В течение прошедшего года многие крупнейшие участники FinTech-индустрии представили решения, которые так или иначе связаны с агентами искусственного интеллекта (AI). Особый интерес представляют автономные AI-агенты, поскольку они не просто помогают пользователю, а заменяют его. Такие системы обретают субъектность — они не просто рекомендуют или выполняют конкретные указания, а самостоятельно оценивают происходящее и принимают решения.
Попробуем разобраться, можно ли назвать нынешний ажиотаж вокруг AI-агентов ситуативным трендом или происходящее — это системная трансформация FinTech-индустрии.
AI-агенты — это программные системы, использующие алгоритмы искусственного интеллекта для выполнения задач, таких как анализ данных, обработка естественного языка или принятие решений. Обычно такие программы действуют по заранее заданным инструкциям, выполняя функцию интеллектуального помощника.
Автономные AI-агенты, в свою очередь, могут самостоятельно формулировать цели, планировать действия и адаптироваться к изменениям, что позволяет им выполнять более сложные задачи без постоянного вмешательства человека.
Примеры внедрения AI-агентов FinTech-компаниями
В 2024–2025 годах решения на базе AI-агентов или инфраструктуру для работы с ними представили многие крупные участники FinTech-индустрии — платежные сети, торговые платформы, провайдеры платежных услуг, эмитенты цифровых активов, необанки, поставщики программного обеспечения и прочие. В качестве иллюстрации можно кратко перечислить ряд конкретных кейсов:
- Mastercard представила платформу Mastercard Agent Pay, которая позволяет верифицированным AI-агентам совершать токенизированные платежи от имени пользователей.
- Visa запустила платформу Visa Intelligent Commerce, которая открывает доступ к глобальной платежной сети компании для AI-агентов.
- Tether анонсировала запуск AI-платформы с открытым исходным кодом для автономных агентов, способных выполнять платежи с использованием USDT и BTC в P2P-сети без API и централизованной инфраструктуры.
- Coinbase разработала открытый стандарт x402, который позволяет AI-агентам и приложениям выполнять платежи в стейблкоинах напрямую через HTTP-протокол.
- Stripe анонсировала инструмент Smart Disputes, который использует AI-агентов для самостоятельной обработки chargeback-претензий.
- Revolut анонсировала внедрение AI-агентов для инициации финансовых действий на основе поведения клиента, а также автоматизации работы с пользовательскими запросами, управлением лимитами и подписками.
- PayPal выпустила комплект разработчика PayPal Agent Toolkit, который позволяет создавать автономных AI-агентов, способных безопасно выполнять коммерческие операции через API PayPal.
- Block представила фреймворк для разработки автономных AI-агентов c открытым исходным кодом, и так далее.
Более того, многие крупнейшие международные банки тоже внедряют подобные решения. К примеру, Mitsubishi UFJ Financial Group (MUFG) совместно с Sakana AI развивает платформу автономных AI-агентов, которые могут самостоятельно создавать сложные документы, в том числе внутренние отчеты, регуляторную документацию и прочие, а также проводить комплексные исследования.
Еще один пример — AI-агент NextGen Online Assistant (NOA) на базе когнитивной платформы Amelia, внедренный BNP Paribas на клиентской платформе NeoLink. Система самостоятельно обрабатывает в режиме реального времени операционные задачи, в том числе запросы по расчетам, движению средств, рыночной информации и прочие.
Описанные кейсы наглядно демонстрируют, что AI-агенты в FinTech-индустрии уже представляют собой значимый элемент продуктовых и инфраструктурных решений. Но что подтолкнуло рынок к такому сдвигу именно сейчас?
Ключевые факторы спроса на автономных AI-агентов в финансовой сфере
Качественный сдвиг в развитии нейросетей и технологий на их основе произошел более десяти лет назад, когда появилась возможность машинного обучения на основе больших данных.
Все нынешние AI-технологии технически относятся к категории узкого или слабого искусственного интеллекта (Narrow AI) и работают на основе нейросетей. По сути, все популярные чат-боты с искусственным интеллектом, такие как ChatGPT, Gemini, Perplexity и прочие — это пользовательские интерфейсы для взаимодействия с нейросетями.
Примерно в 2022–2023 годах произошел качественный сдвиг непосредственно в сфере AI-технологий, в частности:
- Появились LLM нового поколения — GPT-4, Claude, LaMDA и прочие. Они стали более надежными, быстрыми и доступными, позволив создавать на своей основе реальные продукты.
- Появились фреймворки с открытым исходным кодом для работы с LLM — LangChain, AutoGen, CrewAI и прочие. Это упростило разработку мультиагентных и инструментальных систем даже для небольших команд.
Большие языковые модели (LLM) — это AI-алгоритмы, обученные на огромных объемах текстовых данных, способные «понимать», генерировать и обрабатывать естественный язык.
В финансовой сфере в этот период наблюдался взрывной рост объема операций и их сложности. Стандартом для FinTech-систем стала работа в режиме 24/7/365 и постоянное добавление новых сценариев их использования. Вместе с тем росли конкуренция и стоимость привлечения клиентов, а маржа — снижалась. Ситуация подталкивала финансовые компании искать возможности для повышения операционной эффективности. И в этом контексте AI-технологии пришлись как нельзя кстати.
Автономные агенты компенсируют разницу между интенсивностью бизнес-процессов и операционными ограничениями, связанными с человеческим фактором. Они позволяют автоматизировать в реальном времени такие рутинные задачи, как поддержка и верификация пользователей, маршрутизация транзакций и оптимизация комиссионных сборов. AI-агенты позволяют снизить риски в цепочках принятия решений, особенно в сложных B2B-сценариях, связанных с комплаенсом.
С другой стороны, пользователь хочет максимально упростить себе жизнь — условно, поставить задачу — и забыть. Например, написать: «Купи мне страховку на неделю в Турции», — и агент сам подберет, оплатит и предоставит пользователю все необходимые документы в необходимом формате. Примерно так выглядит UX финансового приложения, соответствующего современным запросам рынка.
И все это происходит на фоне разработки новых регулятивных регламентов, роста интереса и доверия со стороны институциональных инвесторов и крупнейших корпораций. Например, команда Google представила новый режим онлайн-шопинга, в котором AI-агент отслеживает цену товара, добавляет его в корзину и может самостоятельно оформить покупку от имени пользователя через Google Pay. Решение обеспечивает полностью автоматизированный сценарий покупки, включая виртуальную примерку и настройку предпочтений.
Вывод очевиден — внедрение AI-агентов в финансовые решения представляет собой не просто ситуативный тренд, а именно системную трансформацию, которая наверняка лишь продолжит набирать обороты в ближайшие годы.
