В предыдущих блогах этой серии я исследовал, как ведущие организации финансовых услуг (FS) масштабируют ИИ для повышения эффективности и используют подход, управляемый людьми, включая агентные архитектуры, которые переосмысливают работу.
В этом блоге я сосредоточусь на том, как эффективно руководить этими изменениями:добиваться бизнес-результатов, устанавливать правильные инвестиции и склонность к риску, управлять быстрыми и распределенными изменениями и обеспечивать управление изменениями под руководством человека.
Главные тенденции в банковской сфере Accenture на 2026 год:неограниченная банковская деятельность уже здесь
Узнать больше
Наше исследование показывает, что 86% руководителей планируют увеличить свои инвестиции в генеративный искусственный интеллект (GenAI) в 2025 году; 80% ожидают, что ценность ИИ превысит ожидания. Однако только 34% организаций масштабировали ИИ для основного процесса. Те, у кого это есть, имеют в три раза больше шансов превысить ожидаемую рентабельность инвестиций.
Этих лидеров объединяет четкая черта:сильная поддержка генерального директора, стратегии, ориентированные на ценности, и прочная основа — безопасные цифровые ядра, качественные данные, ответственные структуры искусственного интеллекта, квалифицированные команды и корпоративное образование. Эта закономерность особенно сильна в FS.
С появлением агентного ИИ разрыв увеличивается быстрее. Лидеры в 4,5 раза чаще будут стратегически инвестировать в агентные архитектуры и в 6 раз чаще значительно увеличат инвестиции в GenAI в 2025 году. Они продвигаются вперед и ускоряются.
Организации, застрявшие на стадии проверки концепции или колеблющиеся, отстают. Каковы препятствия на пути внедрения ИИ в сфере финансовых услуг?
• Неопределенность руководства, ограниченные инвестиции и неопределенная склонность к риску.
• Чрезмерно жесткое и универсальное управление рисками.
• Ограниченное участие бизнеса, ИИ рассматривается как всего лишь технологическое изменение.
• Устаревшие платформы и фрагментированные данные
• Модели бизнес-кейсов, в которых основное внимание уделяется затратам, а не изменениям или повторному использованию предприятия.
Но самым большим препятствием является уровень инвестиций в таланты, изменения и внедрение. Чтобы добиться успеха в области искусственного интеллекта, мы должны взять с собой в это путешествие сотрудников.
На конференции в Давосе в 2026 году Accenture прямо подчеркнула этот разрыв:в то время как сегодня компании инвестируют 3 доллара в технологии на каждый 1 доллар в людях, те, кто уравновешивает и то, и другое, имеют в 4 раза больше шансов достичь долгосрочного прибыльного роста. Опрос Pulse of Change также показал, что, хотя руководители рассматривают ИИ как двигатель роста, только 43% говорят, что отдают приоритет переквалификации персонала для должностей, связанных с ИИ. Недостаточные инвестиции в человеческий потенциал, особенно в управление изменениями и повышение квалификации, являются критическим тормозом на пути масштабирования ИИ.
Следующий вопрос:куда инвестировать? Расстановка приоритетов должна отражать осуществимость, склонность к риску, скорость окупаемости и общие результаты бизнеса. Хотя приоритеты каждой фирмы уникальны, появляются четкие закономерности. Используя запатентованную аналитику на уровне задач в 220 банках, мы определили рост PBT на 29%, что представляет собой возможность на 255 миллиардов долларов за три года. Самые богатые пулы ценностей связаны с обслуживанием клиентов, продажами, ИТ-инжинирингом, поставкой программного обеспечения, разработкой продуктов, ценообразованием и рисками.
Если мы знаем, с чего начать, следующий вопрос:можем ли мы себе это позволить. Это интересный вопрос, потому что ИИ изменился очень быстро и традиционно составлял весьма небольшую долю инвестиций для большинства банков и страховщиков. Ведущие генеральные директора работают с финансовыми, CDO/CIO и советами директоров, чтобы сформировать новый инвестиционный аппетит к GenAI и агентному ИИ.
