Отзвук ИИ в сфере финансов

Source details

Canonical URL

Отзвук ИИ в сфере финансов

Other formats

• Markdown version
• Structured JSON version
• Bundle manifest

Bibliographic details

• Authors: Jeff Kearns
• Published: December 5, 2023

Ключевые факты и цифры

• JPMorgan Chase & Co. разместила 3 600 объявлений о вакансиях, связанных с ИИ (по данным июня 2023 года).
• Прогноз International Data Corp.: продажи программного обеспечения, технических средств и услуг для систем ИИ в текущем году возрастут на 29 percent до 166 млрд долларов и в 2027 году превысят 400 млрд долларов.
• В 2027 году расходы финансового сектора ожидаются на уровне 97 млрд долларов при совокупных годовых темпах роста на уровне 29 percent.
• JPMorgan расходует на технологии более 15 млрд долларов в год и задействует в этой сфере почти пятую часть из приблизительно 300 000 сотрудников; в группе исследований в области ИИ занято 200 сотрудников.
• Amundi SA управляет 2 трлн евро (2,1 трлн долларов) и обслуживает более 100 млн клиентов.
• Hedge-фонды с активами общей стоимостью 250 млрд долларов: почти половина профессионально используют ChatGPT; более двух третей — для написания маркетинговых текстов и обобщения отчетов и документов.
• Государственный фондовый рынок под надзором SEC имеет объем 46 трлн долларов (по заявлению председателя Комиссии по ценным бумагам и биржам США Гэри Генслера).

Применения ИИ в финансовом секторе

• Поддержка клиентского сервиса и маркетинга: автоматизированное написание маркетинговых текстов, обобщение отчетов и документов (широкое применение ChatGPT среди хедж-фондов).
• Персонализация и адаптация портфелей: Amundi использует ИИ для адаптации портфелей части из более чем 100 млн клиентов с учетом их предпочтений в отношении риска и оценки настроений в режиме реального времени.
• Исследования и торговые стратегии: инвестиционные компании и хедж-фонды внедряют генеративный ИИ и создают собственную инфраструктуру ИИ для исследования макроэкономики и рынков.
• Операционные применения: ИИ используется для поиска клиентов, управления риском, предотвращения мошенничества, систем обработки платежей и движения денежных средств.
• Рекрутинг и кадровая конкуренция: глобальный спрос на специалистов по ИИ; три из 10 ведущих городов в индексе кадровых ресурсов Evident находятся в Индии.

Центральные банки и надзор

• Применения в надзоре: прототип робота Центрального банка Бразилии для загрузки и классификации жалоб потребителей с помощью машинного обучения.
• Внешняя поддержка внедрения: Резервный банк Индии нанял McKinsey и Accenture для помощи во внедрении ИИ и аналитики в надзорной деятельности.
• Международные стандарты и оценки рисков: Базельский комитет по банковскому надзору считает, что ИИ может повысить эффективность кредитования и противодействия отмыванию денег, но отмечает риски: непрозрачность моделей, потенциальные смещения и повышение киберрисков.
• Исследования BIS: проект «Аврора» показал, что нейросети могут помогать обнаруживать отмывание денег путем распознавания особенностей и аномалий операций.
• Практические инструменты: Банк Канады создал инструмент машинного обучения для обнаружения аномалий в нормативных документах; ежедневное автоматизированное применение помогает выявлять то, что люди могли бы пропустить и высвободить персонал для анализа.
• ЕЦБ: автоматизация классификации данных, извлечение данных с веб-сайтов для отслеживания в режиме реального времени цен на финансовые продукты; помощь органам надзора в поиске и разборе новостей, отчетов и документов; изучение больших языковых моделей для содействия программированию, тестированию программного обеспечения и упрощению публичных информационных сообщений.
• Этап развития: «Пока мы еще не сформировали четкое представление о том, что является целесообразным для центральных банков», — Мириам Муфаккир (ЕЦБ).

Риски для финансовой стабильности

• Системные риски и стадное поведение: ИИ может усилить финансовую уязвимость, способствуя стадному поведению, когда субъекты принимают схожие решения вследствие получения одинакового сигнала из базисной модели или агрегатора данных (предупреждение Гэри Генслера).
• Непрозрачность и смещения: непрозрачные модели усложняют понимание результатов и могут создавать смещения в решениях.
• Киберриски и мошенничество: расширенное использование ИИ может подстегнуть кражи, мошенничество и киберпреступления.
• Ограничения в нестандартных ситуациях: ИИ обучается на прошлых данных и может ошибаться в беспрецедентных или сложных «поликризисных» ситуациях, усиливая циклы негативной обратной связи (опасения Ансельма Кюстерса и концепция «поликризиса»).
• Риск чрезмерного доверия: технологии могут преподносить сюрпризы, когда им начинают доверять все больше и больше; человек пока сохраняет преимущество в неожиданных ситуациях, требующих интерпретации, понимания и проверки.

Выводы и перспективы

• Двойственная природа ИИ: технология предлагает значительные выгоды (эффективность, расширение доступа, улучшение надзора и персонализации), но одновременно порождает новые и потенциально системные риски.
• Необходимость нового подхода к политике: риски для финансовой стабильности требуют «нового подхода к общесистемным и макропруденциальным мерам политики» (Гэри Генслер).
• Важность человеческого участия: эксперты подчеркивают, что ИИ не может заменить человеческое суждение; интерпретация и проверка алгоритмических результатов остаются критическими.
• Период внедрения и оценок: центральные банки и надзорные органы находятся «в начале пути» и будут наращивать опыт по мере того, как выгоды и угрозы станут более очевидными.

Источник: Отзвук ИИ в сфере финансов — ФИНАНСЫ И РАЗВИТИЕ, ДЖЕФФ КЕРНС, Декабрь 2023 года.

Content in this bundle

• glossaryr
  • glossaryr (Markdown version)
  • glossaryr (PDF)