Согласно отчёту The 2026 Global AI in Financial Services Report (его подготовили Cambridge Centre for Alternative Finance совместно со Всемирным банком, МВФ, БМР и ВЭФ), глобальная финансовая отрасль находится на промежуточном этапе перехода к использованию ИИ. Уровень внедрения ИИ в отрасли достигает 81%, однако лишь 40% организаций смогли добиться роста прибыли. При этом Fintech в зрелой стадии опережает традиционные организации: 47% против 30%, а на этапе полного перехода разрыв ещё больше — 19% против 6%.
Отчёт охватывает данные по 151 стране и 628 организациям. Среди ключевых факторов, позволяющих монетизировать ИИ, выделяют:
* бюджет на ИИ свыше 100 тыс. долларов;
* использование собственных или глубоко доработанных моделей;
* работу в специализированных нишевых сценариях.
Рост производительности в технологических отделах финансовой отрасли достигает 79%: в Fintech показатель доходит до 86%, а в традиционных организациях — до 68%. Однако лишь 40% организаций смогли конвертировать этот рост в увеличение прибыли, а 43% вообще не заметили изменений в прибыли.
Есть прямая связь между бюджетом на ИИ и ростом прибыли: организации с годовым бюджетом свыше 100 тыс. долларов добиваются роста прибыли в 61%, а те, у кого бюджет ниже 100 тыс. долларов, — лишь в 40%. Также важен выбор моделей: организации, использующие собственные или глубоко доработанные модели, конвертируют прибыль в 54%, тогда как те, что полагаются на сторонние решения, — в 39%.
Наибольший рост прибыли даёт внедрение ИИ в такие области, как:
* финансовое планирование и анализ;
* управление активами и пассивами;
* торговля и управление инвестиционными портфелями;
* создание новых продуктов.
Выбор облачных платформ и инфраструктуры также различается у Fintech и традиционных организаций. Среди Fintech 57% отдают предпочтение AWS, тогда как традиционные финансовые организации чаще используют Microsoft Azure (43%) и локальное развёртывание (On-premises, 35%). При этом доля локального развёртывания у Fintech составляет лишь 16%.
На рынке базовых моделей лидируют:
* OpenAI (76%);
* Google (57%);
* Anthropic (35%).
Open-source модель DeepSeek уже достигла 15% внедрения в глобальной финансовой отрасли (в Fintech — 19%, в Азии — 18%, в странах Африки к югу от Сахары — 21%).
В облачной инфраструктуре финансовой отрасли доминирует AWS (46%). В надзорных органах лидирует Microsoft Azure (39%), при этом 46% финансовых надзорных органов не используют облачную инфраструктуру, а 24% — не используют базовые модели.
Финансовые организации сталкиваются с рядом внутренних проблем. Среди них:
* качество и доступность данных (40%);
* нехватка специалистов по AI/ML (41%).
При этом 49% традиционных финансовых организаций сталкиваются с проблемами доступности данных, а в Fintech такой проблемой озабочены 34%. Поставщики AI также испытывают трудности: 72% из них сталкиваются с проблемами качества и полноты данных клиентов, а 46% — с проблемами унаследованных систем и изолированных данных у клиентов.
Существует разрыв в понимании объяснимости ИИ между отраслью и надзорными органами. 56% финансовых надзорных органов считают «чёрный ящик» модели и отсутствие объяснимости одним из пяти главных системных финансовых рисков, тогда как среди финансовых организаций таких лишь 37%. При этом 79% надзорных органов считают объяснимость ключевой для надзора, но только 50% финансовых организаций используют методы оценки объяснимого AI. Клиенты финансовых организаций также не всегда готовы к работе с инструментами XAI: 52% из них не обладают достаточными знаниями (11% — полностью не обладают, 41% — имеют низкий уровень квалификации).
Ожидается, что к 2030 году внедрение автономных AI-агентов в финансовой отрасли вырастет с 24% до 81%. Уже сейчас 52% зрелых финансовых организаций тестируют (29%) или полностью внедряют (23%) AI-агентов. Среди рисков при использовании таких агентов выделяют:
* конфиденциальность данных (74% опасений);
* галлюцинации моделей (70% опасений).
Всемирный банк в отчёте для G20 обозначил пять основных направлений действий по управлению и соответствию требованиям:
1. Создать на уровне совета директоров систему принятия решений и распределения ответственности в сфере ИИ.
2. Реорганизовать интегрированную внутреннюю ИТ-инфраструктуру и инфраструктуру данных, инвестировать в интеграцию фрагментированных систем данных.
3. Реализовать стратегию системного развития многопрофильных кадров: преодолеть барьеры между отделами, внедрить механизмы привлечения и удержания AI‑кадров, формировать команды, сочетающие знания в финансовой сфере и навыки разработки AI.
4. Выстроить систему мониторинга и оценки рисков: интегрировать систему мониторинга работы ИИ в повседневные процессы управления рисками, усилить мониторинг алгоритмических искажений и рисков каскадных реакций в системах, использовать инструменты проверки соответствия XAI.
5. Применять механизм поэтапного предоставления полномочий (от Tier 1 — анализ данных только для чтения — до Tier 4 — автономное функционирование с высокой степенью защиты).
Кроме того, регулирующие органы должны усилить межведомственное и трансграничное сотрудничество, выработать общий «язык регулирования» для предотвращения регуляторного арбитража и системных колебаний рынка из‑за различий в стандартах.
Среди примеров исследований можно выделить:
* исследование OpenAI о предприятии по внедрению ИИ (анализ предпочтений руководства и проверка соответствия, ключевая роль реорганизации процессов и взаимодействия человека и машины);
* работы по безопасности и защите финансовых AI‑агентов (AI Agents обрабатывают платежи и сделки, поэтапное предоставление полномочий — основа безопасности);
* исследования быстрого роста AI‑ориентированных инноваций (продукция полностью ориентирована на разработку ИИ, средняя производительность на одного новатора превышает 400 тыс. долларов США).
Полный отчёт доступен по ссылке: 2026 Global AI in Financial Services Report – Adoption, Impact and Risks.
Подписаться в Макс
