Более 70% финансовых организаций уже используют искусственный интеллект, в основном для платежей, скоринга, страхования и борьбы с мошенничеством. Внедрение нейросетей сулит банкам рост эффективности и сокращение издержек — по оценкам McKinsey, до 3-5% дополнительной выручки ежегодно для мировой индустрии. Однако в Институте экономики РАН видят и обратную сторону этого бума.
Основные угрозы, отмеченные экспертами, — это не просто технические сбои. Речь идёт о системных рисках, возникающих из-за самой природы массового внедрения технологий. Во-первых, это усиление кибератак: генеративный ИИ позволяет злоумышленникам создавать более изощрённые фишинговые схемы и вредоносное ПО. Во-вторых, и это ключевое, — риск «стадного мышления» алгоритмов.
Проблема в том, что многие банки используют схожие модели и обучают их на одних и тех же данных. В результате алгоритмы начинают принимать идентичные решения — например, одновременно выставлять ордера на продажу определённых активов при схожих сигналах. Это может приводить к синхронным движениям на рынках, усилению волатильности и созданию новых, непредсказуемых видов рыночных манипуляций, которые сложно отследить традиционными методами.
Таким образом, главный вызов для финансового мира — не внедрить ИИ, а сделать это диверсифицированно. Следующей ступенью развития станет не гонка за самой мощной моделью, а создание экосистемы, где разные участники рынка используют различные алгоритмические подходы и уникальные данные, чтобы избежать эффекта «однородного интеллекта». Это вопрос уже не столько технологический, сколько стратегический и регуляторный.
Источник: iz.ru
Основные угрозы, отмеченные экспертами, — это не просто технические сбои. Речь идёт о системных рисках, возникающих из-за самой природы массового внедрения технологий. Во-первых, это усиление кибератак: генеративный ИИ позволяет злоумышленникам создавать более изощрённые фишинговые схемы и вредоносное ПО. Во-вторых, и это ключевое, — риск «стадного мышления» алгоритмов.
Проблема в том, что многие банки используют схожие модели и обучают их на одних и тех же данных. В результате алгоритмы начинают принимать идентичные решения — например, одновременно выставлять ордера на продажу определённых активов при схожих сигналах. Это может приводить к синхронным движениям на рынках, усилению волатильности и созданию новых, непредсказуемых видов рыночных манипуляций, которые сложно отследить традиционными методами.
Таким образом, главный вызов для финансового мира — не внедрить ИИ, а сделать это диверсифицированно. Следующей ступенью развития станет не гонка за самой мощной моделью, а создание экосистемы, где разные участники рынка используют различные алгоритмические подходы и уникальные данные, чтобы избежать эффекта «однородного интеллекта». Это вопрос уже не столько технологический, сколько стратегический и регуляторный.
Источник: iz.ru
