Северная Америка ожидаемо занимает лидирующие позиции.
Автор: Самора Карийуки
Компилятор: Deep Tide TechFlow
Глобальная волна ИИ
Как банки фактически применяют генеративный ИИ?
Если оставить в стороне заголовки новостей и хайп, суть проблемы заключается в следующем: как крупнейшие банки в мире на самом деле используют генеративный ИИ? Не речь о будущем потенциале, и не о рекламе поставщиков, а где уже реализованы практические приложения?
За последние два года глобальная финансовая отрасль тихо вступила в эпоху генеративного ИИ. Однако этот процесс не является единым, а имеет внутри- и внешние различия: сдержанное развертывание внутренних инструментов, осторожные эксперименты, ориентированные на клиентов, и немногие смелые инновации постепенно пересматривают внутреннюю структуру банковской сферы.
Начните изнутри и постепенно расширяйтесь.
У приложений ИИ есть одна общая черта: они начинаются с собственных инструментов повышения производительности.
Основное применение генеративного ИИ направлено на повышение внутренней производительности — инструменты, которые помогают сотрудникам делать больше с меньшими затратами. От помощника аналитика JPMorgan, распутывающего исследования акций, до инструмента Morgan Stanley на основе GPT, который обеспечивает работу консультантов по управлению активами, первоначальное внимание было сосредоточено на расширении возможностей банкиров, а не на их замене.
Голдман Сакс (Goldman Sachs) разрабатывает AI помощника для разработчиков; инструмент AI-резюме Citi помогает сотрудникам обрабатывать меморандумы и писать электронные письма; «SC GPT» Стандарт Чартеред (Standard Chartered) уже запущен среди 70 000 своих сотрудников и используется для решения различных вопросов, от написания предложений до вопросов управления персоналом.
Учитывая, что мы находимся в условиях высокой регуляции, внедрение внутренних инструментов становится особенно разумным. Это позволяет банкам проводить эксперименты и повышать свои возможности в области ИИ, не нарушая регуляторные ограничения. Если обратиться к недавним действиям CBN (Центрального банка Нигерии) против Zap, то «осторожность прежде всего» явно является более разумным выбором.
Наблюдение за бизнес-линией: где ценность?
Темпы внедрения AI-приложений различаются в разных подразделениях. Существуют различия в скорости принятия генеративного AI в различных бизнес-отделах. В частности, розничные банки занимают лидирующие позиции по объему транзакций. В этой области чат-боты, такие как Fargo от Wells Fargo и Erica от Bank of America, работающие на основе генеративного AI, обрабатывают миллиарды взаимодействий ежегодно. В Европе Commerzbank недавно представил своего чат-бота Ava.
Проблема, однако, в том, что некоторые из этих инструментов на самом деле не используют генеративный ИИ, а вместо этого полагаются на традиционные методы машинного обучения. Erica от Bank of America, например, работает скорее как «механический турец» (иллюзия автоматизации с помощью ручных операций). Тем не менее, важны сами эксперименты, а не технические этикетки.
В области корпоративного и инвестиционного банкинга трансформация более скрытная. Внутренние инструменты JPMorgan в основном поддерживают исследовательские и торговые команды, а не ориентированы непосредственно на клиентов. Deutsche Bank использует ИИ для анализа журналов клиентских коммуникаций, что не является обслуживанием клиентов, а является данными, которые дают возможность банкирам быстрее и лучше понимать и обслуживать клиентов.
Управление активами находится между двумя этими крайностями. Инструменты ИИ Morgan Stanley не общаются напрямую с клиентами, но обеспечивают подготовленность консультантов перед каждой встречей. Deutsche Bank и First Abu Dhabi Bank проводят пилотные проекты помощников для премиум-клиентов, предназначенных для оперативного ответа на сложные инвестиционные вопросы.
Региональные различия: кто в лидерах?
!
Источник: Evident AI Index
Северная Америка, как и ожидалось, лидирует. Американские банки, такие как JPMorgan, Capital One, Wells Fargo, Citi и Royal Bank of Canada (RBC), превратили искусственный интеллект в двигатели производительности. Благодаря партнерству с OpenAI и Microsoft они первыми получили доступ к передовым моделям искусственного интеллекта.
Европа же более осторожна. Испанский банк BBVA, Deutsche Bank и HSBC проводят внутреннее тестирование инструментов ИИ и устанавливают больше мер безопасности. Общий регламент по защите данных Европы (GDPR) имеет глубокое влияние на это. Как и прежде, Европа больше сосредоточена на регулировании, а не на технологическом прогрессе, что может обернуться для нее последствиями.
