Виступ губернатора Воллера щодо впровадження штучного інтелекту в Федеральній резервній системі

Дякую, пане Президенте Коллінс, і дякую за можливість сьогодні виступити перед вами.1 Штучний інтелект — це технологічне явище, яке стрімко захоплює світ. Ми читаємо про нього щодня, і багато з нас використовують його у тій чи іншій формі. За моє життя я ніколи не бачив такої технологічної революції — я бачив народження космічних досліджень, зростання персональних комп’ютерів, вибух Інтернету та смартфонів. Хоча всі вони були трансформаційними, жоден не має такого потенціалу змінити наше життя так швидко, як AI. Фірми, домогосподарства і кожна урядова структура намагаються інтегрувати його у свою роботу. І я тут, щоб сказати вам, що Федеральна резервна система не є винятком.

Отже, враховуючи тему цієї конференції та склад аудиторії, я вважаю, що це хороший час обговорити, як система Федеральної резервної системи використовує штучний інтелект для побудови та оптимізації систем, що підтримують нашу роботу, а також для його впровадження в інші внутрішні застосунки.

Зазвичай люди асоціюють Федеральну резервну систему з монетарною політикою — відсотковими ставками, інфляцією та рішеннями, що привертають увагу у ЗМІ під час восьми засідань на рік. Але більша частина нашої щоденної діяльності — це операційна робота, така як платежі, фінансове управління, людські ресурси та надання фінансових послуг Казначейству США. Ключовим елементом цієї операційної роботи є технології. AI — це остання технологія, яку ми впроваджуємо у нашу щоденну роботу для досягнення операційної ефективності.

Федеральна резервна система була створена у 1913 році як система регіональних банків, і історично багато технологічних рішень приймалися окремо кожним банком. Це мало сенс у минулій епосі, коли кожен резервний банк фактично функціонував як окрема організація. Але з розвитком цифрових технологій і взаємозв’язків — разом із еволюцією банківської системи та ширшої економіки — такий підхід все більше створює дублювання, неефективність і операційні ризики.

Коли системи взаємозалежні, рішення, прийняті ізольовано, створюють проблеми з координацією — особливо враховуючи масштаб і критичність систем, якими керує Фед. Підтримка стандартів стійкості та безпеки центрального банку вимагає більш скоординованої моделі.

Саме тому ми рухаємося у напрямку підходу, орієнтованого на систему Федеральної резервної системи — з єдиними стандартами та інфраструктурою, зберігаючи децентралізацію там, де це найважливіше, зокрема для монетарної політики та економічних досліджень.2

І терміновість цього переходу зростає. Обсяг і швидкість технологічних змін продовжують зростати. Як публічна установа з важливою роллю у фінансових системах США та світу, Фед має йти в ногу з часом, щоб надавати ефективні, надійні послуги разом із приватним сектором.

Ця швидкість змін була очевидною на нещодавній Конференції з інновацій у платежах, яку я проводив, де учасники обговорювали злиття AI, стабільних монет, токенізації та платежів — тему, яку я також регулярно чую у своїх розмовах з галуззю і яка, ймовірно, з’явиться у всіх панелях сьогодні.

За такої швидкості змін підхід «банк за банком» просто не працюватиме, особливо для передових технологій, таких як токенізація, квантові обчислення та генеративний AI. Це сміливі виклики — і можливості — що перетинаються з усією системою Федеральної резервної системи.

Щоб відповідати викликам, потрібна системна координація, схильність до дії та дисципліноване масштабне впровадження. Саме тому ми навмисно створили інноваційну практику, орієнтовану на систему. Замість дублювання зусиль — робити одне й те саме сотню разів у системі — ми можемо робити сотню різних речей. Системний підхід дозволяє швидше та ефективніше переводити ідеї з експерименту у реальне застосування.

