Агентный ИИ в финансовом секторе: как управлять рисками моделей в 2026 году

Изображение: rawpixel.com/Magnific

98 % финансовых институтов уже перевели искусственный интеллект в постоянную эксплуатацию, причём внедрение автономного агентного ИИ заняло рекордные два года против пятнадцати лет у традиционных систем. Как отмечается в ежегодном исследовании Института международных финансов (IIF — Institute of International Finance), проведённом совместно с международной консалтинговой компанией EY, почти все компании фиксируют реальную финансовую отдачу и рост производительности, однако половина из них сталкивается с подорожанием технологий из-за растущего расхода токенов на сложный запрос. Чтобы снизить издержки и защититься от рисков «черного ящика» сторонних вендоров — закрытых алгоритмов и обновлений, используемых 88 % институтов, — банки активно переходят на компактные языковые модели, открытый исходный код и автоматизированный надзор за алгоритмами (AI-in-the-loop), сохраняя проактивный диалог с регуляторами для соблюдения требований к объяснимости и этике нейросетей. Авторы отчёте рекомендуют руководителям финансовых институтов активно выстраивать проактивный диалог с надзорными органами, перейти на модель совместной ответственности с поставщиками и применять риск-ориентированный подход к сторонним решениям с открытым исходным кодом.

Стоимость внедрения ИИ была названа ключевой проблемой для его освоения 50 % финансовых институтов по всему миру. Это связано не только со стоимостью токенов, используемых моделями ИИ (которая за последние несколько месяцев по некоторым показателям снизилась), но и с количеством токенов, используемых за одну итерацию, которое выросло, особенно для наиболее продвинутых типов моделей ИИ. Эта токеномика также стимулирует изучение более дешёвых, но функциональных вариантов в отрасли, таких как системы с открытым исходным кодом и малые языковые модели, что дополнительно подтверждает данный тезис.

В 2026 году финансовые институты перешли от пилотных проектов к масштабированию ИИ, получая измеримую финансовую отдачу и снижение затрат преимущественно от предиктивного ИИ (86 %) и GenAI (81 %). Внедрение новых итераций технологий кардинально ускорилось: если развёртывание традиционного ИИ заняло 15 лет, то широкое внедрение GenAI и агентного ИИ потребовало лишь четыре года и два года соответственно. При этом 100 % компаний регулируют продакшен-системы через формальные процессы риск-менеджмента (56 % создали для этого специализированные структуры), внедряя многоуровневые системы защиты и мониторинга. Основным вызовом остаётся растущая зависимость от сторонних моделей (их использование выросло до 88 % в 2026 году), где полноценному контролю мешает дефицит прозрачности со стороны вендоров — закрытая архитектура (83 %), скрытые обновления (65 %) и недоступность обучающих данных (55 %).

Восьмой ежегодный опрос IIF и EY, проведённый с марта по июнь 2026 года среди 65 финансовых институтов (включая все опрошенные G-SIB (глобальный системно значимый банк), страховые и платёжные компании), зафиксировал полный переход отрасли от пилотных проектов к промышленной эксплуатации ИИ: 98 % респондентов уже используют ИИ в продакшене. Впервые GenAI обогнал предиктивный ИИ по уровню развёртывания (97 % против 94 %), при этом внедрение GenAI в продакшене у G-SIB достигло 100 %, а агентного ИИ — 77 % (в целом по отрасли продакшен агентного ИИ вырос с 23 % в 2025 году до 70 % в 2026 году благодаря ускоренному обучению на предыдущих итерациях технологий). Финансовые организации придерживаются сбалансированного портфельного подхода: наряду с активным пилотированием GenAI (95 %) и агентного ИИ (92 %), 76 % продолжают пилотировать предиктивный ИИ, 57 % проявляют интерес к открытым моделям (open-source) для снижения издержек и диверсификации, а 49 % — к малым языковым моделям (SLM).

Стратегия ИИ и инвестиции

В период с 2024 по 2026 год инвестиции в ИИ в финансовом секторе демонстрируют устойчивый рост: ни одна из опрошенных организаций не ожидает их сокращения, а 43 % институтов прогнозируют увеличение бюджетов до 25 %. Все североамериканские и европейские компании, а также 100 % G-SIB, страховых и платёжных фирм рассматривают ИИ как неотъемлемый элемент своей долгосрочной стратегии, причём лишь 5 % участников рынка (исключительно банки, не относящиеся к G-SIB) планируют оставить расходы на уровне прошлых лет.

