С 26 по 28 мая в кластере «Ломоносов» прошла крупнейшая мультиформатная конференция о цифровых технологиях для бизнеса и искусственном интеллекте – TECH WEEK 2025. Одна из секций конференции была посвящена технологиям в финансовом секторе. Эксперты обсудили текущее состояние, вызовы и будущее искусственного интеллекта в России, поделились практическим опытом внедрения ИИ, а также затронули ключевые тренды и барьеры, с которыми сталкивается отрасль.
Россия на ИИ арене
Искусственный интеллект остается одним из ключевых направлений технологического развития, привлекающим значительные инвестиции. Как отметил Алексей Сидорюк, советник генерального директора Ассоциации «Финтех», ежегодный рост рынка ИИ в России превышает 25%, а его совокупный объем оценивается примерно в 650 млрд руб.
В рамках федерального проекта «Искусственный интеллект» до 2024 г. было предусмотрено финансирование в размере 32,5 млрд руб. При этом, по прогнозам, внедрение ИИ в ключевые отрасли экономики может принести до 11,2 трлн руб. к 2030 г.
Несмотря на впечатляющие показатели, эксперты отмечают, что российский бизнес, хотя и активно внедряет технологии ИИ, пока уступает глобальным лидерам в данной сфере, и этому есть несколько объективных причин.
Барьеры для ИИ в РФ
По мнению Алексея, основной причиной сложившейся ситуации является дефицит технологических мощностей, необходимых для работы GPT-моделей. Эти решения требуют значительных вычислительных ресурсов, в частности, высокопроизводительных графических процессоров, таких как продукты компании NVIDIA. Однако их прямые поставки в Россию ограничены, а рыночная стоимость остается на высоком уровне.
Для системно значимых кредитных организаций единственным доступным вариантом остается развертывание подобных систем в собственном внутреннем контуре. Это также влечет за собой значительные технологические сложности – от этапа закупки и физического монтажа оборудования до его последующей настройки и интеграции в существующую ИТ-инфраструктуру.
Дополнительным сдерживающим фактором выступает жесткое регулирование в сфере обработки данных. В частности, необходимо учитывать требования Федерального закона № 152-ФЗ «О персональных данных», положения о банковской тайне, а также ограничительные предписания ФСТЭК, которые фактически исключают возможность использования облачных версий GPT-моделей в большинстве банковских процессов.
Даже если технологические и регуляторные барьеры будут преодолены, весомым препятствием останется человеческий фактор – нулевая толерантность к ошибкам искусственного интеллекта со стороны пользователей, которые ожидают от ИИ безупречной работы, несмотря на то, что люди допускают ошибки значительно чаще. Ярким примером является реакция на первое ДТП с участием беспилотного автомобиля, вызвавшее значительный общественный резонанс, в то время как аналогичные аварии с участием человека происходят ежедневно без столь пристального внимания.
Несмотря на все вышеперечисленные барьеры, российские компании уже сейчас используют ИИ для оптимизации своих бизнес-процессов.
Один из публичных кейсов, приведенных экспертом , является пример «Альфа-банка», где ИИ обрабатывает клиентские запросы. На первой линии клиента встречает голосовой помощник или чат-бот, но как только ИИ определяет, что вопрос относится к конкретной услуге (например, кредитная или дебетовая карта, авиамили и др.), он перенаправляет клиента во вторую линию поддержки. Эта линия уже частично автоматизирована с помощью специально обученного GPT-сервиса, что ускоряет обработку запросов и снижает нагрузку на операторов.
«Т-банк» внедрил искусственный интеллект для автоматизированной проверки и переписывания кода в целях повышения безопасности разработки. В рамках системы доверенной разработки банк использует ИИ-модуль AppSec, который анализирует исходный код на наличие уязвимостей, недоверенных зависимостей и потенциально опасных фрагментов, включая открытые open-source библиотеки с возможными зараженными компонентами. Вместо использования внешних решений с риском внедрения вредоносного кода система автоматически переписывает подозрительные участки, заменяя их безопасными аналогами из внутреннего репозитория банка.
Среди нереализованных, но потенциально наиболее экономически эффективных кейсов Алексей Сидорюк отметил автоматизацию инженерной рутины – той самой, которую разработчики не любят, но вынуждены выполнять, потому что без нее не работает ни один серьезный проект. GPT может автоматически генерировать юнит-тесты, писать понятные инструкции для разработчиков, администраторов и пользователей. Именно здесь, по мнению спикера, кроется основной экономический эффект – не в замене разработчика, а в делегировании ИИ «черновой работы».
Михаил Попов, основатель TalkBank, заявил, что его банк уже сейчас использует GPT-модели для написания кода, антифрода, а также постановки и контроля задач сотрудникам.
«В некоторых операционных процессах сокращение человеческого фактора достигает 100%. Мы уже не видим себя без этих технологий, они интегрально зашиваются во все наши процессы», – пояснил Михаил.
А что делать компаниям и сотрудникам?
Такое быстрое развитие искусственного интеллекта ставит перед обществом важный вопрос: насколько велика угроза массовой замены сотрудников автоматизированными системами? Согласно экспертным оценкам, в ближайшие годы до 85 млн рабочих мест по всему миру могут быть замещены технологиями на основе ИИ.
В связи с этим основатель TalkBank отмечает, что в условиях растущего влияния ИИ ключевыми компетенциями становятся soft skills и промт-инжиниринг. Традиционные hard skills теряют прежнюю значимость, поскольку ИИ превосходит человека в скорости обработки информации и глубине знаний. Эксперта отметил, что «нам уже не нужны специалисты по какой-то конкретной специальности. Что меня сильно раздражает, так это когда человек говорит: “Я хочу быть аналитиком”. Потому что не будет никакой аналитики. Нет никакой аналитики. Забыли про аналитику. Нужны только организаторы. Нужны люди-коннекторы, потому что у искусственного интеллекта одна проблема – у него пока нет рук, он не может до конца что-то сделать».
Компаниям эксперт рекомендует вкладывать финансовые ресурсы в прикладное применение готовых GPT-моделей: создавать ИИ-помощников для сотрудников, клиентов, партнеров.
Дискуссия показала, что, несмотря на вызовы, российские компании активно осваивают ИИ, делая ставку на практическое применение технологий. Ключевыми задачами на ближайшие годы станут преодоление технологических и культурных барьеров, а также подготовка кадров, способных работать в новой парадигме. Как отметили участники, те, кто уже сегодня инвестирует в ИИ, смогут получить значительное конкурентное преимущество в будущем.
