Хотя шумиха вокруг ИИ сохраняется, 2026 год обещает стать годом, когда агентный ИИ приведет к масштабной трансформации финансовых услуг. Возникает явный разрыв между лидерами рынка, группой преследователей и отстающими. Теперь провидцы ожидают появления «банка 10×», когда один человек возглавляет команду коллег по искусственному интеллекту, чтобы обеспечить экспоненциально больший результат. В этой модели рост больше не ограничивается численностью персонала; вместо этого успех зависит от способности организации заново изобрести работу и сформировать рабочую силу «человека и агента» с почти безграничными возможностями и возможностями. Крайне важно, чтобы люди продолжали отвечать за изменения, управляя тем, как эти новые сотрудники ИИ будут использоваться и управляться.
Главные тенденции в банковской сфере Accenture на 2026 год:неограниченная банковская деятельность уже здесь
Узнать больше
В этой серии подробно рассматриваются эти изменения в банковском деле, управлении благосостоянием и активами, рынках капитала и страховании.
В конце ноября 2024 года лорд Холмс, Дэвид Паркер и я провели в Лондоне симпозиум по искусственному интеллекту для лидеров финансовых услуг. Было очевидно, что ИИ, особенно генеративный ИИ (GenAI), представляет собой изменение, происходящее сейчас, и люди выходят за пределы «земли POC».
Многие присутствовавшие на мероприятии фирмы уже активно инвестировали в GenAI, широко используя его в производстве для решения реальных бизнес-задач, часто сосредотачиваясь на неструктурированных данных в таких важных процессах, как андеррайтинг. Все они пытались сделать это правильно, используя ответственные меры искусственного интеллекта и глубокую заботу о своих сотрудниках и клиентах.
В Сибосе во Франкфурте в октябре прошлого года, не прошло и года, а импульс резко возрос. Вы не могли бы двигаться дальше, не столкнувшись с организациями, использующими агентный искусственный интеллект для преобразования отрасли. Я организовал дискуссию, на которой мы обсуждали ИИ как настоящего сотрудника и товарища по команде — идея, которая быстро перешла от теории к практике.
Мы участвуем в переосмыслении технологий искусственного интеллекта в более чем 2000 проектах, во многих из которых используется агентный искусственный интеллект. Наш недавний анализ этих проектов генного искусственного интеллекта показывает, что примерно треть компаний, предоставляющих финансовые услуги, масштабировали ИИ для основных процессов, а те, кто это сделал, уже видят огромную прибыль и ускоряют инвестиции. Мы вышли за рамки ажиотажа и масштабирования ценности — и разрыв между лидерами и отстающими быстро увеличивается.
Одним из ярких моментов симпозиума стала презентация тематического исследования агентной архитектуры в то время, когда эта идея еще вызывала первоначальный интерес. Мы работали с этим банком, используя агентный искусственный интеллект, чтобы помочь нашим инженерным командам ускорить масштабный переход на устаревшие системы.
Замена устаревших систем является важнейшим бизнес-вопросом с точки зрения устойчивости, затрат и гибкости банковской деятельности. Банк столкнулся с низким качеством устаревшего кода:40% кода никогда не проверялось. Учитывая эту сложность, первоначальный план требовал 250 разработчиков на три года, при этом уже возникли узкие места, связанные со старшими разработчиками, устаревшим кодом и знаниями предметной области.
Чтобы решить эту проблему, мы внедрили агентов искусственного интеллекта для работы вместе с нашими разработчиками программного обеспечения:
Эта агентная архитектура была разработана в сотрудничестве с разработчиками программного обеспечения и интегрирована в их среду разработки, повышая производительность и расширяя их роли. Результаты были замечательными:
Излишне говорить, что этот пример произвел на участников симпозиума «вау» момент. С тех пор прогресс, достигнутый в прошлом году в области агентного ИИ, стал еще более впечатляющим и масштабным.
Влияние внедрения технологий проявляется не только в разработке:например, мы сделали конвейеры данных на 98 % более эффективными для крупного азиатского банка, а для крупного европейского банка мы сделали службу поддержки на 20 % более эффективной.
Агенты ИИ — это программы, которые решают задачи и рабочие процессы для достижения конкретных целей. Люди ставят цели, но агенты действуют более независимо, адаптируя свои стратегии по мере необходимости для достижения цели. Они принимают входные данные, рассуждают, решают задачи, которые необходимо выполнить, взаимодействуют с другими агентами и инструментами, анализируют результаты и определяют необходимые следующие шаги.
Агенты «знают» контекст предметной области, в которой они прошли обучение внутри организации (например, на основе конкретных обучающих данных и документов). У них долговременная память, и они могут учиться на прошлых взаимодействиях, чтобы оптимизировать процесс принятия решений.
