В своем последнем блоге я обсуждал, как ведущие компании, предоставляющие финансовые услуги (FS), масштабируют ИИ для повышения ценности бизнеса и как увеличивается разрыв между лидерами и отстающими. Я также рассказал об агентной архитектуре, поделившись реальными примерами из разработки программного обеспечения, KYC и претензий.
В этом блоге я впервые исследую возможности, которые стоят на кону, применив человекоориентированный подход к агентному ИИ. Ведущие компании, оказывающие финансовые услуги, разрабатывают ИИ, ориентируясь на четкие бизнес-намерения и результаты деятельности клиентов, а затем решают, что люди и агенты должны делать вместе для их реализации.
Главные тенденции в банковской сфере Accenture на 2026 год:неограниченная банковская деятельность уже здесь
Узнать больше
Наше исследование «Работа, рабочие, рабочая сила» выявило разницу в росте ВВП в размере 10,3 триллиона долларов США в течение следующих 15 лет между отношением к искусственному интеллекту как чистому технологическому изменению и подходом под руководством человека, реализующим весь его потенциал с помощью работников.
Задумайтесь над этой цифрой. Если исходить из нашего подхода к искусственному интеллекту, на карту поставлено около 10 % мирового ВВП.
В основе этой возможности лежат финансовые услуги, среди которых банковское дело (первое), страхование (второе) и рынки капитала (третье) относятся к отраслям с наибольшим количеством рабочего времени (до 90%), которые потенциально могут быть автоматизированы или расширены с помощью ИИ.
Почему? Более ранние волны автоматизации уже решали задачи структурированных данных. Но поскольку более 80% мировых данных неструктурированы, большая часть оставшейся работы в FS богата языком и по своей сути неструктурирована. Мы работаем в среде, основанной на информации, услугах и знаниях.
Неудивительно, что генеративный искусственный интеллект, созданный для работы с неструктурированными данными и имитирующий человеческий язык, получил быстрое распространение. И когда мы вступаем в эпоху агентного ИИ, мы получаем нечто большее:систему, которая действует не только как инструмент, но и как настоящий коллега, выполняющий работу вместе с нами.
То же исследование показывает, что сотрудники относятся к ИИ неоднозначно, и мой опыт подтверждает это. Хотя около 95% людей говорят, что хотят работать с генеративным искусственным интеллектом и переквалифицироваться (что неудивительно, учитывая, насколько широко эти инструменты используются в повседневной жизни), обеспокоенность по поводу безопасности, интенсивности труда и этики сохраняется. Сотрудники проходят через эти изменения с разной скоростью.
Эта напряженность очевидна в данных. Согласно последнему опросу сотрудников Accenture, только 20% сотрудников чувствуют себя активными соавторами в формировании того, как ИИ меняет их работу, и только 17% говорят, что им нравится использовать инструменты ИИ или активно искать новые способы их применения. Этот пробел подчеркивает необходимость раннего вовлечения сотрудников. Разработка внедрения ИИ совместно с людьми, а не для них, имеет важное значение для построения доверия, владения и внедрения в большом масштабе.
В ответ мы помогаем клиентам разрабатывать инструменты искусственного интеллекта вместе со своими коллегами и руководить внедрением таким образом, чтобы это было инклюзивно и расширяло возможности. Мы работаем с командами руководителей, чтобы вовлечь сотрудников в содержательные разговоры об искусственном интеллекте и предоставить людям возможность возглавить перемены.
Мы вложили значительные средства в возможности LearnVantage для повышения квалификации руководителей и всего персонала. Например, каждый сотрудник S&P Global теперь может пройти базовое обучение GenAI. В крупном банке мы помогли переобучить более тысячи инженеров по данным, облачным технологиям и полному стеку данных до продвинутого и экспертного уровня готовности к работе с помощью Udacity.
Наша работа в области ответственного искусственного интеллекта, планирования работы и планирования рабочей силы также помогает организациям переходить от старых навыков к новым, уменьшая избыточность, улучшая качество работы и гарантируя, что люди могут процветать по мере развития их ролей.