Мы стали свидетелями значительного перенаправления существующего финансирования изменений и технологий (в некоторых случаях 30%), а также дополнительного разового финансирования и ускорения существующих инвестиций в изменения с использованием ИИ. Некоторые лидеры в области искусственного интеллекта уже начинают самофинансировать свои инвестиции за счет раннего возврата.
Сбалансированный портфель инвестиций в ИИ полезен (Hosanger, 2025), учитывая распределение инвестиций:по различным сферам бизнеса и функциям; между снижением затрат, ростом и переосмыслением; между быстрыми победами (которые создают консенсус, импульс и обучение) и долгосрочными изменениями (необходимыми для более значимых результатов).
Сбалансированный портфель ИИ распределяет инвестиции по следующим направлениям:
На какие изменения должны быть направлены эти инвестиции? Очевидно, что необходимы инвестиции в сам ИИ, закупку и обучение агентов у партнеров по экосистеме, а также разработку собственных агентов и тестирование. Что обычно упускают из виду, так это постоянные инвестиции в «хорошие фонды», такие как:
Самый большой мультипликатор рентабельности инвестиций — это инвестиции в людей, лидерство, внедрение, навыки и новые способы работы. Однако сегодня организации тратят 3 доллара на технологии на каждый доллар, потраченный на людей, оставляя значительную ценность неиспользованной.
Для крупного азиатского банка мы сотрудничали с генеральным директором, чтобы внедрить ответственный ИИ, нарастить потенциал и создать центр управления ИИ и платформу доставки, а также быстро оценить сотни идей на предмет желательности, осуществимости и жизнеспособности. Результат:35 изменений GenAI реализованы за 18 месяцев, что дает 200 миллионов долларов ежегодного повышения производительности и вдвое сокращает время обработки запросов клиентов, одновременно сокращая время оценки кредита на 80%. Крайне важен структурированный способ оценки портфеля и управления им.
Повторное использование имеет важное значение. Модульные компоненты искусственного интеллекта сокращают затраты на развертывание и повышают скорость. Служебные агенты, которые извлекают, обобщают, исследуют, анализируют и тестируют данные, могут использоваться в нескольких рабочих процессах. Например, агент извлечения документов может поддерживать KYC, приложения, андеррайтинг и обслуживание.
Каждое повторное использование по-прежнему требует контекстного тестирования, проектирования внедрения и мониторинга. Как и сотрудники, агенты нуждаются как в корпоративном «вводном курсе», так и в специальном обучении.
Пока все хорошо? Стоимость и инвестиции растут, но масштабирование ИИ требует четких решений о том, где и как его ответственно использовать.
Основная ответственность руководства и совета директоров — это формирование склонности к риску в отношении ИИ:принятие решения о том, какие решения, процессы и взаимодействия с клиентами подходят для ИИ, а какие — нет. Этот выбор должен быть четким, периодически пересматриваться и соответствовать бизнес-стратегии, ожиданиям регулирующих органов и культурным ценностям.
Аппетит к риску должен быть постоянным, а не эпизодическим. Ведущие финансовые организации развертывают мониторинг в реальном времени и центры управления искусственным интеллектом, чтобы отслеживать отклонения моделей, потоки данных, цепочки агентов, качество внедрения и ответственные результаты искусственного интеллекта.
Советам директоров, регулирующим органам и руководителям необходима четкая прозрачность:где развернут ИИ, что он делает и работает ли он так, как задумано. Прочные механизмы подотчетности должны усиливать эту прозрачность, обеспечивая ответственность, эскалацию и своевременное вмешательство при возникновении рисков.
Давайте разберем ключевые аспекты ответственного ИИ и посмотрим, каких изменений они требуют.
