7 кейсов использования AI, которые помогут управляющим активами повысить эффективность и продуктивность в условиях рыночных препятствий

Стюарт Грант — руководитель направления рынков капитала, управления активами и частным капиталом в SAP.

Откройте для себя лучшие новости и мероприятия в сфере финтех!

Подпишитесь на рассылку FinTech Weekly

Читают руководители JP Morgan, Coinbase, Blackrock, Klarna и многих других

От сжатия комиссий и неблагоприятных сдвигов в макроэкономических условиях до растущих технологических инвестиций, которые еще не дали ожидаемой отдачи, организации по управлению активами сталкиваются с серьезными встречными ветрами по мере того, как календарь переходит к 2026 году.

В анализе глобальной индустрии управления активами за 2025 год McKinsey & Company, например, обнаружила, что маржа управляющих активами снизилась на три процентных пункта в Северной Америке и на пять процентных пунктов в Европе за последние пять лет в результате факторов вроде этих.

Но у давления есть клапан в виде целевых, удачно размещенных внедрений искусственного интеллекта. ИИ в разных его формах — генеративном, агентном и т. д. — начинает демонстрировать ценность в целом ряде сценариев в рамках фронт-, миддл- и бэк-офиса, предоставляя управляющим активами возможность извлекать новые выгоды от производительности и эффективности, выявлять и использовать прибыльные новые возможности для бизнеса впереди конкурентов. В своем анализе, основанном на опросе руководителей уровня C из компаний по управлению активами по всей Северной Америке и Европе, McKinsey пришла к выводу, что для среднего управляющего активами потенциальное влияние ИИ, gen AI и агентного ИИ «может быть преобразующим — эквивалентно 25–40 процентам их базовой структуры затрат».

Задача организаций по управлению активами, следовательно, заключается в том, чтобы определить, где внутри их структуры ИИ может приносить максимальную ценность.

Внедрение ИИ для максимального эффекта

Компании по всему ландшафту управления активами применяют ИИ на самых разных направлениях. Большая часть этой активности происходит в рамках более крупных организаций, у которых есть глубокие ресурсы для разработки собственных возможностей вокруг крупномасштабных языковых моделей, целевых AI-агентов и подобных решений. Но другая сторона медали ИИ в том, что он также может помочь управляющим активами вне крупнейших организаций Tier One конкурировать на более равных условиях с этими крупными игроками.

Кроме того, хотя многие организации фокусируют свои инвестиции на AI-использованиях, ориентированных на клиентов, важно не упускать возможности создавать ценность и за счет других масштабируемых внедрений ИИ в рамках фронт-, миддл- и бэк-офиса. Вместо поиска точечных решений, которые могут плохо интегрироваться друг с другом, более разумный подход к извлечению ценности из ИИ может заключаться в том, чтобы направить инвестиции на устранение виртуальных стен между тремя уровнями офисов — для создания эффективности, укрепления производительности, оптимизации процессов и более качественного информирования планирования и стратегии.

Проще говоря, ищите кейсы использования ИИ, которые поощряют — и могут задействовать — более свободное движение данных по всей организации. Вот несколько направлений, которые выглядят особенно многообещающими:

1. Автоматизируйте и ускоряйте финансовое закрытие и другие функции в финансах. В финансах исторически существовала масса процессов с ручной работой. С помощью AI-агентов организации по управлению активами получают возможность автоматизировать многие процессы вокруг финансовой функции, включая финансовое закрытие, а также AR, AP, сверку счетов-фактур и т. п. В таких сценариях ИИ может поддерживать улучшенную автоматизацию передачи данных. Он также может давать бизнес-пользователям в финансах проактивные уведомления — и управляемые сценарии — о потенциально неочевидных проблемах с избытком/дефицитом капитала, корректировках баланса и т. п.

2. Улучшайте управление рисками через истинное согласование с финансами. Данные бэк-офиса могут быть чрезвычайно ценными для команд по управлению рисками в миддл-офисе. Эти команды могут использовать данные о держателях инвестиций, денежных потоках, рыночной ликвидности, марже/обеспечении и т. д. в сочетании с данными о профиле клиента и коммуникациях, чтобы выявлять ранние сигналы о досрочных выкупах и связанных с ними рисках ликвидности.

