Финансовый сектор традиционно является одним из лидеров в внедрении технологических инноваций. Две новости — от Совкомбанка и Сбера — демонстрируют два ключевых вектора развития искусственного интеллекта в этой сфере: практико-ориентированный (рыночный) и научно-исследовательский (фундаментальный).

Эволюция рынка: от автоматизации к «невидимому» ИИ

Выступление Арсения Автухова из Совкомбанка на форуме «Эксперт РА» рисует картину зреющего, но сдержанного рынка.

• Рынок робоэдвайзинга показал феноменальный рост (с $370 млрд до $1,3 трлн за два года), что подтверждает доверие инвесторов к алгоритмическим стратегиям. Однако отсутствие консенсуса в определении «ИИ-фонда» и регуляторные ограничения тормозят появление полностью автономных структур.
• Ключевой тезис новости — ИИ уже глубоко проник в отрасль, но остается незаметным для внешнего наблюдателя. Машинное обучение для прогнозирования рисков, применяемое более 15 лет, стало стандартом де-факто. Это означает, что гонка вооружений сегодня идет не в плоскости громких заявлений о «полной замене трейдера роботом», а в качестве бэк-офисных технологических платформ (по аналогии с Aladdin).
• Рынок движется к гибридной модели, где ИИ выступает в роли «ассистента» или „вычислительного ядра“, обрабатывающего колоссальные объемы данных для поддержки принятия решений человеком.

Робоэдвайзинг — это цифровой финансовый сервис, который автоматизирует процесс управления инвестициями: специальные алгоритмы на основе анкетирования клиента определяют его инвестиционный профиль (цели, сумму, риск-профиль), а затем самостоятельно формируют и корректируют портфель ценных бумаг, практически без участия живого финансового консультанта, что делает инвестиции доступными для массового частного инвестора.

Научный подход: создание эталонов качества

В то время как бизнес говорит о внедрении, наука, представленная Центром практического ИИ Сбера, занимается верификацией этого внедрения. Разработка бенчмарка HoTPP и метрики T-mAP — это шаг к индустриальной стандартизации.

• Исследование Сбера выявило парадоксальную вещь: сложные нейросети не всегда точнее простой статистики в долгосрочных прогнозах. Это отрезвляющий сигнал для рынка: «шумиха» вокруг ИИ не гарантирует его практической полезности. Бизнес, который внедряет „черные ящики“ без должной валидации, рискует получить красивое, но бесполезное решение.
• Введение метрики T-mAP, оценивающей одновременно тип и время события, смещает фокус индустрии с точечных предсказаний (что будет дальше?) на управление сценариями (что и когда произойдет?). Для финансов это означает переход от предсказания цен к управлению ликвидностью и рисками во времени.
• Сбер фактически предлагает рынку «систему координат». Банки и финтех-компании теперь смогут объективно сравнивать свои ИИ-модели с конкурентами или мировыми стандартами, используя открытую платформу.

Точки сопряжения

Несмотря на разницу в контексте, две новости глубоко взаимосвязаны и рисуют единую картину будущего финансов:

1. Совкомбанк указывает на вынужденный переход активных управляющих в поиск новых преимуществ. Сбер дает инструмент, позволяющий это преимущество создать. Точность прогноза на неделю или месяц (HoTPP) становится тем самым новым конкурентным преимуществом, о котором говорит Автухов.
2. Исследователи Сбера указывают на проблему ИИ игнорировать редкие, но значимые события. Для управления фондами, о котором говорит Совкомбанк, это критически важно. ИИ, который предсказывает только «норму», бесполезен во время кризиса. Понимание этого ограничения (озвученное наукой) должно лечь в основу разработки рыночных продуктов (озвученных бизнесом).
3. Упоминание о более быстрой работе алгоритмов на GPU в исследовании Сбера — это инфраструктурная основа для того самого рынка робоэдвайзинга в $1,3 трлн, о котором говорит Совкомбанк. Без технологического прорыва в скорости такой объем обслуживать было бы невозможно.

Успех внедрения ИИ в финансах теперь будет определяться не смелостью заявлений о его использовании, а способностью компаний пройти научную валидацию своих моделей (подобно метрикам T-mAP) и встроить их в сложные технологические платформы, понимая как их силу, так и их фундаментальные ограничения в прогнозировании долгосрочных траекторий.

Ранее мы разбирались, почему российские банки отстают от мировых трендов.