ВЛИЯНИЕ ИИ-РЕШЕНИЙ НА ФИНАНСОВЫЙ СЕКТОР: ПРОГНОЗИРОВАНИЕ БУДУЩИХ ИЗМЕНЕНИЙ Текст научной статьи по специальности «Право»

УДК 004.8

АХМАТОВА Джамиля Руслановна,

аспирант Российский экономический университет им. Г. В. Плеханова, akhmatova.dzhamilya@mail.ru

DZHAMILA R. Ahmatova,

graduate student Plekhanov Russian University of Economics, akhmatova.dzhamilya@mail.ru

ВЛИЯНИЕ ИИ-РЕШЕНИИ НА ФИНАНСОВЫЙ СЕКТОР: прогнозирование будущих изменений

THE IMPACT OF AI SOLUTIONS ON THE FINANCIAL SECTOR: predicting future changes

Аннотация

Актуальность данной статьи заключается в изучении влияния искусственного интеллекта на финансовый сектор и его будущее развитие. Статья анализирует пять ключевых аспектов использования ИИ в финансовой индустрии, включая усиление кибербезопасности, предиктивный анализ, принятие решений на основе данных, автоматизированные виртуальные персональные помощники и анализ кредитоспособности. Исследование выявляет, что ИИ-технологии не только способствуют повышению уровня безопасности и эффективности финансовых операций, но и содействуют улучшению взаимодействия с клиентами и принятию обоснованных решений на основе данных. Внедрение автоматизированных виртуальных помощников и анализа кредитоспособно-

Abstract

The relevance of this article lies in studying the influence of artificial intelligence (AI) on the financial sector and its future development. The article analyzes five key aspects of AI usage in the financial industry, including strengthening cybersecurity, predictive analysis, data-driven decision-making, automated virtual personal assistants, and creditworthiness analysis. The research reveals that AI technologies not only contribute to enhancing the security and efficiency of financial operations but also facilitate improved customer interactions and data-driven decision-making. The implementation of automated virtual assistants and creditworthiness analysis provides new tools for enhancing customer service and risk minimization. Overall, the article underscores the significance of AI in

х

<

00 О CI

Ш ^

U

и

X

и

о ^

о

S

О и

сти предоставляет новые инструменты для улучшения обслуживания клиентов и минимизации рисков. В целом, статья подчеркивает значимость ИИ в развитии финансовой сферы и предсказывает его долгосрочное влияние на этот сектор, что делает его более конкурентоспособным и адаптивным к изменяющимся условиям рынка.

Ключевые слова: Искусственный интеллект, Финансовый сектор, Кибербезо-пасность, Предиктивный анализ, Принятие решений на основе данных, Автоматизированные виртуальные помощники, Анализ кредитоспособности, Эффективность, Конкурентоспособность, Развитие финансовой индустрии.

advancing the financial sector and predicts its long-term impact on making it more competitive and adaptable to changing market conditions.

Keywords: Artificial Intelligence, Financial Sector, Cybersecurity, Predictive Analysis, Data-Driven Decision-Making, Automated Virtual Assistants, Creditworthiness Analysis, Efficiency, Competitiveness, Financial Industry Development.

x

и

О

X

О ^

m _o x

Q

LO

ВВЕДЕНИЕ

Искусственный интеллект (ИИ) в последние десятилетия стал ключевым игроком в различных сферах человеческой деятельности. Одной из областей, где ИИ оказал наибольшее влияние, является финансовый сектор. Согласно прогнозу GitHub ИИ обладает потенциалом увеличить доходы от финансовых услуг на 34% и экономический рост на 26%1. Активное внедрение ИИ технологий в финансовом секторе является ключевым фактором быстрого развития данной отрасли, позволяя финансовым учреждениям и предприятиям анализировать большие объемы информации, выявлять закономерности и эффективно принимать решения на основе данных.

Применение искусственного интеллекта в финтехе уже привело к созданию передовых продуктов, включая финансовых

1 GitHub. AI Use In Financial Services Statistics And Trends in 2023. [URL]. Режим доступа: https://blog. gitnux.com/ai-use-in-financial-services-statistics/. Дата обращения: 30.09.2023.

роботов-консультантов, алгоритмические торговые системы, инструменты обнаружения мошенничества и индивидуализированные сервисы для клиентов. Эти инновации обогатили ландшафт финансовых услуг и улучшили доступность современных финансовых инструментов. С учетом непрерывного развития искусственного интеллекта, его интеграция с финтехом представляет перспективу изменения финансового сектора в будущем. Эта интеграция обещает предоставить клиентам более персонализированный подход и усовершенствованные финансовые решения, что будет способствовать дальнейшему росту и развитию отрасли.

