Эффективный интеллект
Несмотря на инвестиции в ИИ, большинство банков не получают от него стратегической отдачи. Причина – в точечном применении технологии, говорят аналитики. Но при комплексной ИИ-трансформации сектор может заработать к прибыли почти 2 трлн руб. через пять лет
Внедрение генеративного искусственного интеллекта (ИИ) в банках может принести российскому банковскому сектору до 1,9 трлн руб. прибыли на горизонте 2–5 лет, оценили аналитики компании «Рексофт» (итоги исследования есть у «Ведомостей»). Максимальный эффект возможен при комплексной ИИ-трансформации банковского бизнеса, говорится в их исследовании о применении генеративного ИИ в банкинге. При точечном внедрении ИИ-решений в отдельные операции и функции потенциальный эффект «Рексофт» оценивает в 385 млрд руб.
Преграды для развития
Экономический эффект от внедрения ИИ может сильно варьироваться в зависимости от выбранных процессов и направлений, а также значительно различаться при точечном внедрении и комплексной трансформации всего бизнеса, говорится в исследовании. Из-за ряда барьеров банки часто предпочитают внедрять ИИ-инструменты для решения отдельных задач в неосновных процессах: например, ИИ-ассистенты для клиентской поддержки, для IT-подразделений и др., отмечается в документе. В итоге отсутствие единой платформы для различных решений на базе ИИ приводит к росту затрат на внедрение и поддержку, увеличению сроков масштабирования, дублированию функционала и, как следствие, недостижению плановых эффектов.
Проблема не в самой технологии, а в неготовности организаций к изменениям, считают аналитики «Рексофта»: около 70% инициатив терпят неудачи из-за трудностей, связанных с процессами и людьми, 20% вызваны несовершенством технологий и только 10% – багами в самих ИИ-алгоритмах, говорится в документе.
Основными препятствиями для полноценной ИИ-трансформации банков являются необходимость адаптации под решения на базе этой технологии, отсутствие связи с целями бизнеса и недостаточная поддержка руководства. Также барьерами становятся отсутствие настроенных процессов управления изменениями в целом и ИИ – в частности, трудности при обосновании кросс-функциональных проектов из-за отнесения затрат к разным подразделениям.
Сопротивление сотрудников и отсутствие у них мотивации к внедрению новых технологий, недостаточный уровень цифровой грамотности также становятся преградой на пути необходимых изменений. Нехватка технических компетенций у IТ-команды и недостаток квалифицированных ИИ-инженеров на рынке тоже выделены в исследовании как барьеры для комплексного применения новой технологии.