Предупреждение предвзятости и предотвращение вреда имеют решающее значение как для коллег, так и для клиентов. Наша цель проста:избегать вреда и творить добро с помощью ИИ. Мы уменьшаем предвзятость за счет хорошего дизайна, высококачественных данных обучения, справедливого отношения к группам, а также тщательного тестирования и мониторинга. Даже хорошо протестированные модели могут отклоняться, поэтому они требуют постоянных проверок и эскалации при возникновении проблем, особенно в отношении защищенных атрибутов. Люди тоже несут предвзятость, поэтому мы должны создавать такие взаимодействия, при которых люди и агенты смогут совместно учиться и противодействовать предвзятости.
В HR ответственный ИИ требует особого внимания. Закон ЕС об искусственном интеллекте ограничивает то, как работодатели могут использовать искусственный интеллект при принятии решений, влияющих на карьеру и жизнь людей, таких как прием на работу, продвижение по службе и оплата. Даже когда искусственный интеллект дает прогнозы или рекомендации относительно рабочей силы, его использование должно быть этичным, четко ограниченным, научно обоснованным и справедливым для всех групп сотрудников.
Прозрачность, объяснимость и точность имеют значение. Клиенты и коллеги хотят знать, когда и как используется ИИ, и во многих процессах FS они ожидают 100% точности. Мы должны раскрывать информацию об использовании ИИ, особенно по мере того, как интерфейсы становятся более диалоговыми и похожими на человеческие. Результаты ИИ должны быть интерпретируемыми, отслеживаемыми и подкрепляться цитатами (например, инвестиционное резюме должно указывать на исходные документы). Надежность имеет важное значение. ГенИИ может галлюцинировать или выдавать ошибочные результаты, что подрывает доверие. Хотя точность повышается, мы должны обучать людей выявлять ошибки и действовать как бдительные «люди-лидеры», особенно при принятии решений, ориентированных на клиента и поддерживаемых агентами ИИ.
ИИ также повышает риски приватности, конфиденциальности и кибербезопасности. Системы искусственного интеллекта должны следовать правилам защиты данных, включая «минимально необходимое» использование данных. Коллеги должны быть в состоянии объяснить, какие данные о клиентах или сотрудниках были использованы. На базовом уровне им необходимы четкие инструкции по безопасным подсказкам — например, никогда не вводить конфиденциальные данные клиентов, коллег или конфиденциальные данные в общедоступные инструменты. Правила защиты, включая «минимально необходимое» использование данных. Коллеги должны быть в состоянии объяснить, какие данные о клиентах или сотрудниках были использованы. На базовом уровне им необходимы четкие инструкции по безопасным подсказкам, например, никогда не вводить конфиденциальные данные клиентов, коллег или конфиденциальные данные в общедоступные инструменты.
Для более подробной информации ознакомьтесь с переосмыслением ответственности с помощью генеративного ИИ. Мы помогаем клиентам определить правильное направление в отношении склонности к риску и ответственного ИИ, переходя от принципов к практике. Одним из примеров является наша работа с Валютным управлением Сингапура, где мы помогли создать общеотраслевые структуры, инструменты и методы в рамках Project Veritas. Опираясь на это сотрудничество, Валютное управление Сингапура и его отраслевые партнеры, в том числе Accenture, превратили эту работу в практическое руководство с примерами, которые призваны помочь финансовым учреждениям внедрить ответственный искусственный интеллект и безопасно увеличить стоимость в масштабе.
Без ответственного ИИ, способного завоевать доверие, внедрение застопорится, и аргументы в пользу ценности развалятся. В регулируемых отраслях, таких как финансовый сектор, четкая склонность к риску и ответственная практика искусственного интеллекта позволяют организациям уверенно, быстро и безопасно масштабироваться. Подобно навигационным системам и ремням безопасности в автомобиле, они позволяют нам двигаться быстро, не теряя контроля.
Крайне важно относиться к ИИ как к быстро развивающемуся изменению, а не как к линейному изменению с фиксированной целью.
