В годовых отчетах публичных банков «AI-гонка»: к 2025 году шесть крупнейших банков вложат в финтех более 1300 миллиардов юаней, сочетая внедрение сценариев и риски.

Каждый день экономический репортёр｜Лю Цзякуй    Каждый день экономический редактор｜Вэй Вэньъи

По мере завершения сезона годовых отчётов листинговых банков Китая за 2025 год в A-shares, группа цифр рисует совершенно новую картину интеллектуальной трансформации финансовой сферы — инвестиции Промышленно-торгового банка в финансовые технологии за весь год составили 28,588 млрд юаней, Банк Цзапшэн объявил, что его приложения на базе ИИ (искусственного интеллекта) за год заменили более 15,56 млн человеко-часов, а в Банке Пинъань число сценариев применения больших моделей удвоилось за год, достигнув почти 400⋯⋯

Корреспондент «Ежедневных экономических новостей» (далее «каждый день репортёр») обратил внимание, что в 2025 году шесть крупнейших государственных банков — Промышленно-торговый банк, Сельскохозяйственный банк, Банк Китая, Строительный банк, Банк коммуникаций, Почтово-сберегательный банк — в сумме направили на финансовые технологии более 130 млрд юаней, что на ещё больший рост относительно 1254,59 млрд юаней в 2024 году. За масштабным вложением скрывается более глубокое изменение: искусственный интеллект из технических разделов годовых отчётов, заглядывающих в будущее, превращается в ключевую меру для оценки основной конкурентоспособности банка.

Тем временем по другую сторону океана JPMorgan рисует другую картину ИИ — генеральный директор Джейми Даймон (Jamie Dimon) позиционирует искусственный интеллект как «революционную технологию, сопоставимую с печатным станком и паровым двигателем», и объявляет о ежегодных вложениях более 2 млрд долларов США, стремясь создать «полностью AI-скоординированную компанию». Этот финансовый гигант с Уолл-стрит не удовлетворён точечными приложениями, а пытается глубоко встроить ИИ в каждую «капиллярную» линию организации.

С одной стороны — системные и масштабные инвестиции отечественных банков в ИИ и внедрение сценариев, с другой — международные финансовые гиганты, действующие через мышление экосистемы и осуществляющие всестороннюю интеллектуальную перестройку. Эта волна финансового интеллекта, охватывающая Тихий океан, незаметно меняет каждый ключевой этап — от кредитного одобрения, риск-ценообразования до инвестиционных решений.

Однако за горячими инвестициями в ИИ и видением скрываются «глубинные воды» управления данными, реальные риски «галлюцинаций» моделей и регуляторные вызовы, связанные с алгоритмическим «чёрным ящиком», — всё это проверяет глубину и устойчивость этой трансформации. Путь финансовой индустрии в ИИ, демонстрируя огромный потенциал, также входит в ключевой этап, на котором требуется больше мудрости и осторожности.

Источник изображения: медиа-архив «Каждый день» (каждый день медиа)

** Стратегическое обновление: стратегическое соперничество от «цифры» к «цифроинтеллекту»**

Корреспондент «Каждый день» систематизировал результаты отчётов о деятельности размещённых банков за 2025 год и обнаружил, что «искусственный интеллект» поднялся с разделов технологических перспектив до ключевого показателя эффективности для оценки будущей основной конкурентоспособности. Фокус этого соперничества смещается с «применяют ли ИИ» на «насколько глубоко применяют и насколько сильна система», демонстрируя яркие черты системного и масштабируемого внедрения.

Государственные банки, опираясь на мощные ресурсы, сейчас формируют «тяжёлую инфраструктуру» для AI-трансформации. В годовом отчёте Промышленно-торгового банка прямо указано, что реализуемая четыре года стратегия «Цифровой ICBC» (D-ICBC) полностью обновлена до «Цифроинтеллектуального ICBC» (AI-ICBC), а ключевая большая модель «Gongyin Zhiyong» уже внедрена более чем в 30 бизнес-сферах, охватив 500+ прикладных сценариев. Строительный банк раскрыл, что технология искусственного интеллекта масштабно наделяет 398 сценариев внутри группы. Банк Китая построил платформу возможностей больших моделей BOCAI: общее число внедрённых интеллектуальных ассистентов превысило 400.

