Агентный ИИ в финансах: возможности и проблемы для Индонезии

Изучение коммерческой ценности, проблем нормативного регулирования и влияния на человеческий фактор внедрения ИИ-агентов в финансовом секторе Индонезии.

Делиться

Развитие искусственного интеллекта затронуло практически все отрасли, включая финансовую. Фактически, финансовый сектор уже давно использует то, что мы сейчас называем «традиционным машинным обучением», применяя его для предиктивного моделирования, кредитного скоринга и анализа рисков.

Но учитывая нынешний ажиотаж вокруг больших языковых моделей (LLM) и агентного ИИ, я начинаю задаваться вопросом: как эта отрасль может по-настоящему воспользоваться преимуществами этой новой технологии? В отличие от многих других секторов, финансовая сфера действует в рамках строгих правил, правил конфиденциальности данных и структур управления — условий, которые, на мой взгляд, несколько противоречат концепции автономности агентного ИИ.

Чтобы удовлетворить это любопытство, я посетил конференцию «Agentic AI for Finance» [1], которая прошла в Джакарте, Индонезия, 16 октября 2025 года . Мероприятие, организованное Школой науки о данных Algoritma [2], объединило ведущих специалистов из банков, страховых компаний, финтех-компаний, государственных учреждений и стартапов в области ИИ в Индонезии, чтобы изучить, как Agentic AI может изменить финансовый сектор.

Хотя обсуждения в основном касались Индонезии, многие из прозвучавших идей отражали проблемы и возможности, с которыми сталкивается более широкий контекст — Юго-Восточной Азии и даже мировой финансовой индустрии. В этой статье я поделюсь своими основными выводами, идеями и размышлениями по итогам мероприятия.

Отказ от ответственности: я не имею никакого отношения ни к одной из компаний или организаций, упомянутых в этой статье. Они упомянуты исключительно для ясности и наглядности. Подробнее о них см. в разделе «Ссылки» в конце статьи.

1. Окупаемость инвестиций в ИИ

Каждый раз, когда компания планирует запустить новый проект или внедрить новую технологию, неизбежно возникает вопрос о возврате инвестиций (ROI). Это естественно, поскольку для запуска чего-то нового, особенно связанного с ИИ, требуются немалые инвестиции в создание или интеграцию таких систем. Оценка финансовой отдачи, которую компания получает в обмен на эти инвестиции, крайне важна.

Однако в случае внедрения ИИ точное измерение рентабельности инвестиций может быть сложной задачей. Это связано с тем, что, когда компания интегрирует ИИ-решение в существующую деятельность, зачастую сложно выделить ценность, создаваемую исключительно ИИ. Влияние обычно распределяется между несколькими командами и технологиями, что делает атрибуцию далеко не однозначной.

Один из подходов, который я узнал от докладчиков, чтобы лучше понять это, — это рассмотреть, как организации внедряют ИИ на разных уровнях зрелости:

1. Повышение производительности
2. Достижение технического совершенства
3. Расширение или создание источников дохода

Рассматривая эти показатели, мы понимаем, что рентабельность инвестиций (ROI) не всегда отражает полную картину влияния ИИ. Многие организации начинают дополнять ROI показателем рентабельности инвестиций (ROV) [3] — более комплексным подходом, который измеряет не только финансовую отдачу, но и отвечает на такие вопросы, как:

• Улучшил ли ИИ качество решений?
• Повысило ли это удовлетворенность клиентов?
• Улучшило ли это внутреннюю производительность?

Другой, не менее важный аспект — цена бездействия (COI). Она отражает потенциальные потери, которые компания может понести, не внедрив ИИ или отложив его внедрение. По данным Forbes [4], существует четыре ключевых области, в которых компания столкнётся с трудностями, если решит «подождать и посмотреть»: увеличивающийся пробел в знаниях, трудности с привлечением ведущих специалистов в области ИИ, упущенные возможности обучения и растущая операционная неэффективность по сравнению с конкурентами, которые уже внедрили ИИ.

В заключение следует отметить, что, хотя рентабельность инвестиций (ROI) всегда будет оставаться основополагающим компонентом в процессе принятия решений о внедрении ИИ, компаниям необходимо дополнить ее другими перспективами, такими как рентабельность инвестиций (ROV) и стоимость бездействия (COI), чтобы получить полную картину влияния и стратегической важности ИИ.