Африка и Латинская Америка все еще находятся на ранних стадиях развития ИИ, но прогресс стремителен. Бразильский Nubank выделяется, сотрудничая с OpenAI, сначала внедряя ИИ-инструменты внутри компании, а затем расширяя их на обслуживание клиентов. В Южной Африке Standard Bank и Nedbank проводят пилотные проекты в области ИИ, охватывающие контроль рисков, поддержку услуг и разработку.
Китай: создание собственного стека технологий ИИ
Банки Китая не только используют ИИ, но и строят стек технологий ИИ.
Китайский промышленный и коммерческий банк (ICBC) запустил «智涌», крупную языковую модель с 1000 миллиардами параметров, разработанную внутренними силами. Эта модель была вызвана более миллиарда раз и поддерживает 200 бизнес-сценариев, от анализа документов до автоматизации маркетинга. Это не просто применение внутреннего инструмента, а основное изменение в способах работы банка.
Группа «Ант» (Ant Group) представила две крупные языковые модели в области финансов — Чжиссяобао 2.0 (Zhixiaobao 2.0) и Чжиссяожу 1.0 (Zhixiaozhu 1.0). Первая из них предназначена для обычных пользователей Alipay и направлена на объяснение финансовых продуктов; вторая же поддерживает консультантов по управлению состоянием, может резюмировать рыночные отчеты и генерировать идеи по инвестиционным портфелям.
Ping An Group, финтех-гигант, объединяющий страхование, банковское дело и технологии, пошел еще дальше. Компания разработала AskBob, генеративного помощника с искусственным интеллектом, который обслуживает как клиентов, так и менеджеров по работе с клиентами. Для клиентов AskBob может ответить на вопросы об инвестициях и страховании на естественном китайском языке; Для консультантов он извлекает и обобщает историю клиентов, данные о продуктах и маркетинговые материалы, превращая каждого агента в финансового эксперта с цифровыми технологиями. Цель Ping An — переосмыслить финансовый консалтинг с помощью искусственного интеллекта, чтобы не только отвечать на вопросы, но и заранее предвосхищать спрос.
В Китае регуляторная структура сильно поощряет локализацию данных и прозрачность моделей. Эти учреждения выбрали более долгосрочный путь: создание кастомизированного ИИ, способного адаптироваться к внутреннему регулированию, языковым и рыночным условиям. Кроме того, в Китае достаточно высокая плотность талантов, что позволяет банкам самостоятельно разрабатывать базовые модели, что является уникальным достижением на глобальном уровне.
Кто предоставляет техническую поддержку?
Некоторые известные компании часто появляются на глобальной арене: Microsoft через Azure OpenAI стал самой распространенной платформой на сегодняшний день. От Morgan Stanley до Standard Chartered многие банки работают со своими моделями в безопасной песочнице Microsoft.
LLM (большие языковые модели) от Google также используются, например, Wells Fargo использует Flan для своей деятельности. В Китае в основном полагаются на местные технологии, такие как DeepSeek и Hunyuan.
Некоторые банки, такие как JPMorgan Chase, Industrial and Commercial Bank of China и Ping An Group, обучают свои собственные модели. Но большинство банков настраивают существующие модели. Ключевым моментом является не наличие самой модели, а контроль за данными и координация работы модели.
Разнообразные исследования применения ИИ по всему миру
!
Исходное изображение см. в оригинале, перевод: Shen Chao TechFlow
А что с того?
В строго регулируемой отрасли осторожность имеет решающее значение, поэтому банки используют искусственный интеллект, а не находятся непосредственно на передовой. Однако, как мы уже отмечали на примере других изменений платформы, решающее решение и быстрое экспериментирование являются ключевыми факторами. Регулирование никогда не опережает правоприменение, и неразумно ждать, пока регулирование вступит в силу, прежде чем экспериментировать с ИИ. Я помню, как более десяти лет назад я основал агентский банкинг в стране, где не было регулирования. Как только мы закончим, мы станем теми, кто объясняет бизнес центральному банку. Если бы я был членом совета директоров банка, я бы спросил: «Сколько экспериментов мы проводим?» Сколько инсайтов мы генерируем?»
