Дата публикации: Ноябрь 2025
Источник: T1 (совместно с Gartner, Альфа-Банк, АФТ, Яков и Партнеры, 53AI, Университет Цинхуа)
Категории: Финтех, Искусственный интеллект, Банковский сектор, Инвестиции
Сигналы: Trend, Watch
Описание-резюме отчета
Отчет "ИИ в финтехе — 2025: перспективные сценарии и лучшие практики" является комплексным исследованием использования ИИ в финансовом секторе к ноябрю 2025 года. Он основан на анализе отечественных и мировых тенденций, включая методологию Gartner, опыт китайских банков и результаты экспериментальных исследований в биржевой торговле, а также на оценках экспертов компаний T1, Яков и Партнеры, Ассоциации ФинТех и Альфа-Банка. Цель отчета – предоставить актуальное видение тенденций и подходов к выбору перспективных сценариев для внедрения ИИ в финтехе.
Сама суть
Инвестиции финансового сектора России в ИИ достигли рекордных 56.8 млрд руб. в 2024 году, демонстрируя переход ИИ из "модной инновации" в категорию рабочих инструментов. Отмечается рост зрелости подхода к выбору бизнес-сценариев для ИИ-автоматизации: от простых решений к автоматизации сложных функций при помощи "ИИ-агентов". Ключевой тренд – максимальные амбиции крупных российских банков по внедрению ИИ ("ИИ во всем"), выстраивающих собственную инфраструктуру, в то время как мелкие игроки сфокусированы на точечных, доказавших эффективность внедрениях. Основные сложности включают высокую стоимость инфраструктуры ИИ, проблему "галлюцинаций" генеративного ИИ и необходимость комплексного подхода к кибербезопасности (AI TRiSM). Наибольший потенциал для роста внедрения ИИ сохраняется в корпоративном и инвестиционном сегментах.
Ключевые инсайты для СЕО
Что работает
- Масштабные инвестиции в ИИ: Крупные российские банки демонстрируют максимальные амбиции ("ИИ во всем"), инвестируя в собственную инфраструктуру и охватывая широкий спектр сценариев. Это позволяет им значительно увеличивать экономический эффект от внедрения ИИ (Сбер прогнозирует 450 млрд руб. прибыли в 2025 г. от ИИ).
- Зрелый подход к автоматизации: Российский финтех перешел от апробации простых ИИ-решений к комплексной автоматизации сложных сценариев, используя "ИИ-агентов" для полного замещения бизнес-функций без участия человека.
- Высокая осуществимость "традиционных" сценариев: Сценарии, такие как ассистенты контактных центров, ИИ-ассистенты для сотрудников, генерация кода, предотвращение мошенничества, синтетические кредитные данные и автоматизация кредитования, уже широко внедрены и доказали свою эффективность, переходя из категории легкоосуществимых в среднеосуществимые с расширением функционала.
- Специализация китайского финтеха: Китай активно использует ИИ-технологии распознавания образов (в том числе с аэрокосмической съемкой) для кредитного скоринга и риск-менеджмента, что является важным источником данных для финансовых моделей. Это указывает на возможность эффективного использования специфических региональных преимуществ.
- Потенциал в корпоративном и инвестиционном сегментах: Несмотря на текущие ограничения из-за сложности и "цены ошибки", эти сегменты имеют максимальный потенциал роста внедрения ИИ в перспективе 2-3 лет благодаря высокой финансовой отдаче от эффективных решений.
Что НЕ работает
- Высокая стоимость собственной ИИ-инфраструктуры: Создание и поддержание полноценной ИИ-инфраструктуры является крайне дорогостоящим, доступным только крупнейшим игрокам, что увеличивает разрыв между лидерами и "догоняющими".
- Проблема "галлюцинаций" генеративного ИИ: Генеративный ИИ для инвестиционного анализа и биржевой торговли пока остается вспомогательным инструментом, требующим обязательной перепроверки из-за неточности, искажения новостного контента и проблемы конфабуляции (~45% ответов могут содержать значимые ошибки).
- Ограниченное проникновение ИИ в КИБ: Для корпоративного и инвестиционного бизнеса (КИБ) уровень проникновения ИИ-моделей существенно ниже, чем в розничном сегменте, из-за нестандартных условий сделок, высокой "цены ошибки" и необходимости кастомизации продуктов.
- Барьеры внедрения комплексных решений: Новые, трудноосуществимые сценарии (например, "Личный помощник" или "Эмоциональный интеллект") сталкиваются с этическими, регуляторными и техническими барьерами, требующими комплексного подхода (AI TRiSM).
