Главный технологический и информационный директор Bank of America заявил, что одна из самых распространённых ошибок компаний при работе с искусственным интеллектом — обращаться к нему в первую очередь — при этом его собственный банк готовится удвоить бюджет на ИИ в следующем году.

Эти замечания показывают, как два столпа мировых финансов решают, где ИИ действительно оправдывает себя, а где более простые инструменты справляются лучше.

«Одна из самых больших ошибок, которые мы видим у себя и у других, — это бросаться к ИИ как к решению, — сказал Хари Гопалкришнан на саммите AIQ компании Fortune в Нью-Йорке, — когда детерминированные модели справляются более чем хорошо».

Гопалкришнан выступил на панели вместе с Салли Мур, главным клиентским директором S&P Global и сопредседателем Kensho Data & Platforms. Модератором дискуссии был редакционный директор Fortune Эндрю Нуска.

Bank of America: сначала простые инструменты

Гопалкришнан рассказал, что банк начинает с потребностей клиентов и составляет «инвентаризацию процессов» — перечень шагов, стоящих за их запросами. Банк нередко решает отказаться от ИИ — «весьма часто», — заключая, что мобильное приложение или правило принятия решений в реальном времени может быть лучшим ответом.

Каждый проект на базе ИИ в банке также проходит проверку по 16 «столпам» рисков, включая конфиденциальность, предвзятость, влияние на персонал и интеллектуальную собственность. «Мы не будем внедрять чат-бот, который понимает только определённые акценты», — сказал он.

По его словам, банк использует ИИ более десяти лет, начав с моделей выявления мошенничества. Виртуальный ассистент Erica, по данным Гопалкришнана, обработал 3,6 млрд транзакций, и без него банку понадобилось бы на 11 000 человек больше для ответов на звонки клиентов. В мартовском пресс-релизе банка число взаимодействий Erica с клиентами оценивалось более чем в 32 млрд.

Осторожность сочетается с крупными расходами: в сентябре генеральный директор Брайан Мойнихэн заявил, что около 140 приложений на базе ИИ обошлись банку в 400 млн долларов и принесли 800 млн долларов выгоды, а бюджет расходов на ИИ в следующем году удвоится. Удвоение бюджетов наряду с методичной проверкой отражает напряжение, к которому панель возвращалась постоянно: инвестировать активно, но только там, где технология доказанно работает.

Расходы распределяются тщательно. Гопалкришнан сказал, что банк не привязан к конкретным моделям: оркестрационный слой, называющийся Orchestra (конечно же), отправляет простые задачи классификации одобренным открытым моделям, работающим на собственных GPU банка, а более сложные рассуждения — проприетарным моделям. По его словам, такая схема также помогает контролировать расходы на токены.

В управлении благосостоянием, как он отметил, советники теперь могут готовиться к встречам с клиентами за «секунды и минуты» — работа, которая раньше занимала дни и недели.

К автономным агентам банк спешить не намерен. «Сейчас так много потенциала у вспомогательных агентов, которые реально работают с человеком в контуре», — сказал Гопалкришнан. Банк пойдёт дальше по мере совершенствования инфраструктуры контроля.

Он также затронул тему безопасности, отметив, что модели ИИ всё лучше находят уязвимости в ПО, поэтому патчи и безопасная разработка важны независимо от того, использует ли компания ИИ. Ставки выходят за рамки отдельного банка, добавил он: если у небольшого банка где-то возникнет проблема, люди теряют доверие к финансовой системе.

S&P Global: данные как валюта

Мур рассказала, что её компания возрастом 160 лет перекраивает себя — агрессивно и осторожно одновременно. S&P Global — крупнейшее в мире кредитное рейтинговое агентство и один из крупнейших провайдеров индексов, и значительная часть её финансовых данных питает регулируемые рабочие процессы, отметила она.

«Данные — это валюта внутри ИИ», — сказала Мур, добавив, что клиентам нужны точность, ссылки на источники, а также проверяемость и отслеживаемость вплоть до первоисточника. В бизнесе, чьи данные питают регулируемые процессы, такая проверяемость — само условие применения ИИ.

Она отдала должное ранней ставке: S&P Global приобрела ИИ-компанию Kensho в 2018 году, и это «дало нам преимущество», сказала она, пояснив, что с тех пор компания поставила Kensho в центр бизнеса. 6 июля подразделение Market Intelligence было разделено на две структуры. Первая, Kensho Data & Platforms, объединяет «Kensho Data» — ориентированный на клиентов слой доставки данных и ИИ — с группой Platforms, в которую входят Capital IQ, Ratings Direct, Visible Alpha и With Intelligence. Вторая структура — Enterprise Solutions. Генеральный директор Мартина Чунг заявила, что изменения должны поддержать рост выручки и улучшить маржинальность. Реорганизация станет конкретной проверкой того, окупается ли стратегия данных, построенная вокруг ИИ.

Около двух лет назад S&P Global также создала дирекцию по работе с клиентами вое с Мур, чтобы работать с клиентами более тесно. В неё входят лаборатория и так называемые эксперты передового развёртывания, работающие с клиентами над ИИ.

S&P Global обслуживает 60 000 клиентов на разных стадиях внедрения ИИ, сказала Мур. Компания сотрудничает с ведущими ИИ-лабораториями, встраивает свои данные в крупные языковые модели и инструменты продуктивности, а теперь создаёт и собственные агенты. Применение варьируется от широких задач, таких как подготовка банкиров к встречам и питч-букам, до специализированных агентов, созданных под одну задачу.

Она привела пример. Крупнейший банк с 8 000 банковских сотрудников объединял наборы контента S&P на собственной платформе. S&P помогла довести проект до продакшена «в шесть раз быстрее», сказала она, а точность выросла примерно с 60% на старте до 98% после. Она не назвала банк, и цифры приведены самой S&P.

Компания также создала агента «конструктора кредитных меморандумов», который сохраняет человека в контуре и опирается на уверенность в исходных данных.

Как и Гопалкришнан, Мур подчеркнула важность выбора правильного инструмента для задачи. Детерминированный вариант S&P Global для языковых моделей — это API, который не создаёт высоких расходов на токены, отметила она, тогда как более сложная «адаптивная выборка данных в масштабе» стоит дороже. Поскольку клиенты платят за данные, технологии и эффективность персонала из разных бюджетов, S&P обсуждает с ними спектр возможных результатов.

Где мнения расходятся

На вопрос, выбирает ли он когда-нибудь отказаться от ИИ, Гопалкришнан ответил, что самый простой ответ часто оказывается лучшим. «ИИ — не всегда правильный ответ», — сказал он.

Мур согласилась, а затем пошла дальше. «Думаю, Хари выразился очень точно. Дело не в правильном инструменте. Дело отчасти в переосмыслении, — сказала она. — Что я пытаюсь здесь решить? И куда эта технология может меня привести?»

Внутри S&P Global это означало создание центрального офиса трансформации, объединяющего технологов, а недавно и операторов данных.

В завершающем блиц-раунде Мур указала на «встроенный интеллект», который, по её словам, «создаёт возможность выйти за рамки клиентов, которых вы обслуживаете сегодня».

Гопалкришнану предоставлено последнее слово: «Думаю, предвосхищение потребностей клиентов и обслуживание их там, где они находятся, выделит вас на фоне и без того стандартизированного пространства».

Для этого материала журналисты Fortune использовали генеративный ИИ как исследовательский инструмент, а редактор проверил точность информации перед публикацией. Эта история изначально была опубликована на Fortune.com.