Чтобы действительно оценить прогресс, необходимо вернуться к основным принципам трансформации платформы. Ваша стратегия ИИ должна ответить на следующие вопросы:
«Перестроила ли наша AI-стратегия основную архитектуру? Успели ли мы снизить затраты в 100 раз? Открыли ли мы новые ценностные модели? Вдохновила ли она связи в экосистеме? Совершила ли она революцию на рынке? Обеспечила ли она демократизацию доступа?»
Логика ясна – скептицизм необходим, но и логика, и факты говорят о том, что ИИ – это новое изменение платформы. Кроме того, логика и факты также показывают, что прошлые изменения платформ часто приводили к революционным изменениям на финансовых рынках. Например, Ситибанк значительно расширил свой розничный бизнес с использованием технологий в 70-х и 80-х годах. Capital One вырос с нуля и стал одним из 10 лучших банков на рынке и имеет сильное присутствие в смежных отраслях, таких как автокредитование и ипотека. В Африке Equity Bank воспользовался волной клиент-серверных технологий и стал крупнейшим банком по рыночной капитализации в Восточной Африке. Аналогичным образом, Access Bank, GT Bank и Capitec подхватили волну на своих рынках.
Наступила эра платформ искусственного интеллекта, и она будет создавать победителей. Речь идет не о том, чтобы сосредоточиться на проигравших, а о том, как победители имеют значительную долю рынка в той или иной области. Например, успех Stripe в платежах является показательным примером. Эти ранние прорывы часто приводят к увеличению доли рынка в смежных сегментах, таких как бизнес кредитных карт Nubank, который стал значительным игроком в сфере малого и среднего бизнеса и розничного банковского обслуживания.
Я считаю, что победители в эпоху искусственного интеллекта сосредоточатся на издержках отношений. Это уже не просто торговая игра. Транзакции уже произошли и теперь представляют собой игру в клиентский опыт и управление отношениями. Это основная идея, на которой должны сосредоточиться руководители финансовых услуг. Как вы можете добиться 100-кратного улучшения качества обслуживания клиентов и обслуживания клиентов при минимальных затратах? Как банк может использовать интеллектуальные технологии, чтобы помочь клиентам лучше управлять своими финансами, бизнесом и жизнью? Игрок, который сможет ответить на эти вопросы и ответить на них, станет окончательным победителем.
Посмотреть Оригинал
Содержание носит исключительно справочный характер и не является предложением или офертой. Консультации по инвестициям, налогообложению или юридическим вопросам не предоставляются. Более подробную информацию о рисках см. в разделе «Дисклеймер».
Крупнейшие банки США и Китая принимают генеративный ИИ
Автор: Самора Карийуки
Компилятор: Deep Tide TechFlow
Глобальная волна ИИ
Как банки фактически применяют генеративный ИИ?
Если оставить в стороне заголовки новостей и хайп, суть проблемы заключается в следующем: как крупнейшие банки в мире на самом деле используют генеративный ИИ? Не речь о будущем потенциале, и не о рекламе поставщиков, а где уже реализованы практические приложения?
За последние два года глобальная финансовая отрасль тихо вступила в эпоху генеративного ИИ. Однако этот процесс не является единым, а имеет внутри- и внешние различия: сдержанное развертывание внутренних инструментов, осторожные эксперименты, ориентированные на клиентов, и немногие смелые инновации постепенно пересматривают внутреннюю структуру банковской сферы.
Начните изнутри и постепенно расширяйтесь.
У приложений ИИ есть одна общая черта: они начинаются с собственных инструментов повышения производительности.
Основное применение генеративного ИИ направлено на повышение внутренней производительности — инструменты, которые помогают сотрудникам делать больше с меньшими затратами. От помощника аналитика JPMorgan, распутывающего исследования акций, до инструмента Morgan Stanley на основе GPT, который обеспечивает работу консультантов по управлению активами, первоначальное внимание было сосредоточено на расширении возможностей банкиров, а не на их замене.
Голдман Сакс (Goldman Sachs) разрабатывает AI помощника для разработчиков; инструмент AI-резюме Citi помогает сотрудникам обрабатывать меморандумы и писать электронные письма; «SC GPT» Стандарт Чартеред (Standard Chartered) уже запущен среди 70 000 своих сотрудников и используется для решения различных вопросов, от написания предложений до вопросов управления персоналом.
Учитывая, что мы находимся в условиях высокой регуляции, внедрение внутренних инструментов становится особенно разумным. Это позволяет банкам проводить эксперименты и повышать свои возможности в области ИИ, не нарушая регуляторные ограничения. Если обратиться к недавним действиям CBN (Центрального банка Нигерии) против Zap, то «осторожность прежде всего» явно является более разумным выбором.