ИИ развивается в два-три раза быстрее, чем предыдущие технологические волны, ни одна из которых не завершилась. Ожидания регулирующих органов, клиентов и общества меняются так же быстро.
Технические возможности ИИ расширяют более высокую точность с меньшим количеством ошибок, более сильные рассуждения и логику, улучшенные мультимодальные входные и выходные данные. Задачи, которые когда-то были недоступны (рассуждение, расчет, действие), становятся сильными сторонами. Однако ИИ не влияет одинаково на все задачи. Делл’Аква и др. (2023) показывает неровную границу, где некоторые задачи получают большую выгоду, а другие нет. Эта граница расширяется по мере роста возможностей.
Появляются сотни новых моделей, каждая из которых имеет разные преимущества и стоимость. Выбор правильной модели имеет большое значение. Агентная архитектура часто опирается на более мелкие специализированные модели. На заводе Accenture и вместе с нашими партнерами по экосистеме мы используем «коммутационные щиты» моделей, чтобы выбрать лучший вариант, встраивая при этом правильные элементы управления.
Такой темп не должен вызывать бездействия. Это требует адаптивного, непрерывного подхода к изменениям. ИИ — это не линейная программа с началом и концом. Это продолжается. Для этого необходимо постоянное финансирование и устойчивые команды, а не проекты, которые «стоят вверх и вниз». Это требует открытости к неожиданным изменениям и сигналам конкурентов и партнеров, итеративного обучения, обратной связи от клиентов и коллег, а также установки на рост, а не установки на данность. Быстрые изменения создают преимущества первопроходца и усиливают эффект в реализации ценностей и обучении.
ИИ следует рассматривать как распределенное бизнес-изменение, а не как централизованный проект.
ИИ быстро распространяется по предприятию и ускоряет работу повсюду. То, что раньше занимало годы, теперь занимает месяцы; то, что заняло месяцы, теперь занимает недели. Это создает значительные возможности, но только в том случае, если лидеры и команды объединяются вокруг общего видения и действуют в рамках четких границ.
Без согласования распределенные изменения быстро приводят к дублированию и беспорядку. Лидерам бизнеса нужна поддержка, чтобы выявить ценные возможности и получить доступ к возможностям реализации. Более крупные инициативы в области искусственного интеллекта также требуют от сильных владельцев бизнес-продуктов, а не только от CDO или CIO, чтобы гарантировать, что результаты основаны на реальных потребностях клиентов и коммерческой ценности.
Поскольку ИИ становится все более распространенным, функция управления персоналом должна развиваться. HR-командам в банках и страховых компаниях необходимо помочь сотрудникам подготовить ИИ и перейти к новой работе, а также подготовиться к масштабному использованию человеческого и агентного персонала. Мандат HR теперь распространяется на организацию объединенной рабочей силы, состоящей из людей и интеллектуальных агентов. Это включает в себя быстрое развитие навыков искусственного интеллекта, изменение структуры работы, расширение возможностей обучения с партнерами, а также развитие культуры любознательности и совместного обучения. Включив обучение искусственному интеллекту, этику и устойчивость к изменениям в основные практики управления талантами, HR может помочь сотрудникам работать с искусственным интеллектом уверенно, а не бояться его.
Многие организации, предоставляющие финансовые услуги, уже имеют центры передового опыта в области искусственного интеллекта или федеративные сети искусственного интеллекта. Чтобы быть эффективными, эти команды должны быть междисциплинарными, охватывающими обработку данных, разработку моделей, оперативное проектирование, тестирование, планирование работ, взаимодействие с коллегами, внедрение и управление изменениями. Мы создали такие команды для клиентов любого размера. Их успех зависит от доступа к нужным инструментам, моделям, инфраструктуре, базам данных и надежным гарантиям ответственного ИИ.