В рамках исследования были проанализированы труды российских авторов, таких как Н. А. Кашеварова, Д. А. Панова, А. А. Са-ламова, И. Е. Федоровская, И. И. Васильев, А. В. Минбалеев, Т.В. Фурсова, Т. Н. Тернов-ская, Е. В. Романов, В. А. Лебедев и др., которые в своих работах исследовали влияние технологий искусственного интеллекта на финансовую сферу, включая аспекты ки-

х

<

m О

ш ^

U U

X

и

о ^

О

s ^

О и

X

и

о

X

О ^

m .о х

Q

LÜ

бербезопасности, предиктивного анализа, анализа кредитоспособности и использования автоматизированных виртуальных помощников в банковском обслуживании. Эти исследования позволили выявить актуальные тренды и перспективы развития искусственного интеллекта в финансовой индустрии, что стало основой для данной статьи. Среди зарубежных трудов необходимо выделить работу «Методы машинного обучения и данные для прогнозирования фондового рынка: обзор литературы» от 2022 года, написанную М. Кумбуре, К. Лорманном, П. Луукка, Я. Поррасом. В статье авторы провели анализ 138 зарубежных научных трудов, опубликованных в период с 2000 по 2019 год. Исследование более чем 2000 финансовых инструментов позволило сделать вывод, что использование ИИ-моделей может значительно повысить точность прогнозов [8].

Согласно отчету Mordor Intelligence объем рынка ИИ в финтехе оценивается в 42,83 млрд долларов в 2023 году и, как ожидается, достигнет 49,43 млрд долларов к 2028 году, а среднегодовой темп роста составит 2,91% в течение прогнозируемого периода (2023-2028 годы). Также авторы сегментируют ИИ-технологии по типам:

— Вид продукта: решения и сервисы

— Вид развертывания ПО: облачные и локальные

— Вид приложения: чат-боты, кредитный скоринг, количественное управление активами и обнаружение мошенниче-ства2.

Искусственный интеллект переопределяет финансовую отрасль, революционизируя традиционные финансовые практики и прокладывая путь к инновационным достижениям. Интеграция ИИ в финтех вносит структурные изменения в сектор, способствуя созданию более эффективного, безопасного и доступного финансового ландшафта как для предприятий, так и

2 Mordor Intelligence. AI in Fintech Market (2022 -2027). [URL]. Режим доступа: https://www.

mordorintelligence.com/industry-reports/ai-in-fintech-market/market-size#:~:text=The%20AI%20 in%20Fintech%20Market,people%20interact%20 with%20financial%20services. Дата обращения: 30.09.2023.

для клиентов. Далее подробно рассмотрим пять ИИ-решений, которые будут оказывать наибольшее влияние на финансовый сектор.

1. Усиление кибербезопасности и обнаружение мошенничества

Рост цифровых транзакций и онлайн-финансовых услуг увеличил количество ки-беругроз и попыток мошенничества. ИИ в платежах и финансовых технологиях способствует развитию кибербезопасности и обнаружению мошенничества. Согласно недавнему исследованию Juniper Research, в 2027 году компании по всему миру направят более 10 миллиардов долларов на системы, использующие искусственный интеллект для выявления и предотвращения финансовых преступлений, по сравнению с 6,5 миллиардами долларов в 2022 году3. Рыночные платформы с поддержкой искусственного интеллекта для обнаружения и предотвращения мошенничества используют искусственный интеллект для отслеживания транзакций, выявления схем мошеннических транзакций и снижения рисков мошенничества за счет предотвращения транзакций в режиме реального времени. Алгоритмы искусственного интеллекта могут анализировать огромные объемы данных в режиме реального времени, постоянно отслеживая транзакции для распознавания закономерностей и выявления аномалий, потенциальных угроз безопасности и уязвимостей. Эти сложные системы отличают законное поведение клиентов от мошеннических действий, предотвращая несанкционированный доступ и финансовые потери.

ИИ совершенствует процедуры безопасности для защиты финансовых учреждений, защиты данных клиентов и повышения доверия клиентов. Интегрируя прогнозную аналитику на основе искусственного интеллекта в свои системы обнаружения мошенничества, финансовые

3 Juniper Research. Detection Spend

Al-enabled Financial Fraud to Exceed $10 Billion by 2027 [URL]. Режим доступа: https://www. juniperresearch.com/pressreleases/ai-

enabled-financial-fraud-detection-spend. Дата обращения: 30.09.2023.