Это обязательство выходит за рамки отдельных клиентов. На конференции в Давосе в 2026 году Accenture и 24 другие организации объявили о своем обязательстве «Создать возможности для всех в интеллектуальную эпоху», коллективно взяв на себя обязательство обеспечить технологическое обучение 120 миллионам человек к 2030 году. Собственная цель Accenture — обеспечить к 2030 году более 10 миллионов человек по всему миру необходимыми для работы искусственным интеллектом и цифровыми навыками. Чтобы поддержать эту амбицию, компания продемонстрировала LearnVantage, свою собственную платформу обучения искусственному интеллекту, и запустила доступная степень магистра искусственного интеллекта, открытая для всех.
Подход, ориентированный на человека, учитывает не только работников, но также наши сообщества и общество. На фоне улучшения социальной интеграции в финансовые услуги мы должны смягчить непредвиденные последствия и расширить возможности для мобильности.
Наше недавнее исследование Progress Together, Rise with AI показывает масштаб проблемы. В Великобритании люди из более низкого социально-экономического положения (SEB) по-прежнему недопредставлены в сфере финансовых услуг примерно на 30%. Исследование также выявило 10–15 %-ный разрыв в доступе к ИИ, навыках, связанных с ИИ, уверенности в необходимости переквалификации, доверии к работодателям и других факторах, которые могли бы помочь людям из низших слоев СЭБ сориентироваться в переходе к ИИ.
Влияние ИИ на рабочую силу требует комплексного подхода. Многие из ролей, на которые ИИ в финансовых услугах больше всего влияет, занимают женщины. Мы работаем с такими партнерами, как Tech She Can, чтобы улучшить навыки искусственного интеллекта и инклюзивность.
ИИ также может быть освобождающим, создавая новые возможности и улучшая доступ для людей с ограниченными возможностями, в том числе людей с нарушениями зрения или нейроразнообразных.
В конечном итоге мы должны обеспечить, чтобы ИИ способствовал справедливому переходу — инклюзивного и справедливого — с финансовыми услугами, играющими центральную роль в формировании положительных результатов для людей, сообществ и общества.
Настоящая победа заключается в переосмыслении работы с бизнес-намерениями и результатами клиентов. Все начинается с потоков создания ценности и сквозных процессов, а не с отдельных задач или ролей. Варианты единичного использования слишком узки и обычно приводят к частичной экономии. Сегодняшние рабочие места являются неправильными «единицами анализа», поскольку они представляют собой сочетание работ, требующих разных подходов.
Настоящее переосмысление означает переосмысление того, как работа в потоке создания ценности может выполняться принципиально по-другому, чтобы обеспечить лучшие результаты для клиентов и бизнеса. Это включает в себя отказ от малоценной работы и тяжелого труда заранее. Вместо этого нам следует перенаправить усилия на ценную работу, которая способствует результатам и росту клиентов.
Чтобы добиться этого изменения, необходимы три ингредиента:
Мы установили партнерские отношения с глобальной страховой компанией, чтобы заново изобрести свою функцию андеррайтинга с использованием искусственного интеллекта. Работая напрямую с андеррайтерами, мы сначала упростили стандарты андеррайтинга в одной области — сократив примерно 130 различных критериев оценки до 70 согласованных факторов.
Упорядочив процесс, мы применили искусственный интеллект для выполнения тяжелой работы по проверке сложных заявок брокеров, часто объемом 200–300 страниц. ИИ извлекал и обобщал неструктурированную информацию в структурированную структуру принятия решений, которую андеррайтеры могли немедленно использовать. Он выполнил эту работу точнее, чем помощник по андеррайтингу, и предоставил ссылки на исходные документы, чтобы андеррайтеры могли быстро проверить содержание.
Раньше этот процесс занимал несколько дней, и страховщик имел возможность просмотреть только около 20% заявок, а это означало, что жизнеспособному бизнесу отказывали. Благодаря искусственному интеллекту время проверки сократилось до нескольких часов, что позволило команде оценить все представления и делать это с большей точностью. Это позволило увеличить доход более чем на 50% без расширения команды. Андеррайтеры получили время, чтобы принять более правильные решения и построить более прочные отношения с брокерами.
