Крупные финансовые организации годами опробовали искусственный интеллект в небольших проектах, таких как анализ данных или инструменты для поддержки клиентов. Сейчас наступает этап более практических решений: систем, способных самостоятельно действовать в бизнес-процессах. Канадская страховая компания Manulife продвигается в этом направлении, внедряя системы на базе ИИ-агентов в свои внутренние операции.
Для этого Manulife создает платформу выполнения задач, ориентированную на агентный ИИ — тип систем, которые могут работать с различными программными инструментами и наборами данных. По словам компании, это часть общей стратегии по автоматизации рутинных операций с большим объемом и поддержке принятия решений внутри бизнеса.
В официальном заявлении Manulife отметила, что проекты по ИИ принесут более 1 млрд долларов США ценности к 2027 году за счет роста производительности и автоматизации процессов. Компания уже несколько лет вкладывается в ИИ, но теперь акцент на глубокой интеграции технологии в повседневную работу. Manulife расширяет использование генеративных ИИ-инструментов внутри компании: сейчас в эксплуатации более 35 сценариев применения, а в ближайшие годы их число вырастет примерно до 70. Кроме того, около 75% сотрудников по всему миру уже применяют генеративный ИИ в той или иной форме, как указано в отчетах компании.
ИИ выходит на уровень операций
Страховые компании ежедневно обрабатывают огромные объемы структурированных данных: сведения о полисах, записи о претензиях, оценки рисков при андеррайтинге и финансовые отчеты. Эти данные проходят через множество систем и отделов перед принятием решений. Такие условия идеальны для автоматизации задач вроде проверки документов и подготовки внутренних отчетов. Новая платформа Manulife позволит командам запускать ИИ-агентов, которые взаимодействуют с внутренними системами и данными. В отличие от чат-ботов, отвечающих на один запрос, эти агенты выполняют цепочки задач в разных инструментах и процессах.
Например, ИИ-агент может собрать информацию из нескольких внутренних систем и подготовить обзоры для сотрудников, проверяющих дела или составляющих отчеты. Основная цель — сократить время, которое персонал тратит на поиск данных перед принятием решений.
За последние два года многие компании тестировали генеративный ИИ для написания текстов, программирования или суммирования документов. Эксперты считают, что следующий шаг — превращение этих возможностей в системы, поддерживающие операционную работу в больших организациях.
Согласно отчету McKinsey Global AI Survey 2024, около 65% организаций уже применяют генеративный ИИ хотя бы в одной бизнес-функции — это рост с трети годом ранее. Однако исследование подчеркивает: лишь малая часть внедрений вышла на полную производственную стадию в значимых частях бизнеса, большинство остается на уровне пилотов или отдельных команд.
ИИ в строго регулируемых финансовых системах
Финансовые учреждения сталкиваются с дополнительными сложностями при выводе ИИ на производство. Сектор под жестким надзором регуляторов, требующих строгого контроля за использованием данных и прозрачностью решений. Системы для андеррайтинга, анализа рисков или инвестиций должны быть поддающимися аудиту и объяснимыми. Поэтому управление и мониторинг — ключевые элементы любого развертывания ИИ. Исследование Deloitte по ИИ в финансовых услугах показывает, что банки и страховщики наращивают вложения в инструменты надзора за моделями, внутренние политики по ИИ и процедуры оценки рисков по мере расширения автоматизации. Организации стремятся совместить выгоды от эффективности с требованиями к ответственности и справедливости.
Платформа Manulife оснащена механизмами управления и безопасности, регулирующими взаимодействие ИИ-агентов с внутренними системами. Эти инструменты отслеживают процесс формирования решений, использование данных и соответствие корпоративным правилам. Такие меры особенно важны в страховании, где автоматизированные системы задействованы в обработке претензий и отчетности для регуляторов.
Преимущества ИИ-агентов
ИИ-агенты привлекательны тем, что минимизируют ручной труд в масштабных административных процессах. Обработка претензий, управление полисами, внутренние отчеты и поддержка клиентов включают повторяющиеся операции по сбору данных из разных источников. Системы ИИ, способные собирать и упорядочивать информацию, позволяют сотрудникам сосредоточиться на других задачах.
Другие финансовые компании пробуют похожие методы. Банки в США и Европе тестируют ИИ-агентов для выявления мошенничества и внутренних исследований. Часто цель — помощь персоналу в трудоемком анализе или сборе данных.
Отчет Accenture Banking Technology Vision предполагает, что автоматизация на базе ИИ способна снизить операционные расходы финансовых учреждений до 30% в долгосрочной перспективе, в зависимости от процессов. Большая часть выгоды — от ускорения рутины и повышения точности работы с данными. Переход от пилотов к операционным системам несет риски: модели ИИ могут ошибаться, а автоматизированные процессы усиливать неточности без надзора. Поэтому многие финансовые компании выбирают поэтапное внедрение, начиная с внутренних инструментов перед выходом на клиентские.
Планы Manulife по развертыванию агентного ИИ демонстрируют, как крупные предприятия переходят к следующему этапу adopции ИИ в бизнесе. Главный вопрос — смогут ли эти системы обеспечивать надежность при соблюдении регуляторных норм. Если да, ИИ-агенты станут обыденностью в финансовых операциях, беря на себя рутину, которая раньше требовала больших команд сотрудников.
Компании уходят от начальных экспериментов, сосредоточившись на интеграции технологий в повседневные системы крупных организаций.