х

<

оо О

ш ^

и и

X

и

о

О

О и

X

и

о

X

О т .о х

^ ш

компании могут значительно снизить количество ложных срабатываний (транзакций, которые ошибочно помечаются как мошеннические) [4].

Поставщики финансовых услуг могут лучше выявлять и предотвращать мошенничество, имея больший контроль над данными. Большие языковые модели ^М) на базе искусственного интеллекта также обрабатывают конфиденциальную или частную информацию в своей инфраструктуре. Это снижает зависимость от сторонних систем, снижает проблемы конфиденциальности и гарантирует безопасность конфиденциальных данных [2].

2. Предиктивный анализ

Успех финансовых организаций зависит от их способности прогнозировать будущие проблемы и оценивать существующие бизнес-тенденции. Традиционные модели прогнозного анализа часто имеют ограничения из-за сложности и волатильно-сти финансовых рынков. Планирование требует более адаптируемых технологий для консолидации данных, планирования, бюджетирования и оценки сценариев.

Прогнозная аналитика на основе искусственного интеллекта использует алгоритмы машинного обучения для выявления закономерностей и тенденций в исторических данных и составления более точных прогнозов. Используя ИИ в прогнозном анализе, финансовые учреждения могут принимать обоснованные решения об инвестициях, управлении рисками и рыночных тенденциях, что приводит к повышению эффективности портфеля и снижению рисков [7].

Большие языковые модели на основе искусственного интеллекта помогают анализировать финансовые данные и прогнозировать будущие инвестиционные модели, позволяя инвесторам делать осознанный выбор, который максимизирует рентабельность инвестиций. LLM может пройти специализированную подготовку для обслуживания определенного предмета или сектора. Настройка модифицирует

модель для получения точных результатов на основе предметной области, предлагая эффективно целевую информацию.

3. Принятие решений

на основе данных

Принятие решений на основе данных подразумевает использование фактов, показателей и статистики для принятия стратегических бизнес-решений, которые соответствуют целям и инициативам вашей компании.

Технологии искусственного интеллекта облегчают извлечение, анализ и использование данных для принятия обоснованных решений, повышая эффективность и сокращая время и усилия, необходимые для традиционного ручного анализа. Системы на основе искусственного интеллекта анализируют огромные объемы данных из различных источников, таких как социальные сети, рыночные тенденции и поведение потребителей, чтобы найти соответствующие идеи и возможности [5].

Например, LLM могут анализировать новости и информацию в социальных сетях, чтобы определить общественное мнение о финансовых продуктах. LLM можно преподавать с использованием набора данных, специфичного для финтех, чтобы способствовать глубокому пониманию специализированных тем. По сравнению с языковыми моделями общего назначения ответы, основанные на предметно-ориентированных знаниях, являются более точными и контекстуально приемлемыми [1].

Финтех-компании могут использовать аналитику на основе искусственного интеллекта для улучшения своих маркетинговых и бизнес-решений. Они спсобны предоставлять индивидуальные продукты и услуги, оптимизировать маркетинговые планы и создавать передовые решения, которые удовлетворяют уникальные потребности своих клиентов благодаря принятию решений на основе данных, основанных на технологиях искусственного интеллекта.

х

<

m О

ш ^

U U

X

и

о ^

О

s ^

О и

X

и

о

X

О ^

m .о х

Q

LÜ

4. Автоматизированные виртуальные персональные помощники

Технология искусственного интеллекта в финансах проложила путь к разработке автоматизированных виртуальных личных помощников, обеспечивающих улучшенный клиентский опыт. Эти помощники могут выполнять широкий спектр задач, от предоставления финансовых обновлений в режиме реального времени до выполнения транзакций от имени клиентов. Роботы-консультанты с поддержкой искусственного интеллекта предлагают начинающим и опытным участникам фондового рынка революционные методы торговли. Возможности искусственного интеллекта финансовых помощников выходят за рамки торговли. LLM также могут повышать финансовую грамотность, помогать в разработке индивидуальных финансовых планов для клиентов на основе их структуры расходов и финансовых целей, а также способствовать лучшему принятию финансовых решений [6].

Автоматизированные виртуальные помощники на базе искусственного интеллекта и обработки естественного языка ^Р) преобразуют способы взаимодействия компаний с клиентами и улучшают общее качество обслуживания клиентов. Согласно исследованиям, 41% руководителей финансовых служб считают, что чат-боты с искусственным интеллектом окажут наибольшее влияние на их отрасль к 2025 году4.

