ИИ-агенты начинают напрямую участвовать в предоставлении финансовых рекомендаций клиентам. Крупные банки переходят от внутренних инструментов к системам, которые помогают в реальных взаимодействиях с пользователями.
Bank of America запустила внутреннюю платформу на базе ИИ для ограниченного круга финансовых советников — около 1000 специалистов, сообщает Banking Dive. Это один из первых ярких случаев, когда ИИ применяется в ключевых банковских функциях, а не только в тыловых операциях или тестовых проектах. Такой шаг отражает общую тенденцию в отрасли: ИИ эволюционирует от простого помощника к инструментам, поддерживающим решения в реальном времени.
Платформа построена на Salesforce’s Agentforce, которая позволяет создавать ИИ-агентов для выполнения задач. Она помогает советникам отвечать на вопросы клиентов, разрабатывать предложения и организовывать повседневные процессы. По данным Banking Dive, это часть стратегии ведущих банков по проверке совместной работы ИИ с людьми вместо автономных решений.
Bank of America активно расширяет применение ИИ во всех подразделениях. Виртуальный ассистент Erica выполняет объём работы, эквивалентный усилиям 11 000 сотрудников, а все 18 000 разработчиков банка используют ИИ-инструменты для кодирования, что повысило их производительность примерно на 20%, указывает Banking Dive. Эти показатели демонстрируют, насколько глубоко ИИ интегрирован в разные аспекты деятельности банка.
ИИ-агенты приближаются к принятию финансовых решений
Подход отличается от предыдущих внедрений ИИ в банках, где акцент был на чат-ботах или инструментах для внутренней эффективности. Тогда ИИ решал простые запросы или рутинные операции. Новые системы справляются с более сложными задачами, включая анализ данных клиентов и предложения дальнейших действий.
Это приближает ИИ к центру финансового процесса принятия решений. Вместо роли вспомогательного слоя технология теперь вплетена прямо в консультации.
Другие крупные банки идут похожим путём. Тот же отчёт Banking Dive упоминает, что JPMorgan, Wells Fargo и Goldman Sachs пробуют ИИ-инструменты для повышения продуктивности сотрудников, работающих с клиентами, хотя подходы различаются и не всегда ориентированы на специализированные агенты для советников. Общая цель — наращивать результаты без пропорционального роста персонала.
Предварительные результаты показывают рост эффективности, хотя и с вариациями. Банки отмечают ускорение доступа к данным и подготовки к встречам, опираясь на отраслевые отчёты и отзывы от первых внедрений, цитируемые Banking Dive. При этом сохраняются вопросы к точности и контролю, особенно при предложениях финансовых шагов.
В финансовом секторе формируется общая картина: учреждения вкладывают в ИИ осторожно, ограничивая тесты конкретными командами или сценариями. Цель — оценить поведение технологий в боевых условиях перед масштабированием.
Некоторые эксперты осторожны насчёт скорости перемен в банках. Аналитик Wells Fargo Майк Мэйо отметил, что свежие разработки пока не привели к прорывным продуктам, назвав текущий этап «немного скучным с точки зрения продуктов», по данным Banking Dive.
Человеческий контроль остаётся ключевым
Запуск в Bank of America выделяется своим размахом и позиционированием. Финансовые советники — сердце отношений банка с клиентами, особенно в управлении активами. Внедрение ИИ здесь говорит о растущем доверии к технологии и готовности позволить ей влиять на формирование и передачу советов.
Однако система не вытесняет советников. Она предназначена для совместной работы. Человеческий надзор критически важен при сложных решениях или с крупными клиентами. Руководители отрасли признают: ИИ вряд ли полностью заменит экспертов в запутанных финансовых процессах, где нужны контекст и суждения.
Гибридная модель набирает популярность в секторе. Банки сочетают человеческий анализ с выводами машин, а не исключают людей. Некоторые компании уже воспринимают ИИ как часть команды, где сотрудники ежедневно взаимодействуют с этими системами.
Прогресс сопровождается ограничениями и компромиссами
Есть и реальные препятствия. ИИ требует качественных структурированных данных, что сложно в больших структурах с устаревшими системами. Интеграция с текущими инструментами занимает время, а персоналу нужно обучение.
Регуляторные требования усложняют задачу. Банки обязаны гарантировать соответствие рекомендаций нормам и уметь их обосновывать перед контролёрами. Это ограничивает независимость ИИ, особенно в кредитовании или инвестициях.
Несмотря на барьеры, банки переходят от экспериментов к рабочему использованию, пусть и неравномерно. Оценки предполагают, что до трети банковских задач или их частей со временем возьмёт на себя ИИ, но сроки неясны.
Внедрение ИИ-агентов в консультации меняет саму профессию. Если анализ уйдёт машинам, советники смогут больше фокусироваться на общении с клиентами и меньше — на подготовке. Со временем это повлияет на необходимые навыки.
Зависимость от ИИ несёт риски. Ошибки в данных или моделях скажутся на советах, а чрезмерное доверие автоматике ослабит человеческий анализ. Эти проблемы изучают по мере роста внедрений.
Особенность нынешнего этапа — не только техника, но и её применение. Переход ИИ на передовую предполагает, что банки видят в нём инструмент для формирования результатов, а не только для внутренней оптимизации.
Опыт Bank of America иллюстрирует этот переход. Крупный банк проверяет пределы интеграции ИИ в рутину, сохраняя человеческий контроль.
По мере того как банки повторяют этот путь, акценты сместятся с вопроса «нужно ли ИИ» на «как его эффективно управлять в основных операциях».