Банки с акционерным капиталом и городские коммерческие банки демонстрируют более высокую гибкость по скорости и широте внедрения сценариев. На пресс-конференции по выпуску результатов 招商银行 (Банк Цзапшэн) раскрыл, что число сценариев его AI-применений достигло 856, а за весь год за счёт ИИ заменено свыше 15,56 млн человеко-часов, что соответствует формированию эквивалента более 8000 штатных сотрудников по эффективности труда. Ещё более важно, что ИИ смещается из роли «центра затрат» к роли «двигателя эффективности»: интеллектуальный ассистент для менеджеров по работе с клиентами повышает число результативных обращений на одного сотрудника на 14%, а средний объём операций на клиента — на 20%. Сценарии применения больших моделей в Банке Пинъань за год выросли с «свыше 200» до «свыше 390», а доля сгенерированного ИИ кода уже превысила 30%. Синьсин-банк (CITIC) построил кооперационную модель «большая модель + малая модель»: по состоянию на конец 2025 года число сценариев внедрения больших моделей превысило 120.

От «AI прежде всего» к «AI как нативный»: ведущие банки пытаются глубоко встроить интеллект в ткань организации и выстроить новые конкурентные барьеры.

Один из опытных исследователей банковской отрасли проанализировал для «Каждый день репортёра», что AI-результаты, плотно раскрываемые в годовых отчётах за 2025 год, означают, что цифровая трансформация банковской отрасли Китая вошла в «глубокие воды», где ключевыми являются интеллектуальные решения и перестройка процессов. На фоне постоянного сужения чистой процентной маржи отрасль вынуждена искать эффективность и рост через технологии. Инвестиции в ИИ больше не являются просто бюджетным проектом технологического подразделения, а становятся стратегическими вложениями, напрямую привязанными к ключевым операционным показателям, таким как снижение затрат и повышение эффективности, контроль рисков и рост доходов.

Углублённое применение: революция эффективности в риск-контроле, инклюзивном финансировании и операциях

После многих лет исследований применение ИИ в банковской отрасли давно вышло за рамки ранних интеллектуальных колл-центров и оплаты по лицу; оно проникло в самую сердцевину бизнеса и демонстрирует революционный потенциал как для повышения эффективности, так и для контроля рисков.

В «сердце» управления рисками — сферах кредитования и противодействия мошенничеству — ИИ реализует качественный скачок от «правилового суждения» к «интеллектуальному восприятию». Традиционный риск-контроль опирается на исторические данные и статичные правила, что трудно позволяет справляться со сложными и постоянно меняющимися новыми видами рисков. А интеллектуальная система риск-контроля, в основе которой лежат машинное обучение и графовые вычисления, способна в реальном времени обрабатывать огромные массивы разнородных данных. Например, Почтово-сберегательный банк построил сквозную систему моделей противодействия мошенничеству; в первой половине 2025 года она суммарно защищала потенциальные счета пострадавших более чем в 100 тысячах случаев. Платформа онлайн-риск-контроля Банка Цзапшэн в 2025 году одобрила корпоративные кредиты почти на 6000 млрд юаней, что на 44% больше; при этом время предупреждения рисков после выдачи кредита с помощью ИИ в среднем опережало традиционную ручную модель на 42 дня.

В сфере инклюзивного финансирования ИИ, анализируя альтернативные данные, помогает решать классическую проблему «трудно получить финансирование и дорого получить финансирование» для МСП. Многие банки используют AI-модели, чтобы интегрировать налоговые сведения предприятий, данные счетов-фактур, цепочек поставок и даже данные по воде и электроэнергии, формируя кредитный «профиль» для МСП, у которых нет традиционного обеспечения, и обеспечивая быстрое предоставление кредитного лимита.

Интеллектуальная операционная работа и обслуживание клиентов — это самое прямое отражение того, как ИИ снижает затраты и повышает эффективность. Интеллектуальный помощник Банка Цзапшэн для более чем 10 тысяч менеджеров клиентов private-banking уже стал умным партнёром в повседневной работе. Банк Пинъань при поддержке генеративного ИИ (AIGC) помогает создавать маркетинговый контент; только по этому направлению в 2025 году сэкономлено около 60 млн юаней. В операционном бэк-офисе «цифровые сотрудники» на базе ИИ берут на себя большое количество повторяющихся задач. CITIC использует ИИ для более концентрированной обработки таких бизнес-операций, как открытие счетов для корпоративных клиентов и изменение информации, повышая эффективность концентрированной обработки операций более чем в 2 раза.