5. Анализ кредитоспособности

Традиционный анализ кредитоспособности опирается в основном на исторические финансовые данные, определяя кредитный риск лишь частично. С другой стороны, анализ кредитоспособности на основе ИИ учитывает более широкий набор факторов, включая социальное поведение, присутствие в Интернете и историю транзакций. Он предлагает более целостную и точную оценку кредитного риска.

4 GitHub. AI Use In Financial Services Statistics And Trends in 2023. [URL]. Режим доступа: https://blog. gitnux.com/ai-use-in-financial-services-statistics/. Дата обращения: 30.09.2023.

Финансовые компании могут эффективно анализировать огромные объемы данных о потребителях, используя ИИ для точной оценки кредитоспособности. Современные системы искусственного интеллекта могут оценивать инвестиционные, денежные и кредитные счета клиентов для оценки их финансового состояния. Анализируя данные о клиентах, ИИ может ускорить поддержку счетов и помочь банкам идти в ногу с развитием событий в режиме реального времени [3].

ИИ сравнивает и анализирует данные, чтобы оценить, имеет ли клиент право на продукты или услуги. Банковские организации могут использовать LLM для анализа клиентских данных и определения факторов риска. Финтех-фирмы также могут настраивать кредиты и страховые полисы в зависимости от профилей и требований клиентов.

ЗАКЛЮЧЕНИЕ

Таким образом, искусственный интеллект становится неотъемлемой частью финансового сектора, преобразуя его функционирование и динамику. На основе вышеизложенного можно сделать следующие выводы:

Во-первых, усиление кибербезопасно-сти и обнаружение мошенничества становятся все более важными с увеличением объемов цифровых транзакций. ИИ позволяет выявлять аномалии и потенциальные угрозы, обеспечивая защиту данных и доверие клиентов.

Во-вторых, предиктивный анализ открывает новые горизонты для прогнозирования рисков и трендов в финансовой сфере. Алгоритмы машинного обучения позволяют более точно оценивать вероятность событий и принимать более обоснованные решения.

В-третьих, принятие решений на основе данных становится основой стратегического планирования и управления активами. ИИ обрабатывает огромные объемы информации, что обеспечивает лучшую информированность при принятии решений.

х

<

m О

ш ^

U U

X

и

о ^

О

s ^

О и

Четвертое, автоматизированные виртуальные персональные помощники улучшают взаимодействие с клиентами, обеспечивая персонализированный сервис и удовлетворение потребностей клиентов.

Наконец, анализ кредитоспособности с помощью ИИ способствует более точной оценке рисков и определению кредитоспособных клиентов.

Прогнозируется, что внедрение этих ИИ-решений приведет к увеличению эффективности финансовых организаций и повышению уровня обслуживания клиентов. Однако оно также представляет вызовы в виде вопросов кибербезопасности, этики и регулирования, которые требуют внимания и решения.

Финансовый сектор вступает в новую эру, где ИИ играет ключевую роль в формировании его будущего. Стремительное развитие технологий ИИ и их внедрение создают обширные возможности для инноваций и роста. Однако успешное использование ИИ требует баланса между техническими возможностями и обеспечением безопасности и доверия. Исследование и разработка в области ИИ продолжат оставаться приоритетом для финансовой индустрии, и только те, кто адаптируются к этому изменяющемуся ландшафту, смогут долгосрочно преуспевать.

X

и

о

X

О m _û х

Q

LÛ

ЛИТЕРАТУРА

1. Аникьева Э. Н. Искусственный интеллект для принятий решений / Э. Н. Аникьева, С. Р. Кувардин // Наука и Образование. — 2022. — Т. 5, № 2. — EDN FSKXVU.

2. Кашеварова Н. А. Анализ современной практики применения технологии искусственного интеллекта в финансовой сфере и его влияния на трансформацию финансовой экосистемы / Н. А. Кашеварова, Д. А. Панова // Креативная экономика. — 2020. — Т. 14, № 8.— С. 15651580. — DOI 10.18334/ce.14.8.110708. — EDN SFEXBC.

3. Лебедев В. А. Роль искусственного интеллекта в кредитном скоринге / В. А. Ле-бедев // Образование и наука в современных реалиях : сборник материалов VII Международной научно-практической конференции, Чебоксары, 14 декабря 2018 года. — Чебоксары: Общество с ограниченной ответственностью «Центр научного сотрудничества «Интерактив плюс», 2018. С. 146-152. — EDN YUHLYL.

4. Минбалеев А. В. Проблемы использования искусственного интеллекта в противо-действии киберпреступности / А. В. Минбалеев // Вестник Южно-Уральского государственного университета. Серия: Право. — 2020. — Т. 20, № 4. — С. 116-120. — DOI 10.14529/law200420. — EDN ATSUEE.

