Ярослав Кабаков: «Агентный ИИ — фундамент конкурентоспособности банков»

Агентный ИИ сегодня — не абстрактная концепция, а живая экосистема, в которой десятки специализированных агентов ежедневно анализируют мир, фильтруют сотни новостей, автоматически сопоставляют данные и создают решения в реальном времени. Все это работает в связке с человеческими экспертами и становится основой новой экономики, где скорость и качество принятия решений задаются не людьми, а автономными цифровыми операторами.

В 2025 году банки уже не просто тестируют агентов, а переводят на них ключевые процессы: онбординг, KYC, кредитные решения, управление ликвидностью, инвестиционный анализ, ESG-контроль и даже комплексные клиентские рекомендации. Исследование Capgemini показывает, что 60% банков и страховщиков считают автоматизацию онбординга приоритетом для агентных систем, однако лишь 10% внедрили такие решения в масштабах — разрыв между амбициями и исполнением остается огромным.

Две стороны агентной революции: прорыв в Индии и эффективность на Западе

В это же время в Индии небанковские кредитные компании прорываются дальше всех: агентные модели уже вдвое увеличивают пропускную способность кредитных линий и сокращают время одобрения с нескольких дней до часов. Эти системы интегрируются с India Stack, читают документы на региональных языках и анализируют сезонные сельхозденежные потоки. На практике это означает, что кредитование в Индии впервые становится массовым и по-настоящему автоматизированным.

Великобритания, США и азиатские рынки демонстрируют другие стороны агентной трансформации. Goldman Sachs вывел внутреннего AI Assistant в продакшн на тысячи сотрудников, ускорив аналитику, комплаенс-проверки и маркет-дайджесты. BNY Mellon запустил «цифровых банковских работников» — агентов, которые самостоятельно сверяют платежи и выявляют ошибки в операционных процессах. Citi расширяет применение Stylus и запускает пилоты агентных систем для анализа документов и предварительных решений по сделкам. В Гонконге банки тестируют контекстных агентов, подсказывающих сотрудникам ответы по сложным регуляторным вопросам в режиме реального времени.

Эти примеры показывают, что разрыв между «ИИ как помощником» и «ИИ как соавтономным оператором» стремительно сокращается. В wealth-менеджменте ИИ перестает быть просто инструментом оценки портфеля — он становится ключевым игроком в разрыве данных. Агенты объединяют разрозненные данные клиентов и активов, автоматически проводят сверки, читают PDF-отчеты, формируют интегрированную картину и освобождают консультантам 30–40% времени. Это меняет саму динамику клиентского взаимодействия: появляются живые интерактивные демонстрации и сценарные симуляции вместо статичных отчетов.

Тонкая грань: когда цифровой помощник может стать источником системного сбоя

Универсальные банки, у которых есть и брокерское направление, и страхование, и управление активами, превращают связанность данных в мощное преимущество. Они комбинируют большие массивы информации и используют ИИ для персонализированных рекомендаций, ESG-аналитики, борьбы с гринвошингом и оценки реального воздействия компаний — от анализа спутниковых снимков до NLP-разбора корпоративных отчетов. Это особенно важно в эпоху, когда молодые инвесторы требуют прозрачности и портфелей, соответствующих их ценностям.

Но вместе с этим растет тревога среди регуляторов. Зампред ФРС Майкл Барр открыто заявил: скорость, к которой приводит агентный ИИ, переопределяет саму экономику банков — решения по депозитам, кредитам и переводам принимаются алгоритмами за секунды, а это значит, что отток ликвидности может стать мгновенным. Он призвал строить защитные контуры — от модельных рисков до контролируемой работы с внешними вендорами. Фактически регуляторы дают сигнал: если компания не выстроит управление рисками и контроль за жизненным циклом моделей сегодня, завтра она столкнется с операционными сбоями, дефолтом моделей или массовой потерей клиентов.