Наблюдение за бизнес-линией: где ценность?
Темпы внедрения AI-приложений различаются в разных подразделениях. Существуют различия в скорости принятия генеративного AI в различных бизнес-отделах. В частности, розничные банки занимают лидирующие позиции по объему транзакций. В этой области чат-боты, такие как Fargo от Wells Fargo и Erica от Bank of America, работающие на основе генеративного AI, обрабатывают миллиарды взаимодействий ежегодно. В Европе Commerzbank недавно представил своего чат-бота Ava.
Проблема, однако, в том, что некоторые из этих инструментов на самом деле не используют генеративный ИИ, а вместо этого полагаются на традиционные методы машинного обучения. Erica от Bank of America, например, работает скорее как «механический турец» (иллюзия автоматизации с помощью ручных операций). Тем не менее, важны сами эксперименты, а не технические этикетки.
В области корпоративного и инвестиционного банкинга трансформация более скрытная. Внутренние инструменты JPMorgan в основном поддерживают исследовательские и торговые команды, а не ориентированы непосредственно на клиентов. Deutsche Bank использует ИИ для анализа журналов клиентских коммуникаций, что не является обслуживанием клиентов, а является данными, которые дают возможность банкирам быстрее и лучше понимать и обслуживать клиентов.
Управление активами находится между двумя этими крайностями. Инструменты ИИ Morgan Stanley не общаются напрямую с клиентами, но обеспечивают подготовленность консультантов перед каждой встречей. Deutsche Bank и First Abu Dhabi Bank проводят пилотные проекты помощников для премиум-клиентов, предназначенных для оперативного ответа на сложные инвестиционные вопросы.
Региональные различия: кто в лидерах?
!
Источник: Evident AI Index
Северная Америка, как и ожидалось, лидирует. Американские банки, такие как JPMorgan, Capital One, Wells Fargo, Citi и Royal Bank of Canada (RBC), превратили искусственный интеллект в двигатели производительности. Благодаря партнерству с OpenAI и Microsoft они первыми получили доступ к передовым моделям искусственного интеллекта.
Европа же более осторожна. Испанский банк BBVA, Deutsche Bank и HSBC проводят внутреннее тестирование инструментов ИИ и устанавливают больше мер безопасности. Общий регламент по защите данных Европы (GDPR) имеет глубокое влияние на это. Как и прежде, Европа больше сосредоточена на регулировании, а не на технологическом прогрессе, что может обернуться для нее последствиями.
Африка и Латинская Америка все еще находятся на ранних стадиях развития ИИ, но прогресс стремителен. Бразильский Nubank выделяется, сотрудничая с OpenAI, сначала внедряя ИИ-инструменты внутри компании, а затем расширяя их на обслуживание клиентов. В Южной Африке Standard Bank и Nedbank проводят пилотные проекты в области ИИ, охватывающие контроль рисков, поддержку услуг и разработку.
Китай: создание собственного стека технологий ИИ
Банки Китая не только используют ИИ, но и строят стек технологий ИИ.
Китайский промышленный и коммерческий банк (ICBC) запустил «智涌», крупную языковую модель с 1000 миллиардами параметров, разработанную внутренними силами. Эта модель была вызвана более миллиарда раз и поддерживает 200 бизнес-сценариев, от анализа документов до автоматизации маркетинга. Это не просто применение внутреннего инструмента, а основное изменение в способах работы банка.
Группа «Ант» (Ant Group) представила две крупные языковые модели в области финансов — Чжиссяобао 2.0 (Zhixiaobao 2.0) и Чжиссяожу 1.0 (Zhixiaozhu 1.0). Первая из них предназначена для обычных пользователей Alipay и направлена на объяснение финансовых продуктов; вторая же поддерживает консультантов по управлению состоянием, может резюмировать рыночные отчеты и генерировать идеи по инвестиционным портфелям.
Ping An Group, финтех-гигант, объединяющий страхование, банковское дело и технологии, пошел еще дальше. Компания разработала AskBob, генеративного помощника с искусственным интеллектом, который обслуживает как клиентов, так и менеджеров по работе с клиентами. Для клиентов AskBob может ответить на вопросы об инвестициях и страховании на естественном китайском языке; Для консультантов он извлекает и обобщает историю клиентов, данные о продуктах и маркетинговые материалы, превращая каждого агента в финансового эксперта с цифровыми технологиями. Цель Ping An — переосмыслить финансовый консалтинг с помощью искусственного интеллекта, чтобы не только отвечать на вопросы, но и заранее предвосхищать спрос.