- Кадровые и инфраструктурные проблемы: Российские банки испытывают дефицит/сложности в найме квалифицированных специалистов по ИИ/ML, а также сталкиваются с барьерами, связанными с невозможностью использования публичных облаков и сложностями в импортозамещении ПО для инфраструктуры.
Радар возможностей и ловушек
| Возможности | Ловушки |
|---|---|
| ИИ-агенты: Полная автоматизация бизнес-функций, замещающая человека. | Стоимость ИИ-инфраструктуры: Доступность только для крупных игроков, увеличивает разрыв. |
| Оптимизация внутренних процессов: Управление банкоматами, оценка загрузки офисов, HR-поддержка на базе ИИ. | Галлюцинации генеративного ИИ: Ненадежность для критически важных задач, требует перепроверки. |
| Мультимодальный ИИ: Комплексная обработка голоса, текста, изображений для повышения качества сервиса, снижения затрат, оптимизации рисков и маркетинга. | Нормативные и этические барьеры: Особенно для персональных рекомендаций и сбора данных ("Помощник-360°"). |
| Адаптация ИИ к русскому языку: Российские LLM конкурентоспособны за счет специализации на русском языке. | Дефицит GPU и специалистов: Сложности с закупками оборудования и наймом кадров для обучения и инференса. |
| Использование специализированных решений: ИИ-модели распознавания образов (Китай) для мониторинга кредитных рисков и активов. | Недостаточная зрелость данных: Отсутствие каталогизированных данных, высокая стоимость внешних данных, сложность дообучения моделей. |
| Расширенный скоринг: Более точная оценка рисков, ускорение решений, персонализация условий кредитов. | Консерватизм бизнеса: Недостаточное понимание возможностей ИИ и сопротивление изменениям. |
Что это значит для бизнеса
- Для крупных финансовых институтов: Необходимо продолжать инвестиции в собственную ИИ-инфраструктуру, развивать мультимодальный ИИ и ИИ-агентов, уделяя особое внимание решению проблемы "галлюцинаций" генеративных моделей для стратегических задач. Приоритетом является КИБ.
- Для средних финансовых организаций: Сосредоточиться на масштабировании уже доказавших эффективность и среднеосуществимых сценариев ИИ (ассистенты, автоматизация скоринга, предотвращение мошенничества). Искать нишевые решения, специфичные для региона или бизнес-модели, по примеру китайского опыта.
- Для стартапов в финтехе: Развивать специализированные ИИ-решения, интегрируемые с платформами крупных банков, или фокусироваться на задачах, где возможно использовать открытые LLM и не требовательные к мощностям решения. Использовать AI TRiSM с самого начала проектирования продуктов.
Вопросы для управленческой команды
- Какие сценарии внедрения ИИ, описанные в отчете, имеют наибольший потенциал для нашей компании в ближайшие 1-2 года, учитывая наши текущие возможности и амбиции?
- Как мы можем преодолеть барьеры, связанные с дороговизной ИИ-инфраструктуры, дефицитом специалистов и "галлюцинациями" генеративного ИИ, чтобы поддерживать конкурентоспособность?
- Какова стратегия нашей компании по развитию "ИИ-агентов" и мультимодального ИИ, и как мы планируем обеспечивать доверие, риски и безопасность (AI TRiSM) в этих решениях?
- Какие данные мы собираем/можем собирать, и насколько они "готовы" для обучения ИИ-моделей, особенно в контексте оперативного дообучения?
- Как мы можем использовать опыт китайского финтеха, например, в области распознавания образов или комплаенса, для поиска новых точек роста?
Stratsessions Signals
- Trend: Инвестиции в ИИ в финтехе продолжат расти, крупные игроки будут консолидировать рынок, внедряя комплексные решения на базе "ИИ-агентов" и мультимодальных систем.
- Watch: Тщательно отслеживать развитие генеративного ИИ, особенно в инвестиционном анализе, учитывая проблему "галлюцинаций" и необходимость глубокой интеграции со специализированными моделями. Изучать новые, трудноосуществимые, но потенциально прорывные сценарии (например, "Эмоциональный интеллект" или "Помощник-360°") с учетом этических норм и регуляторных требований.
- Cut: Отказ от непрагматичных, избыточно амбициозных проектов по ИИ без четкого обоснования финансовой отдачи, особенно для компаний, не обладающих достаточными ресурсами для создания собственной полноценной инфраструктуры.
Для кого полезно
- СЕО и топ-менеджеры в финансовом секторе
- Директора по стратегии, инновациям и цифровой трансформации
- Руководители направлений розничного, корпоративного и инвестиционного бизнеса
- Инвесторы, ориентирующиеся на финтех и AI-технологии
Call to Action
- Заказать разбор для своей отрасли
- Подпишитесь на Stratsessions Digest: 5 отчетов → 5 идей → 5 минут