Goldman Sachs внедрил ИИ Anthropic: 5 прорывных решений для банков

Как банки используют генеративный ИИ для повышения эффективности

Финансовый сектор активно внедряет технологии искусственного интеллекта в операционные процессы. Goldman Sachs стал одним из пионеров, запустив Claude от Anthropic для автоматизации учета торговых операций и процедур знакомства с клиентами. Это часть масштабной трансформации, которую переживают крупные банки.

Многие финансовые организации уже применяют генеративный ИИ в интеллектуальной работе. JPMorganChase предоставляет сотрудникам доступ к набору языковых моделей для поиска информации и анализа данных. Виртуальный помощник Erica от Bank of America отвечает на внутренние вопросы по технологиям и кадрам. Citi и Goldman используют ИИ для помощи программистам в написании кода.

Новым этапом стало применение генеративного интеллекта к операционным задачам - учету сделок и процедурам KYC (знай своего клиента). Эти процессы традиционно требовали значительных человеческих ресурсов для проверки документов, сверки данных и контроля соблюдения нормативов.

Автоматизация нестандартных случаев меняет правила игры

Процессы в финансовом секторе часто основаны на четких правилах: сбор данных, проверка по внутренним и внешним базам, формирование необходимой документации. Теоретически обычное программное обеспечение могло автоматизировать такую работу, но практика показала ограничения этого подхода.

Марко Аргенти, главный информационный директор Goldman Sachs, объясняет проблему: даже если система на основе правил решает большинство задач, небольшой процент транзакций выходит за рамки заданных параметров. При масштабах работы банка это превращается в тысячи отдельных случаев, требующих индивидуального рассмотрения.

Возьмем проверку личности в рамках KYC-комплаенса. Незначительные расхождения в документах или приближающийся срок действия паспорта создают ситуации, где нужна оценка специалиста. Нейронные сети справляются с такими микро-решениями, применяя контекстное мышление там, где фиксированные правила отсутствуют или не дают однозначного ответа.

Генеративный ИИ дополняет существующие системы правил, а не заменяет их полностью. Операционные улучшения заключаются в сокращении количества случаев, требующих ручного вмешательства, что значительно уменьшает время разрешения исключений. AI Projects предлагает практические решения для внедрения подобных систем в различных отраслях.

Опыт разработки кода показал путь вперед

Предыдущий опыт Goldman с моделями Claude в разработке программного обеспечения повлиял на решение распространить ИИ на другие операционные области. Разработчики используют версию Claude с агентом Devin от Cognition для помощи в программировании.

В этом контексте люди устанавливают спецификации и регуляторные параметры, агент создает код, а специалисты проверяют результаты. Агент также запускает тесты кода и валидацию. Аргенти описывает это как изменение рабочих процессов разработчиков, где агенты действуют согласно определенным инструкциям.

Преимущество - повышение производительности программистов и более быстрое завершение проектов. Успех этого эксперимента вдохновил руководство банка на расширение применения технологии.

Как внедрили ИИ в учет сделок и работу с клиентами

Для учета торговых операций и процедур онбординга клиентов команды Goldman и Anthropic наблюдали за существующими рабочими процессами вместе с экспертами предметной области, выявляя узкие места.

Внедренные агенты выполняют несколько функций:

Проверяют документы
Извлекают сущности
Определяют необходимость дополнительной документации
Оценивают структуры собственности
Запускают дополнительные проверки соответствия требованиям

Автоматизированные таким образом задачи обычно требуют работы с большим объемом документов и индивидуальной оценки. Автоматизируя извлечение данных и предварительный анализ, агенты сокращают время, которое аналитики тратят на сравнительную работу.

Индранил Бандйопадхьяй, главный аналитик Forrester, отмечает, что сверка в учете сделок требует сравнения фрагментированных данных во внутренних реестрах, подтверждениях контрагентов и изучения банковских выписок. Типичный рабочий процесс зависит от точного извлечения и сопоставления цифр и текста с существующими документами.

Способность Claude обрабатывать большие контекстные окна и следовать инструкциям делает систему подходящей именно для таких рабочих процессов. Трудоемкость онбординга клиентов - анализ паспортов и корпоративных регистрационных документов, перекрестная проверка всех источников - означает, что способность ИИ извлекать структурированные данные и отмечать несоответствия хорошо подходит для этих задач, снижая общую нагрузку.

Разделение труда между ИИ и людьми

Бандйопадхьяй подчеркивает, что платформы учета и комплаенса остаются каноническими системами записи. Claude работает на уровне рабочего процесса, обрабатывая извлечение и сравнение, чтобы человеческие аналитики могли заниматься исключениями. В его оценке операционная ценность в регулируемых средах, таких как банковское дело, заключается именно в таком разделении труда.

Джонатан Пелози, руководитель направления финансовых услуг в Anthropic, говорит, что Claude обучен выявлять неопределенность и предоставлять атрибуцию источников, создавая аудиторский след - это снижает эффект галлюцинаций. Бандйопадхьяй также отмечает важность человеческого надзора и валидации, советуя организациям проектировать системы так, чтобы ошибки обнаруживались на ранних стадиях.

Безопасность и масштабирование операций

Марко Аргенти отвергает мнение, что системы ИИ по своей природе легче обмануть, чем людей. Он утверждает, что социальная инженерия эксплуатирует человеческие уязвимости, а ИИ может обнаруживать тонкие аномалии в масштабе. Он повторяет необходимость сочетать человеческое суждение с автоматизированной проверкой в командах.

Его утверждение подразумевает увеличение операционных мощностей без пропорционального роста штата, даже с учетом проблем, влияющих на внедрение ИИ. AI Projects помогает компаниям разрабатывать стратегии безопасного масштабирования ИИ-решений.

Будущее ИИ в банковских операциях

В банковском секторе генеративный ИИ становится инструментом, улучшающим операционную производительность через ускорение обработки документов, сокращение времени обработки исключений и увеличение пропускной способности в высокообъемных рабочих процессах.

Необходимость сохранения человеческого надзора для противодействия ошибкам ИИ означает сохранение и зависимость от существующих систем записи. Технология не заменяет людей полностью, а усиливает их возможности, позволяя сосредоточиться на задачах, требующих экспертной оценки и принятия решений.

Опыт Goldman Sachs показывает, что успешное внедрение ИИ требует тщательного анализа рабочих процессов, выявления узких мест и постепенной интеграции технологии с сохранением контроля качества на всех этапах. Это путь, по которому пойдут многие финансовые институты в ближайшие годы.