Эта трансформация сработала, потому что лидеры стремились к настоящему переосмыслению и подходу, ориентированному на человека. Мы перепроектировали комплексный процесс андеррайтинга, уточнили, где создается ценность, и совместно с самими андеррайтерами разработали новые рабочие процессы и возможности искусственного интеллекта. Переложив «тяжелую» работу на агентов ИИ, андеррайтеры получили возможность сосредоточиться на задачах, связанных с оценкой ценностей, взаимодействием и принятием решений, где человеческий опыт имеет наибольшее значение.
Наша агентская архитектура для продаж в кредит и кредитования в коммерческих банках поддерживает менеджеров по работе с клиентами (RM) в обработке заявок на кредит. Этот процесс обычно включает в себя множество неструктурированных данных, документов и административных задач.
Архитектура, построенная на базе ИИ-перерабатывающего завода Accenture, объединяет три скоординированных уровня ИИ-агентов:
Такая настройка позволяет менеджерам по работе с клиентами обслуживать больше клиентов, улучшать качество обслуживания клиентов, принимать более обоснованные решения в отношении кредитного риска и ускорять финансирование одобренных кредитов.
Вместе эти агенты оптимизируют рабочий процесс кредитования, позволяя менеджерам по работе с клиентами (RM):
Такая архитектура позволяет избежать ручного рассмотрения и административного вмешательства. Это позволяет менеджерам по работе с клиентами сосредоточиться на более важных видах деятельности, таких как консультирование клиентов, принятие более эффективных решений по кредитованию и укрепление отношений, при этом увеличивая пропускную способность и снижая риски.
Переосмысление начинается с сосредоточения внимания на наиболее ценных и масштабируемых потоках создания ценности в вашей организации, а не на изолированных функциях или технологиях. В банковском деле это обычно включает предотвращение мошенничества, регистрацию клиентов и KYC, кредитование, управление отношениями и инвестиционные консультации. В страховании они включают андеррайтинг, претензии и обслуживание. На рынках они включают торговлю и постторговую обработку. Комплексное переосмысление этих процессов открывает значительные преимущества и создает основу для трансформации всего предприятия.
Ключевой урок эпохи роботизированной автоматизации процессов ясен:мы не должны «латать» сломанные процессы с помощью ИИ. Лидеры должны облегчить выполнение ценной работы, устранив сложности, потери и трения, добавив время на то, что действительно создает ценность (Саттон и Рао, 2024).
Большинство организаций уже обладают зрелостью процессов и более глубоким пониманием эффективности и ценности, особенно там, где они создали глобальные центры возможностей. Однако многие другие потоки создания ценности остаются неясными или фрагментированными.
Там, где процессы и ценность не совсем понятны, мы используем наш собственный Process Value Explorer (PVE), чтобы выявить работу и ее ценность, часто вместе с такими инструментами анализа процессов, как Celonis. PVE позволяет нам анализировать усилия, затраты, ценность, проблемы и другие аспекты одновременно среди тысяч работников. Создание такой видимости работы и ценности дает нам идеи для нового изобретения.
Для организаций, стремящихся к более широкому взгляду, мы используем собственные инструменты аналитики и планирования для масштабного моделирования будущей рабочей силы. Эти инструменты позволяют быстро оценить предприятие и определить приоритетность инвестиций в искусственный интеллект и переподготовку кадров.
В крупной компании, предоставляющей пенсионные и инвестиционные услуги, мы используем этот анализ для разработки нисходящей кадровой стратегии для совета директоров. Этот подход моделирует мощности, высвобождаемые или перераспределяемые с помощью агентного искусственного интеллекта и других средств автоматизации, обеспечивая четкое представление о будущих потребностях и навыках рабочей силы. Это, в свою очередь, сегодня помогает принимать более эффективные кадровые решения и указывает, куда инвестировать в искусственный интеллект.
Мы быстро и подробно разбираем текущие данные о работе и рабочей силе, определяя, где ИИ может оказать различное влияние, рассматриваем текущие инвестиции в ИИ и формируем четкое представление о будущей рабочей силе:необходимые новые роли, необходимые навыки, последствия для мощности и профиль затрат. Это помогает нашим клиентам принимать более обоснованные кадровые решения, формирует их повествование об изменениях и определяет их инвестиционную стратегию в области искусственного интеллекта.