Ценность, инвестиции, ответственное масштабирование и распределенные изменения — все это имеет значение, но ИИ добивается успеха только тогда, когда рассматривается как изменение, ориентированное на человека. ИИ должен работать на клиентов и коллег. Подход под руководством человека является частью ответственного бизнеса и обеспечивает гораздо большую прибыль. Он укрепляет доверие, решает проблемы, поддерживает взаимодействие человека и агента, способствует внедрению и открывает новые способы работы.
Доверие лежит в основе каждой трансформации. Командам нужна психологическая безопасность, чтобы экспериментировать и внедрять новые способы работы (Эдмондсон, 2018). Страх, конфликты и низкий уровень доверия являются причиной 85 % неудачных преобразований (Accenture Transformation GPS, 2025).
Рабочие придерживаются неоднозначных взглядов на ИИ. Многие хотят его изучить и использовать, зачастую доверяя ему уже в личной жизни. В то же время они беспокоятся о гарантиях занятости, интенсивности труда, усыновлении и этике. Лидеры должны реагировать четкой кадровой стратегией, честным общением и честностью в управлении изменениями.
Это область поляризованных комментариев. ИИ автоматизирует некоторые рабочие места, расширит многие другие и создаст новые. Эффекты будут неравномерными и будут проявляться со временем.
Только 29% руководителей высшего звена указывают на сопротивление сотрудников как на барьер GenAI, в то время как 40,8% сотрудников опасаются сокращения рабочих мест — лидеры риска внедрения не могут позволить себе игнорировать (опрос Accenture, Learning, Reinvented, 2025).
Лидеры должны подчеркнуть, что люди, которые используют ИИ, будут процветать. Как сказал Эндрю Нг в Давосе, «человек, использующий ИИ, будет намного продуктивнее, и он заменит того, кто этого не делает». Цель состоит не в том, чтобы заменить людей, а в том, чтобы помочь им превзойти производительность за счет расширения. Четкие пути переквалификации, видимые инвестиции в сотрудников и практические возможности обучения превращают тревогу в усыновление.
Кадровые планы, согласованные с инвестициями в ИИ, могут сократить ненужные увольнения за счет управления наймом, переподготовкой и перераспределением кадров. Людям нужно время, чтобы приобрести навыки и адаптироваться, и план помогает направить эти усилия. Лидеры должны общаться искренне и позитивно относиться к изменениям, где это возможно.
ИИ меняет границы между человеком и машиной и психологию труда. Генеративный и агентный ИИ может поставить под угрозу чувство компетентности, автономии и связи работника. 60% работников опасаются, что ИИ усилит стресс и выгорание, но только 37% руководителей ожидают этого. Мы должны реагировать посредством лидерства и продуманного планирования работы.
Асемоглу и Джонсон (2023) из Массачусетского технологического института подчеркивают решающую роль участия работников в разработке технологий и искусственного интеллекта, особенно в определении проблем и совместном планировании работы. Это приводит к лучшим решениям, их внедрению и использованию, что приводит к большей реализации.
Хороший дизайн работы позволяет людям контролировать темп и стиль. Это обеспечивает производительность и сохраняет пространство для творчества. Например, когда ИИ сокращает время, затрачиваемое на составление инвестиционных предложений, менеджеры по работе с клиентами могут сосредоточиться на более глубокой работе с клиентами — консультировании, построении отношений и поддержке решений.
Тестирование ИИ с участием экспертов также повышает объяснимость и доверие. Исследование DeepMind-Moorfields показало, что разрушение рассуждений ИИ повышает понимание и уверенность экспертов.
В крупном банке мы разработали серию коммерческих банковских технологических решений на базе искусственного интеллекта с менеджеры по связям с общественностью и их команды. Это была жесткая группа — опытные профессионалы, обычно довольно скептически относящиеся к технологиям и, естественно, защищающие своих клиентов. Нам удалось завоевать доверие благодаря их участию и тестированию ИИ в разработке. Это продолжалось с их постоянной обратной связью во время пилотного проекта и масштабирования для внесения улучшений, что привело к улучшению работы, доверию и принятию.
