Руководители финансового сектора завершили эксперименты с генеративным ИИ. Теперь в 2026 году главное — внедрение в повседневные операции.
Раньше акцент делался на создании контента и ускорении отдельных задач. Сегодня задача — масштабировать эти возможности. Нужно строить системы, где ИИ-агенты не просто подсказывают людям, а самостоятельно ведут процессы под жестким контролем.
Такой сдвиг несет архитектурные и организационные трудности. Приходится переходить от отдельных инструментов к комплексным платформам, которые одновременно обрабатывают данные, логику решений и этапы выполнения.
Финансовые компании строят рабочие цепочки с агентным ИИ
Главшее препятствие для роста ИИ в финансах — не нехватка моделей или идей, а согласованность действий. Сотрудники маркетинга и клиентского сервиса часто не могут быстро воплотить решения из-за старых систем, проверок на соответствие нормам и разрозненных данных.
Saachin Bhatt, сооснователь и операционный директор Brdge, подчеркивает разницу: «Ассистент ускоряет написание текстов. Копилот помогает командам работать быстрее. Агенты сами запускают процессы».
Архитекторам предприятий стоит создавать то, что Bhatt называет «Двигателем моментов». Эта модель работает в пять этапов:
- Сигналы: захват реальных событий в пути клиента.
- Решения: выбор подходящего алгоритмического ответа.
- Сообщение: формирование текста в рамках бренда.
- Маршрутизация: автоматическая сортировка с проверкой на нужду в участии человека.
- Действие и обучение: запуск с обратной связью.
У большинства компаний есть отдельные части такой схемы, но без связи они не работают как единое целое. Задача — убрать задержки в общении с клиентами. Для этого строят конвейеры, где данные плавно проходят от фиксации сигнала до исполнения, с учетом безопасности и минимальными потерями времени.
Контроль как часть инфраструктуры
В банках и страховых компаниях ускорение не должно вредить надежности. Доверие — ключевой ресурс бизнеса. Поэтому правила контроля нужно закладывать в саму технологию, а не превращать в бумажную волокиту.
Для ИИ в финансовых решениях обязательны встроенные «ограничители», жестко прописанные в коде. Они позволяют агентам действовать самостоятельно, но только в заданных пределах риска.
Farhad Divecha, генеральный директор Accuracast, считает, что оптимизация креативов должна превращаться в бесконечный цикл, где данные определяют баланс.
Архитектура данных для самоконтроля
Частая ошибка в системах персонализации — переизбыток контактов. Техника отправки сообщений есть, а вот логика паузы часто отсутствует. Хорошая персонализация предугадывает: знать, когда промолчать, так же важно, как и когда заговорить.
Jonathan Bowyer отмечает сдвиг в персонализации к предвидению. «Клиенты теперь ждут, что бренды поймут, когда не стоит им писать, а не только когда писать».
Для этого нужна архитектура данных, которая в реальном времени сверяет контекст клиента по всем каналам — от отделений и приложений до колл-центров. Если клиент в беде, алгоритм маркетинга с предложением кредита только подорвет доверие. Система должна ловить негативные сигналы и блокировать обычные акции.
«То, что разрушает доверие, — когда в одном канале отвечаешь на вопросы, а в другом приходится повторять все заново», — говорит Bowyer. Решение — объединить хранилища данных, чтобы «память» банка была доступна всем агентам, цифровым или живым, прямо в момент общения.
Генеративный поиск и SEO набирают обороты
С ИИ меняется, как люди находят финансовые продукты. Классическая оптимизация для поисковиков вела трафик на сайты компаний. Теперь ответы от ИИ появляются вне сайта — в интерфейсах больших языковых моделей или поисковиках на ИИ.
«Цифровой PR и внешняя SEO снова в центре внимания, ведь генеративные ответы ИИ тянут данные не только с корпоративных сайтов», — говорит Divecha.
Для главных ИТ- и данных-офицеров это значит менять подход к структуре и публикации информации. Техническая SEO должна гарантировать, что данные для моделей точны и соответствуют нормам.
Компании, которые смело распространяют качественную информацию по экосистеме, расширяют охват без потери контроля. Это направление, известное как «оптимизация для генеративных движков» (GEO), требует стратегии, чтобы ИИ-агенты третьих сторон правильно рекомендовали и ссылались на бренд.
Структурированная гибкость
Многие думают, что гибкость — это отсутствие порядка. В регулируемых отраслях все наоборот.
Гибкие методы требуют жестких рамок для безопасности. Ingrid Sierra, директор по бренду и маркетингу в Zego, разъясняет: «Люди путают гибкость с хаосом. Назвать процесс «гибким» не значит, что можно импровизировать без структуры».
Для ИТ-лидеров это означает автоматизировать рутинные задачи, чтобы освободить место для тестов. Создавать защищенные песочницы, где команды пробуют новые ИИ-агентов или модели данных без угрозы для основной системы.
Гибкость начинается с подхода: нужны сотрудники, готовые к пробам. Но пробы должны быть осмысленными. С первых шагов — совместная работа технарей, маркетологов и юристов.
Подход «соответствие по умолчанию» ускоряет доработки, потому что границы безопасности задают до написания кода.
Что ждет ИИ в финансах дальше?
Впереди — прямое общение ИИ-агентов от имени клиентов и банков.
Melanie Lazarus, директор по вовлечению экосистемы в Open Banking, предостерегает: «Мы входим в эпоху, где ИИ-агенты общаются друг с другом, и это меняет основы согласия, проверки подлинности и авторизации».
ИТ-лидерам пора проектировать защиты для такого мира. Новые протоколы для верификации личности и безопасности API, чтобы автоматический советник клиента надежно взаимодействовал с инфраструктурой банка.
Задача на 2026 год — превратить ИИ в фактор роста прибыли. Фокус на инфраструктуре, а не шумихе. Лидеры должны сосредоточиться на:
- Объединении потоков данных: чтобы сигналы со всех каналов поступали в центральный движок решений для действий с учетом контекста.
- Жестком закреплении контроля: встроить правила соответствия в цепочки ИИ для безопасной автоматизации.
- Оркестровке агентов: уйти от чат-ботов к агентам, ведущим процессы от начала до конца.
- Оптимизации для генерации: структурировать публичные данные, чтобы их читали и ставили выше внешние ИИ-поисковики.
Успех придет тем, кто сочетает автоматизацию ИИ с человеческим контролем. Победят компании, где ИИ усиливает суждения, особенно нужные в финансах.