Причина 70% неудачных проектов на основе искусственного интеллекта - не в слабости алгоритмов, а в фундаментальной неготовности бизнеса к изменениям и нежелании воспринимать нейросети как IT-инструмент. Хотя эффекты от внедрения ИИ могут увеличить прибыль в полтора раза в перспективе 2-5 лет. На это указывает новое исследование компании «Рексофт» о применении генеративного ИИ в финансовом секторе.
Причины неудач
Компания «Рексофт», российский разработчик программного обеспечения и информационных систем, представила обзор применения генеративного ИИ в кредитных организациях. Было проанализировано более 200 кейсов внедрения ИИ-решений, в том числе более 130 кейсов применения Gen-AI. Как указывают авторы исследования, цифровая трансформация больше не дает преимуществ - это стандарт.
Новой ареной конкуренции становится искусственный интеллект (ИИ). Однако, несмотря на инвестиции, большинство банков пока не получают от ИИ стратегической отдачи. Основная проблема связана не с отсутствием эффективных технологий, а с неготовностью самих организаций.
В частности, в условиях снижения общей прибыли банковского сектора (на 14% в 2025 году) и на фоне минимальных издержек для клиентов при смене банка «именно ИИ становится не просто технологией, а ключевым фактором, меняющим правила рынка». Появление новых игроков, строящих свои бизнес-модели на принципах ИИ без legacy-архитектуры, смещает фокус конкуренции с улучшения продуктов на фундаментальную перестройку всей операционной модели.
В этой связи уже половина российских финорганизаций начали внедрять ИИ-решения. Однако большинство эффектов достигаются за счет сокращения фонда оплаты труда и не влияют на выручку банка. В то же время эффекты от внедрения ИИ могут увеличить прибыль банка в полтора раза в перспективе ближайших двух-пяти лет.
Как отмечают авторы исследования, банковский сектор лидирует во внедрении ИИ за счет высокой цифровой зрелости, масштабной цифровизации услуг, создания экосистем и совершенствования клиентского пути. По итогам 2024 года объем мирового рынка ИИ в банковском секторе составил 26,2 млрд долларов США и продолжает расти.
Но росту инвестиций в ИИ-сервисы препятствует неопределенность результатов. К примеру, применение ИИ-решений в ключевых бизнес-процессах, генерирующих выручку, остается ограниченным и экспериментальным. Российская финансовая отрасль также лидирует во внедрении ИИ: в прошлом году, по данным Национального центра развития искусственного интеллекта, 48% финансовых организаций имели хотя бы одно промышленное ИИ-решение.
Основные направления внедрения - автоматизация работы колл-центров и цифровых каналов обслуживания, а также ИТ-подразделений. Однако при внедрении ИИ компаниям часто сложно перейти от идеи к подтвержденной бизнес-ценности. В результате лишь 20% пилотных ИИ-решений масштабируются, остальные не внедряются из-за сложностей интеграции ИТ-систем, низкого качества данных либо регуляторных ограничений.
Лишь 66% респондентов сообщают о снижении затрат после внедрения ИИ, и только 20% отмечают существенный рост выручки. Это порождает скепсис среди управленцев. По отраслевым опросам, 71% топ-менеджеров ждут явного эффекта от ИИ, прежде чем инвестировать значительные средства в такие решения.
По мнению авторов исследования, вызовы Gen-AI имеют качественно иной характер по сравнению с традиционными ИИ-решениями. Это связано с такими факторами, как экспоненциально растущие требования к вычислительным ресурсам, отсутствие готовых шаблонов для ИИ-решений в процессах с максимальным ROIO (управление ликвидностью), фрод-мониторинг, управление инвестициями), а также с необходимостью параллельной модернизации ИТ-ландшафта и операционной модели.
В результате GenAI-решения часто внедряются изолированно для решения отдельных задач в неосновных процессах (например, ИИ-ассистенты для сотрудников клиентской поддержки, ИТ-подразделений). Отсутствие единой платформы для различных ИИ-решений (ML-моделей, ИИ-ассистентов и агентов) приводит к росту затрат на внедрение и поддержку, увеличению сроков масштабирования, дублированию функционала и, как следствие, недостижению плановых эффектов.
По оценкам экспертов «Рексофт», в долгосрочной перспективе банки, использующие «точечный» подход к встраиванию ИИ, рискуют не окупить инвестиции либо уступить конкурентам, внедряющим ИИ системно.
Факторы успеха
Ключевые факторы успеха - стратегический выбор «пилотов» исходя из потенциала и сложности, максимальное использование генеративного ИИ и комплексный подход к трансформации, включающий перестройку процессов, закрепление ответственности, а также развитие компетенций, ИТ-архитектуры и управления данными.
В этой связи авторы исследования предлагают российским финансовым организациям в качестве основного подхода сосредоточиться на стратегии AI-first. Это подразумевает комплексные изменения в операционной модели, ИТ-ландшафте и культуре. В числе обязательных элементов такой стратегии - обновление операционной модели, развитие ИТ-ландшафта, обучение сотрудников информационно-технологических и бизнес-подразделений и приоритизация направлений внедрения ИИ.
Поскольку большинство проблем внедрения ИИ носят не технологический, а организационный характер, то трансформацию следует начинать с пересмотра оргмодели и бизнес-процессов.
Основным принципом при построении целевых процессов должна стать модульность фокус на обмене и управлении потоками данных, а также возможность гибкого изменения (добавления, исключения) отдельных шагов. «Благодаря этим особенностям модульные процессы могут относительно легко адаптироваться под новые ролевые модели, поддерживать сквозную интеграцию сложных мультиагентных систем и выстраивать комбинированную логику взаимодействия ИИ и человека», - подчеркивают эксперты компании.
Следующий важный шаг - синхронизация изменений в операционной модели с перестройкой ИТ-ландшафта. Она включает адаптацию ИТ-архитектуры (интеграцию с ИТ-системами3 и ML-моделями, управление ИИ-запросами) и увеличение инфраструктурных мощностей под потребности генеративного ИИ.
В исследовании также подчеркивается, что тренд на долгосрочное сотрудничество с поставщиками ключевых технологий позволит банкам внедрять передовые решения без необходимости наращивать внутренние технические команды. К примеру, бразильский Nubank, помимо партнерства с другими игроками рынка, активно развивает собственные ИИ-платформы и приобретает профильные компании для расширения экспертизы.
Между тем в крупных российских банках преобладает практика самостоятельной разработки ИТ-платформ и LLM, обусловленная как ограничениями внешнего рынка, так и необходимостью адаптации решений под национальные требования.
В результате возникает важный барьер: малые банки, которые не могут позволить инвестиции в масштабную трансформацию и не обладают ресурсами для создания собственных R&D-центров, рискуют столкнуться с растущим устареванием своих продуктов и услуг.
В то же время для средних банков открывается «окно возможностей»: при грамотной расстановке приоритетов, формировании технологических партнерств и внедрении ИИ в процессах с наиболее высокой добавленной ценностью они могут существенно улучшить свои позиции.
«Лидерство в ИИ-гонке будет принадлежать игрокам, способным обеспечить высокую персонализацию предложения в сочетании с минимальными операционными издержками», - уверены авторы исследования.