Банки рискуют застрять в «чистилище пилотных проектов». McKinsey объясняет, почему агентный ИИ требует полной перестройки операционных процессов, а не точечных внедрений.
3 мин
В банковской индустрии намечается фундаментальный сдвиг, связанный с внедрением агентного искусственного интеллекта (Agentic AI). В отличие от традиционной автоматизации или даже генеративного ИИ, агентные системы способны не просто создавать контент, но и самостоятельно выполнять сложные последовательности действий, принимать решения и работать с неструктурированными задачами. Однако, согласно отчету McKinsey, многие банки рискуют не получить отдачи от этих технологий, если продолжат внедрять их точечно. Реальная ценность достигается только при полной перестройке рабочих процессов от начала до конца.
Долгое время банки были лидерами по внедрению автоматизации, в частности роботизированной автоматизации процессов (RPA). Однако RPA имела ограничения: она хорошо справлялась только с жестко регламентированными, повторяющимися действиями («если А, то Б»). Генеративный ИИ расширил эти границы, позволив работать с текстом и кодом, но часто оставался инструментом-помощником (copilot).
An abstract image of a stack of 3D credit cards swirling up in a repeating twisting pattern.
Агентный ИИ представляет собой следующий шаг эволюции. Это системы, которые могут действовать автономно для достижения поставленной цели, адаптируясь к контексту. Например, вместо того чтобы просто написать черновик кредитного меморандума, агент может собрать данные, проанализировать риски, выявить несоответствия и подготовить финальное досье, обращаясь к человеку только в исключительных случаях.
Эксперты McKinsey выделяют несколько критических моментов в текущей ситуации:
Abstract digital network with glowing nodes and connections
Главная ошибка, которую совершают банки сейчас, — попытка наложить новые технологии на старые операционные модели. Традиционные банковские процессы линейны и разделены на изолированные этапы (silos), связанные жесткими соглашениями об уровне обслуживания (SLA). Это замедляет работу.
Агентный ИИ требует перехода к «оркестрации», где процесс адаптируется под контекст задачи. Если банк просто автоматизирует написание кредитной записки, но оставит прежнюю цепочку согласований, выигрыш в скорости будет минимальным. Реальная эффективность (прогнозируется высвобождение 40–70% мощностей) возможна только при изменении самой структуры команд и потоков работ.
В ближайшие 12–18 месяцев индустрию ждет расслоение. Банки, которые смогут преодолеть функциональные барьеры и внедрить ИИ на уровне сквозных процессов («Amazon-изация» подхода), получат значительное конкурентное преимущество. Те же, кто продолжит запускать разрозненные пилотные проекты без связи с финансовым результатом, рискуют потерять инвестиции и отстать от финтех-компаний, изначально строящих свои процессы вокруг новых технологий.
Ключевым фактором станет вовлеченность высшего руководства. Трансформацию такого масштаба невозможно делегировать отдельному департаменту — она требует пересмотра взаимодействия между бизнесом, технологиями, операционным блоком и управлением рисками.
The image is a conceptual illustration of an AI chatbot integrated onto a computer chip or circuit board.
Агентный ИИ способен радикально повысить эффективность банков, но только при условии полной перестройки бизнес-процессов, а не внедрения отдельных инструментов.
Главный риск внедрения ИИ — это «проблема пальцев рук и ног»: автоматизация лишь части действий сотрудника без изменения сути его работы не приносит экономической выгоды.