Агенты ИИ специализированы, обучены конкретным ролям и ориентированы на достижение цели. Преимуществом этой специализации является повышение производительности, поскольку различные агенты могут быть смешаны вместе, чтобы сформировать целое, большее, чем сумма его частей (сродни многопрофильной команде).
В агентной архитектуре процессом управляет оркестратор или контролирующие агенты, назначая задачи специализированным служебным агентам.
«Традиционный» или «классический» ИИ обычно использует машинное обучение и опытных специалистов по обработке данных. Он уже много лет используется в ФС для сложных моделей. Он невероятно хорош в прогнозировании и определении следующих лучших действий (т. е. закономерностей, прогнозов, моделей, симуляций, оптимизации, рекомендаций) в рамках определенных параметров и входных данных.
GenAI создает контент на основе подсказки в большой языковой модели для получения результата — большинство из нас сейчас привыкли к ChatGPT, CoPilot, Claude или другим моделям. Модели GenAI становятся все более мощными и даже способны создавать мультимодельные результаты, такие как фильмы или игры. Опытный пользователь может предлагать различные способы или цепочку уточнений этих результатов. Однако эти модели в их ванильной форме не могут решать динамические задачи и выполнять многоэтапные планы — они могут производить, но не могут работать для достижения более сложной цели.
В то время как в агентном ИИ несколько агентов ИИ совместно преследуют и достигают более сложных и многогранных целей с меньшим вмешательством человека на каждом этапе.
Это переход от пассивной генерации контента (GenAI) к выполнению конкретных задач (агенты AI) к более автономной многоагентной оркестровке (Agentic AI) (подробнее об этом см. Sapkota 2025).
Все предыдущие формы ИИ (например, машинное обучение, глубокое обучение, GenAI) остаются актуальными, но способность агентного ИИ заново изобретать работу, «делая что-то вместе», значительно выше.
Хотя пример доставки программного обеспечения интересен и очень актуален для FS, давайте рассмотрим еще несколько примеров, чтобы воплотить его в жизнь.
Нас часто спрашивают, можно ли применить агентный ИИ для управления рисками и соблюдением требований? Ответ – да! Мы помогаем ряду банков трансформировать принцип «Знай своего клиента» (KYC) с помощью ИИ.
В прошлом KYC представлял собой медленный и дорогостоящий ручной процесс с использованием устаревших систем, с проблемами, связанными с уровнем обнаружения и ложными срабатываниями, а также с негативными последствиями для регистрации клиентов и периодических проверок.
Агентический искусственный интеллект позволяет переосмыслить процесс KYC, больше не связанный последовательной обработкой. Аналитики KYC больше не сосредотачиваются на ручной работе и вместо этого могут тратить свое время на расследование, основанное на оценочных суждениях.
Вот три примера того, как за последние пару лет развивалась трансформация KYC с использованием ИИ:от автономных вариантов использования GenAI через рабочие процессы LLM к агентному сквозному процессу.
В европейском банке одним из первых применений была классификация документов, прием и извлечение точек данных KYC, проверка и исправление недостающих данных, а затем представление данных в согласованном формате для проверки агентом KYC. В сложных случаях корреспондентских банковских операций это позволило сократить время обработки на 99 % и затраты на 94 %, одновременно повысив качество выполнения этих задач.
В одном из крупнейших банков мира мы начали с языкового перевода (экономия более 90 000 часов в год), руководства агентом KYC (снижение процента отклонений дел), классификации документов (начальная точность 95 %), идентификации сторон (сокращение затрачиваемого времени на 50 %), обобщения дел и т. д. Это было более широкое применение в рабочих процессах.
Совсем недавно в другом глобальном банке мы применяем агентов на протяжении всего жизненного цикла, начиная с источника богатства (основная бизнес-задача), где агенты могут извлекать соответствующую информацию из документов, определять, где отсутствуют недостающие документы или данные, генерировать описание источника богатства и проверять это описание на предмет точности и полноты. Аналитик KYC по-прежнему находится в курсе событий и имеет полный контроль над обработкой дел, но может повысить производительность, точность и качество обслуживания клиентов, используя этих агентов. Используя агентный искусственный интеллект, мы можем поддерживать большую часть полной цепочки создания стоимости.
Для европейской страховой компании мы разрабатываем агентный искусственный интеллект для урегулирования претензий по имущественному страхованию, страхованию от несчастных случаев и автострахованию. Претензии имеют значительные экономические последствия и последствия для клиентов, если принимаются неправильные решения. Для многих страховщиков претензии являются трудоемким процессом, требующим много времени на обработку неструктурированных данных и документов.
Мы разработали агенты искусственного интеллекта, которые работают над платформой обработки претензий и взаимодействуют с другими системами, поддерживая обработчика претензий человеком. Агенты ИИ поддерживают такие задачи, как сбор информации, качество данных, проверки полиса и покрытия, извлечение подробностей полиса, обобщение данных о претензиях (включая первое уведомление об убытках, мнения клиентов и экспертов, переписку с клиентами) и даже некоторую поддержку в судебных процессах, мошенничестве и управлении резервами.
