🤖 ИИ в финансах и казначействе: почему нейросети пока не приносят прибыли
Разбираем ключевые тезисы статьи Дмитрия Кузьмина эксперта «Газпромбанка» о том, как встроить ИИ в бизнес-процессы так, чтобы он создавал реальную ценность.
📉 Рынок vs реальность
Менее 10% компаний видят реальный эффект от внедрения ИИ (рост прибыли выше 5%). Проблема не в технологиях — они уже стандартны и доступны. Проблема — в интеграции в рабочие процессы и интерфейсы.
⚙️ Из чего состоит ИИ «под капотом»
LLM — «мозг», который не мыслит: статистический двигатель, предсказывающий следующий токен
RAG — «корпоративная память»: подкладывает модели нужные фрагменты ваших документов
ИИ-ассистент — консультант, действует по шагам, результат утверждает человек
ИИ-агент — автономная система, получает цель и сам планирует действия
⚠️ Галлюцинации — главный риск
У топовых моделей при суммаризации уровень галлюцинаций превышает 10%. При цепочке из 5 задач точность падает до 59%, из 10 — до 35%. Полностью устранить риск нельзя, но можно контролировать: RAG, автоматические проверки (FactCC, QAGS), экспертная валидация.
💡 Примеры создания ценности
ИИ-антифрод: семантический анализ платежек, выявление «троянских» операций
Прогноз ликвидности: ИИ-агент уточняет дату и сумму поступлений — точность ≥95%
Правило: начинайте с процесса, а не с технологии. ИИ должен устранять конкретную боль
🎯 Главный вывод
ИИ — это не отдельный сервис, а новый слой операционной системы бизнеса. Ценность создается там, где LLM + RAG + агенты встроены в привычные интерфейсы и незаметны для пользователя.
📖 Полная версия: https://vesfinteh.ru/tehnologii/ii-v-finansah-i-kaznachejstve/
Стать автором Весника финансовых технологий
Разбираем ключевые тезисы статьи Дмитрия Кузьмина эксперта «Газпромбанка» о том, как встроить ИИ в бизнес-процессы так, чтобы он создавал реальную ценность.
📉 Рынок vs реальность
Менее 10% компаний видят реальный эффект от внедрения ИИ (рост прибыли выше 5%). Проблема не в технологиях — они уже стандартны и доступны. Проблема — в интеграции в рабочие процессы и интерфейсы.
⚙️ Из чего состоит ИИ «под капотом»
LLM — «мозг», который не мыслит: статистический двигатель, предсказывающий следующий токен
RAG — «корпоративная память»: подкладывает модели нужные фрагменты ваших документов
ИИ-ассистент — консультант, действует по шагам, результат утверждает человек
ИИ-агент — автономная система, получает цель и сам планирует действия
⚠️ Галлюцинации — главный риск
У топовых моделей при суммаризации уровень галлюцинаций превышает 10%. При цепочке из 5 задач точность падает до 59%, из 10 — до 35%. Полностью устранить риск нельзя, но можно контролировать: RAG, автоматические проверки (FactCC, QAGS), экспертная валидация.
💡 Примеры создания ценности
ИИ-антифрод: семантический анализ платежек, выявление «троянских» операций
Прогноз ликвидности: ИИ-агент уточняет дату и сумму поступлений — точность ≥95%
Правило: начинайте с процесса, а не с технологии. ИИ должен устранять конкретную боль
🎯 Главный вывод
ИИ — это не отдельный сервис, а новый слой операционной системы бизнеса. Ценность создается там, где LLM + RAG + агенты встроены в привычные интерфейсы и незаметны для пользователя.
📖 Полная версия: https://vesfinteh.ru/tehnologii/ii-v-finansah-i-kaznachejstve/
Стать автором Весника финансовых технологий