Банковский сектор относится к числу наиболее строго регулируемых отраслей в мире и работает под постоянным надзором, и общественные банки не являются исключением. Давление в пользу внедрения искусственного интеллекта (AI) реально и усиливается: финансовые учреждения, регуляторы и клиенты подталкивают рынок к технологиям, которые могут упростить цифровой банковский опыт, усилить меры кибербезопасности и повысить эффективность, высвобождая время и ресурсы. Однако большинство AI-решений выходит на рынок с ориентацией на крупные институты — организации, которые могут выделять значительные ресурсы исключительно на разработку и внедрение AI.

Общественные банки располагают меньшими ресурсами, но сталкиваются с сопоставимым давлением и вопросами со стороны советов директоров, акционеров и регуляторов. Значение этого выходит за рамки отдельных учреждений: по данным FDIC, общественные банки составляют большинство банков США по числу и выдают непропорционально большую долю кредитов малому бизнесу и сельскому хозяйству, поэтому то, как они внедряют AI, влияет на доступ к кредитам во значительной части экономики. Чтобы оставаться конкурентоспособными, вопрос уже не в том, внедрять ли AI, а в том, как сделать это с приоритетом соблюдения требований. Им не нужен compliance, добавленный как запоздалая мысль; им нужен AI, построенный на compliance с самого начала.

Читайте также о fintech: Global FinTech Interview: AI and the future of fintech with Hugh Cumming, CTO, Vena

Почему общественные банки — это иная среда внедрения

Общественные банки часто работают с более компактными и гибкими функциями compliance — иногда всего три-пять человек отвечают за соблюдение всей организацией сложных нормативных требований. И в отличие от крупных институтов, регуляторский инспектор обычно хорошо знает банк, напрямую взаимодействуя с руководством уровня C-suite и руководителями compliance, поскольку нет большого подразделения, которое бы сопровождало проверку.

Большинство рамок управления AI, напротив, создавались крупными институтами под их собственный масштаб и исходят из наличия ресурсов и штата, которых у общественных банков нет.

Как выглядит человеческий контур на практике

Сегодня уже широко признано, что человеческий контроль остается неотъемлемой частью любой эффективной стратегии AI. То же самое относится и к compliance, где интерпретация нормативных требований и управление рисками по-прежнему требуют человеческой экспертизы и ответственности.

На фоне постоянных инноваций и одновременно сложных и жестких регуляторных требований сотрудники compliance должны играть активную роль в разработке, внедрении и последующем обучении AI-платформ своего учреждения. Не менее важно, чтобы сотрудники compliance документировали каждое из этих взаимодействий, создавая подробный и упорядоченный след, который может удовлетворить регуляторов. Наличие человека в контуре — это не ограничение эффективности финансового учреждения, а основа его модели управления.

Аудит и управление в масштабе общественного банка

Работа небольшой команды с ограниченными ресурсами означает, что управление должно быть встроено в платформы общественного банка с самого начала, а не рассматриваться как второстепенный вопрос. В период, когда необходимо тщательно балансировать бюджеты, кадры и регуляторные ожидания, общественные банки могут оценивать, стоит ли значительных инвестиций создание AI-платформы внутри компании или же более стратегичным выбором станет партнерство с fintech-провайдером, который уже предлагает проверенные, ориентированные на compliance возможности. Для многих второй вариант оказывается лучшим.

Такие инструменты, как Financial Crimes AI Agent от FIS, созданный совместно FIS и Anthropic на платформе FIS Data and AI Platform, приносят общественным банкам обнаружение финансовых преступлений уровня enterprise благодаря дизайну с приоритетом compliance: человеческий supervisory loop встроен изначально, audit trails создаются автоматически, а функции управления можно назначать конкретным членам команды. Итог — возможности compliance уровня enterprise для учреждений любого размера, даже если у них нет AI-функции уровня enterprise.

Примеры: AI, созданный для общественных банков, на практике

Общественные банки выполняют важнейшую функцию в экономике США и заслуживают AI, созданный специально под их требования и операционную среду, а не страницу, вырванную из чужого playbook.

FIS Origination Policy Optimizer в действии

FIS Origination Policy Optimizer напрямую встраивает compliance в программную архитектуру для открытия счетов и кредитования, устраняя операционные узкие места и одновременно сохраняя человеческий надзор в центре процесса. В одном из недавних внедрений у клиента система выявила устаревшее правило андеррайтинга, из-за которого кредитоспособные домовладельцы с уже установленной ипотечной задолженностью направлялись на дорогостоящие ручные проверки только потому, что у них был значительный ипотечный долг, хотя команды риска в итоге одобряли подавляющее большинство таких заявок. Обнаружив и убрав эту ненужную friction, инструмент позволил небольшой команде compliance перенаправить время с низкорисковых заявок на области, требующие реальной проверки, сократив цикл проверки политики, управления и внедрения изменений на 75% — с восьми недель до двух.

Именно такого баланса ищут общественные банки: безопасно автоматизировать однозначные решения для улучшения клиентского опыта, сохраняя человеческое суждение для сложных рисков. Так эти учреждения могут использовать AI для интеллектуального масштабирования, не увеличивая штат и не жертвуя governance.

Financial Crimes AI Agent от FIS: следователь остается тем, кто принимает решение

Financial Crimes AI Agent от FIS, созданный FIS и Anthropic, автоматизирует наиболее трудоемкие части расследования по борьбе с отмыванием денег, при этом следователь остается тем, кто принимает решение.

Когда из системы мониторинга транзакций поступает alert, агент собирает профиль клиента, историю счетов, связи со связанными сторонами и релевантные внешние сигналы, а затем объединяет их в summary дела, готовое к проверке. На Level 1 он рекомендует, закрыть ли alert или перевести дело на Level 2 для более глубокого расследования. На Level 2 он рекомендует, подтверждают ли факты подачу Suspicious Activity Report (SAR), и помогает подготовить narrative для SAR. На каждом этапе следователь может анализировать логику агента, запрашивать дополнительные выборки и принимать окончательное решение.

Каждое действие автоматически фиксируется в audit trail, при этом data lineage прослеживается до источника, а доступ на основе ролей обеспечивается на всем протяжении процесса. Это особенно важно для общественных банков, которые подчиняются тем же AML-требованиям, что и крупнейшие институты, но редко располагают командами по data science и AI engineering, чтобы самостоятельно создать такую возможность.

О FIS

FIS развивает способы, которыми мир платит, банкирует и инвестирует. Обладая многолетним опытом, FIS предоставляет финансовые технологические решения финансовым учреждениям, бизнесу и разработчикам.

Читайте больше о fintech: Global FinTech Innovations Are Transforming Banking into Continuous Financial Guidance

[Чтобы поделиться с нами своими материалами, пожалуйста, напишите на psen@itechseries.com ]

Материал What Community Banks Need to Deploy Agentic AI Safely and Effectively впервые появился на GlobalFinTechSeries.