3. Определяйте и быстро задействуйте возможности для новых тарифных структур и бизнес-моделей. Организации могут предлагать своим инструментам ИИ исследовать и смоделировать влияние потенциальных изменений комиссий, а также новых бизнес-моделей. Что говорят исторические данные о том, как изменение комиссии повлияет на дебиторскую задолженность? Есть ли возможности разделить существующую область бизнеса (например, определенный класс активов или географические фонды) на две или более части, или иначе сгруппировать клиентов, и если да, то насколько убедителен бизнес-кейс для таких шагов?

4. Дайте основания для решений об экспансии в новые продукты или географии. Ваша организация рассматривает выход в перспективный, но относительно рискованный новый географический рынок. Как в прошлом складывались такие шаги с точки зрения ожидаемых и фактических затрат? Каковы вероятные регуляторные и HR-последствия такого шага? Диалог с генеративным AI цифровым помощником может дать ценные ответы на подобные вопросы и привести к более обоснованным стратегическим решениям.

5. Моделируйте сценарии «что если» о потенциальном влиянии ребалансировки портфеля на будущие прибыли, а также на инвестиционные приоритеты клиентов и их риск-аппетит. Инструменты ИИ могут дать понимание потенциального эффекта таких сдвигов, а также предлагать рекомендации по оптимальным срокам с учетом обязательств по кредиторской задолженности и других факторов. Связывая такие элементы с данными, ИИ помогает устранить разрывы в информации между финансовой функцией и управлением портфелем в фронт-офисе, поддерживая более точное стратегическое планирование и бюджетирование.

В случае одной компании, с которой я работаю, например, они стремятся объединить данные по атрибуции портфеля по результатам отдельных элементов своего портфеля с данными о риск-аппетите клиентов и тарифных структурах. Цель — лучше понять финансовые «эхо-эффекты» ребалансировки портфеля относительно ожиданий клиентов и будущих прибылей.

6. Повышайте производительность. Некоторые руководители в сфере управления активами, с которыми я говорил недавно, говорят, что их организации хотят удвоить объем активов под управлением без существенного увеличения численности персонала — просто более широко используя ИИ и AI-агентов в рамках всей организации. Они создают AI-агентов и размещают их прямо рядом с сотрудниками — по сути, как цифровые расширения этих сотрудников. В конечном счете, выигрыши в производительности, которые дают эти агенты, позволяют небольшим и средним компаниям «попасть в свой размер» и конкурировать на более равных условиях с более крупными игроками.

7. Уточняйте обнаружение мошенничества при онбординге клиентов. ИИ хорошо умеет быстро сканировать и подтверждать подлинность документов онбординга, выявляя даже самые незначительные аномалии (в размере шрифта, оформлении документа и т. д.), которые могут указывать, что клиент — не тот, за кого себя выдает, и потому требует более тщательной проверки.

Насколько бы действенными ни были такие кейсы внутри организации по управлению активами, максимизация их ценности в значительной степени зависит от качества и доступности данных, которые их питают. Прежде всего, данные должны быть понятны человеку и машине в режиме самообслуживания. Часто компании извлекают данные из исходных приложений и переносят их в хранилище данных (data lake). Однако это лишает смысла и контекста, жизненно важного именно для среды этого приложения. Без таких метаданных вывод ИИ — и общий эффект — может оказаться неоптимальным. Поэтому во многих случаях организациям лучше оставлять эти данные в их естественной среде приложений вместе с сопутствующими метаданными. Представьте данные в этих приложениях как батарейки, которые питают генеративный ИИ, агентный ИИ и интеллектуальную аналитику внутри организации. Чем мощнее эти «батарейки», тем лучше позиционирована организация по управлению активами, чтобы использовать свои инвестиции в ИИ и «прорезать» встречные ветра, с которыми она сталкивается.

О авторе

Стюарт Грант — руководитель направления рынков капитала, управления активами и частным капиталом в SAP. Уже более 20 лет он работает с данными в индустрии рынков капитала, занимаясь ролями, охватывающими управление продуктом, развитие бизнеса и управление бизнесом.