, указывать на первопричины.

Ещё одна область, набирающая популярность, — признание выручки. Раньше для компаний, работающих со сложными структурами договоров или многоэлементными соглашениями, нормой были электронные таблицы и обширные институциональные знания. Часть этого процесса можно автоматизировать, чтобы снизить риск и высвободить время для решений, которые действительно требуют человеческого интеллекта. Там, где финансовые команды слишком много времени тратили на повторяющуюся, основанную на правилах работу, ИИ входит в процесс и делает это быстрее.

Управление Рисками — Это Большая История

Если FP&A был точкой входа, то управление рисками, возможно, то место, где ИИ даёт самое устойчивое влияние. Регуляторное соответствие, выявление мошенничества и моделирование кредитного риска — все они требуют сложного распознавания паттернов и больших массивов данных. Именно в таких условиях машинное обучение превосходит ручной анализ.

Первыми это признали страховые компании и банки. Но более новым является внедрение среди компаний mid-market, у которых никогда не было специализированных команд по риск-аналитике. Облачные платформы сделали возможным, чтобы компания с несколькими сотнями сотрудников выполняла те виды оценок риска, которые раньше требовали команды квантов. Эти инструменты сами ведут мониторинг, выявляют аномалии по мере их появления и собирают отчёты, пригодные для аудита. Это реальный шаг вперёд в повседневном управлении финансовыми процессами.

Прямо сейчас наиболее убедительной частью этого сдвига может быть комплаенс. Регуляторные среды постоянно меняются, и между сменой правил в разных юрисдикциях просто оставаться в соответствии — работа сама по себе. Хотя ИИ не может заменить офицера по комплаенсу, он способен просматривать обновления по регулированию, сопоставлять их с действующими политиками и выявлять любые пробелы до того, как они станут проблемами. Раньше позволить себе такой проактивный мониторинг могли только самые крупные организации.

Что Сдерживает Некоторые Команды

Не все финансовые департаменты работают с одинаковой скоростью, и две основные причины колебаний обычно — это таланты и доверие. Доверие, потому что специалисты по финансам должны понимать, как модель приходит к своим выводам, прежде чем они поставят на кон свою репутацию результат. Таланты, потому что хорошо внедрять эти инструменты могут только люди, которые понимают и технологию, и финансовый контекст, а такое сочетание всё ещё встречается редко.

Ещё один «узкий проход», которому уделяется недостаточно внимания, — качество данных. Поскольку ИИ настолько хорош, насколько хороши данные, которые его питают, многие компании продолжают работать на неупорядоченных, разрозненных системах, где — в зависимости от подразделения — один и тот же показатель может определяться тремя разными способами. Хотя навести порядок — не самая гламурная задача, это необходимо, чтобы выжать максимум из любого внедрения ИИ.

Траектория Довольно Понятна

Финансовые команды, которые уже сделали шаг вперёд, расширяют сценарии использования, а не откатываются назад. Ранние успехи в FP&A дали достаточно внутренней убедительности, чтобы обосновать продвижение в риск, комплаенс и казначейские операции. Университеты начинают встраивать грамотность работы с данными в свои учебные программы по финансам, что со временем должно помочь закрыть кадровый разрыв. Тем временем вендоры продолжают выпускать всё более специализированные инструменты.

Каждый квартал математике становится сложнее для тех команд, которые ещё не начали. Конкурентный разрыв между отделами финансов, работающими с ИИ, и традиционными организациями расширяется, а закрывать этот разрыв позже всегда дороже, чем идти в темпе сейчас. Технология не идеальна, и никто не должен делать вид, что это так. Но ожидание совершенства — это тоже особый вид риска, и он, который могут позволить себе далеко не все организации.