AI — це кейс-стаді того, як цей підхід працює на практиці. Мені не потрібно пояснювати цій аудиторії, наскільки швидко рухається AI — він змінює спосіб роботи та функціонування організацій. Як розробники та лідери, ви відчуваєте це безпосередньо. І Федеральна резервна система не є винятком. Важливо йти в ногу з цим. Так, ми — центральний банк; «зламати щось і просити пробачення» тут не працює. З великою силою приходить велика відповідальність. AI-системи можуть швидко посилювати помилки так само, як і підвищувати ефективність. Вони можуть створювати галюцинації. Вони можуть нести реальні ризики щодо захисту даних, моделювання, упередженості та операційної стійкості. Ми не можемо ставитися до AI легковажно. Як центральний банк, ми висуваємо високі стандарти. Це означає чіткі межі щодо його використання, сильний контроль інформаційної безпеки, строгі валідації моделей, людську відповідальність за рішення та постійну оцінку технології у процесі її розвитку. Інновації та управління ризиками тут не суперечать один одному — вони взаємодоповнюють.

Ми повинні дотримуватися цих принципів, але пасивність також не є варіантом. Ми не можемо дозволити собі запізнитися або розглядати трансформаційні зміни фрагментарно. Тому ми робимо це інакше. Впроваджуючи AI у Фед, ми рухаємося як одна система, з спільним напрямком і узгодженістю. Ми створили спільну внутрішню універсальну платформу AI для всіх співробітників резервних банків. Наш підхід навмисно орієнтований на бізнес і підтримується AI. Ми починаємо з проблеми та бізнес-потреби, а потім застосовуємо відповідні можливості з усього стеку AI. Така дисципліна допомагає нам швидше і ефективніше приносити реальну бізнес-цінність, уникаючи зайвої складності та витрат.

Бути орієнтованим на бізнес також означає інтегрувати AI у роботу Фед — не розглядати його як набір випадкових експериментів або зомбі-проектів.

Мета — не новизна, а корисність.

Тож давайте перейдемо до практичних кейсів застосування AI. Ми впроваджуємо AI у трьох сферах, що доповнюють одна одну і відображають, як працює велика, складна установа — широке доступне використання для всіх співробітників, спеціалізовані інструменти для розробників і інтегровані можливості у корпоративні робочі процеси — і все це робить AI невід’ємною частиною щоденної роботи Федеральної резервної системи.

Почну з універсального AI для всіх співробітників, адже саме тут найперше проявляється найбільший щоденний вплив.

Це про те, щоб зробити AI базовою можливістю щоденної роботи, а не вузькоспеціалізованим інструментом. Кожен співробітник має доступ до затверджених Fed AI-рішень, якими може користуватися протягом дня — для складання чернеток, підсумків, аналізу інформації та швидкого подолання труднощів. Для багатьох це функціонує як поширений цифровий помічник — голосна скринька, до якої можна повернутися під час роботи над проблемами та виконанням щоденних завдань. Мета не у тому, щоб зробити всіх технарями; мета — зменшити тертя у рутинній роботі, щоб люди могли більше зосереджуватися на судженнях, розв’язанні проблем і високовартісних завданнях.

У багатьох випадках це нагадує, як люди вже використовують AI у своєму особистому житті. У моїй родині AI став щоденним інструментом — так само, як смартфон або навіть мікрохвильова піч, якою користуються автоматично. Моя дружина використовує його як щоденного супутника: планує поїздки, допомагає дітям обдумати кар’єрні варіанти, порівнює покупки або перетворює дрібні, неприємні задачі у щось більш кероване.

Це не екзотика. Це інструмент.

І саме так ми маємо думати про AI і на роботі.

Давайте зробимо це реальністю.

Співробітники Фед часто отримують значний обсяг додаткових матеріалів для підготовки до різних засідань. Щоб допомогти з синтезом інформації, вони іноді використовують внутрішній універсальний AI-інструмент Фед для швидкого виділення ключових тем. Звісно, він не замінює підготовку чи судження. Він стискає механічну роботу, щоб більше часу можна було приділити суті та важливим питанням.

Ще один приклад — коли колега повернулася з заслуженого відпустки — справжнього цифрового детоксу, тобто без доступу до робочих пристроїв або пошти — і повернулася з повною поштовою скринькою та чергою документів. Замість того, щоб кілька днів розбиратися у всьому, вона використала внутрішній AI-інструмент Фед для підсумовування та сортування накопиченого. Це дозволило їй одразу перейти до того, що потребує її експертизи.

У обох випадках інструмент обробляє обсяг і перший етап роботи. Людина приймає рішення.

Другий напрямок, де ми бачимо реальний вплив, — це розробники і ті, хто перетворює ідеї у реалізацію.

