27 февраля 2025 года в Москве прошел форум FinCore, собравший более 400 ведущих ИТ-директоров, архитекторов и руководителей цифровой трансформации из финансовой отрасли. Основными темами обсуждения стали импортозамещение и искусственный интеллект (ИИ). Эти два тренда определяют будущее финансового сектора, предлагая как новые возможности, так и серьезные вызовы.

По данным исследования АФТ «Технологическая независимость российского финтех-рынка», представленных руководителем управления развития технологий Ассоциации ФинТех Олегом Моргуном, 67% компаний-участников исследования включили задачи достижения технологического суверенитета в качестве приоритетных в свои корпоративные стратегии, 56% опрошенных компаний организовали собственную разработку и внедрение ПО, 21% организаций имеют соотношение собственных ИТ-решений к вендорским продуктам близкое к принципу Парето (80/20). Что касается причин для использования импортного аппаратного обеспечения, 71% респондентов отметили высокую производительность иностранного оборудования, 59% указали на недостаточное количество отечественных аналогов.

В своем выступлении Алексей Клепиков, вице-президент, член Правления, руководитель ИТ-кластера «МТС-Банка», заметил, что полное импортозамещение подразумевает, что абсолютно все производственные процессы и разработки происходят внутри страны. Поэтому это вопрос с большим прицелом на будущее, его сразу не решить. С точки зрения финансовой сферы, проекты импортозамещения зависят от оценки рисков и стоимости. Алексей подчеркнул, что финансовые организации, которые зарабатывают и помогают своим клиентам и партнерам сберегать деньги, несут большую ответственность, чем компании из других отраслей. Поэтому необходимо тщательно оценивать уровень риска каждого проекта.

Искусственный интеллект стал одной из главных тем форума. Дмитрий Трофимов, управляющий директор департамента развития корпоративного бизнеса «Сбер», выделил четыре ключевые технологии для идеального клиентского пути: ИИ (по многим направлениям работа без ИИ-агентов уже невозможна), IoT (в контексте аналитической работы), API и Metaverse.

В своем докладе директор по ИИ и экспертным решениям Arenadata Антон Балагаев рассказал о нюансах внедрения и перспективах генеративного ИИ (GenAI). По мнению спикера, к 2027 году ИИ-агентов станет в 20 раз больше, чем людей. Известные и привычные платформы данных принципиально изменятся по той причине, что существующие языки, интерфейсы и подходы подразумевают то, что с данными будет работать человек. А это уже не так. Соответственно, двигаясь в этой парадигме, ИИ-агентам необходимо обеспечить те же самые возможности, какие есть у человека. Для этого необходимо перестроить процессы, так как в хранилище банка ИИ-агенту придется обработать достаточно большое количество данных. Для понимания речь идет о десятках или даже сотнях тысяч объектов на хранилище объемом в 10 Петабайт данных. А текущие большие языковые модели (Large Language Model, LLM) к этому не приспособлены. Более того, если посчитать стоимость использования популярной сегодня модели с миллионным контекстом, то в одну сессию — с точки зрения оборудования — это может обойтись в десятки миллионов рублей по текущим ценам. И это без учета сложностей доставки вычислительного оборудования в Россию. 

В качестве обязательного дополнения к ИИ-агентам Антон Балагаев отметил RAG. RAG (Retrieval Augmented Generation) — это технология, сочетающая поиск релевантной информации в существующих хранилищах данных и генерацию текста с помощью языковых моделей. С помощью RAG ИИ-агент может не держать в памяти абсолютно все знания, а записать их отдельно и обращаться к ним при необходимости, доставая только малые порции тех данных, что нужны именно сейчас. Эксперт отметил, что «наивный» RAG работает только с векторными СУБД, из-за чего может возникнуть проблема. Классический векторный RAG имеет достаточно низкую точность. Погрешность даже в 5–10% точности недопустима в финансовом секторе. Ведь если совершить реальные действия в бизнес-процессе на основе неправильного ответа, эта ошибка будет стоить довольно много. Особенно если эти 5%, или 3%, или даже 1% накапливаются в системе, в которой есть 100 шагов, процент ошибки получится очень большой. Поэтому необходим более серьезный Advanced-подход.