2. Вызов как регулируемые секторы

Второй ключевой момент, который я хочу здесь обсудить, — это безопасность.

Как я уже упоминал ранее, одно из основных различий между финансовым сектором и другими секторами заключается в строгом регулировании и высоком уровне защиты данных . Например, Управление по финансовым услугам Индонезии ( OJK ) требует от банков размещать свои центры обработки данных и центры аварийного восстановления на территории Индонезии [5].

В результате этого регулирования финансовые учреждения не могут свободно внедрять облачные системы. Они обязаны гарантировать безопасность всех данных и соответствие местным нормам. Именно поэтому многие организации предпочитают использовать свои системы ИИ локально или в гибридной инфраструктуре , а не полностью полагаться на облако.

Кроме того, учитывая рост числа утечек данных и фишинговых атак, финансовому сектору необходимо дополнительно укрепить свои системы кибербезопасности. Один из докладчиков подчеркнул, что при внедрении ИИ всё должно быть безопасно и соответствовать требованиям ещё до внедрения — в противном случае лучше вообще не внедрять его. Цена неудачи в этой области, будь то финансовая или репутационная, может быть гораздо выше, чем цена промедления.

3. Агентный ИИ в действии

Мы обсудили два важнейших аспекта, предшествующих внедрению ИИ в организации. Теперь давайте рассмотрим некоторые примеры использования агентного ИИ, упомянутые докладчиками на мероприятии.

Финансовая отчетность без участия человека

Традиционно финансовые аналитики опираются на обширные и разнообразные данные, такие как рыночные цены, отчётность компаний и новостные настроения, для проведения анализа. Этот процесс требует как скорости, так и точности, поскольку финансовый ландшафт быстро меняется.

Благодаря Agentic AI этот рабочий процесс можно переосмыслить . Подключаясь к надежным источникам данных в режиме реального времени, агенты ИИ с различными специализациями (например, маркетинговые исследования, корпоративная отчетность и новости, анализ исторических данных и разработка отчетов) автономно работают вместе , создавая краткие отчеты на основе данных.

Лица, принимающие решения, или аналитики могут просто задавать вопросы на естественном языке , а затем многоагентная система организует работу этих специализированных агентов для предоставления отчета в формате PDF или слайдов за считанные секунды.

Кроме того, для повторяющихся задач по составлению отчетов (например, ежедневных или еженедельных обновлений) пользователь может запланировать систему на создание отчета с самыми последними рыночными данными.

На мой взгляд, надёжность источника данных — важнейший фактор в этом сценарии использования. Чтобы отчёт был достоверным, мы не можем позволить специализированному агенту выдумывать данные — то, что мы называем галлюцинациями. Поэтому вместо использования их собственных обучающих данных нам нужно предоставить им тщательно подобранный, проверенный набор данных .

Специально для анализа рынка такие платформы, как Sectors.app, предоставляют список конечных точек API , к которым агенты ИИ могут получить доступ для получения актуальных рыночных данных. Использование надёжного источника, такого как этот, или любого другого проверенного источника, помогает минимизировать количество галлюцинаций, обеспечивая точность и одновременно повышая производительность аналитиков.

Пару месяцев назад я начал свой путь в области Agentic AI, используя API Sectors.app и OpenAI Agents SDK . Я создаю простое приложение Streamlit , которое позволяет пользователям взаимодействовать с AI-агентами и задавать вопросы, связанные с компаниями, акции которых котируются на Индонезийской фондовой бирже (IDX) .

Я опубликовал этот проект на своем GitHub , ссылку на репозиторий можно найти в конце этой статьи.

Процесс аудита на основе ИИ

Одно из обсуждений, которое меня удивило, состоялось в Аудиторском совете Индонезии (BPK) — государственном учреждении, ответственном за аудит управления и подотчётности государственных финансов. Меня привлекло то, насколько далеко они уже продвинулись во внедрении решений на основе искусственного интеллекта в свою деятельность, чего я не совсем ожидал от государственного органа.

