Финансовая отрасль давно использует алгоритмические решения для оценки кредитного риска, выявления мошенничества и помощи в управлении инвестиционными портфелями. Но в последние годы активное развитие решений на основе нейросетей постепенно приводит ко все большему вовлечению искусственного интеллекта (AI) в различные сферы финансовой деятельности — от анализа и рекомендаций и до автономных действий в цифровых системах.
Развитие AI-агентов и их постепенное проникновение в финансовую деятельность формируют новое направление — агентные финансы. Подробнее о том, что оно собой представляет, в каком контексте формируется и как развивается — в материале CP Media.
Что такое агентные финансы
Агентные финансы (Agentic Finance) — это общее определение для такой модели финансовых процессов, в рамках которой агенты на базе искусственного интеллекта действуют от имени пользователя или организации. Предполагается, что пользователь задает цель и ограничения, позволяя агенту определить, какие действия необходимо выполнить для достижения результата, и осуществить их с определенной степенью автономности.
Ключевая особенность агентных финансов — соединение рассуждения и исполнения. К примеру, получив запрос на распределение свободных средств, финансовый AI-агент потенциально способен изучить вводные, сопоставить их с заданными критериями, сформировать варианты действий, выбрать подходящие инструменты, провести операцию и проверить результат.
Предполагается, что финансовые AI-агенты:
- ориентированы на достижение цели;
- способны планировать многошаговые процессы;
- имеют доступ к внешним данным и финансовым сервисам;
- могут самостоятельно выполнять действия в заданных пределах.
Автономия может варьироваться от подготовки операции для человека до самостоятельного исполнения в установленных лимитах.
Чем агентные финансы отличаются от привычной автоматизации
Автоматизация финансовых операций существует десятилетиями, поэтому далеко не всякое действие, выполняемое программой без участия человека, относится к агентным финансам. Автоматизация предполагает жесткие условия и строго определенные алгоритмы действий, к примеру:
- автоплатежи позволяют списывать заранее определенную сумму в конкретную дату;
- торговый алгоритм автоматически осуществляет покупку или продажу актива при достижении заданной цены;
- роботизированный инвестиционный консультант может распределять портфель в соответствии с фиксированной моделью риска.
На этом фоне агентные системы обладают намного большей гибкостью — пользователь формулирует конечную цель, а методы ее достижения выбирает AI-агент в зависимости от контекста. Если условия меняются, нейросеть может пересмотреть план, выбрать другой инструмент или запросить дополнительные сведения. Специалисты Google отмечают, что традиционные системы преимущественно отвечают на запросы или анализируют данные, тогда как агентный искусственный интеллект ориентирован на автономное принятие решений и выполнение действий.
Стоит отметить, что AI-ассистенты находятся в промежуточном состоянии, поскольку они могут анализировать и рекомендовать, но окончательное действие всегда остается за человеком. Агентные финансы начинаются там, где системе делегируется определенная самостоятельность в выборе и исполнении финансовых действий для достижения заданной цели.
Агентные финансы как часть агентной экономики
Агентная экономика (Agentic Economy) — это экономическая среда, в которой AI-агенты самостоятельно ищут товары и услуги, сравнивают предложения, взаимодействуют с компаниями и другими агентами, заключают сделки, осуществляют платежи и выполняют задачи от имени людей или организаций.
Поскольку терминология в этой сфере все еще формируется, важно разграничить эти понятия. Агентная экономика — более широкая концепция, частью которой являются агентные финансы. Последние представляют ее финансовый слой и охватывают платежи, управление активами и ликвидностью, а также взаимодействие с банками, платежными системами, рынками капитала и DeFi-сервисами.
На этом фоне компания Google представила Agent Payments Protocol (AP2) для платежей, инициируемых агентами, Visa начала развивать собственные решения для агентных финансовых операций, Circle представила инфраструктуру для создания AI-агентов — и это лишь малая часть всех инициатив, реализуемых в данной сфере. Подобные инициативы наглядно показывают, что крупные участники рынка начинают формировать финансовую экосистему для AI-агентов и готовятся к появлению новой категории инициаторов транзакций.
Что финансовые агенты могут делать на практике
Потенциальные сценарии Agentic Finance охватывают несколько сегментов:
- платежи — выбор способа оплаты, подготовка или инициирование транзакции, соблюдение бюджета и контроль исполнения;
- торговля и покупки — поиск предложения, сравнение условий и переход от выбора к оплате;
- управление активами — анализ рынка, корректировка портфеля и исполнение сделок при наличии полномочий;
- казначейские операции — прогнозирование денежных потоков, управление ликвидностью и приоритизация платежей;
- банковские и персональные финансы — контроль бюджета, сопоставление финансовых продуктов и рутинные операции;
- децентрализованные финансы — взаимодействие с программируемыми протоколами обмена, кредитования и размещения ликвидности.
