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

Стюарт Грант — руководитель направления по рынкам капитала, управлению активами и состоянию в SAP.

Откройте для себя лучшие новости и мероприятия в сфере fintech!

Подпишитесь на рассылку FinTech Weekly

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

От сжатия комиссий до неблагоприятных сдвигов в макроэкономических условиях и до растущих инвестиций в технологии, которые еще не окупились так, как ожидалось, организации по управлению активами сталкиваются с серьезными встречными ветрами по мере того, как календарь переворачивается на 2026 год.

В исследовании глобальной индустрии управления активами за 2025 год McKinsey & Company, например, обнаружила, что маржинальность управляющих активами снизилась на три процентных пункта в Северной Америке и на пять процентных пунктов в Европе за последние пять лет в результате таких факторов, как эти.

Но для снятия давления есть выход в виде целевых, хорошо размещенных внедрений искусственного интеллекта. ИИ в различных формах — генеративный, агентный и т. д. — начинает показывать ценность в ряде сценариев применения в фронт-, мидл- и бэк-офисах, предоставляя управляющим активами средства для извлечения новых выгод по производительности и эффективности, а также для выявления и использования прибыльных новых бизнес-возможностей впереди конкурентов. В своем анализе, основанном на опросе руководителей C-level из компаний по управлению активами по всей Северной Америке и Европе, McKinsey определила, что для среднего управляющего активами потенциальное влияние ИИ, gen AI и агентного ИИ «может быть преобразующим, эквивалентным 25–40 процентам их затратной базы».

Задача для организаций по управлению активами, таким образом, заключается в том, чтобы определить, где именно в их структурах ИИ может дать наибольшую ценность.

Внедрение ИИ для максимального эффекта

Компании во всем ландшафте управления активами применяют ИИ на самых разных направлениях. Большая часть этой активности происходит в рамках более крупных организаций, обладающих достаточными ресурсами, чтобы развивать собственные возможности вокруг больших языковых моделей, целевых ИИ-агентов и тому подобного. Но другая сторона медали ИИ в том, что он также может помочь управляющим активами за пределами крупнейших организаций Tier One конкурировать с этими более крупными фирмами на более равных условиях.

Более того, хотя многие организации направляют инвестиции на ИИ-сценарии, ориентированные на клиентов, важно не упускать возможности создавать ценность с помощью других масштабируемых внедрений ИИ в фронт-, мидл- и бэк-офисах. Вместо того чтобы искать точечные решения, которые могут плохо интегрироваться друг с другом, более разумный подход к созданию ценности от ИИ — направлять инвестиции на то, чтобы разрушать виртуальные барьеры между тремя слоями офисов, создавая эффективность, усиливая продуктивность, оптимизируя процессы и лучше информируя планирование и стратегию.

Короче говоря, ищите кейсы применения ИИ, которые поощряют — и могут использовать — более свободное перемещение данных по всей организации. Вот несколько вариантов, которые выглядят особенно многообещающими:

1. Автоматизируйте и ускоряйте финансовое закрытие и другие функции в финансах. Финансы исторически были сферой, изобилующей ручными процессами. С помощью ИИ-агентов у организаций по управлению активами появляется возможность автоматизировать многие процессы вокруг функции финансов, включая финансовое закрытие, а также AR, AP, сверку счетов-фактур и тому подобное. В этих сценариях ИИ может поддерживать улучшенную автоматизацию перемещения данных. Он также может предоставлять пользователям финансового бизнеса упреждающие уведомления – и поддающиеся действию сценарии – по потенциально неочевидным проблемам с избытком/дефицитом капитала, корректировками баланса и тому подобным.

2. Улучшайте управление рисками за счет истинного согласования с финансами. Данные из бэк-офиса могут быть невероятно ценными для команд по управлению рисками в мидл-офисе. Эти команды могут использовать данные о владениях инвесторов, денежных потоках, рыночной ликвидности, марже/обеспечении и т. д. в сочетании с данными о профиле клиента и коммуникациях, чтобы выявлять ранние сигналы о погашениях клиентами и связанных с этим рисках ликвидности.