В сотрудничестве с Supertype компания BPK интегрировала решения ИИ в свою платформу BIDICS , преобразуя огромное количество аудиторских документов в доступную для запросов базу знаний для поддержки процесса аудита — от поиска, анализа и визуализации ключевых данных, содержащихся в отчетах [7].

Они используют степень магистра права для извлечения данных и категоризации документов, а также для получения предварительных аналитических выводов . Результаты, полученные с помощью ИИ, помогают аудиторам BPK в планировании, оценке рисков и принятии решений перед проведением детальных выездных проверок [8].

Одной из ключевых задач, упомянутых докладчиком, было обеспечение доступа к данным только уполномоченным аудиторам для предотвращения возможного злоупотребления. Это особенно важно, поскольку BPK имеет полномочия собирать и обрабатывать большой объём конфиденциальных финансовых данных и документов.

Кроме того, BPK придерживается принципа человеческого участия , то есть все окончательные решения должны приниматься под контролем человека — важнейшая гарантия, учитывая последствия каждого действия, предпринимаемого учреждением.

Опыт BPK, одного из самых строго регулируемых учреждений Индонезии, и то, как они внедряют ИИ, сотрудничая с такими организациями, как Supertype и несколькими университетами, помогли мне осознать, что регулирование не обязательно должно быть препятствием для инноваций . Напротив, оно может служить основой для ответственного и эффективного внедрения новых технологий.

Как ИИ может помочь нотариусам

Еще один интересный пример использования ИИ связан с NOTAPOS [9], платформой, разработанной для управления всеми юридическими документами и помогающей нотариусам и юристам.

Юридические процессы, особенно в Индонезии, часто выполняются вручную и требуют много времени : от ручного ввода данных до загрузки проверочных документов и т. д.

В связи с этим NOTAPOS использует искусственный интеллект для оптимизации и автоматизации рабочих процессов. По словам разработчиков, платформа позволяет сократить процессы, которые обычно занимают от 18 часов до нескольких дней, до всего лишь 30 минут .

Звучит волшебно, не правда ли?

Но это не главное, на чём я хочу остановиться. В следующем разделе я хотел бы кратко рассказать о том, что основатель компании рассказал о трудностях, с которыми он столкнулся в процессе разработки, — и об уроках, которые, на мой взгляд, нам стоит извлечь.

4. Когда ИИ движется слишком быстро

Это, пожалуй, мой самый любимый вывод, который я почерпнул из мероприятия, где эксперты поделились еще одной стороной интереса к искусственному интеллекту.

Итак, продолжим обсуждение NOTAPOS, начатое ранее. На раннем этапе разработки создание специализированной модели, способной понимать специфичные для предметной области знания — в данном случае правовой контекст Индонезии — требовало ручной настройки . Им пришлось загрузить в модель сотни юридических документов, чтобы она могла усвоить необходимый контекст и терминологию.

Теперь, благодаря быстрому развитию LLM, обладая более обширными и разнообразными учебными данными, значительная часть этого контекста уже существует в их знаниях. Задачи, которые раньше требовали обширной ручной настройки, теперь можно выполнять мгновенно, без дополнительного обучения и настройки , что ускоряет разработку и значительно снижает затраты .

Этот и другие подобные случаи, произошедшие из-за быстрого развития ИИ, порождают новую дилемму:

Стоит ли нам продолжать строительство сейчас или ждать следующего большого скачка, который может сделать сегодняшние усилия устаревшими?

По моему личному мнению, этот вопрос перекликается с предыдущим обсуждением этой статьи — ценой бездействия . В столь быстро развивающейся области ожидание может показаться способом избежать «ненужных» затрат, но реальный риск заключается в том, чтобы отстать — упустить возможность учиться, экспериментировать и адаптироваться к развивающимся технологиям.

Мы не можем просто ждать. Как мудро заметил спикер, « главное — уметь предсказывать, где будут технологии в ближайшие шесть месяцев ». Речь не всегда идёт о том, чтобы гнаться за каждым новым трендом, а о том, чтобы уметь адаптироваться и использовать каждую появляющуюся возможность.

5. Главный вопрос: заменит ли ИИ людей?

Что мне особенно нравится в этой конференции, так это то, как она объединила людей с разным опытом. Это разнообразие отразилось в том, как по-разному они ответили на один и тот же важный вопрос: заменит ли ИИ людей?