Направление применения технологий строго дифференцировано по их типам: предиктивный ИИ наиболее востребован в сфере риска (66 %), борьбы с мошенничеством (58 %), комплаенса и ПОД/ФТ (55 %), тогда как GenAI и агентный ИИ разворачиваются преимущественно во внутреннем контуре. Из организаций, использующих GenAI в продакшене, 98 % применяют его для работы сотрудников с внутренними знаниями, а 97 % — для автоматизации бизнес-процессов, систем и операций (для агентного ИИ эти показатели составляют 78 % и 85 % соответственно). Подобная стратегия «внутреннего сфокусированного развёртывания» позволяет компаниям повысить производительность и отработать механизмы управления рисками перед выходом на внешнюю аудиторию.

В ближайшие 12 месяцев институты планируют расширять применение GenAI (100 % — в автоматизации процессов, 95 % — в управлении знаниями, а 85 % G-SIB — в клиентских чат-ботах) и агентского ИИ (91 % и 85 % соответственно). При этом наиболее динамичным трендом становятся агентские платежи: несмотря на пока скромные показатели текущего продакшена, 100 % платёжных компаний уже пилотируют эти решения, а 20 % всех финансовых институтов рассчитывают вывести их в промышленную эксплуатацию в течение года.

Выгоды от ИИ

Практически все опрошенные финансовые институты (98 %) сообщили о получении измеримой выгоды от внедрения искусственного интеллекта. Ключевыми преимуществом технологии стали показатели операционной эффективности: повышение производительности и ускорение выполнения задач (94 %), общая экономия времени (68 %) и прямое снижение затрат (63 %). Дополнительно компании отмечают улучшение управления рисками (63 %) и качественный рост клиентского сервиса (58 %).

Наибольший финансовый ROI в настоящий момент приносят предиктивный ИИ (86 %) и GenAI (81 %), отдачу от которых фиксирует подавляющее большинство организаций во всех регионах мира. На этом фоне агентный ИИ пока демонстрирует скромные результаты — измеримый финансовый эффект от него получают 32 % всех фирм (и 38 % среди тех, кто уже вывел его в продакшен). Тем не менее, рынок ожидает радикального перелома: в ближайшие 12 месяцев получить финансовую отдачу от агентного ИИ рассчитывают уже 75 % институтов (в Еврозоне — 94 %).

Параллельно наблюдается взрывной рост реестров и количества сценариев использования (AI inventories) внутри компаний. Доля организаций с более чем 200 сценариями применения GenAI в продакшене выросла с 2 % в 2024 году до 23 % в 2026 году (с явным лидерством Японии — 60 %). Подобная динамика начинает проявляться и в агентном ИИ: число фирм с 50-100 сценариями удвоилось за год, а первые 5 % компаний уже превысили планку в 200 кейсов.

Масштабирование технологий продолжится ускоренными темпами: 73 % финансовых институтов прогнозируют существенный рост реестров ИИ (более чем на 20 %) в ближайшие 12 месяцев за счёт GenAI, агентных систем и малых языковых моделей (SLM). Ни один из респондентов не заявил о намерении заморозить или сократить текущее количество внедряемых ИИ-решений.

Инфраструктура сторонних разработчиков и ключевые барьеры внедрения ИИ

Использование специализированной сторонней инфраструктуры для запуска ИИ в продакшене достигло рекордных 88 % в 2026 году (против 59 % в 2023 году), при этом среди страховых и платёжных компаний, а также в Северной Америке этот показатель составил 100 %. Финансовые институты привлекают внешние платформы преимущественно для решения технических задач на этапе сборки и масштабирования моделей: подготовки данных (93 %), обучения (80 %), контроля (68 %) и документирования (63 %). Тот факт, что третьи стороны становятся неотъемлемой частью цепочки создания стоимости, смещает фокус регуляторов и организаций на вопросы контроля, надзора и валидации внешней инфраструктуры.

Главными барьерами на пути перевода ИИ из пилотных проектов в промышленную эксплуатацию остаются ограничения по качеству и доступности данных, дефицит квалифицированных кадров, а также сложность интеграции с устаревшими системами (58 %). Кроме того, для 50 % организаций критической проблемой стала стоимость реализации: с усложнением моделей растёт расход токенов на один сценарий, что напрямую увеличивает издержки. При внедрении специфических технологий добавляются узконаправленные вызовы: для агентного ИИ наиболее сложными являются управление и интеграция в экосистему, а для моделей с открытым исходным кодом (open-source) — риски кибербезопасности, надёжность и соблюдение конфиденциальности данных.

Эволюция структур и комитетов управления ИИ

Структуры управления ИИ в финансовых институтах перешли к кросс-функциональной модели надзора: доля организаций с распределённой ответственностью между несколькими топ-менеджерами (C-suite) выросла с 9 % в 2025 году до 45 % в 2026 году, в то время как единоличный контроль со стороны директоров по рискам (CRO) и данным (CDO) снизился до 15 % и 5 % соответственно. При этом центральную роль сохраняет исполнительный комитет, главные обязанности которого сосредоточены на утверждении политик и процедур ИИ (84 %), определении допустимого уровня риска (79 %), а также формировании операционной модели и структуры управления рисками (76 %).