Асистенти з кодування допомагають розробникам оптимізувати роботу на всьому життєвому циклі програмного забезпечення — від документації та рефакторингу до написання коду та модульного тестування. Це допомагає командам швидше розбиратися з беклогами, покращувати якість і надійність, модернізувати системи та швидше доставляти цінність і інновації.

Але це не лише про швидкість.

AI бере на себе найчасомісткі та найменш задовільні частини розробки програмного забезпечення, щоб розробники могли зосередитися на безпеці та якості. Це важливо для такої установи, як Фед, де надійність і стійкість виробничих систем — критичні.

Візьмемо модульне тестування. Це важливо для якості та стійкості, але не найзахопливіша частина роботи для розробників. У кількох командах задачі, що раніше займали дні, тепер виконуються за кілька годин із допомогою AI. Один розробник сказав мені прямо: «Що раніше займало два дні, тепер займає дві години». Це звільняє час для більш високовартісної роботи — посилення безпеки та створення нових можливостей. З розвитком цих інструментів вигоди лише зростають.

Є й ширша ідея щодо можливостей. Коли асистенти з кодування знижують вартість створення програмного забезпечення і підвищують його якість, вони розширюють можливості. Ми можемо писати більше коду, створювати більше можливостей і приносити більше цінності бізнесу. З полегшенням дефіциту зростає і можливість подолати беклоги та технічний борг, що накопичуються з часом.

Корисною аналогією є iPhone і фотографія. Встановлення камери у кожен кишеньковий пристрій не позбавило професійної фотографії. Це знизило вартість виробництва, збільшило обсяг і розширило ринок. Більше фотографій знімалося, і попит на високоякісну роботу зростав. Я вважаю, що асистенти з кодування працюватимуть так само для програмного забезпечення.

У Фед вже спостерігається активне впровадження — сотні розробників швидко приймають ці інструменти, що свідчить про їхню актуальність.

Дозвольте привести інший приклад — менш про код, більше про слухання спільнот, яким ми служимо.

У системі Фед ми збираємо величезну кількість якісної інформації — розмови з бізнесами, лідерами громад, учасниками ринків. Історично синтез цієї інформації з різних регіонів і періодів був трудомістким.

Завдяки AI-аналітикам тепер легше витягати цільові теми з великого обсягу нотаток інтерв’ю, порівнювати патерни між циклами та швидше виявляти зміни у настроях. Це не замінює людське судження — прискорює перший етап, щоб економісти могли більше часу приділяти інтерпретації важливого.

Третій спосіб впровадження AI — це безпосередня інтеграція у вже існуючі робочі процеси.

Замість того, щоб просити команди освоїти нові інструменти або створювати індивідуальні рішення, ми активуємо можливості AI у платформах, що вже підтримують щоденну роботу у сферах права, ризиків, закупівель, операцій та інших функціях підприємства.

Впровадження йде через робочий процес. Коли AI інтегрований — а не доданий як додатковий модуль — люди не змінюють спосіб роботи, щоб отримати від нього користь.

Якщо ви часто купуєте щось онлайн або подорожуєте, ви вже, ймовірно, відчули цю зміну. Коли щось трапляється — затримка рейсу, пропущене з’єднання, пошкоджена посилка — тепер швидше вирішити проблему через простий чат або повідомлення, або навіть через той улюблений дзвінок. У багатьох випадках AI працює за лаштунками, щоб підсумувати контекст, направити проблему або вирішити її одразу — і тоді людина, яка втручається, краще підготовлена допомогти. Враження стає простішим, швидшим і часто кращим.

Та сама динаміка застосовується і у Фед. Інтегруючи AI у існуючі системи, ми можемо покращити швидкість, послідовність і якість обслуговування без створення фрагментованих рішень. Це також економічно обґрунтовано. Оскільки технології швидко розвиваються, використання AI через платформених постачальників дозволяє нам отримувати вигоду від постійних покращень, а не створювати та підтримувати інструменти, що можуть стати дорогими або застарілими.

У сукупності ці приклади демонструють, як ми переводимо AI із досліджень у реальне застосування через скоординований системний підхід.

Результат — збільшення можливостей у всій організації, що дозволяє командам вирішувати складні проблеми і приносити більше цінності, одночасно підвищуючи продуктивність і знижуючи витрати через відповідальну інновацію.