Конечно, на этот вопрос нельзя ответить просто «да» или «нет». Большинство компаний считают, что ИИ существует не для того, чтобы заменить людей, а для того, чтобы расширить их возможности. Для этого организациям необходимо вкладывать значительные средства в целевые программы обучения , чтобы помочь сотрудникам использовать ИИ — как минимум, для повышения производительности.

Однако одного лишь обучения недостаточно, чтобы гарантировать эффективное внедрение ИИ, особенно в компаниях с разным поколением и культурой . Всегда найдётся группа, сопротивляющаяся изменениям, воспринимающая ИИ как угрозу или просто слишком сложная в использовании. Именно здесь лидерство приобретает решающее значение — для направления и изменения мышления.

Тем не менее, если ИИ может выполнять определённые повторяющиеся или канцелярские задачи — вероятно, даже лучше, чем люди — что происходит с теми, чьи роли определяются исключительно этой работой? Одна компания рассказала, что переместила ряд должностей в бэк-офисе на позиции, более тесно связанные с клиентами, поскольку ИИ взял на себя административные задачи. (К сожалению, мне не удалось выяснить, почему именно из бэк-офиса на роли, связанные с клиентами.)

В конечном счете, как компании, так и сотрудники несут общую ответственность за обеспечение постоянной переподготовки и повышения квалификации , чтобы оставаться актуальными в условиях продолжающейся трансформации ИИ на рабочем месте.

Заключение

Агентный ИИ открывает множество возможностей: от повышения производительности и достижения технического совершенства до создания совершенно нового направления бизнеса. Однако всё это невозможно без прочной основы в сфере регулирования, безопасности данных, инфраструктуры и готовности человека.

В этой статье мы обсудили некоторые из моих ключевых выводов, сделанных на конференции. Я благодарен за возможность увидеть, как разные организации реагируют на эту новую эпоху трансформации.

Конечно, это ещё не конец пути. Более того, некоторые моменты, которые мы здесь обсуждали, скоро потеряют актуальность. Однако такова реальность стремительной эволюции ИИ. И всё же мы не можем позволить себе просто ждать и наблюдать.

Ссылка

[1] Конференция Supertype.ai — Агентный ИИ для финансов. https://supertype.ai/conference

[2] Школа науки о данных Алгоритма https://algorit.ma/

[3] Йедда Стансил — ROI (возврат инвестиций) против ROV (возврат стоимости): понимание ключевых различий https://www.linkedin.com/pulse/title-roi-return-investment-vs-rov-value-key-yedda-stancil/

[4] Forbes — Скрытая цена бездействия в отношении ИИ: почему вы не можете позволить себе подождать и посмотреть https://www.forbes.com/councils/forbestechcouncil/2025/06/26/the-hidden-cost-of-inaction-on-ai-why-you-cant-afford-to-wait-and-see/

[5] Положение OJK № 11/POJK.03/2022 — Внедрение информационных технологий коммерческими банками. https://ojk.go.id/en/regulasi/Documents/Pages/Implementation-of-Information-Technology-by-Commercial-Banks/OJK%20Regulation%2011%202022%20concerning%20Implementation%20of%20Information%20Technology%20by%20Commercial%20Banks.pdf

[6] Sectors.app — API сектора финансов https://sectors.app/api

[7] Supertype.ai — разработка LLM и сотрудничество с BPK https://supertype.ai/llm-development

[8] Журнал ИНТОСАИ — BPK BIDICS: вопрос, на который нет ответа https://intosaijournal.org/journal-entry/bpk-big-data-analytics-bidics-from-a-question-that-has-no-answer/

[9] NOTAPOS — платформа управления юридическими документами на базе искусственного интеллекта https://notapos.co/

***

Исходный код и мой первый этап обучения можно найти в этом репозитории GitHub. В этом проекте я использовал OpenAI Agents SDK , Sectors.app API и Streamlit для создания простого интерактивного финансового приложения, которое позволяет пользователям взаимодействовать с ИИ-агентами и задавать вопросы, связанные с компаниями, котирующимися на Индонезийской фондовой бирже (IDX).

И наконец, давайте подключимся к LinkedIn!

Источник: towardsdatascience.com