Специфика рисков и внедрение механизмов контроля в GenAI и агентном ИИ

Финансовые институты разделяют профили рисков для разных типов ИИ: для GenAI ключевыми опасениями остаются конфиденциальность данных и галлюцинации (по 65 %), тогда как в агентном ИИ на первый план выходят автономность и дрейф модели (60 %), кибербезопасность (52 %) и подотчётность (45 %). Таким образом, риски GenAI сфокусированы на качестве и надёжности результатов, в то время как агентный ИИ требует повышенного внимания к контролю действий и расширенной поверхности атак, из-за чего уровень опасений в сфере кибербезопасности для него на 12 процентных пунктов выше (52 % против 40 %).

Для выявления и исправления подобных проблем компании активно внедряют непрерывный мониторинг и корректирующие средства контроля: доля фирм с действующими механизмами обратной связи выросла с 65 % в 2024 году до 81 % в 2026 году. С учётом ещё 14 % организаций, находящихся на этапе их формирования, в общей сложности 95 % респондентов уделяют пристальное внимание этому компоненту управления. На зрелых финансовых рынках — в Северной Америке и Европе вне еврозоны — формализованные механизмы коррекции систем ИИ уже внедрены во всех без исключения институтах (100 %).

Эволюция методов валидации, риск-менеджмента и управления сторонним ИИ

Все финансовые институты с ИИ в продакшене регулируют его формальными процессами риск-менеджмента, непрерывно обновляя их под агентный ИИ (62 %) и внедряя подход на основе категорий риска (89 %). Главным методом оценки устойчивости систем стал непрерывный мониторинг производительности (94 %), применяемый 100 % компаний в Северной Америке, Японии, а также среди G-SIB и платёжных фирм. Наряду с традиционным тестированием на обучающих и тестовых выборках (55 %) и инструментами объяснимости вроде значений SHAP/LIME (43 %), ключевым трендом стал переход к автоматизированному контролю AI-in-the-loop (рост с 41 % в 2025 году до 81 % в 2026 году), при котором ИИ берет на себя рутинный мониторинг, освобождая экспертов-людей для принятия стратегических решений.

Серьёзной проблемой остаётся управление сторонними решениями, где 88 % институтов используют внешнюю инфраструктуру, но больше половины сталкиваются с нехваткой данных для валидации из-за закрытой архитектуры (83 %), отсутствия видимости обновлений (65 %) и закрытых обучающих сетов (55 %). Это ограничивает всеобъемлющую проверку внешних систем даже у 69 % крупнейших системно значимых банков (G-SIB), несмотря на формальное требование единых стандартов контроля. При работе со встроенным ИИ (embedded AI) 91 % компаний перешли на модель совместной ответственности, при которой поставщик обязан раскрывать функционал, а банк сохраняет право на его блокировку, тогда как при использовании моделей с открытым исходным кодом (open-source) более 50 % фирм применяют рискориентированные структуры валидации.

Многоканальное регулирование и проактивный диалог с надзорными органами

Регулирование ИИ в финансовом секторе носит многоканальный характер: 71 % компаний подпадают под нормативные требования через смежные акты (конфиденциальность, кибербезопасность, защита прав потребителей), 55 % — через отраслевые правила, и 48 % подлежат прямому специализированному регулированию (в еврозоне — 78 % из-за влияния EU AI Act). Приоритеты регуляторов остаются стабильными, где ключевыми универсальными требованиями во всех юрисдикциях выступают объяснимость решений (explainability), а также этика и предотвращение предвзятости (bias). При этом фактор сложности моделей поднялся с 8-го на 5-е место по значимости для надзорных органов, что отражает их растущий фокус на рисках продвинутых нейросетей.

Несмотря на то что регуляторы хорошо освоили концепции управления ИИ (88 %) и облачные вычисления (73 %), финансовые институты отмечают сохраняющийся разрыв в их понимании сквозной цепочки создания стоимости ИИ на всех этапах жизненного цикла моделей. Это подталкивает бизнес к проактивному сотрудничеству: 68 % компаний в 2026 году уже взаимодействуют с финансовыми регуляторами, а доля контактов с нефинансовыми надзорными органами выросла с 3 % до 14 %. При этом доля организаций, полностью отказывающихся от диалога с регуляторами, снизилась до 10 %, подтверждая, что внешнее нормативно-правовое согласование стало обязательным элементом корпоративного управления ИИ.