Опыт Goldman Sachs с моделями Claude, которые применялись внутри компании для создания программного обеспечения, помог решить расширить использование ИИ на другие направления деятельности. Разработчики задействуют специальную версию Claude в связке с агентом Devin от Cognition, чтобы облегчить написание кода. Люди формулируют требования и устанавливают регуляторные ограничения, агент генерирует код, а затем специалисты проверяют результат. Кроме того, агент запускает тесты кода и процедуры проверки. Такой подход меняет повседневные процессы разработчиков: агенты действуют строго по заданным правилам. В итоге растет эффективность команды и ускоряется завершение задач.
В сферах учета торговых операций и подключения новых клиентов сотрудники Goldman Sachs вместе с представителями Anthropic анализировали текущие процессы с участием экспертов по предметной области, чтобы выявить проблемные узкие места. Разработанные агенты просматривают документы, выделяют ключевые сущности, определяют необходимость дополнительных материалов, изучают структуры собственности и могут инициировать дополнительные проверки на соответствие нормам. Такие операции обычно связаны с большим объемом бумаг и требуют личного суждения. Автоматизируя выделение данных и первичную оценку, агенты сокращают время, которое аналитики тратят на сопоставления.
Индрантил Бандиопадхьяд, ведущий аналитик Forrester, объясняет, что сверка в учете торгов требует сравнения разрозненных данных из внутренних регистров, подтверждений от контрагентов и анализа выписок по счетам. Обычный процесс зависит от точного извлечения и сопоставления цифр и текста с существующими документами. Способность Claude работать с большими контекстными окнами и четко следовать инструкциям делает ее идеальной для подобных задач. Подключение клиентов включает разбор паспортов и документов о регистрации компаний плюс перекрестную проверку всех источников — здесь ИИ помогает структурировать данные и отмечать несоответствия, что снижает общую нагрузку.
Бандиопадхьяд подчеркивает: платформы учета и контроля соответствия остаются основными системами хранения данных. Claude интегрируется в слой рабочих процессов, беря на себя извлечение и сравнение, чтобы аналитики фокусировались на исключительных случаях. По его мнению, в строго регулируемых отраслях вроде банковского дела ценность именно в таком разделении обязанностей между человеком и машиной.
Джонатан Пелоси, руководитель финансового направления в Anthropic, отмечает, что Claude обучена выявлять неопределенности и указывать источники информации, формируя полную цепочку аудита — это минимизирует галлюцинации. Бандиопадхьяд тоже акцентирует внимание на необходимости контроля со стороны человека и валидации, советуя строить системы так, чтобы ошибки ловилась на ранних этапах.
Марко Аргенти из Goldman Sachs не согласен с мнением, будто ИИ проще обмануть, чем людей: социальная инженерия эксплуатирует человеческие слабости, а ИИ способна на масштабе замечать тонкие аномалии. Он настаивает на сочетании человеческого анализа с автоматизированной проверкой в командах. Это позволяет наращивать мощности без пропорционального роста штата, несмотря на известные проблемы внедрения ИИ.
ИИ в банковских операциях
В банковской сфере генеративный ИИ ускоряет обработку документов, сокращает время на исключительные случаи и повышает пропускную способность в процессах с большим объемом задач. Однако для компенсации ошибок ИИ сохраняется контроль со стороны человека и зависимость от проверенных систем хранения данных.