Выполняя все эти задачи, агенты помогают обработчику претензий выполнять роль «ведущего человека» — например, они могут легко просмотреть исходные данные. Нам удалось освободить 20 % их ресурсов, сосредоточив их время на более эффективном принятии решений (повысив точность претензий на 1 %) и поддержав переговоры по наиболее сложным и ценным претензиям.
Мы видели аналогичную работу от американской страховой компании P&C, вплоть до сложных операций по урегулированию коммерческих претензий.
Представьте себе, что агентный ИИ — ваш коллега, в котором есть преданные вам члены команды, которые специализируются на вашей поддержке и могут даже поделиться своими взглядами и сильными сторонами, дополняющими ваши собственные.
Будучи бизнес-лидером, представьте себе, что у вас есть рабочая сила, состоящая не из 100 000 человек, а из миллиона людей и агентов со значительно большей производительностью и способностями, выполняющих работу совершенно по-другому.
Чтобы осознать ценность агентной архитектуры, необходимы правильные основы данных, ответственные структуры искусственного интеллекта, инфраструктура и навыки. Мы помогли многим банковским и страховым клиентам внедрить их в своем бизнесе, в том числе работая с руководителями и советами директоров. Наиболее важным шагом является определение правильных бизнес-возможностей и потоков создания ценности с привлечением сотрудников, которые лучше всего разбираются в этих областях, и применения подхода, ориентированного на человека. Чтобы ускорить этот процесс, у нас есть ресурсы для анализа и переосмысления ключевых цепочек создания стоимости, процессов и рабочей силы в банковской и страховой сфере. Сюда входят готовые к использованию агенты, разработанные на Accenture Refinery на базе NVIDIA и в партнерстве с ведущими игроками экосистемы искусственного интеллекта.
JPMorganChase представляет собой особенно интересный пример быстрого и масштабного перехода к искусственному интеллекту. Менее чем за год они демократизировали доступ к своему LLM Suite для 200 000 сотрудников, половина из которых использует его более 3 раз в день.
Это привело к широкому распространению идей, экспериментов и применений (в пределах безопасного пространства и при благоприятной маргинализации затрат). Затем они смогут собрать хорошие идеи, инвестировать и масштабировать их, используя подход «венчурного капитала».
Теперь у них есть специализированный ИИ и агентный ИИ в различных бизнес-подразделениях. Этот распределенный подход к изменениям не является принципом невмешательства для всех. Все модели зарегистрированы и имеют средства контроля для обеспечения безопасного масштабирования. Однако существуют разные пути использования с более высоким риском (отдельный комитет по рискам, полный обзор модели) и использования с низким риском (проверка спонсором).
Важно отметить, что JPMorganChase инвестировал в внедрение, создавая пространство для первых последователей с высоким уровнем агентства и помогая последователям и массовым последователям также попасть на борт. Они поощряли срыв работы:"Пусть ИИ съест вашу работу; у нас есть много другой работы, которую вы можете выполнить. Вашу работу не возьмет на себя ИИ; ее возьмет на себя человек, освоивший использование ИИ" (Мэри Эрдос, генеральный директор подразделения управления активами и капиталом (AWM) JPMorganChase).
Их высокий рост и высокоталантливая среда позволили им создать меритократический, но ориентированный на человека подход к вовлечению своих сотрудников в перемены. Речь шла о быстром движении, но также о наличии плана по смене рабочей силы: «Чем больше я об этом знаю, тем больше я могу это спланировать, пусть истощение будет моим другом, а при необходимости перераспределяю, переобучаю и т. д.». (Джейми Даймон, генеральный директор JPMorganChase).
В конце каждого из этих блогов я приведу некоторые ключевые выводы и вопросы. Не стесняйтесь использовать их в своей команде или дайте мне знать, если вы хотите пообщаться через них.
В моем следующем блоге мы рассмотрим, как ведущие компании, предоставляющие финансовые услуги, подходят к ИИ, ориентируясь на человека, и как мы можем использовать агентную архитектуру для ускорения переосмысления работы.
Чтобы получить более подробное представление о том, как агентный ИИ меняет работу в сфере финансовых услуг, прочтите нашу статью Основные банковские тенденции на 2026 год. отчет.
Понятно. Долг бывает. Вот ваш план на игру, чтобы заплатить и, наконец, вернуться на правильный путь с сохранен…
Эфириум (ETH):подробный обзор – история, цель и ключевые особенности
Survey Junkie Review – узнайте, как заработать дополнительные деньги в свободное время
Как зарегистрировать дом для корпоративной аренды
Почему инфляция вызывает беспокойство у американцев