Фото: пресс-служба
— Одна из главных тем предстоящего XI Восточного экономического форума — использование ИИ в бизнесе. Финсектор — один из лидеров по уровню внедрения этой технологии. Как вы оцениваете уровень проникновения этой технологии в бизнес?
— За два года доля компаний, которые решают финансовые задачи с ИИ, выросла с 30 до 75%. Это данные опроса Global AI in Finance 2026 — KPMG провела его в марте 2026 года среди тысячи финансовых директоров из 20 стран. Банки — в лидерах внедрения. К 2030 году объем глобального рынка ИИ в банковском секторе достигнет $138 млрд, следует из доклада Банка России «Применение искусственного интеллекта на финансовом рынке: текущий статус и условия дальнейшего развития». Летом 2025 года ЦБ опросил 252 компании, и оказалось, что две трети участников финансового рынка уже использовали или планировали внедрить искусственный интеллект в ближайшее время. Каждая пятая организация применяла ИИ на постоянной основе, 15% респондентов тестировали пилотные проекты.
Инфраструктурно российский финансовый сектор готов к массовому использованию этих технологий. Крупные игроки уже внедрили ИИ на базе собственных моделей и платформ: «ГигаЧат» — в «Сбере», Gen-T — в Т-банке, AlfaGen — в Альфа-банке. В конце 2025 года «Сбер» открыл разработчикам и компаниям доступ к модели GigaChat 3 Ultra Preview, а в июле 2026 года — модели следующего поколения GigaChat 3.5 Ultra. Развернуть модель в собственном контуре и дообучить ее на своих данных теперь может любой банк — создавать модель с нуля не нужно.
Регуляторный контур для ИИ также сформирован. В июле 2025 года Банк России выпустил Кодекс этики в сфере разработки и применения ИИ на финансовом рынке. Он предлагает пять принципов работы с ИИ: человекоцентричность, справедливость, прозрачность, безопасность и ответственное управление рисками. Важно, что сектор получил отраслевой ориентир еще до промышленной эксплуатации автономных ИИ-агентов, а не после первых инцидентов. Правила игры известны заранее, поэтому требования к объяснимости и человеческому контролю нужно закладывать в архитектуру решений уже на старте.
— От чего зависит эффективность применения ИИ?
— В технологиях, медиа и телекоммуникациях, финансовых услугах и профессиональных сервисах, по результатам исследования Global AI Jobs Barometer 2026 от PwC, выручка на сотрудника в результате внедрения ИИ с 2018 года по 2025 год в среднем выросла на 34%. А у лучших 20% компаний в этой группе — на 163%. В других отраслях — только на 24%. Выходит, что технологии одни и те же, а результаты отличаются в разы. Так что дело не в доступе к ИИ, а в эффективности его применения.
71% участников исследования KPMG подтвердили, что ИИ оправдывает или превосходит их ожидания по возврату инвестиций. Однако результат выше ожидаемого получают лишь 23%. Вывод: технология стала общедоступной, а умение извлечь из нее эффект — пока нет.
По оценкам Deloitte, компании тратят 93% ИИ-бюджета на технологии и лишь 7% — на людей, которые должны этими технологиями пользоваться, то есть на обучение и перепроектирование процессов. А ведь именно эти 7% и определяют, как технология будет (или не будет) работать.
Таким образом, компании, которые перестраивают процесс целиком, получают существенно больший эффект, чем те, кто с помощью новых инструментов лишь ускоряет работу в рамках прежней логики.
В финансах ИИ меняет сам принцип работы. Классическая модель строилась на ретроспективе: собрать данные по рынку, проверить их, построить модель для инвестиций. Ценность создавалась точностью и своевременностью отчета. Искусственный интеллект сам собирает и сверяет информацию, поэтому ценность смещается на то, что происходит до и после процесса подготовки отчета: как поставлена задача, какие ограничения заданы агентам, какое решение принято по результату.
Например, мультиагентная система AIFA CLAW, которую «Сбер» развивает вместе с Институтом AIRI, извлекает из финансовой отчетности не менее 188 видов показателей с точностью 95%. Анализ отчетности по МСФО и US GAAP сокращается с 4–6 часов до нескольких минут. ИИ-казначей оптимизирует структуру баланса по сотням параметров — скорость реакции на рыночные изменения измеряется уже не днями, а часами.