Внедрение ИИ означает начало новой работы — подсказки, использование агентов, проверку результатов — и прекращение старой работы. И то, и другое может вызвать дискомфорт. И это произойдет неоднократно в ближайшие годы.
ИИ может чувствовать себя интуитивно понятным, но внедрение не происходит автоматически. Организациям нужны повторяющиеся модели для готовности и реализации ценностей. Когда руководители рассматривают ИИ как катализатор творчества, сотрудники на 20 % увереннее адаптируют свои привычки.
Что помогает:
Мотивация варьируется. Первые пользователи хотят доступа и непрерывного обучения. Большинству нужно руководство и время. Поздно усыновившие нуждаются в уверенности и доверии. Факты постоянно показывают резкий разрыв между сотрудниками, уже использующими ИИ, и теми, кто этого не делает.
Измерение имеет значение. Отслеживайте доступ, использование, популярные подсказки и агенты, а также глубину интеграции в рабочие процессы. Измеряйте изменения во времени, качестве и результатах. Анализируйте закономерности между ролями, командами и местоположениями. Следите за тем, чтобы измерение было «крутым, а не жутким» — сосредоточьтесь на групповом понимании, а не на слежке.
Ранние развертывания задали тон. Внедрение терпит неудачу, когда ИИ преследует цель сокращения затрат, когда обещания не выполняются, когда обучение носит слишком технический характер, когда инструменты находятся вне рабочих процессов или когда ИИ выпускается до того, как он готов.
В глобальном банке мы увеличили внедрение ChatGPT Enterprise и Microsoft Copilot более чем на 400 %. Наш подход поощрял в первую очередь разведку, а не давление. Возникло три группы:
Предоставляя возможности ранним пользователям, помогая 80% увидеть практическую ценность и сделать первые шаги, мы ускорили как внедрение, так и результаты. В конце концов, большинство из тех, кто поздно внедрил эту идею, присоединились к нам, когда увидели преимущества для своих коллег.
Многие работники задаются вопросом, будет ли ИИ использоваться этично. 53 % обеспокоены качеством продукции и неясной подотчетностью, но только 21 % руководителей считают это проблемой.
Если у организаций есть четкие рамки склонности к риску и ответственные практики искусственного интеллекта, они должны сделать их видимыми. Лидеры должны показать, как эти методы помогают принимать решения, обеспечивать прозрачность, управлять рисками и разъяснять подотчетность. Чистые каналы для сообщения о проблемах имеют важное значение.
В одном учреждении FS мы решали этические проблемы посредством действий и общения. Мы разработали руководящие принципы ответственного ИИ, обучили владельцев продуктов с четкой подотчетностью, вовлекли сотрудников в совместное проектирование, создали инструменты объяснительности, создали каналы отчетности и информирования, а также создали вторую линию защиты, ориентированную на мониторинг ИИ. Лидеры четко и последовательно сообщали об этих мерах.
Некоторые ключевые моменты, над которыми вы, возможно, захотите поразмышлять. Расскажите мне о своих мыслях и идеях:
В моем следующем блоге мы рассмотрим, как мы можем переосмыслить рабочую силу с помощью ИИ в качестве коллеги.
Чтобы связать эти способы реализации распределенных и быстро меняющихся изменений с более широкими рыночными сигналами, прочтите наш Основные банковские тенденции на 2026 год. отчет.
О чем вы больше всего беспокоитесь? Ваш существующий корпус или следующая установка SIP?
Экспертное интервью с У. Патриком Джарреттом о пенсионных и медицинских сберегательных счетах
Equifax раскрывает всю степень ущерба от утечки данных
Вместо того, чтобы преследовать FIRE, я выбираю EWYD (наслаждайтесь тем, что вы делаете)
Ошибочное очарование индексных фондов