Новости

Российские банки ускорили переход к мультиагентным системам

Российский финансовый сектор в 2026 году может потратить на ИИ-агентов 10–20 млрд руб. Такой прогноз представили аналитики Axenix. Основной объем вложений — 7,2–13,4 млрд руб. — придется на создание собственных решений. При этом затраты на развитие ИИ пока увеличиваются быстрее, чем экономический эффект от его применения.

Unsplash

Еще 3,6–6,7 млрд руб. финансовые организации могут направить на покупку готовых продуктов. Прогноз учитывает развитие рынка генеративного ИИ в банковской сфере и страховании: по оценке Axenix, в 2025 году его объем составил 12 млрд руб., а в 2026-м может увеличиться на 20–60%, до 14,4–19,2 млрд руб. Инвестиции «Сбера» в собственную платформу в эту оценку не включены.

Следующий этап внедрения ИИ в банках — переход от отдельных программных агентов к системам, в которых несколько таких инструментов взаимодействуют и распределяют между собой задачи. Сейчас подобные решения испытывают два-три системно значимых банка. Axenix ожидает, что к концу 2027 года их число достигнет семи-девяти. Однако до промышленной эксплуатации хотя бы в одном сквозном процессе дойдут только три-четыре организации.

На создание и проверку первого прототипа мультиагентной системы уходит от шести до девяти месяцев. Стоимость такого проекта оценивается в 50–100 млн руб. В расчет входят работа команды из семи-восьми человек, вычислительные мощности и лицензии языковых моделей, но не капитальные затраты на платформу. На этом этапе система способна самостоятельно выполнять 40–60% операций. Более зрелые решения, по прогнозу Axenix, появятся в 2028–2029 годах. До платежных процессов эта технология доберется не раньше 2030-го.

Банковский сектор быстрее других отраслей осваивает такие инструменты благодаря большим массивам цифровых данных, регулярным операциям и собственной технологической инфраструктуре. В числе лидеров — «Сбер» и Т-Банк. В 2025 году «Сбер» внедрил свыше 900 ИИ-агентов. Другие участники рынка пока преимущественно используют технологию для решения отдельных задач — например, в клиентской поддержке и автоматизации внутренних операций.

Само по себе увеличение числа ИИ-агентов не означает, что их внедрение приносит компаниям сопоставимую выгоду. Результат нужно оценивать по конкретным бизнес-показателям — например, по точности кредитного скоринга или скорости обработки обращений. Даже небольшое улучшение таких показателей может дать заметный эффект, если речь идет о миллионах операций, отмечает директор по data-стратегии и ИИ группы Arenadata Петр Емельянов.

Одним из препятствий для окупаемости становится отсутствие четких финансовых ориентиров еще до начала проекта. Компании сначала выделяют деньги на внедрение, а затем пытаются определить, какой результат оно должно принести. В ближайшие два-три года подход к выбору ИИ-инициатив, вероятно, изменится: приоритет получат проекты с понятным влиянием на выручку, издержки или потери, считает основатель MD Audit Андрей Подгорнов.

Пока же развитие ИИ требует от бизнеса новых расходов на инфраструктуру, вычислительные мощности и специалистов. Глава «Сбера» Герман Греф ранее говорил, что инвестиции в эту сферу продолжат расти, хотя в ближайшие два года финансовая отдача будет отставать от затрат. Подгорнов считает, что первые измеримые результаты от внедрения должны появляться в течение шести-двенадцати месяцев. Если этого не происходит, компании стоит заново оценить не только технологию, но и сам процесс, который она должна автоматизировать.


Подпишитесь на «Инк» в Telegram. Там мы пишем нескучным языком о самом важном для предпринимателей. Подписаться.