Де штучний інтелект справді змінює фінанси прямо зараз

Фінтех рухається швидко. Новини скрізь, ясності — ні.

Щотижневий огляд FinTech надає ключові історії та події в одному місці.

Клікніть тут, щоб підписатися на розсилку FinTech Weekly

Читають керівники JP Morgan, Coinbase, BlackRock, Klarna та інші.

Багато років дискусії навколо штучного інтелекту у фінансах були розчаровуюче нечіткими. Більшість фінансових команд продовжували працювати за старими методами, навіть коли керівники говорили про збурення, а консультанти створювали презентації з обіцянками. Але щось змінилося приблизно за останні 18 місяців. Інструменти покращилися, сценарії використання стали яснішими, і раніше скептичні відділи почали бачити реальні результати у важливих сферах.

Не всі були однаково впливовими або в один і той самий час. Деякі сфери фінансів впроваджували ШІ швидше за інші, і причини цього заслуговують уваги. Команди FP&A були одними з перших, хто зробив крок, здебільшого через очевидний біль. Усі розуміли, що витрачати два тижні на збір даних із роз’єднаних систем лише для складання квартального прогнозу — це непрактично. Коли з’явилися платформи, що могли автоматизувати збір даних і виявляти тренди за кілька годин замість днів, впровадження швидко зросло.

Що зробило цю хвилю стійкою, так це те, що вона вирішила проблеми, з якими люди вже втомилися боротися. Штучний інтелект у фінансах давно перейшов за межі експериментальної фази. Команди використовують його для швидшого закриття книг, створення поточних прогнозів без виснаження аналітиків, а також для запуску сценарних моделей, які раніше займали тижні ручної роботи. Цінність вже не є абстрактною. Вона проявляється у коротших циклах звітності та менше ночей перед засіданнями ради.

FP&A першими зробили крок, але на цьому не зупинилися

З огляду на те, наскільки ручною та повторюваною була робота, прогнозування та бюджетування були логічними початковими точками. Але як тільки команди побачили можливості, технології почали поширюватися в суміжних функціях. Добрим прикладом є аналіз відхилень. Щоб з’ясувати, чому фактичні дані не співпадали з планом, аналітик зазвичай витрачав години на перегляд рядків. Інструменти ШІ можуть позначати ці розбіжності за кілька хвилин і, що важливо, вказувати на корінь проблеми.

Ще однією галуззю, яка набирає обертів, є визнання доходів. Розклади та глибокі знання інституцій раніше були нормою для компаній із складними контрактними структурами або багатокомпонентними угодами. Частини цього процесу можна автоматизувати для зниження ризиків і звільнення часу для прийняття рішень, що справді вимагають людського розуму. Там, де фінансові команди витрачали багато часу на повторювану, правилом керовану роботу, ШІ швидко справляється з цим.

Управління ризиками — це більша історія

Якщо FP&A був точкою входу, то управління ризиками може принести найтриваліший вплив. Регуляторна відповідність, виявлення шахрайства та моделювання кредитних ризиків вимагають складного розпізнавання шаблонів і великих наборів даних. Саме в таких умовах машинне навчання перевершує ручний аналіз.

Страхові компанії та банки були першими, хто це зрозумів. Але новиною є те, що середньоринкові компанії, які раніше не мали спеціалізованих команд з аналізу ризиків, починають активно впроваджувати ці технології. Хмарні платформи дозволяють компаніям із кількома сотнями співробітників проводити оцінки ризиків, які раніше вимагали команд квантів. Ці інструменти контролюють ситуацію, виявляють аномалії в режимі реального часу і самостійно готують аудиторські звіти. Це суттєвий крок уперед у щоденному управлінні фінансовими процесами.

Зараз, можливо, найпереконливішою частиною цього зсуву є відповідність. Регуляторне середовище постійно змінюється, і між змінами правил у різних юрисдикціях просто залишатися відповідним — це вже сама по собі робота. Хоча ШІ не може замінити відповідального за відповідність, він може сканувати оновлення регуляцій, порівнювати їх із поточними політиками і виявляти прогалини, перш ніж вони стануть проблемою. Раніше лише найбільші інститути могли собі дозволити таке проактивне моніторинг.

Що стримує деякі команди

Не всі фінансові департаменти рухаються однаковими темпами, і дві основні причини коливань — це талант і довіра. Довіра, бо фінансові фахівці повинні зрозуміти, як модель доходить до своїх висновків, перш ніж поставити на неї репутацію. Талант, бо правильне впровадження цих інструментів вимагає людей, які розуміють і технології, і фінансовий контекст, і така комбінація досі рідкість.

Ще одна перешкода, яка недооцінюється, — це якість даних. Оскільки ШІ працює лише так добре, як і дані, що його живлять, багато компаній досі працюють із розпорошеними, розрізненими системами, де залежно від відділу одна й сама метрика може визначатися трьома різними способами. Хоча очищення таких даних не є гламурною задачею, без цього важко отримати максимум від будь-якої реалізації ШІ.

Траєкторія досить ясна

Фінансові команди, які вже зробили крок, розширюють свої сценарії використання, а не звужують їх. Перші успіхи у FP&A створили достатню внутрішню довіру для просування у сфери ризиків, відповідності та казначейських операцій. Університети починають інтегрувати фінансову грамотність у свої навчальні програми, що з часом допоможе закрити кадровий розрив. Тим часом, постачальники продовжують випускати більш спеціалізовані інструменти.

Щоразу квартал, для команд, які ще не почали, стає все важче. Конкурентна різниця між фінансовими департаментами з підтримкою ШІ та традиційними зростає, і запізнення у цій гонці завжди коштує дорожче, ніж йти в ногу зараз. Технології не ідеальні, і ніхто не повинен це заперечувати. Але чекати ідеалу — це свого роду ризик, і все менше організацій можуть собі це дозволити.