В Китае регуляторная структура сильно поощряет локализацию данных и прозрачность моделей. Эти учреждения выбрали более долгосрочный путь: создание кастомизированного ИИ, способного адаптироваться к внутреннему регулированию, языковым и рыночным условиям. Кроме того, в Китае достаточно высокая плотность талантов, что позволяет банкам самостоятельно разрабатывать базовые модели, что является уникальным достижением на глобальном уровне.
Кто предоставляет техническую поддержку?
Некоторые известные компании часто появляются на глобальной арене: Microsoft через Azure OpenAI стал самой распространенной платформой на сегодняшний день. От Morgan Stanley до Standard Chartered многие банки работают со своими моделями в безопасной песочнице Microsoft.
LLM (большие языковые модели) от Google также используются, например, Wells Fargo использует Flan для своей деятельности. В Китае в основном полагаются на местные технологии, такие как DeepSeek и Hunyuan.
Некоторые банки, такие как JPMorgan Chase, Industrial and Commercial Bank of China и Ping An Group, обучают свои собственные модели. Но большинство банков настраивают существующие модели. Ключевым моментом является не наличие самой модели, а контроль за данными и координация работы модели.
Разнообразные исследования применения ИИ по всему миру
!
Исходное изображение см. в оригинале, перевод: Shen Chao TechFlow
А что с того?
В строго регулируемой отрасли осторожность имеет решающее значение, поэтому банки используют искусственный интеллект, а не находятся непосредственно на передовой. Однако, как мы уже отмечали на примере других изменений платформы, решающее решение и быстрое экспериментирование являются ключевыми факторами. Регулирование никогда не опережает правоприменение, и неразумно ждать, пока регулирование вступит в силу, прежде чем экспериментировать с ИИ. Я помню, как более десяти лет назад я основал агентский банкинг в стране, где не было регулирования. Как только мы закончим, мы станем теми, кто объясняет бизнес центральному банку. Если бы я был членом совета директоров банка, я бы спросил: «Сколько экспериментов мы проводим?» Сколько инсайтов мы генерируем?»
Чтобы действительно оценить прогресс, необходимо вернуться к основным принципам трансформации платформы. Ваша стратегия ИИ должна ответить на следующие вопросы:
«Перестроила ли наша AI-стратегия основную архитектуру? Успели ли мы снизить затраты в 100 раз? Открыли ли мы новые ценностные модели? Вдохновила ли она связи в экосистеме? Совершила ли она революцию на рынке? Обеспечила ли она демократизацию доступа?»
Логика ясна – скептицизм необходим, но и логика, и факты говорят о том, что ИИ – это новое изменение платформы. Кроме того, логика и факты также показывают, что прошлые изменения платформ часто приводили к революционным изменениям на финансовых рынках. Например, Ситибанк значительно расширил свой розничный бизнес с использованием технологий в 70-х и 80-х годах. Capital One вырос с нуля и стал одним из 10 лучших банков на рынке и имеет сильное присутствие в смежных отраслях, таких как автокредитование и ипотека. В Африке Equity Bank воспользовался волной клиент-серверных технологий и стал крупнейшим банком по рыночной капитализации в Восточной Африке. Аналогичным образом, Access Bank, GT Bank и Capitec подхватили волну на своих рынках.
Наступила эра платформ искусственного интеллекта, и она будет создавать победителей. Речь идет не о том, чтобы сосредоточиться на проигравших, а о том, как победители имеют значительную долю рынка в той или иной области. Например, успех Stripe в платежах является показательным примером. Эти ранние прорывы часто приводят к увеличению доли рынка в смежных сегментах, таких как бизнес кредитных карт Nubank, который стал значительным игроком в сфере малого и среднего бизнеса и розничного банковского обслуживания.
Я считаю, что победители в эпоху искусственного интеллекта сосредоточатся на издержках отношений. Это уже не просто торговая игра. Транзакции уже произошли и теперь представляют собой игру в клиентский опыт и управление отношениями. Это основная идея, на которой должны сосредоточиться руководители финансовых услуг. Как вы можете добиться 100-кратного улучшения качества обслуживания клиентов и обслуживания клиентов при минимальных затратах? Как банк может использовать интеллектуальные технологии, чтобы помочь клиентам лучше управлять своими финансами, бизнесом и жизнью? Игрок, который сможет ответить на эти вопросы и ответить на них, станет окончательным победителем.