Часть этих сценариев уже проверяется экспериментально. Банк международных расчетов (BIS) в 2025 году протестировал использование агента на базе генеративного искусственного интеллекта в задачах внутридневного управления ликвидностью. В моделируемых условиях агентная система самостоятельно поддерживала резервы, расставляла приоритеты между платежами и адаптировалась к неопределенности. По результатам исследования авторы отдельно подчеркнули необходимость защитных механизмов и человеческого контроля.
Как работают агентные финансы
На верхнем уровне логика агентной финансовой операции состоит из следующих основных шагов:
- Постановка цели. Пользователь или организация задает результат и ограничения.
- Планирование и принятие решения. Агент анализирует данные и определяет необходимые действия.
- Авторизация. Система проверяет полномочия агента и допустимость операции.
- Исполнение финансового действия. Агент инициирует платеж, сделку или другую операцию.
- Проведение расчетов. Операция исполняется через соответствующую финансовую инфраструктуру.
- Проверка результата и обратная связь. Агент оценивает результат и при необходимости корректирует дальнейшие действия.
Подобный замкнутый цикл позволяет агенту учитывать последствия собственных действий и продолжать работу до достижения цели либо до момента, когда требуется вмешательство человека. Конкретные механизмы идентификации, доступа к счетам и расчетов образуют отдельный инфраструктурный слой агентных финансов.
Возможности и ограничения агентных финансов
Экономический эффект от внедрения агентных финансов связан с сокращением дистанции между решением и действием. Агент способен работать круглосуточно, учитывать большой объем данных и подстраивать решения под цели пользователя. Для финансовых организаций это может означать снижение операционных затрат и более глубокую персонализацию.
Потребительский интерес уже заметен, однако недостаток доверия остается одним из препятствий для распространения таких решений. В исследовании FCA, опубликованном летом 2026 года, 20% опрошенных британских потребителей — около 11 млн взрослых — заявили, что с высокой вероятностью стали бы использовать AI-агентов, способных автономно действовать в рамках заранее установленных целей.
Одновременно респонденты выражали опасения по поводу контроля над такими системами, поскольку цена ошибки в финансовых вопросах особенно высока. Некорректный ответ модели можно исправить, тогда как ошибочно выполненная сделка, перевод или инвестиционное решение могут привести к прямому убытку. Поэтому развитие агентных финансов зависит от надежности моделей, безопасности, четкого разграничения полномочий, защиты от мошенничества и понятного распределения ответственности.
На системном уровне возникают дополнительные риски. Совет по финансовой стабильности (FSB) относит к ним зависимость от внешних поставщиков, рост корреляции поведения участников рынка, киберугрозы и риски, связанные с ошибками и непредсказуемым поведением самих AI-моделей. По мере увеличения автономности одинаково настроенные агенты могут сходным образом реагировать на один сигнал, а сбой в распространенном технологическом компоненте — затрагивать множество организаций одновременно.
Вектор развития агентных финансов
Агентные финансы все еще находятся в стадии формирования — по данным совместного исследования Банка Англии и Управления по финансовому регулированию и надзору Великобритании (FCA), в 2024 году AI-инструменты уже использовали 75% опрошенных финансовых компаний, однако полностью автономными были лишь 2% зафиксированных сценариев его применения.
При этом согласно отчету Кембриджского центра альтернативных финансов, опубликованному в апреле 2026 года, 52% традиционных финансовых организаций уже тестируют или внедряют AI-агентов: 29% находятся на стадии пилотного проекта, еще 23% — на более зрелых стадиях развертывания. При этом FinTech-компании движутся быстрее — в этой сфере соответствующие показатели составляют 57% и 45%.
Наиболее вероятная траектория выглядит как последовательное расширение делегируемых полномочий — сначала системы анализируют и советуют, затем готовят операции, после чего получают право исполнять их с подтверждением пользователя и, наконец, действуют самостоятельно в рамках заранее определенных лимитов. Именно такую постепенную модель — от вспомогательного инструмента к автономным агентам в согласованных границах — рассматривает FCA в упомянутом выше исследовании.
Главный сдвиг агентных финансов связан с изменением модели взаимодействия между человеком и финансовой системой — вместо последовательности действий, выполняемых самостоятельно, пользователь все чаще сможет задавать цель и условия, передавая исполнение программному агенту. Масштаб этого перехода будет зависеть от того, сможет ли отрасль четко определить границы агентных полномочий, выстроить надежные механизмы авторизации и установить ответственность за результат.