5. Саламова А. А. Роль искусственного интеллекта в финансах / А. А. Саламова, И. Е. Федоровская, И. И. Васильев // Финансовые рынки и банки. — 2023. — № 1. — С. 63-68. — EDN LHANCH.

6. Фурсова Т. В. Внедрение чат-ботов в технологии дистанционного банковского обслуживания / Т. В. Фурсова, Т. Н. Терновская, Е. В. Романов // Вестник Московского финансово-юридического университета МФЮА. — 2020. — № 4. — С. 45-52. — EDN UFEILL.

7. Цыгулев А. А. Анализ и структуризация поля знаний методов предиктивной аналитики / А. А. Цыгулева // Теория и практика современной науки. — 2022. — № 12 (90). —С. 381-387. — DOI 10.46566/2412-9682_2022_90_381. — EDN FJRTMW.

8. Mahinda Mailagaha Kumbure, Christoph Lohrmann, Pasi Luukka, Jari Porras. Machine learning techniques and data for stock market forecasting: A literature review // Expert Systems with Applications, V. 197, 2022, ISSN 0957-4174, URL: https://doi.org/10.1016/j.eswa.2022.116659 (дата обращения: 30.09.2023).

х

<

00 О CI

ш ^

U

и

X

и

О ^

О

s ^

О и

X

и

о

X

О m

_D X

REFERENCES

1. Anik'eva Je. N. Iskusstvennyj intellekt dlja prinjatij reshenij / Je. N. Anik'eva, S. R. Kuvardin // Nauka i Obrazovanie. — 2022, T. 5, No. 2, EDN FSKXVU.

2. Kashevarova N. A. Analiz sovremennoj praktiki primenenija tehnologii iskusstvennogo intellekta v finansovoj sfere i ego vlijanija na transformaciju finansovoj jekosistemy / N. A. Kashevarova, D. A. Panova // Kreativnaja jekonomika. 2020, T. 14, No. 8. Pp. 1565-1580. — DOI 10.18334/ ce.14.8.110708. — EDN SFEXBC.

3. Lebedev V. A. Rol' iskusstvennogo intellekta v kreditnom skoringe / V. A. Lebedev // Obrazovanie i nauka v sovremennyh realijah: sbornik materialov VII Mezhdunarodnoj nauchno-prakticheskoj kon-ferencii, Cheboksary, 14 dekabrja 2018 goda. — Cheboksary: Obshhestvo s ogranichennoj otvetst-vennost'ju "Centr nauchnogo sotrudnichestva "Interaktiv pljus", 2018, Pp. 146-152. — EDN YUHLYL.

4. MinbaleevA. V. Problemy ispol'zovanija iskusstvennogo intellekta v protivodejstvii kiberprestupnosti / A. V. Minbaleev // Vestnik Juzhno-Ural'skogo gosudarstvennogo universiteta. Serija: Pravo. — 2020, T. 20, № 4, Pp. 116-120. — DOI 10.14529/law200420. — EDN ATSUEE.

5. Salamova A. A. Rol' iskusstvennogo intellekta v finansah / A. A. Salamova, I. E. Fedorovskaja, I. I. Va-sil'ev // Finansovye rynki i banki. 2023, No. 1, Pp. 63-68. — EDN LHANCH.

6. Fursova T. V. Vnedrenie chat-botov v tehnologii distancionnogo bankovskogo obsluzhivanija / T. V. Fur-sova, T. N. Ternovskaja, E. V. Romanov // Vestnik Moskovskogo finansovo-juridicheskogo universiteta MFJuA. 2020, No. 4, Pp. 45-52. — EDN UFEILL.

7. Cyguleva A. A. Analiz i strukturizacija polja znanij metodov prediktivnoj analitiki / A. A. Cyguleva // Teorija i praktika sovremennoj nauki. 2022, No. 12(90), Pp. 381-387. — DOI 10.46566/2412-9682_2022_90_381. — EDN FJRTMW.

8. Mahinda Mailagaha Kumbure, Christoph Lohrmann, Pasi Luukka, Jari Porras. Machine learning techniques and data for stock market forecasting: A literature review // Expert Systems with Applications, V. 197, 2022, ISSN 0957-4174, URL: https://doi.org/10.1016/j.eswa.2022.116659 (data obrashhenija: 30.09.2023).

Q

LQ

Статья поступила в редакцию 15.06.23; Принята к публикации 29.06.23. Авторы прочитали и одобрили окончательный вариант рукописи.

The article was submitted 15.06.23; accepted for publication 29.06.23. The authors read and approved the final version of the manuscript.