3. Выявляйте и быстро запускайте возможности для новых структур комиссий и бизнес-моделей. Организации могут предлагать своим инструментам ИИ исследовать и моделировать влияние потенциальных изменений комиссий, а также новых бизнес-моделей. Что предполагают исторические данные о том, как изменение комиссии повлияет на дебиторскую задолженность? Есть ли возможности разделить существующую область бизнеса (например, конкретный класс активов или географические фонды) на две или более части, или группировать клиентов иначе, и если да, то насколько сильна бизнес-логика для таких шагов?

4. Дайте информацию для решений об экспансии в новые продукты или географии. Ваша организация рассматривает шаг в перспективный, но относительно рискованный новый географический рынок. Как в итоге обернулись прошлые шаги такого рода с точки зрения ожидаемых и фактических затрат? Каковы вероятные регуляторные и HR-последствия такого шага? Диалог с генеративным ИИ-цифровым ассистентом может дать ценные ответы на вопросы такого рода, что приводит к более обоснованным стратегическим решениям.

5. Моделируйте сценарии «что если» о потенциальном влиянии ребалансировки портфеля на будущую прибыль, а также на приоритеты инвестиций клиентов и их склонность к риску. Инструменты ИИ могут дать представление о потенциальном влиянии таких сдвигов, а также предложить рекомендации по оптимальным срокам с учетом обязательств по кредиторской/дебиторской задолженности и других факторов. Соединяя такие взаимосвязи с данными, ИИ помогает устранять разрывы в информации между функцией финансов и управлением портфелем в фронт-офисе, поддерживая более точное стратегическое планирование и бюджетирование.

В случае одной фирмы, с которой я работаю, например, они стремятся объединить данные о распределении (атрибуции) портфеля по эффективности отдельных элементов своего портфеля с данными о склонности клиентов к риску и структурами комиссий. Цель — лучше понять финансовые последствия ребалансировки портфеля относительно ожиданий клиентов и будущей прибыли.

6. Повышайте продуктивность. Некоторые руководители по управлению активами, с которыми я недавно общался, говорят, что их организации хотят удвоить объем активов под управлением без существенного увеличения численности персонала, просто более широко применяя ИИ и ИИ-агентов по всей организации. Они создают ИИ-агентов и размещают их прямо рядом с сотрудниками — по сути, как цифровые продолжения этих сотрудников. В конечном итоге рост продуктивности, который обеспечивают эти агенты, позволяет небольшим и средним фирмам «приблизиться к своему весу» и конкурировать на более равных условиях с более крупными фирмами.

7. Повышайте точность выявления мошенничества при онбординге клиентов. ИИ хорошо справляется с быстрым сканированием и проверкой подлинности документов для онбординга, выявляя даже самые незначительные аномалии (в размере шрифта, форматировании документа и т. п.), которые могут указывать, что клиент — не тот, за кого себя выдает, и потому требуют более тщательной проверки.

Насколько бы значимыми ни были такие сценарии 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 людям и машинам в режиме самообслуживания. Часто фирмы извлекают данные из исходных прикладных систем и переносят их в хранилище данных (data lake). Однако при этом теряются жизненно важные семантика и контекст, специфичные для среды конкретного приложения. Без этого метаданные могут сделать выходные данные ИИ — и общий эффект — субоптимальными. Поэтому во многих случаях организациям лучше оставлять эти данные в их естественной среде приложения вместе с сопутствующими метаданными. Представьте данные в этих приложениях как батареи, которые питают генеративный ИИ, агентный ИИ и интеллектуальную аналитику внутри организации. Чем мощнее «батареи», тем лучше позиционирована организация по управлению активами, чтобы использовать свои инвестиции в ИИ и «пробиваться» сквозь встречные ветра, с которыми она сталкивается.

О авторе

Стюарт Грант — руководитель направления по рынкам капитала, управлению активами и состоянию в SAP. Уже более 20 лет он работает с данными в индустрии рынков капитала в должностях, охватывающих управление продуктами, развитие бизнеса и бизнес-менеджмент.