Мы делаем это в качестве первоначального стратегического упражнения для директора по персоналу, генерального директора или совета директоров и встраиваем его в качестве постоянной возможности в стратегическое кадровое планирование наших клиентов, гарантируя, что они смогут постоянно прогнозировать, проектировать и адаптировать свою будущую рабочую силу по мере внедрения ИИ.
Исследование Accenture Life Trends, проведенное в 2025 году, показало, что 44% людей считают, что инструменты искусственного интеллекта повышают эффективность, а 38% считают, что они повышают качество. Однако были и негативные мнения:16 % считали, что инструменты ИИ делают работу более транзакционной, а 14 % считали, что они ограничивают их творческий потенциал.
Людям нужны инструменты искусственного интеллекта, которые поглощают утомительные, повторяющиеся аспекты их работы, чтобы они могли лучше выполнять работу, которая им больше всего нравится. Тяжелая работа доминирует в рабочей неделе многих людей, даже высокооплачиваемых и квалифицированных рабочих.
Люди хотят защитить человеческие качества и интересные аспекты своей работы, а также сохранить некоторый контроль и свободу над тем, как они работают. Самое главное, они хотят сохранить возможность чувствовать смысл, цель и удовлетворение от своей работы.
Когда мы проектируем взаимодействие человека и ИИ, особенно взаимодействие с агентами, необходимо сделать несколько важных вещей.
Он начинается с четкого определения цели и ценности работы и установления четких ожиданий относительно того, за что несут ответственность люди и агенты ИИ. Лидеры должны тщательно обдумать, где лучше всего применить сильные стороны ИИ, где человеческие возможности важны и где их сочетание приносит наибольшую пользу.
Вот почему мы берем на себя роль человека, когда люди руководят суждениями, решениями и надзором, а агенты ИИ обеспечивают поддержку, которая укрепляет работу. Это требует взаимодополняющих ролей и обязанностей, при этом люди сохраняют четкую ответственность за рабочий процесс и решения.
И агенты ИИ, и люди-работники должны быть обучены, чтобы хорошо выполнять свои роли. ИИ должен давать точные и последовательные результаты; минимизировать предвзятость; адаптироваться к различным контекстам; поддерживать безопасность и конфиденциальность; генерировать высококачественные результаты; и быть объяснимым. Работники-люди должны иметь возможность использовать и оценивать результаты ИИ — повторять, совершенствовать и знать, когда стоит бросить вызов. В некоторых случаях это означает предоставление людям времени и пространства для применения тех способностей, в которых мы больше всего полагаемся на людей:стратегическое мышление, суждение, сочувствие, построение отношений и творчество. Мы хотим, чтобы взаимодействие между людьми и агентами способствовало непрерывному обучению и совершенствованию для обоих. Мы вернемся к идее совместного обучения позже.
Хорошее взаимодействие также требует простых, интуитивно понятных интерфейсов. Это включает в себя встраивание агентов непосредственно в рабочий процесс (например, в рабочую среду менеджера взаимоотношений или очередь обработчиков дел) и использование диалоговых интерфейсов для повышения удобства использования. Люди должны сохранять контроль:иметь возможность отключать, переопределять или редактировать выходные данные ИИ. Всегда должно быть ясно, когда кто-то взаимодействует с ИИ, что ИИ сделал и как он добился результатов.
Многие работники финансовых услуг хотят больше времени для глубокой работы — консультирования клиентов, решения сложных проблем или разработки творческих предложений. Хорошо спроектированные инструменты искусственного интеллекта могут снизить когнитивную нагрузку и создать условия для глубокой работы (Ньюпорт, 2016):сосредоточенность, поток и творческое решение проблем. Когда агенты фильтруют шум, выявляют нужную информацию и автоматизируют рутинные задачи, они освобождают работников от необходимости концентрироваться на мышлении, которое влияет на результаты клиентов. Это когнитивная эргономика в действии:технология формируется вокруг ритма человеческого внимания и мотивации (Судиарта, 2023), а не вокруг машины.
Проще говоря, если агенты теперь наши коллеги, давайте позаботимся о том, чтобы у нас были хорошие товарищи по команде.