Хоча це був хороший початок, ми не прагнемо бути одноденним феноменом. Важливо — це довговічність, і вона вимагає фокусування на впровадженні, відповідальності та лідерстві.

Саме тут багато зусиль з AI успішно або провалюються — коли передача керма переходить від перших користувачів до щоденних операторів. Технологія вже не є найскладнішою частиною; це управління змінами. Йдеться про те, наскільки швидко люди приймають інструменти, наскільки глибоко вони інтегрують їх у щоденну роботу і чи перетворюється це у результати.

Тому ми застосовуємо підхід, орієнтований на впровадження. Ми розглядаємо AI як інвестицію у людський капітал, а не як експеримент на боці. Навчання та підвищення кваліфікації відбувається у робочий час, а не у вечірні або вихідні дні.

Це навчання не разове і не теоретичне. Воно постійне, практичне і релевантне ролі. Співробітники навчаються, використовуючи AI у реальних робочих процесах, через практичні семінари, навчальні сесії та швидкі вправи. Такий підхід «з рук на клавіатуру» важливий, бо комфорт і компетентність приходять із практикою, а не з презентацій.

Ми також чітко визначили очікування. Використання AI не є опцією. Базова грамотність і застосування закладаються у цілі працівників системи. Що вимірюється — те виконується.

Я бачив це на власному досвіді. Коли я був керівником досліджень у Сент-Луїсі, ми розробили стратегічний план, який майже залишився на полиці. Що змінило поведінку — це включення цих пріоритетів безпосередньо у цілі співробітників. Як тільки люди зрозуміли, що важливо і як їх оцінюватимуть, почалася реалізація. Цей досвід сформував моє уявлення про те, як зробити зміни стійкими.

Лідерство відіграє тут критичну роль. Встановлення очікувань і інвестиції — необхідні, але недостатні. Команди повинні бачити, що керівники демонструють приклад і говорять про свою відданість — і що вони самі навчаються цій технології. Такий сигнал керівництва перетворює початковий імпульс у сталу зміну поведінки.

Саме так ми переходимо від перших досягнень до довгострокових можливостей, поєднуючи технології з навчанням, відповідальністю і лідерством, щоб AI став довговічною частиною роботи Федеральної резервної системи.

Конференції, подібні до цієї, зосереджені на тому, як технології змінюють майбутнє. Те, що я намагався показати сьогодні, — це наш підхід до цієї виклику у Федеральній резервній системі — реалізація нашої місії через технологічно підтримувані інновації з чітким акцентом на виконання та ефективність. І роблячи це, ми демонструємо, як публічна установа може відповідально впроваджувати AI і зміцнювати довіру громадськості.

Коли у перспективі з’являються технології, такі як токенізація та агентний AI, варто пам’ятати, що це не перший раз, коли наша галузь проходить через подібні зміни. Коли вперше з’явилися банкомати, вони не знищили банківських касирів. Навпаки, вони змінили спосіб роботи банків — рутинні операції стали дешевшими, швидшими і доступнішими, а людські зусилля перемістилися до більш високовартісних завдань. Реальний вплив полягав не лише у автоматизації, а у тому, як установи реорганізувалися навколо технологій.

AI — це подібно. Найбільші вигоди не будуть у простому додаванні AI до існуючих процесів. Вони виникнуть у переосмисленні робочих процесів, ролей і систем, щоб максимально використати можливості цієї технології.

Що ми не знаємо — і не можемо знати — це точний час, коли ці технології досягнуть свого повного переломного моменту. Ми не отримаємо чіткий сигнал, коли AI перейде від швидкого прогресу до справжнього системного впливу. Але чекати ідеальної ясності — не стратегія. Якщо ми хочемо бути готовими до цього моменту, роботу потрібно починати вже зараз.

AI — це один із яскравих прикладів того, як Федеральна резервна система може сміливо діяти масштабно, застосовуючи системний підхід.

1. Висловлені тут думки — це мої особисті і не обов’язково відображають позицію моїх колег із Ради Федеральної резервної системи. Повернутися до тексту

2. У цій промові, як Надзорний губернатор для резервних банків, коли я кажу «система», я маю на увазі 12 резервних банків, а не Раду керівників. Повернутися до тексту