Генеративний ШІ: впроваджують майже всі, заробляють одиниці

У минулій колонці йшлося про AI-агентів в e-commerce: наступним клієнтом може стати не людина, а її цифровий представник. Але агент корисний саме настільки, наскільки хороша модель, що лежить в його основі. Ця модель — генеративний штучний інтелект. Для банку він одночасно є джерелом ефективності, новим каналом продажів і загрозою прибутку.

Генеративний ШІ перестав бути технологією, яка "ось-ось настане". Вона настала: моделі вже пишуть тексти, код і аналітику в продакшені десятків банків. Відкрите інше питання — чи навчилися на ній заробляти. Поки що чесна відповідь: майже ні.

Технологія всюди, віддача — майже ніде

За даними McKinsey, до кінця 2025 року ШІ хоча б в одній бізнес-функції впровадили майже дев'ять із десяти компаній, близько 71% регулярно використовують генеративний ШІ, але 94% не бачать значущої віддачі від інвестицій. Це сучасна версія "парадоксу Солоу": комп'ютерну еру можна побачити де завгодно, крім статистики продуктивності. Boston Consulting Group у дослідженні понад 1 250 компаній приходить до того ж висновку: реальну фінансову віддачу отримують близько 5%, а приблизно 60% не бачать майже нічого. S&P Global фіксує розворот настроїв: частка компаній, які згортають більшість ШІ-ініціатив до виведення в продакшн, за рік зросла з 17% до 42%.

Причина розриву не в моделях. Більшість компаній прискорюють за допомогою ШІ поточні рутинні операції, не перебудовуючи наскрізні процеси, — і локальний виграш швидко з'їдає конкуренція. BCG описує це формулою "10–20–70": успіх проєкту лише на 10% залежить від алгоритмів, на 20% — від даних і технологій та на 70% — від людей і процесів. При цьому 60% компаній взагалі не відстежують фінансові KPI своїх ШІ-ініціатив. Висновок простий: справа не в тому, хто першим купив ліцензії, а в тому, хто перебудував процеси.

Але виграш реальний — особливо для банків

При повномасштабному впровадженні генеративний ШІ здатний щорічно приносити світовому банківському сектору 200–340 млрд доларів — 2,8–4,7% виручки галузі. Дослідження IDC на замовлення Microsoft дає в середньому 3,70 долара віддачі на кожен вкладений долар, у лідерів — до 10,30, причому найбільшу віддачу фіксують саме у фінансовому секторі. Цифри вельми приємні; питання в тому, як до них дістатися.

Має сенс розрізняти два класи систем: "класичний" ШІ розпізнає — "шахрайство чи ні", "надійний позичальник чи ні" — і роками працює у скорингу, антифроді та AML; генеративний, який є фокусом цієї колонки, створює нове — чернетку договору, резюме багатосторінкового звіту, відповідь клієнту, код тощо — залишаючи співробітнику перевірку та рішення (human in the loop, людина в контурі — обов'язкове правило, зокрема закріплене регуляторно щодо багатьох процесів у ЄС).

Хто з гравців фінансового сектору вже заробляє за допомогою генеративного ШІ

JPMorgan Chase. Платформа LLM Suite доступна для понад 200 000 співробітників; технобюджет на 2025 рік — близько 18 млрд доларів (у 2026-му — майже 19,8 млрд, близько 2 млрд з них на ШІ). Банк оцінює реалізовану річну цінність від ШІ приблизно в 2 млрд доларів (проти 100 млн у 2022-му) при понад 450 діючих кейсах. Але на Investor Day у лютому 2026 року керівництво чесно зізналося: віддачу важко порахувати за кожною ініціативою, а "зекономлений час" — занадто розпливчаста метрика. Урок не в цифрі, а в підході: ROI рахують там, де його можна виміряти, і не видають активність за результат.

Goldman Sachs. За словами Девіда Соломона, ШІ готує до 95% проспекту емісії за лічені хвилини — замість двох тижнів роботи команди з шести осіб. Цінність змістилася в решту 5%: перевірку, експертизу та судження.

HSBC. Платформа Dynamic Risk Assessment на базі Google Cloud аналізує понад 1 млрд транзакцій на місяць, виявляючи в 2–4 рази більше реальних злочинів при скороченні помилкових спрацьовувань приблизно на 60%. Для банку під AML-наглядом це найреальніший показник ефективності.

Klarna — історія про межу автоматизації. Фінтех-компанія заявила, що ШІ-асистент виконує роботу 700, а потім і 853 операторів з економією близько 60 млн доларів на рік. Але у 2025 році компанія частково відмовилася від цієї стратегії і знову почала наймати операторів: у гонитві за ефективністю погіршилася якість сервісу. Це урок про межі автоматизації там, де ціна помилки висока.

Три уроки, які об'єднують лідерів практичного прибуткового використання генеративного ШІ

Платформа, а не зоопарк пілотів. Лідери будують єдину корпоративну ШІ-платформу з управлінням доступом, безпекою та аудитом, а не десятки розрізнених експериментів; перевага в ШІ накопичується з часом.