ИИ снимает с команды значительную часть рутины. То, что занимало дни — сбор данных, сверка показателей, подготовка отчетов, — выполняется за минуты. Финансисты получают не «сырые цифры», а подготовленные наборы данных и расчеты для управленческих решений. Фокус смещается с операционной отчетности на анализ сценариев, стресс-тестирование и работу с факторами стоимости бизнеса. И это только в финансовом блоке. А в целом в «Сбере» в 2025 году реализовано более 700 ИИ-инициатив и внедрено около 900 автономных агентов.
Ключевой принцип использования ИИ: владелец продукта формулирует задачу и критерии успеха, и в одной команде с IT и специалистами по анализу данных предлагаются технологические решения. Например, повысить точность прогнозирования ликвидности или автоматизировать анализ финансовой отчетности. Затем команда проектирует новый процесс, точки контроля и метрики эффекта. Это позволяет встроить ИИ в операционную модель, а не просто добавить еще один инструмент поверх существующих процессов.
— Как использование ИИ в финансовой сфере меняет требования к подготовке сотрудников?
— Чем автономнее ИИ-агенты, тем выше требования к людям. Раньше специалист отвечал за то, как он провел расчет, теперь — за то, как поставил задачу, проверил ответ и на каком основании его принял. Отсюда новые требования. Нужно уметь четко формулировать задачу, определять критерии оценки результата и выявлять галлюцинации в правдоподобных ответах — их сложнее обнаружить, чем явные опечатки. А потом подготовленное машиной решение надо защитить перед аудитором, регулятором и советом директоров.
Чтобы финансисты и управленцы могли эффективно использовать искусственный интеллект, нужно реформировать систему финансового образования. В декабре 2025 года наша нейросеть «ГигаЧат» успешно сдала квалификационный экзамен российской сертификации финансовых аналитиков (СФА), превысив проходной балл на 10%. Так что традиционные экзамены — больше не единственный показатель профессиональной готовности. Необходимо оценивать не только то, что модель может сделать, но и то, чего она не может.
К классической подготовке финансистов необходимо добавить новые компетенции. Обучать специалистов задавать машине точные вопросы и критически оценивать ответы — иначе ИИ-инструмент превратится в генератор правдоподобных ошибок. Еще одна значимая компетенция — работа с данными: откуда они берутся, почему показатели расходятся. Наконец, ИИ-грамотность: понимание разницы между жесткими правилами, моделями машинного обучения, генеративным ИИ и автономными агентами, чтобы правильно выбирать инструмент под задачу.
В образовательные программы надо включить элементы экономики внедрения ИИ: финансист должен уметь рассчитывать совокупную стоимость владения технологиями и обосновывать эффект от их применения перед советом директоров. В «Школе финансов «СберУниверситета» этому посвящен отдельный курс. В целом о том, как меняется роль финансового директора, наши эксперты из «Школы финансов» подготовили подробный отчет «Финансы в эпоху ИИ: финансовый директор как стратегический партнер бизнеса».
— Возможности ИИ растут очень быстро — останутся в финансовом секторе задачи, которые нельзя будет ему поручить?
— Чем больше берет на себя машина, тем важнее понять, что человек не может передать ей в принципе. Речь не о технических ограничениях, а о неделегируемой ответственности: граница должна пролегать там, где потенциальная цена ошибки превышает экономический эффект от внедрения ИИ. За человеком остается профессиональное суждение в сложных случаях: когда нужно признать выручку по нестандартной сделке, оценить существенность риска или нетиповую операцию. Искусственный интеллект не способен в полной мере учитывать контекст: отраслевую практику, историю взаимодействия с контрагентом или специфику корпоративных договоренностей.
А еще человек продолжит согласовывать критичные операции, включая утверждение бюджета, целевую структуру баланса и ключевые лимиты, открытие кредитной линии, признание убытка от обесценения. Эти решения принимает лицо, которое несет персональную ответственность. Исходя из той же логики, ИИ нельзя поручать коммуникацию с регулятором, аудитором, инвесторами и советом директоров. Доверие к финансовой информации основано на доверии к подписи ответственного лица. С юридической и этической точек зрения подписание аудиторского заключения языковой моделью недопустимо.
Наконец, за людьми останутся управленческие решения. Даже если ИИ-агент обнаружил снижение выручки и выявил его причину, например падение среднего чека в отдельном регионе, решать, что с этим делать, будет специалист, а не машина. Подчеркну: это не временное ограничение технологии, которое будет преодолено в следующем поколении моделей. Это фундаментальный принцип «человек в контуре», заложенный в кодекс этики Банка России — в рекомендации о контроле сотрудников за решениями ИИ с высоким уровнем риска и пересмотре таких решений человеком, в том числе по запросу клиента. Таким образом, по мере роста автономности цифровых агентов возрастает значимость того, что сохраняет за собой человек.