3 мифа вокруг ИИ в финансовом брокере: что недооценивают компании | Колонка Анастасии Найшевой для РБК Компании

Искусственный интеллект перестал быть модной технологией. В финансовом бизнесе он постепенно становится рабочим инструментом – но только в руках специалистов, которые понимают его ограничения.

На практике ИИ оказался не мессией, а скорее очень способным стажером: он многое знает, быстро работает, но требует проверки и контроля. Вокруг его применения в брокерском бизнесе уже сложилось несколько устойчивых мифов.

Миф первый: «ИИ сам все знает»
Большая языковая модель производит впечатление всезнающей системы до тех пор, пока ее ответы не начинают проверять профессионалы. В этот момент выясняется, что она может уверенно сослаться на несуществующий нормативный акт Банка России, привести судебную практику, которой не было, или назвать финансовый показатель, взятый из воздуха.

Такие ошибки называют галлюцинациями. Для брокерской компании они несут серьезный риск. Когда речь идет о расчете маржинальных требований, интерпретации условий договора или анализе рисков портфеля, ценой ошибки является не просто репутация, а деньги клиента и ответственность перед регулятором.

Есть и еще одно ограничение. Для безопасной работы с данными модель в брокерской компании корректнее разворачивать локально. Но в этом случае она ограничена тем массивом данных, на котором обучалась. Без дополнительных источников она не ответит, например, какая сейчас ключевая ставка Банка России.

Поэтому вместе с ИИ мы внедряем обязательную верификацию его выводов. Получается парадокс: чтобы автоматизировать проверку, нам понадобились люди, которые проверяют автоматизацию.

Миф второй: «ИИ заменит сотрудников»
Реальность оказалась куда прозаичнее: ИИ не заменяет людей, а меняет характер их работы. Например, аналитик, который раньше собирал данные из нескольких систем и готовил отчет за три часа, теперь может получить черновик за семь минут. Но этот черновик все равно нужно проверить, скорректировать и дополнить контекстом, которого у системы нет. Поэтому речь идет не о сокращении штата, а о перераспределении задач. ИИ помогает быстрее подготовить основу, но качество в итоге по-прежнему зависит от эксперта.

Чтобы сотрудникам и ИИ работать сообща, мы собираем агентов на базе языковой модели и подключаем к ним нужные источники данных и инструменты. В итоге человек работает быстрее, но требования к качеству результата становятся выше. Такой процесс требует постоянной вовлеченности специалистов, которые хорошо понимают контекст бизнеса.

Технические сложности, о которых не пишут в презентациях
Вендор может показать красивую архитектуру решения и пообещать интеграцию за несколько недель. Но после старта проекта выясняется, что учетная система хранит данные в устаревшем формате, внутренние регламенты запрещают передавать клиентские данные во внешние сервисы, а корпоративная сеть ограничивает обращения к внешним интерфейсам.

На практике больше всего времени занимают проектирование потоков данных, очистка и нормализация исторических записей, создание внутреннего шлюза и защита персональной информации. Если компания планирует внедрение ИИ, первоначальную оценку бюджета и сроков лучше сразу пересматривать – с учетом инфраструктуры проект почти наверняка окажется сложнее и дороже. Умножьте смету на три с учетом железа и добавьте четыре месяца – будете близки к истине.

Отдельная проблема – качество данных. ИИ работает настолько хорошо, насколько качественные данные он получает. Мусор на входе дает мусор на выходе – эта истина стара, как программирование, но почему-то каждый раз открывается заново.

Человеческий фактор: самая сложная интеграция
Технические проблемы можно решить – это вопрос ресурсов и времени. Сопротивление сотрудников сложнее. Здесь лучше всего работает не убеждение, а совместная работа. Нужно взять реальную задачу конкретного отдела, решить ее с помощью нового инструмента и дать коллегам самим оценить результат. После этого сотрудник становится главным проводником изменений внутри своего подразделения.

Правила регулирования еще формируются
Российское регулирование в сфере ИИ продолжает развиваться, и компаниям приходится работать в условиях, когда правила меняются быстрее, чем бизнес успевает к ним адаптироваться.

Для брокера принципиальными остаются несколько ограничений. Первое – персональные данные. Их обработка требует максимальной защищенности, поэтому в «АВИ Кэпитал» мы выбрали полную локализацию: модели разворачиваются на собственной инфраструктуре. Тут две стороны медали: с одной стороны, это дорогостоящая инвестиция и на начальных этапах не каждая компания готова вложиться, но с другой – это дает полную автономность и независимость от внешнего контура, что создает ощущение большей стабильности.

Второй важный вопрос – взаимодействие с клиентами. Банк России внимательно относится к тому, чтобы автоматизированные системы не принимали инвестиционные решения без контроля человека. Если инструмент можно трактовать как инвестиционное консультирование, он сразу попадает в зону регуляторного внимания. Поэтому важно четко разграничивать роли: система помогает аналитику, но не заменяет его профессиональное суждение. Это не формальность, а требование к архитектуре процессов.

Миф третий: «ИИ достаточно настроить один раз»
Еще одно заблуждение – воспринимать внедрение ИИ как проект с четким финалом: настроили, запустили и забыли. Так не работает.

Модели устаревают, а регуляторная среда меняется. Кроме того, эволюционируют внутренние процессы компании и качество данных снижается, если за ним не следить. Сотрудники находят новые способы использовать инструменты – но не всегда правильные. Поэтому ИИ требует постоянного сопровождения, доработки и отдельной команды, которая понимает и бизнес-задачи, и техническую сторону процесса.

Искусственный интеллект в брокерской компании – это рабочий инструмент, который может давать измеримый результат. Но только если смотреть на него трезво. Это не оракул, не замена экспертизе и не волшебная кнопка для сокращения издержек. Скорее, это сильный помощник: быстрый, полезный, иногда самоуверенный – и поэтому требующий постоянного контроля.

РБК Компании