Де ШІ насправді приносить користь у фінансах зараз

FinTech рухається швидко. Новини скрізь, ясності немає.

FinTech Weekly доставляє ключові історії та події в одному місці.

Натисніть тут, щоб підписатися на розсилку FinTech Weekly

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

Протягом багатьох років розмова про штучний інтелект у фінансах була розчаровуюче незрозумілою. Більшість фінансових команд продовжували робити все по-старому, навіть коли керівники говорили про руйнування, а консультанти штампували слайди, наповнені обіцянками. Але щось змінилося за останні приблизно 18 місяців. Інструменти покращилися, варіанти використання стали чіткішими, і раніше скептичні відділи почали бачити реальні результати в важливих сферах.

Не всі відчули зміни однаково або одночасно. Деякі сфери фінансів впроваджували ШІ швидше за інші, і причини варто враховувати. Команди FP&A були одними з перших, значною мірою через очевидний біль. Усі знали, що витрачати два тижні на збір даних із розрізнених систем лише для створення квартального прогнозу було нестійко. Коли з'явилися платформи, які могли автоматизувати збір даних і виявляти тенденції за години, а не за дні, впровадження пришвидшилося.

Ця хвиля закріпилася тому, що вона вирішила проблеми, які люди вже втомилися вирішувати. Штучний інтелект у фінансах далеко вийшов за межі експериментальної фази. Команди використовують його для швидшого закриття книг, створення ковзних прогнозів без виснаження аналітиків та виконання сценарних моделей, які раніше потребували тижнів ручного збору. Цінність більше не є абстрактною. Вона проявляється як коротші звітні цикли та менше безсонних ночей перед засіданнями правління.

FP&A дійшло туди першим, але на цьому не зупинилося

Враховуючи, наскільки ручним і повторюваним був робочий процес, прогнозування та бюджетування були логічним місцем для початку. Але як тільки команди побачили, що можливо, технологія почала поширюватися на суміжні функції. Дисперсійний аналіз є хорошим прикладом. Щоб визначити, чому фактичні показники не збігалися з планом, аналітик зазвичай витрачав години на перегляд рядків. Інструменти ШІ можуть виявити ці розбіжності за хвилини і, що важливіше, вказати на корінні причини.

Ще одна сфера, яка набирає обертів, — це визнання доходу. Електронні таблиці та великі інституційні знання колись були нормою для бізнесу, що працював зі складними структурами контрактів або багатоелементними угодами. Частини цього процесу можна автоматизувати, щоб знизити ризик і вивільнити час для рішень, які дійсно потребують людського інтелекту. Скрізь, де фінансові команди витрачали занадто багато часу на повторювану роботу на основі правил, ШІ втручається і робить це швидше.

Управління ризиками — більша історія

Якщо FP&A було точкою входу, то управління ризиками може бути там, де ШІ має найбільший довготривалий вплив. Регуляторна відповідність, виявлення шахрайства та моделювання кредитного ризику вимагають складного розпізнавання образів і великих наборів даних. Саме ці умови є тими, де машинне навчання перевершує ручний аналіз.

Страхові компанії та банки першими це визнали. Але новішим є впровадження серед компаній середнього ринку, які ніколи не мали спеціалізованих команд з аналітики ризиків. Хмарні платформи дозволили компанії з кількома сотнями співробітників проводити таку оцінку ризиків, яка раніше вимагала команди квантів. Ці інструменти беруть на себе моніторинг, виявляють аномалії в міру їх виникнення та самостійно готують звіти, готові до аудиту. Це справжній крок вперед для щоденного управління фінансовими процесами.

Наразі комплаєнс може бути найбільш переконливою частиною цього зсуву. Регуляторні середовища постійно змінюються, і між змінними правилами в різних юрисдикціях навіть дотримання вимог саме по собі є роботою. Хоча ШІ не може замінити комплаєнс-офіцера, він може сканувати регуляторні оновлення, порівнювати їх з поточними політиками та виявляти прогалини до того, як вони стануть проблемами. У минулому лише найбільші установи могли дозволити собі такий проактивний моніторинг.

Що стримує деякі команди

Не всі фінансові відділи працюють з однаковою швидкістю, і дві основні причини вагань — це зазвичай талант і довіра. Довіра, тому що фінансові професіонали повинні розуміти, як модель доходить до своїх висновків, перш ніж ставити на кон свою репутацію. Талант, тому що для хорошого впровадження цих інструментів потрібні люди, які розуміють як технологію, так і фінансовий контекст, і таке поєднання все ще рідкісне.

Інше вузьке місце, яке не отримує достатньо уваги, — це якість даних. Оскільки ШІ настільки хороший, наскільки хороші дані, які його живлять, багато компаній продовжують працювати на неорганізованих, роз'єднаних системах, де залежно від відділу один і той самий показник може визначатися трьома різними способами. Хоча очищення цього не є привабливим завданням, це необхідно, щоб отримати максимум від будь-якого впровадження ШІ.

Траєкторія досить зрозуміла

Фінансові команди, які вже зробили цей крок, розширюють свої варіанти використання, а не відступають. Ранні успіхи у FP&A створили достатньо внутрішньої довіри, щоб виправдати просування в сфери ризику, комплаєнсу та казначейства. Університети починають вплітати цифрову грамотність у навчальні програми з фінансів, що з часом має допомогти подолати розрив у талантах. Тим часом постачальники продовжують випускати більш спеціалізовані інструменти.

Щокварталу математика стає складнішою для команд, які ще не почали. Конкурентний розрив між відділами фінансів, що використовують ШІ, та традиційними збільшується, і закриття цього розриву пізніше завжди коштує дорожче, ніж тримати темп зараз. Технологія не ідеальна, і ніхто не повинен прикидатися інакше. Але очікування досконалості — це свого роду ризик, і все менше організацій можуть собі це дозволити.