Гібрид з людиною перемагає чисту автоматизацію. Найбільша віддача там, де ШІ підсилює людське судження, а не витісняє його із зон високої відповідальності. Для кредиту, антифроду та спірних звернень людина в контурі — умова якості, а не поступка регулятору.

Вимірюваність відокремлює ефективність від "показухи". Коли 42% компаній згортають проєкти, єдиний захист — чесні бізнес-метрики: вартість операції, час вирішення запиту, частка помилкових спрацьовувань, EBIT. Кількість пілотних проєктів — це активність, а не результат.

Де ховається загроза

Генеративний ШІ — це інструмент не лише для банку, а й для його клієнта, і загроза полягає в тому ж, що й у випадку з ШІ-агентами та електронною комерцією. McKinsey попереджає: за умови незмінних бізнес-моделей банки ризикують втратити загалом близько 170 млрд доларів — приблизно 9 % світових прибуткових пулів сектору. Той самий агент, який сьогодні порівнює товари (див. мою попередню колонку), завтра порівнюватиме ставки за депозитами та кредитами, переказуватиме залишки на рахунок з кращою прибутковістю та обиратиме платіжного провайдера за частки секунди. Лояльність, на якій банки століттями заробляли маржу, стискається до API-запиту.

Регуляторна політика: відповідальне впровадження

В Євросоюзі AI Act відносить ШІ для кредитного скорингу до систем високого ризику (Annex III). Початковий термін зобов'язань — 2 серпня 2026 року, але за політичною угодою в рамках Digital Omnibus (травень 2026) він переноситься на 2 грудня 2027-го; формальне прийняття поправок не завершено, тому до публікації діє попередня дата. Штрафи за системи високого ризику — до 15 млн євро або 3% обороту — як приклад, такий штраф може бути накладено за неправильно відкалібровану навчальну вибірку моделі, що призводить до дискримінаційних рішень, або за неможливість пояснити клієнту логіку прийнятого банком рішення.

Важлива деталь: використання ШІ в антифроді виведено з категорії високого ризику і регулюється інакше, ніж скоринг. Паралельно діють DORA та право клієнта на пояснення автоматизованого рішення згідно з GDPR. Для українського банку це вектор євроінтеграції та орієнтир для вимог НБУ: хто вибудує пояснюваність, документацію та людський контроль "за дизайном" зараз, той не переплатить "комплаєнс-боргом" потім. У нашому банку ми постійно дивимося в бік європейського регулювання, щоб під час впровадження нових систем бути максимально готовими до адаптації вітчизняного законодавства до європейських практик.

Що банкам робити вже зараз — від загального до конкретного

Вибрати 2–3 наскрізних процеси, а не 30 пілотних: один доведений до продакшну процес — підготовка кредитних меморандумів, робота контакт-центру — цінніший за десяток вітринних демо. Оцінювати цінність за EBIT та бізнес-метриками: фіксувати показники "до" та вимірювати "після"; те, що не можна виміряти — це не ініціатива, а презентація. Налагодити управління з першого дня: інвентаризація ШІ-систем, людина в контурі для регульованих рішень, документація під AI Act, DORA та НБУ. Починати з бек- та мідл-офісу: звітність, моніторинг регуляторних вимог, AML та комплаєнс, підтримка, аналіз документів; фронт-офіс — наступним кроком.

Наш банк "Кредит Дніпро" — поки що, природно, відстає від наведених у статті світових лідерів фінансового сектору у застосуванні генеративного ШІ. Проте, ми пішли саме тим самим правильним шляхом, спираючись на їхній досвід — у нас уже працюють моделі, які допомагають аналізувати вхідні судові та виконавчі документи, полегшуючи життя бек- та мідл-офісу.

Ми дивимося в бік застосування ШІ як інструменту поширення знань всередині команд — щось, що в майбутньому може еволюційно стати прототипом системи, аналогічної LLM Suit JP Morgan Chase. Ми створили крос-функціональну молоду команду ШІ-євангелістів — ключове завдання якої якраз і полягає у визначенні тих бізнес-процесів, які з найбільшим ROI (та/або іншими бізнес-метриками) можна реінжинірувати та покласти на двигун генеративного ШІ.

Замість висновку

Перша хвиля ШІ змінила те, як ми шукаємо; друга — як купуємо; третя — як платимо і кому довіряємо гроші. Під усіма трьома працює один двигун — генеративний ШІ. Тому питання для банків, як і для більшості компаній в інших високотехнологічних секторах, не в тому, "чи впроваджувати": це вже відбувається. Питання — чи опиниться компанія серед тих 5%, хто дійсно заробив. Для цього потрібно менше пілотних проєктів, більше переписаних процесів і дисципліна у вимірюванні результату. Технологія перестала бути перевагою — перевагою стало вміння її впроваджувати.

Колонка відображає особисту позицію автора і не є інвестиційною або юридичною рекомендацією.