«Успех ИИ в этих областях ключевым образом в том, что он решает массивы данных огромного масштаба, которые трудно обработать силами традиционной финансовой модели, сложные паттерны, которые сложно покрыть правилами, и потребность в ответах в реальном времени при высокой параллельности». Так проанализировал вышеупомянутый исследователь банковской отрасли. Эти зрелые приложения формируют «базовый сегмент» AI-способностей банка, а их ценность напрямую отражается в снижении затрат, уменьшении рисков и улучшении клиентского опыта.

Он считает, что текущие приложения — это в большей степени «оптимизация существующих процессов», а на следующем этапе конкуренция будет сосредоточена на том, как использовать ИИ, чтобы «создавать новые процессы» и даже «создавать новые бизнесы», то есть переходить от «повышения эффективности внутри» к «получению дохода извне».

Зарубежная реальность: прорыв от оптимизации процессов к созданию ценности

Когда отечественная банковская отрасль сосредоточена на использовании ИИ для оптимизации внутренних процессов и обслуживания клиентов, международные финансовые гиганты, представленные JPMorgan, тянут «щупальца» ИИ в более разрушительные области — непосредственно в инвестиционные решения.

Например, в сфере венчурного инвестирования (VC) и private equity (PE) ИИ переопределяет фундаментальную логику поиска проектов и due diligence. Традиционная модель, зависящая от нетворка и отраслевых исследований (таких как Wind, Bloomberg и др.), меняется. Например, Sequoia Capital давно разработала внутренние AI-инструменты для автоматизации сканирования данных глобальных стартапов, научных статей, патентов и новостей: в фиксированное время каждый день инвестиционной команде направляется первоначальный аналитический бриф потенциальных объектов, повышая широту и эффективность отбора проектов.

В области wealth management и инвестиционного банкинга, ориентированного на клиентов, ИИ переходит от поддержки в бэк-офисе к сервису на передовой. Ещё в 2023 году JPMorgan подала заявку на товарный знак для своего продукта под названием «IndexGPT» — это инструмент инвестиционного консультирования, который использует генеративный ИИ: в соответствии с темами или областями интереса, заданными клиентом, модель автоматически анализирует и выбирает ценные бумаги. Модель обучена на базе универсальной большой модели, при этом используется массив уникальных частных данных JPMorgan, включая макроэкономические данные и исследования компаний, и предназначена для предоставления клиентам персонализированных рекомендаций по инвестиционным портфелям.

Кроме того, в кредитном бизнесе использование ИИ для более точной классификации рисков и ценообразования для клиентов уже является достаточно зрелой практикой за рубежом.

Вышеупомянутый исследователь банковской отрасли трактует зарубежную практику ИИ финансовых институтов как выявляющую две ключевые тенденции: во‑первых, применение ИИ смещается от «оптимизации внутренних процессов» к «созданию внешней ценности», напрямую вмешиваясь в ключевые этапы создания ценности, такие как инвестиционные рекомендации и дизайн продуктов; во‑вторых, ведущие структуры используют свои уникальные барьеры из высококачественных данных (например, данные по сделкам и результаты глубоких исследований), чтобы обучать большие модели в вертикальных направлениях, формируя новые конкурентные «градовые валы», которые сложно воспроизвести. По сравнению с этим отечественные финансовые институты всё ещё имеют пространство для развития в части использования ИИ для непосредственного управления инвестиционными решениями и предоставления глубинных интеллектуальных услуг по инвестконсультированию — возможно, именно это и будет высота, которую нужно будет преодолеть в будущем.

Мрачные подводные рифы: проверка управления данными, «галлюцинаций» ИИ и нехватки кадров

Помимо зрелых применений, таких как противодействие мошенничеству и интеллектуальное обслуживание клиентов, финансовая отрасль осторожно продвигает ИИ в более передовые и более ключевые области, пытаясь раскрыть новую ценность и дать ИИ роль «аналитика», а иногда и «начального лица, принимающего решения», в более сложных финансовых активностях.