Доклад Антона Балагаева дополнил Сергей Денисов, руководитель по разработке технологий для бизнес-решений на базе ИИ в «Альфа-Банке». По его словам, опыт российских компаний показывает, что на Advanced векторных методах максимально возможный показатель качества результата — 85%. Если такой уровень неприемлем, то существуют графовые методы, которые позволяют улучшить качество. У данного метода заявляется качество поиска ближайших узлов в 98% на первом шаге, на втором и на третьем — 96% качества. Что показывает, что графовые методы серьезно превосходят векторные. Также есть метод семантических сообществ, в котором для ускорения обработки происходит автоматическое разбиение графа знаний на семантические сообщества. Дальше несколькими методами они усекаются, отрезая лишнее. После чего LLM-модель по отдельности обрабатывает каждое семантическое сообщество и дает ответ. Таким образом, этот метод может сочетаться вместе с графовым методом. 

В своем докладе Сергей Денисов еще раз обратил внимание на три ключевых компонента GenAI-трансформации компании:

• Большие языковые модели (LLM);

• Агенты. Это система, в которой может быть множество агентов и где LLM выступает в виде оркестратора. Управляющий агент классифицирует задачу пользователя, формирует план выполнения и передает его нижестоящим агентам, которые выполняют задачу и могут общаться друг с другом. При этом у агента нет предопределенной логики, он сам принимает решение, какой использовать инструмент в этот момент. Специалисты управляют этим процессом на уровне промптов, мониторят и корректируют поведение агента постфактум, чтобы в следующий раз он принял более правильное решение; 

• RAG. Является качественной корпоративной внешней памятью для больших языковых моделей и для агентов. RAG — это индивидуальный продукт. Соответственно, под каждый конкретный запрос бизнеса — внутри организации или ее клиентов — нужно смотреть, в каком виде и как необходимо выдавать информацию и как настроить процесс. В Advanced RAG может быть одновременно использовано множество больших языковых моделей, различные эмбеддинги и ретриверы, множество Advanced-методов и т.д.  

При этом эксперт отдельно подчеркнул, что на уровне архитектуры организации важно на старте определить:

• Функциональные зоны ответственности между этими тремя ключевыми компонентами GenAI-трансформации; 

• То, как они будут осуществлять взаимодействие.

Данные по объему внедрений GenAI в российских компаниях привел в своем докладе Алексей Сидорюк, советник генерального директора по искусственному интеллекту Ассоциации ФинТех. Так, по данным АФТ, только 10-15% проектов внедрения генеративного ИИ доходят до промышленной эксплуатации, и лишь 20-25% из них приносят реальный экономический эффект. Один из барьеров для внедрения ИИ — ситуация на рынке кадров. Для реализации подобных проектов необходимы специалисты, обладающие конкретными, точечными компетенции. В условиях дефицита кадров на ИТ-рынке стоимость специалистов по LLM и искусственному интеллекту очень высока. 

Также Алексей заметил, что сегодня нарастает разрыв между классической ИТ-инфраструктурой и архитектурой, необходимой для машинного обучения (Machine Learning, ML), сбора данных и их обработки. По мнению эксперта, компании должны будут двигаться в сторону создания гибридной платформы, где в зависимости от задач бизнеса могут выделяться ресурсы (CPU, GPU и тензорные ядра). Он заметил, что унифицированной методологической базы и лучших практик внедрения технологий ИИ в финансовую отрасль на сегодняшний день нет. И компаниям еще предстоит такие практики создать и собрать. И компаниям на базе Ассоциации ФинТех еще предстоит такие практики создать и собрать.

Форум FinCore 2025 показал, что импортозамещение и искусственный интеллект остаются ключевыми трендами финансовой отрасли. Несмотря на сложности, такие как высокая стоимость ИИ-решений, дефицит кадров и зависимость от импортного оборудования, отрасль демонстрирует оптимизм и готовность к внедрению новых технологий. Импортозамещение открывает возможности для создания собственных экосистем и развития отечественной ИТ-индустрии, а ИИ становится неотъемлемой частью бизнес-процессов, улучшая клиентский опыт и сокращая время вывода продуктов на рынок. Необходимо преодолеть еще много вызовов, но финансовый сектор уверенно движется в сторону цифровизации и технологической независимости.