Довірити фінанси штучному інтелекту. Банки впроваджують ШІ в обслуговування клієнтів. CIO Sense Bank Олександр Драгін - про переваги та ризики автоматизації

23 вересня 2025 р. 13:50

23 вересня 2025 р. 13:50

Купуйте річну передплату на шість журналів Forbes Ukraine за ціною чотирьох номерів. Якщо ви цінуєте якість, глибину та силу реального досвіду, ця передплата саме для вас.

Ще десять років тому українські банки тестували автоматизацію, базуючись на простих if-then правилах. Сьогодні ж штучний інтелект формує нову архітектуру банківської системи — цифрові помічники та генеративні моделі змінюють способи обслуговування клієнтів і прийняття рішень.

Разом із перспективами зростають ризики. Банки мають балансувати між амбітним впровадженням інновацій і виваженою відповідальністю. ШІ залишається стратегічним викликом для галузі.

Від автоматизації до Enterprise AI

Банківський сектор традиційно використовував інтелектуальну автоматизацію (IA) для спрощення KYC , AML , кредитного скорингу. Нині відбувається перехід до Enterprise AI, це поєднання машинного навчання, генеративних моделей, API та оркестрації процесів. Це не допоміжні сервіси, а ядро нової операційної моделі банку, яке забезпечує гнучкість, масштабованість і швидкість впровадження інновацій.

Така інтеграція дозволяє трансформувати всю логіку клієнтського обслуговування: від персоналізованих інвестиційних рекомендацій до динамічного управління ризиками та автономної обробки документів, за даними SS&C Blue Prism.

Очевидні переваги

Впровадження ШІ дозволяє банкам скоротити витрати через автоматизацію рутинних завдань і залучати людські ресурси на стратегічні напрями. ШІ-моделі також мінімізують помилки людей в аналізі даних та рішеннях щодо кредитування.

Технологія покращує сервіс та клієнтський досвід: цілодобові чат-боти, інтелектуальні рекомендації, безшовне омніканальне обслуговування. В управлінні ризиками ШІ теж допомагає. Застосовувати його можна від fraud-аналізу до оцінки платоспроможності клієнта в реальному часі.

ШІ також підсилює комплаєнс — системи із високою точністю забезпечують моніторинг і аудит дій відповідно до нормативів.

Не все так просто: ризики та виклики

Нові можливості супроводжуються новими ризиками.

Black-box ефект — більшість ШІ-моделей (особливо LLM) погано пояснюють, як дійшли конкретного висновку. Data bias означає, що упередження з навчальних даних моделі відтворюються й масштабуються.

Галюцинації бувають не лише у людей, а й у генеративних моделей, що є неприпустимим коли йдеться про високорегульоване середовище банкінгу. Технічна концентрація створює загрозу — більшість банківських ШІ-рішень базуються на обмеженій кількості провайдерів, утворюючи системні точки відмови.

Зростання складності моделей означає більше векторів атак на дані й алгоритми, посилюючи кіберзагрози .

Окреме занепокоєння — «модельне стадне мислення», коли використання однакових моделей різними гравцями підвищує ризик синхронних помилок і волатильності ринку.

Тренди до 2027 року

Чотири ключові вектори розвитку ШІ в банкінгу, згідно з аналітикою IIF , Forrester , Bank of England .

Людиноцентричний ШІ. Коли ШІ не витісняє, а доповнює працівника. Нові ролі у банках передбачатимуть партнерство з алгоритмами, а не контроль над ними.

Агентні моделі. Autonomous AI agents поступово візьмуть на себе частину операційних рішень. Але ключове – збереження моделі HITL на критичних етапах.

Суворе AI-врядування. Фреймворки на кшталт Enterprise Operating Model (EOM) стануть обов’язковими для контролю, етичного застосування, регуляторної звітності.

Конекторність і екосистемність. ШІ повинен бути інтегрованим у цифрову екосистему банку через API, orchestration та загальну платформенну стратегію.

Потрібна стратегія, а не сліпе впровадження

Використання штучного інтелекту в банкінгу швидко стає необхідністю. Не постає питання «чи впроваджувати ШІ», а як це зробити відповідально та етично.

Є випадки, коли технології впроваджуються «заради галочки», без урахування специфіки бізнес-моделі, культури організації чи етичного контексту. Це створює ризики для репутації, операційні та регуляторні загрози.

Стратегія відповідального ШІ має бути інтегрованою частиною цифрової трансформації банку, не лише технічним проєктом, а системним підходом. Це охоплює чотири ключові компоненти:

Ризик-менеджмент by design. ШІ-моделі мають бути розроблені з урахуванням ризиків, а не для «гасіння пожеж». Це включає контроль за якістю та походженням даних для тренування моделей, аудит і валідацію результатів, системи моніторингу «галюцинацій», обов’язковий механізм втручання людини на критичних етапах (HILT).

Етичні принципи в коді, не лише на слайдах. Недостатньо декларувати етичність у публічних стратегіях. Етичні норми мають бути зашиті безпосередньо в архітектуру продуктів, у логіку моделей, правила модерації вхідних даних і видачі рішень.

Йдеться не лише про недопущення дискримінаційних рішень, а й про глибший рівень: про прозорість алгоритмів, відповідальність за наслідки та здатність пояснити кожне автоматизоване рішення.

Інклюзивна автоматизація. Автоматизація не повинна стати інструментом витіснення людей. Навпаки вона має посилювати їхню ефективність, дозволяти фокусуватись на задачах із доданою вартістю. Це означає: переосмислення ролей і компетенцій усередині банку, інвестування в навчання та адаптацію персоналу до нових реалій, створення умов для партнерства між людиною та ШІ, а не конкуренції.

Прозорість моделей і процесів. Чим складніший алгоритм, тим більше до нього запитань. Тому банки мають бути здатні пояснити клієнту, чому його заявку схвалено або відхилено, надати аудитору логіку рішення, відстежити джерела даних та коректність їх обробки, прозоро звітувати перед регулятором про використання алгоритмічних систем. Без цього ми ризикуємо втратити головне – довіру.

У банківського сектору попереду ще багато рішень щодо використання ШІ – як технологічних, так і філософських. По-справжньому важливим є фокус не на тому, які алгоритми ми обираємо, а яке майбутнє програмуємо разом з ними.

[email protected]

Економіка