Как стало известно корреспонденту «Каждый день», в интеллектуальном анализе общественных настроений и рыночном превентивном предупреждении уже существуют организации, которые обучают ИИ захватывать и анализировать в реальном времени большие массивы неструктурированных данных — новости, обзоры исследовательских отделов, социальные медиа и даже спутниковые изображения — чтобы уловить возможные «сигналы» рисков, которые могут повлиять на рынок или на конкретную компанию. Например, в платформе искусственного интеллекта «东方大脑» (Oriental Brain) от East Securities среднесуточно обрабатывается почти 70 тысяч единиц рыночной инфо по настроениям; система автоматически идентифицирует субъектов компаний и классифицирует негативные информационные потоки.

В сфере интеллектуального пост-кредитного управления и сохранения активов ИИ используется для непрерывного автоматизированного мониторинга рисков по существующим кредитам. Анализируя операционные данные компаний, судебную информацию и изменения в общественных настроениях, модель может заранее предупреждать о потенциальных рисках, превращая реагирование из пассивного в активное управление. Некоторые банки уже пробовали использовать большие модели для помощи в генерации отчётов по посткредитной проверке: время подготовки сокращается существенно.

Более разрушительные эксперименты происходят в самой сердцевине сделок и инвестиций. В области количественных инвестиций, помимо оптимизации текущих торговых стратегий, более передовой задачей является разработка «виртуального трейдера», способного самостоятельно учиться микро-структуре рынка и самостоятельно исполнять часть торговых приказов. Сообщается, что JPMorgan уже выпустила свою AI-платформу для количественной торговли, поддерживающую интеллектуальное сочетание высокочастотной торговли и multi-factor стратегий. В доверительном управлении (например, в валютно-обменных и сделках с процентными деривативами) ИИ также исследуется как средство для предоставления трейдерам в реальном времени оптимальных котировок и рекомендаций по стратегиям хеджирования.

Однако, несмотря на широкие перспективы, глубокое применение ИИ в финансовом «ядре» всё ещё сталкивается с ограничениями: управление данными, «галлюцинации» больших моделей и нехватка комбинированных специалистов — это «три двери», через которые финансовым институтам нужно пройти.

Во‑первых, проблема управления данными. Качественные, стандартизированные данные — «топливо» для ИИ. Однако финансовые данные связаны с высокой степенью чувствительности персональной информации и коммерческих секретов, и зачастую они разрознены по разным бизнес-подразделениям, образуя «острова данных». Эксперт KPMG указал, что финансовые организации в целом сталкиваются с трудностями координации и совместного использования разнородных данных из многих источников, а также сложности с циркуляцией внутренних данных и обменом ими.

Во‑вторых, «галлюцинации» больших моделей и риск надёжности. Проблема «галлюцинаций» присущая большим языковым моделям может оказаться фатальной в финансовых решениях, где требуется нулевая ошибка. Исследователь Китайского почтово-сберегательного банка Луо Фэйпэн (娄飞鹏) указал, что если «галлюцинации» появляются в области риск-менеджмента, банк может оказаться неспособным понять логику рисков, и потому не сможет принять эффективные меры реагирования.

В‑третьих, нехватка комбинированных кадров и боль организационных изменений. Кадров катастрофически не хватает: люди, которые одновременно хорошо понимают сложную логику финансового бизнеса и умеют работать с AI-алгоритмами и инженерией. При этом традиционная банковская организационная культура, подчёркивающая строгий порядок и иерархическую систему, имеет глубокое противоречие с гибкими подходами к быстрой итерации и разработке с допущением ошибок, которые требуются для ИИ.

Вышеупомянутый исследователь банковской отрасли подвёл итог: в будущем конкуренция в финансовой индустрии станет соперничеством целостных экосистем в связке «технологии — данные — управление — таланты». Лишь те структуры, которые смогут первыми построить высококачественные активы данных, создать доверительную рамку управления ИИ и успешно трансформировать организацию и культуру, смогут получить долгосрочное преимущество в этой глубокой «цифроинтеллектуальной» революции.

Отказ от ответственности: Содержание и данные в этой статье приведены только для справки и не являются инвестиционными рекомендациями. Перед использованием проверьте. Действуйте на свой риск.

Источник обложки: медиа-архив «Каждый день»