Агентный ИИ ускоряет автоматизацию, но одновременно создает новый слой системных и операционных рисков. Goldman Sachs и ряд технологических компаний отмечают, что автономные агенты, способные самостоятельно запускать цепочки операций, несут не только выгоды, но и угрозу неконтролируемых решений и ошибок, которые сложно отследить в реальном времени. Bloomberg подчеркивает: по мере внедрения генеративных моделей в трейдинг, комплаенс и клиентские сервисы растет опасение, что модели могут генерировать «ложный контекст» или неправильно интерпретировать данные при отсутствии достаточного надзора, а также корректировать свои действия необъяснимым образом в зависимости от среды. Дискуссия усиливается на фоне предупреждений BIS о том, что финансовые компании все чаще передают ИИ функции, непосредственно влияющие на принятие решений, что повышает вероятность одновременных ошибок в разных организациях.

Киберриски становятся одной из ключевых зон внимания: возможность того, что компрометация одного агента откроет злоумышленникам путь к целым процессам — от платежей до кредитных решений — активно обсуждается в The Banker. Не меньше опасений вызывает и технологическая зависимость: если агентные системы начинают обслуживать не только рутинные, но и аналитические процессы, компании рискуют утратить критические компетенции, что делает их уязвимыми при сбоях алгоритмов или изменении политик поставщиков технологий. Отдельный вызов — непрозрачность: автономные агенты, использующие сложные RAG-поисковые цепочки, самообучение и многослойные инструменты, нередко становятся «черным ящиком», создавая проблемы для аудита, стресс-тестирования и соблюдения регуляторных требований.

В 2025 году активно обсуждаются случаи, когда чрезмерная автономия ИИ приводит к физическим или финансовым потерям. В Goldman Sachs рассматривают риски, связанные с тем, что системы могут ошибочно распознать сигналы или внешние события и инициировать неверные действия — особенно в высокочувствительных средах. Эксперты подчеркивают, что такие ошибки могут быстро распространяться через взаимосвязанные рынки. BIS предупреждает: несмотря на эффективность, агентные модели склонны к непредсказуемым побочным эффектам, поскольку отсутствует полное понимание того, какие внутренние механизмы приводят к определенному поведению, что потенциально провоцирует системные сбои.

От помощников до капитанов: эволюция финансовых агентов

Несмотря на риски, агентный ИИ уже переписывает экономику банков, заставляя пересматривать ценообразование, управление рисками и архитектуру доверия. Чтобы конкурировать на «скорости ПО», банкам приходится воспринимать данные как продукт, инвестировать в стандартизированные API и готовить баланс к тому, что активы будут перемещаться так же быстро, как исполняются программы.

Эта неделя принесла обновленную карту мировых кейсов. В США Goldman Sachs и BNY Mellon уже работают в режиме масштабирования. В Европе банки запускают RAG-агентов для работы с клиентскими запросами и отчетностью. В Азии растут пилоты контекстных корпоративных помощников и автономных кредитных агентов. Глобально усиливается тренд на compliance-агентов — таких как Norm AI, в которые инвестируют Citi Ventures и другие институционалы. В исследовательском направлении FinGAIA формирует мировые бенчмарки для финансовых агентов, а Prophecy (при поддержке HSBC и JPMorgan) создает инфраструктуру для масштабных агентных экосистем.

Четыре типа финансовых агентов

Все кейсы можно классифицировать по четырем типам:

• RAG-агенты для поиска и анализа информации,
• co-pilot-агенты, помогающие сотрудникам в операциях,
• decision-агенты, принимающие решения в онбординге, кредитовании и KYC,
• autonomous-агенты, самостоятельно управляющие процессами, реакциями на рынок и корректировкой стратегий.

Финансовая индустрия постепенно движется от co-pilot-модели к частичной автономии, а в некоторых рынках — уже к полной.

Именно поэтому 2026 год станет моментом, когда банки окончательно поймут: агентный ИИ — это не эксперимент, а фундамент их конкурентоспособности. Агентные системы уже обеспечивают скорость, к которой человеческие процессы адаптироваться не могут. И вопрос теперь не в том, внедрять ли их, а в том, насколько быстро компании смогут построить прозрачные, управляемые и регулируемые архитектуры, основанные на взаимодействии людей и автономных цифровых операторов.