Мы работали с одним из крупнейших поставщиков услуг страхования и пенсионного обеспечения в США, чтобы заново изобрести их контакт-центры с помощью агентного искусственного интеллекта. В решении использовались четыре суперагента и 12 многоразовых служебных агентов, созданных на базе AI Refinery компании Accenture. Это сформировало полностью взаимосвязанную систему:16 API-интерфейсов, интегрированных в системы претензий, полисов и андеррайтинга, поддерживаемые двухлетней памятью взаимодействия с клиентами.
Клиент вложил значительные средства в тестирование, чтобы укрепить доверие:более двух миллионов обучающих и тестовых звонков, проверенных 30 экспертами в течение трех месяцев. Одним из результатов стал персональный цифровой помощник, который предлагал клиентам полезные рекомендации (не советы), сокращая базовое количество звонков и увеличивая число потенциальных клиентов.
Для представителей контакт-центра агенты определяют намерения и настроения звонящего, получают доступ к данным о клиентах, предоставляют контекстные рекомендации и рекомендуют следующее лучшее действие. Это улучшило NPS, улучшило качество обработки вызовов и сократило потребности в обучении на 50%. Теперь представители-люди могут сосредоточиться на сочувствии, суждениях и повышении ценности обслуживания клиентов.
Аналогичные результаты мы видим у американских страховщиков, в том числе у групповых страховщиков жизни и поставщиков услуг по страхованию жизни и пенсий.
А как насчет высококвалифицированной профессиональной работы? В Accenture мы уже задействовали 14 специализированных агентов искусственного интеллекта на протяжении всего жизненного цикла кампании для поддержки наших 2000 маркетологов. Кампании когда-то длились до 150 дней. Используя SynOps для анализа рабочих процессов, мы определили, где время было потрачено зря, а где качество можно улучшить. Результаты были решающими:усилия резко сократились — 67 % для творческих брифов, 90 % для первого черновика, а скорость вывода на рынок увеличилась на 25–35 %. Эта работа также позволила сэкономить 80 миллионов долларов. Эти агенты усиливают креативность и влияние маркетологов; они не заменяют его.
Мы предоставляем аналогичную ценность во всех финансовых услугах. В крупном азиатском банке, американской компании по страхованию жизни и нескольких глобальных банках агентный ИИ меняет маркетинговую работу. Один глобальный банк теперь поддерживает 50% своих кампаний с помощью ИИ, повышая скорость креатива на 50% и увеличивая общее количество кампаний на 20% с целью роста на 35%. Другой крупный азиатский банк провел в 50 раз больше микросегментированных кампаний, увеличил скорость отправки сообщений на 80 % и сократил время создания с 30 дней до 3 дней. Эти подходы повышают уровень маркетолога и позволяют создавать кампании с большей релевантностью, более быстрым проникновением на рынок и более эффективным взаимодействием с клиентами.
Агентический ИИ открывает новые мощные возможности для переосмысления работы в сфере финансовых услуг. Чтобы эффективно использовать его, мы должны вернуться к основам планирования работы и принять дисциплинированные решения о том, как люди и ИИ должны взаимодействовать. Ключевые вопросы включают в себя:
ИИ, особенно агентный ИИ, — мощный инструмент, но не для каждой проблемы он нужен. Многие усилия по переосмыслению требуют сочетания изменений процессов, более простых технологий и облегченных форм ИИ. Часто для простой работы или вычислений со структурированными данными лучше использовать базовые алгоритмы или традиционные технологии. Простые точечные задачи редко оправдывают использование агентного ИИ.
ИИ также несет реальную стоимость. Агентские архитектуры требуют большого количества токенов, что делает их дорогими и энергоемкими. Затраты на большие языковые модели ежегодно падают примерно на 50%, а повторное использование и улучшение моделей делают агентный ИИ более доступным. Несмотря на это, нам следует использовать ИИ только тогда, когда смысл значения очевиден.
Принцип прост:применяйте ИИ там, где он приносит значимую пользу, и избегайте его там, где он не приносит пользы.
Ключевые идеи для размышления — буду рад вашим мыслям:
В своем следующем блоге я расскажу, как организации могут возглавить эти быстро развивающиеся изменения.
Чтобы увидеть, как ориентированный на человека подход к искусственному интеллекту распространяется на банковские услуги с помощью практических действий, прочтите нашу статью Основные банковские тенденции на 2026 год. отчет.